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.