Экспертные системы – это прикладные системы ИИ, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой-либо узкой предметной области. Экспертные системы предназначены для замены при решении задач экспертов в силу их недостаточного количества, недостаточной оперативности в решении задачи или в опасных (вредных) для них условиях.

Обычно экспертные системы рассматриваются с точки зрения их применения в двух аспектах: для решения каких задач они могут быть использованы и в какой области деятельности. Эти два аспекта накладывают свой отпечаток на архитектуру разрабатываемой экспертной системы. Можно выделить следующие основные классы задач, решаемых экспертными системами:

• • диагностика;
  • прогнозирование;
  • идентификация;
  • управление;
  • проектирование;
  • мониторинг.

Наиболее широко встречающиеся области деятельности, где используются экспертные системы:

• • медицина;
  • вычислительная техника;
  • военное дело;
  • микроэлектроника;
  • радиоэлектроника;
  • юриспруденция;
  • экономика;
  • экология;
  • геология (поиск полезных ископаемых);
  • математика.

Понятие экспертной системы. Этапы проектирования экспертной системы.

Экспертные системы – это системы, предназначенные для решения задач на основе накапливаемого в базе знаний опыта работы экспертов в проблемной области. Они частично заменяют специалистов в решении проблемной ситуации. Могут выполнять функции: консультировать неопытных или непрофессиональных пользователей, анализировать различные варианты принятия решений, производить контроль, отладку, прогнозировании, планирование и т.д. Экспертные системы могут быть статическими (решает задачи в условиях не изменяющихся во времени исходных данных) и динамическими (изменяющиеся во времени исходные данные). Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом.

Состав экспертных систем:

• интерпретатор (используя исходные данные из рабочей памяти знания из базы знаний решает задачи);
• рабочая память (хранение исходных и промежуточных данных решаемой задачи);
• база знаний (хранение долгосрочных данных описывающих предметную область);
• компоненты приобретения знаний (автоматизирует процесс наполнения ЭС знаниями);
• объяснительные компоненты (объясняет как система получила/не получила решение);
• диалоговые компоненты (обеспечивает общение с пользователем).

Этапы проектирования экспертной системы:

• Идентификация проблемной области – определяются задачи, подлежащие решению, выявляются цели разработки.
   
• Концептуализация проблемной области – определяются способы представления и интерпретации всех видов знаний, моделируется работа системы.
   
• Формализация базы знаний – наполнение базы знаний.
   
• Реализация базы знаний – создается прототип экспертной системы, решающий требуемые задачи.
   
• Тестирование – производится оценка выбранного способа представления знаний.

Важнейшим критерием оценки является соотношение стоимости системы и ее эффективности.