Программа дисциплины «Базы данных и экспертные системы» учебно-методические материалы Редакция №1 от 01. 09. 2013 учебно-методический комплекс дисциплины «Базы данных и экспертные системы»

-технологии на основе репозитория при изменении проблемной области каждый раз выполняется генерация программного обеспечения, а при использовании сборочной технологии - конфигурирование программ и только в редких случаях - их переработка. В лекции приведены особенности разработки ИИС по сравнению с обычными программными системами, архитектура статических и динамических экспертных систем, основные этапы разработки экспертных систем. Классификационные признаки ЭС и характеристика инструментальных средств. Особенности разработки ИИС. Технология создания интеллектуального программного обеспечения существен-но отличается от разработки традиционных программ с использованием известных алгоритмических языков (табл. 2). Рассмотрим отработанные в настоящее время элементы технологии создания ИИС на примере разработки экспертных систем. Этот выбор обусловлен тем, что ЭС получили весьма широкое распространение во многих сферах человеческой деятельности, а технологии их создания имеют универсальный характер и не требуют аппаратных реализаций. Таблица 2. Отличия систем искусственного интеллекта от обычных программных систем. Характеристика Программирование в системах искусственного интеллекта Традиционное программирование Тип обработки Символьный Числовой Метод Эвристический поиск Точный алгоритм Задание шагов решения Неявное Явное Искомое решение Удовлетворительное Оптимальное Управление и данные Смешаные Разделены Знания Неточные Точные Модификации Частые Редкие В самых первых ЭС не учитывалось изменение знаний, используемых в процессе решения конкретной задачи. Их назвали статическими ЭС. Типичная статическая ЭС содержит следующие основные компоненты (рис. 4): базу знаний; рабочую память, называемую также базой данных; решатель (интерпретатор); систему объяснений; компоненты приобретения знаний; интерфейс с пользователем База знаний ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область, и правил, описывающих целесообразные преобразования данных этой области. База данных (рабочая память) служит для хранения текущих данных решаемой задачи. Решатель (интерпретатор) формирует последовательность применения правил и осуществляет их обработку, используя данные из рабочей памяти и знания из БЗ. Система объяснений показывает, каким образом система получила решение задачи, и какие знания при этом использовались. Это облегчает тестирование системы и повышает доверие пользователя к полученному результату. Компоненты приобретения знаний необходимы для заполнения ЭС знаниями в диалоге с пользователем-экспертом, а также для добавления и модификации заложенных в систему знаний. К разработке ЭС привлекаются специалисты из разных предметных областей, а именно: эксперты той проблемной области, к которой относятся задачи, решаемые ЭС; инженеры по знаниям, являющиеся специалистами по разработке ИИС; программисты, осуществляющие реализацию ЭС. Рис. 4 Структура статической экспертной системы. Эксперты поставляют знания в ЭС и оценивают правильность получаемых результатов. Инженеры по знаниям помогают экспертам выявить и структурировать знания, необходимые для работы ЭС, выполняют работу по представлению знаний, выбирают методы обработки знаний, проводят выбор инструментальных средств реализации ЭС, наиболее пригодных для решения поставленных задач. Программисты разрабатывают программное обеспечение ЭС и осуществляют его сопряжение со средой, в которой оно будет использоваться. В целом за разработку экспертной системы следует браться организации, где накоплен опыт по автоматизации рутинных процедур обработки информации, например: информационный поиск, графика, сложные расчеты, обработка текстов и т.д. Любая ЭС должна иметь, по крайней мере, два режима работы. В режиме приобретения знаний эксперт наполняет систему знаниями, которые впоследствии позволят ЭС самостоятельно (без помощи эксперта) решать определенные задачи из конкретной проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют взаимные связи, существующие между данными, и способы манипулирования данными, характерные для рассматриваемого класса задач. В режиме консультации пользователь ЭС сообщает системе конкретные данные о решаемой задаче и стремится получить с ее помощью результат. Пользователи-неспециалисты обращаются к ЭС за результатом, не умея получить его самостоятельно, пользователи-специалисты используют ЭС для ускорения и облегчения процесса получения результата. Следует подчеркнуть, что термин «пользователь» является многозначным, так как использовать ЭС могут и эксперт, и инженер по знаниям, и программист. Поэтому, когда хотят подчеркнуть, что речь идет о том, для кого делалась ЭС, используют термин «конечный пользователь». В режиме консультации входные данные о задаче поступают в рабочую память. Решатель на основе входных данных из рабочей памяти и правил из БЗ формирует решение. В отличие от традиционных программ компьютерной обработки данных ЭС при решении задачи не только исполняет предписанную последовательность операций, но и сама формирует ее. Существует широкий класс приложений, в которых требуется учитывать изменения, происходящие в окружающем мире за время исполнения приложения. Для таких задач необходимо применять динамические ЭС. В структуру динамической ЭС (рис. 5) вводятся два компонента: подсистема моделирования внешнего мира и подсистема связи с внешним окру­жением. Рис. 5. Структура динамической экспертной системы. Подсистема моделирования внешнего мира необходима для прогнозирования, анализа и адекватной оценки состояния внешней среды. Изменения окружения решаемой задачи требуют изменения хранимых в ЭС знаний, с тем чтобы отразить временную логику происходящих в реальном мире событий. Компонента связи с внешним миром актуальна для автономных интеллектуальных систем (роботов), а также для интеллектуальных систем управления. Связь с внешним миром осуществляется через систему датчиков и контроллеров. Этапы разработки ЭС. Процесс разработки экспертной системы носит эволюционный характер – от прототипных версий программ к конечному продукту. Прототипная система является усеченной версией экспертной системы, спроектированной для проверки правильности кодирования фактов, связей и стратегии рассуждения эксперта. Объем прототипа – это несколько десятков правил, фреймов или примеров. Промышленная технология создания интеллектуальных систем включает следующие этапы: исследование выполнимости проекта; разработку общей концепции системы; разработку и тестирование серии прототипов; разработку и испытание головного образца; разработку и проверку расширенных версий системы; привязку системы к реальной рабочей среде. Проектирование ЭС основано на трех главных принципах: Мощность экспертной системы обусловлена мощностью БЗ и возможностями ее пополнения и только затем - используемыми методами (процедурами) обработки информации. Знания, позволяющие эксперту (или экспертной системе) получить качественные и эффективные решения задач, являются в основном эвристическими, эмпирическими, неопределенными, правдоподобными. Неформальный характер решаемых задач и используемых знаний делает необходимым обеспечение активного диалога пользователя с ЭС в процессе ее работы. Перед тем как приступить к разработке ЭС, инженер по знаниям должен рассмотреть вопрос, следует ли разрабатывать ЭС для данного приложения. Положительное решение принимается тогда, когда разработка ЭС возможна, оправданна и методы инженерии знаний соответствуют решаемой задаче. Чтобы разработка ЭС была возможной для данного приложения, необходимо выполнение, по крайней мере, следующих требований: существуют эксперты в данной области, которые решают задачу значительно лучше, чем начинающие специалисты; эксперты сходятся в оценке предлагаемого решения, так как в противном случае будет невозможно оценить качество разработанной ЭС; эксперты способны вербализовать (выразить на естественном языке) и объяснить используемые ими методы, иначе трудно рассчитывать на то, что знания экспертов будут «извлечены» и заложены в ЭС; решение задачи требует только рассуждений, а не действий; задача не должна быть слишком трудной (то есть ее решение должно занимать у эксперта несколько часов или дней, а не недель или лет); задача хотя и не должна быть выражена в формальном виде, но все же должна относиться к достаточно «понятной» и структурированной области, то есть должна существовать возможность выделения основных понятий, отношений и способов получения решения задачи; решение задачи не должно в значительной степени опираться на «здравый смысл» (то есть широкий спектр общих сведений о мире и о способе его функционирования, которые знает и умеет использовать любой нормальный человек), так как подобные знания пока не удается в достаточном количестве заложить в системы искусственного интеллекта. Приложение соответствует методам ЭС, если решаемая задача обладает совокупностью следующих характеристик: задача может быть естественным образом решена посредством манипулирования символами (с помощью символических рассуждений), а не манипулирования числами, как принято в математических методах и в традиционном программировании; задача должна иметь эвристическую, а не алгоритмическую природу, то есть ее решение должно требовать применения эвристических правил. Для задач, которые могут быть гарантированно решены (при соблюдении заданных ограничений) с помощью формальных процедур, существуют более эффективные подходы, чем технологии ЭС. При разработке ЭС, как правило, используется концепция быстрого прототипа, суть которой заключается в том, что разработчики не пытаются сразу построить конечный продукт. На начальном этапе они создают прототип (возможно, не единственный) ЭС, удовлетворяющий двум противоречивым требованиям: умение решать типичные задачи конкретного приложения и незначительные время и трудоемкость его разработки. При выполнении этих условий становится возможным параллельно вести процесс накопления и отладки знаний, осуществляемый экспертом, и процесс выбора (разработки) программных средств, выполняемый инженером по знаниям и программистами. Для удовлетворения указанным требованиям при создании прототипа используются разнообразные инструменталь-ные средства, ускоряющие процесс проектирования. Традиционная технология реализации ЭС включает шесть основных этапов (рис. 6): идентификацию, концептуализацию, формализацию, выполнение, тестиро-вание, опытную эксплуатацию. Рис. 6 Этапы разработки экспертных систем. На этапе идентификации определяются задачи, подлежащие решению, цели разработки, эксперты и типы пользователей. На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач. На этапе формализации выбираются инструментальные средства и способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность системы зафиксированных понятий, методов решения, средств представления и манипулирования знаниями рассматриваемой предметной области. На этапе выполнения осуществляется заполнение базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является одним из самых важных и самых трудоемких. Процесс приобретения знаний разделяют на извлечение знаний в Диалоге с экспертами; организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, «понятном» ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач. На этапе тестирования эксперт и инженер по знаниям в интерактивном режиме с использованием диалоговых и объяснительных средств проверяют компетентность ЭС. Процесс тестирования продолжается до тех пор, пока эксперт не решит, что система достигла требуемого уровня компетентности. На этапе опытной эксплуатации проверяется пригодность ЭС для конечных пользователей. Полученные результаты могут показать необходимость существенной модификации ЭС. Процесс создания ЭС не сводится к строгой последовательности перечисленных выше этапов. В ходе разработки приходится неоднократно возвращаться на более ранние этапы и пересматривать принятые там решения. Инструментальные средства различаются в зависимости от того, какую технологию разработки ЭС они допускают. Можно выделить, по крайней мере, четыре подхода к разработке ЭС: подход, базирующийся на поверхностных знаниях; структурный подход; подход, основанный на глубинных знаниях; смешанный подход, опирающийся на использование поверхностных и глубинных знаний. Поверхностный подход применяется для сложных задач, которые не могут быть точно описаны. Его сущность состоит в получении от экспертов фрагментов знаний, релевантных решаемой задаче. При этом не предпринимается попыток систематического или глубинного изучения области, что предопределяет использование поиска в пространстве состояний в качестве универсального механизма вывода. Обычно в ЭС, использующих данный подход, в качестве способа представления знаний выбираются правила. Условие каждого правила определяет образец некоторой ситуации, в которой правило может быть выполнено. Поиск решения состоит в выполнении тех правил, образцы которых сопоставляются с текущими данными. При этом предполагается, что в процессе поиска решения последовательность формируемых таким образом ситуаций не оборвется до получения решения, т.е. не возникнет неизвестной ситуации, которая не соответствует ни одному правилу. Данный подход с успехом применяется к широкому классу приложений, но оказывается неэффективным в тех случаях, когда задача может структурироваться или для ее решения может использоваться некоторая модель. Структурный подход к построению ЭС предусматривает структуризацию знаний проблемной области. Его появление обусловлено тем, что для ряда приложений применение техники поверхностных знаний не обеспечивает решения задачи. Структурный подход к построению ЭС во многом похож на структурное программирование. Однако применительно к ЭС речь идет не о том, чтобы структурирование задачи было доведено до точного алгоритма (как в традиционном программировании), а предполагается, что часть задачи решается с помощью эвристического поиска. Структурный подход в различных приложениях целесообразно сочетать с поверхностным или глубинным знанием. При глубинном подходе компетентность ЭС базируется на модели той проблемной среды, в которой она работает. Модель может быть определена различными способами, то есть декларативно или процедурно. Экспертные системы, разработанные с применением глубинных знаний, при возникновении неизвестной ситуации способны самостоятельно определить, какие действия следует выполнить, с помощью некоторых общих принципов, справедливых для данной области экспертизы. Глубинный подход требует явного описания структуры и взаимоотношений между различными сущностями проблемной области. В этом подходе необходимо использовать инструментальные средства, обладающие возможностями моделирования: объекты с присоединенными процедурами, иерархическое наследование свойств, активные знания (программирование, управляемое данными), механизм передачи сообщений объектам (объектно-ориентированное программирование) и т. п. Смешанный подход в общем случае может сочетать поверхностный, структурный и глубинный подходы. Например, поверхностный подход может применяться для поиска адекватных знаний, которые затем используются некоторой глубинной моделью. Классификационные признаки ЭС. В основе классификации экспертных систем лежат следующие параметры: тип приложения, стадия существования, масштаб, тип проблемной среды, тип решаемой задачи. Тип приложения характеризуется следующими признаками. Возможность взаимодействия приложения с другими программными средствами: изолированное приложение - экспертная система, не способная взаимодей-ствовать с другими программными системами (например, с базами данных, электронными таблицами, пакетами прикладных программ, контроллерами, датчиками и т.п.); интегрированное приложение - экспертная система и другие программные системы, с которыми она взаимодействует в ходе работы. Большинство современных ЭС, используемых для решения практически значимых задач, являются интегрированными. Возможность исполнять приложение на разнородной аппаратуре и переносить его на различные платформы: закрытые приложения — исполняются только в программной среде данной фирмы и могут быть перенесены на другие платформы только путем перепрограммирования приложения; открытые приложения — ориентированы на исполнение в разнородном программно-аппаратном окружении и могут быть перенесены на другие платформы без перепрограммирования. 3. Архитектура приложения: централизованное приложение - реализуется на базе центральной ЭВМ, с которой связаны терминалы; распределенное приложение - обычно используется архитектура клиент-сервер. Стадия существования характеризует степень завершенности разработки ЭС. В нее входят: исследовательский прототип - решает представительный класс задач проблемной области, но может быть неустойчив в работе и не полностью проверен. При наличии развитых инструментальных средств при разработке исследовательского прототипа требуется примерно 2-4 месяца. База знаний исследовательского прототипа обычно содержит небольшое число исполняе-мых утверждений; действующий прототип - надежно решает любые задачи проблемной области, но при решении сложных задач может потребовать чрезмерно много времени и (или) памяти. Доведение системы от начала разработки до стадии действующего прототипа требует примерно 6 - 9 месяцев, при этом количество исполняемых утверждений в базе знаний увеличивается по сравнению с исследовательским прототипом; промышленная система - обеспечивает высокое качество решения всех задач при минимуме времени и памяти. Обычно процесс преобразования действующего прототипа в промышленную систему состоит в расширении базы знаний и ее тщательной отладке. Доведение ЭС от начала разработки до стадии промышленной системы с применением развитых инструменталь-ных средств требует не менее 12-18 месяцев; коммерческая система - пригодна не только для использования разработ-чиком, но и для продажи различным потребителям. Доведение системы до коммерческой стадии требует примерно 1,5-2 года. Приведенные здесь сроки справедливы для ЭС средней сложности. Масштаб ЭС

Похожие рефераты: