98. Понятие об экспертных системах. Требования к экспертным системам. Составные части экспертной системы, их назначение. Продукционные экспертные системы.

Экспертная система - это программа, выполняющая роль консультанта в некоторой проблемной области. Она должна иметь способность к объяснению своих решений и тех рассуждений, на основе которых эти решения были приняты. Часто от экспертной системы требуют, чтобы она могла работать с неточной и неполной информацией.

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. Типичные применения экспертных систем включают в себя такие задачи, как медицинская диагностика, локализация неисправностей в оборудовании и интерпретация результатов измерений. Экспертные системы должны решать задачи, требующие для своего решения экспертных знаний в некоторой конкретной области. В той или иной форме экспертные системы должны обладать этими знаниями. Поэтому их также называют системами, основанными на знаниях. Однако не всякую систему, основанную на знаниях, можно рассматривать как экспертную.

Экспертная система должна уметь каким-то образом объяснять свое поведение и свои решения пользователю, так же, как это делает эксперт-человек. Это особенно необходимо в областях, для которых характерна неопределенность, неточность информации (например, в медицинской диагностике). В этих случаях способность к объяснению нужна для того, чтобы повысить степень доверия пользователя к советам системы, а также для того, чтобы дать возможность пользователю обнаружить возможный дефект в рассуждениях системы.

Часто к экспертным системам предъявляют дополнительное требование - способность иметь дело с неопределенностью и неполнотой. Информация о поставленной задаче может быть неполной или ненадежной; отношения между объектами предметной области могут быть приближенными. В этих случаях необходимы рассуждения с использованием вероятностного подхода.

Экспертные системы целесообразно использовать тогда, когда: 1) разработка ЭС возможна; 2) оправдана; 3) методы инженерии знаний соответствуют решаемой задаче.

Для того, чтобы построить экспертную систему, нужно разработать механизмы выполнения следующих функций системы:

• решение задач с использованием знаний о конкретной предметной области - возможно, при этом возникнет необходимость иметь дело с неопределенностью

• взаимодействие с пользователем, включая объяснение намерений и решений системы во время и после окончания процесса решения задачи.

Структура экспертной системы

При разработке экспертной системы принято делить ее на три основных модуля:

1. база знаний

2. машина логического вывода

3. интерфейс с пользователем.

База знаний содержит знания, относящиеся к конкретной прикладной области, в том числе отдельные факты, правила, описывающие отношения или явления, а также, возможно, методы, эвристики и различные идеи, относящиеся к решению задач в этой прикладной области. Машина логического вывода умеет активно использовать информацию, содержащуюся в базе знаний. Интерфейс с пользователем отвечает за бесперебойный обмен информацией между пользователем и системой; он также дает пользователю возможность наблюдать за процессом решения задач, протекающим в машине логического вывода. Принято рассматривать машину вывода и интерфейс как один крупный модуль, обычно называемый оболочкой экспертной системы.

В описанной структуре знания отделены от алгоритмов, использующих эти знания. Такое разделение удобно, т.к. база знаний зависит от конкретного приложения.

С другой стороны, оболочка независима от приложений. Разумный способ разработки экспертной системы для нескольких приложений сводится к созданию универсальной оболочки, после чего для каждого приложения достаточно подключить к системе новую базу знаний. Разумеется, все эти базы знаний должны удовлетворять одному и тому же формализму, который оболочка "понимает".

Продукционные экспертные системы

Механизм вывода генерирует вопросы, анализирует ответы, делает логические выводы.

База данных – файлы и правила.

В качестве кандидата на использование в экспертной системе можно рассматривать любой непротиворечивый формализм, в рамках которого можно описывать знания о некоторой проблемной области. Однако самым популярным формальным языком представления знаний является язык правил типа "если-то", называемых также продукциями. Каждое такое правило есть некоторое условное утверждение, но возможны и различные другие интерпретации. Вот примеры:

• если предварительное условие Р то заключение (вывод) С

• если ситуация S то действие А

• если выполнены условия С1 и С2 то не выполнено условие С

"Если-то"–правила обычно оказываются весьма естественным выразительным средством представления знаний. Кроме того, они обладают следующими свойствами:

• Модульность: каждое правило описывает небольшой, относительно независимый фрагмент знаний.

• Возможность инкрементного наращивания: добавление новых правил в базу знаний происходит относительно независимо от других правил.

• Удобство модификации (как следствие модульности): старые правила можно изменять и заменять на новые относительно независимо от других правил.

• Применение правил способствует прозрачности системы.

Последнее свойство - это важное, отличительное свойство экспертных систем. Под прозрачностью мы понимаем способность системы к объяснению принятых решений и полученных результатов. Применение "если-то"–правил облегчает получение ответов на следующие основные типы вопросов пользователя:

1. Вопросы типа "как": Как вы пришли к этому выводу?

2. Вопросы типа "почему": Почему вас интересует эта информация?

"Если-то"-правила часто применяют для определения логических отношений между понятиями предметной области. Про чисто логические отношения можно сказать, что они принадлежат к "категорическим знаниям", "категорическим" - потому, что соответствующие утверждения всегда, абсолютно верны. Однако в некоторых предметных областях, таких, как медицинская диагностика, преобладают "мягкие" или вероятностные знания. Эти знания являются "мягкими"; в том смысле, что говорить об их применимости к любым практическим ситуациям можно только до некоторой степени ("часто, но не всегда"). В таких случаях используют модифицированные "если-то"–правила , дополняя их логическую интерпретацию вероятностной оценкой. Например:

если условие А то заключение В с уверенностью F