Экспертные системы

Автор работы: Пользователь скрыл имя, 05 Января 2014 в 17:11, реферат

Краткое описание

Экспертные системы (ЭС) возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ)- совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.
Область ИИ имеет более чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с другими, и до сих пор являются предметом исследований: автоматические доказательства теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.

Вложенные файлы: 1 файл

реферат.docx

— 66.99 Кб (Скачать файл)

RTworks не обладает собственными средствами для отображения текущего состояния управляемого процесса. Разработчик приложения вынужден использовать систему Dataview фирмы VI Corporation, что в значительной степени ограничивает его возможности.

Интерфейс с пользователем TDC Expert ограничен возможностями системы TDC 3000, т.е. взаимодействие с конечным пользователем

ограничивается текстовым  режимом работы.

Представление знаний в экспертных системах

Первый и основной вопрос, который надо решить при представлении  знаний, - это вопрос определения  состава знаний, т.е. определение  того, "ЧТО ПРЕДСТАВЛЯТЬ" в экспертной системе. Второй вопрос касается того, "КАК ПРЕДСТАВЛЯТЬ" знания. Необходимо отметить, что эти две проблемы не являются независимыми. Действительно, выбранный способ представления  может оказаться непригодным  в принципе либо неэффективным для  выражения некоторых знаний.

По нашему мнению, вопрос "КАК ПРЕДСТАВЛЯТЬ" можно разделить  на две в значительной степени  независимые задачи: как организовать (структурировать) знания и как представить  знания в выбранном формализме.

Стремление выделить организацию  знаний в самостоятельную задачу вызвано, в частности, тем, что эта  задача возникает для любого языка  представления и способы решения  этой задачи являются одинаковыми (либо сходными) вне зависимости от используемого  формализма.

Итак, в круг вопросов, решаемых при представлении знаний, будем  включать следующие:

определение состава представляемых знаний;

организацию знаний;

представление знаний, т.е. определение  модели представления. Состав знаний ЭС определяется следующими факторами:

проблемной средой;

архитектурой экспертной системы;

потребностями и целями пользователей;

языком общения.

В соответствии с общей  схемой статической экспертной системы (см. рис. 1.1) для ее функционирования требуются следующие знания:

знания о процессе решения  задачи (т.е. управляющие знания), используемые интерпретатором (решателем);

знания о языке общения  и способах организации диалога, используемые лингвистическим процессором (диалоговым компонентом);

знания о способах представления  и модификации знаний, используемые компонентом приобретения знаний;

поддерживающие структурные  и управляющие знания, используемые объяснительным компонентом.

Для динамической ЭС, кроме того, необходимы следующие знания:

1) знания о методах  взаимодействия с внешним окружением;

2) знания о модели внешнего  мира.

Зависимость состава знаний от требований пользователя проявляется  в следующем:

 

какие задачи (из общего набора задач) и с какими данными хочет  решать пользователь;

каковы предпочтительные способы и методы решения;

при каких ограничениях на количество результатов и способы  их получения должна быть решена задача;

каковы требования к языку  общения и организации диалога;

какова степень общности (конкретности) знаний о проблемной области, доступная пользователю;

каковы цели пользователей.

Состав знаний о языке  общения зависит как от языка  общения, так и от требуемого уровня понимания.

С учетом архитектуры экспертной системы знания целесообразно делить на интерпретируемые и неинтерпретируемые . К первому типу относятся те знания, которые способен интерпретировать решатель (интерпретатор). Все остальные знания относятся ко второму типу. Решатель не знает их структуры и содержания. Если эти знания используются каким-либо компонентом системы, то он не "осознает" этих знаний. Неинтерпретируемые знания подразделяются на вспомогательные знания, хранящие информацию о лексике и грамматике языка общения, информацию о структуре диалога, и поддерживающие знания. Вспомогательные знания обрабатываются естественно-языковой компонентой, но ход этой обработки решатель не осознает, так как этот этап обработки входных сообщений является вспомогательным для проведения экспертизы. Поддерживающие знания используются при создании системы и при выполнении объяснений. Поддерживающие знания выполняют роль описаний (обоснований) как интерпретируемых знаний, так и действий системы. Поддерживающие знания подразделяются на технологические и семантические. Технологические поддерживающие знания содержат сведения о времени создания описываемых ими знаний, об авторе знаний и т.п. Семантические поддерживающие знания содержат смысловое описание этих знаний. Они содержат информацию о причинах ввода знаний, о назначении знаний, описывают способ использования знаний и получаемый эффект. Поддерживающие знания имеют описательный характер.

Интерпретируемые знания можно разделить на предметные знания, управляющие знания и знания о  представлении. Знания о представлении  содержат информацию о том, каким образом (в каких структурах) в системе представлены интерпретируемые знания.

Предметные знания содержат данные о предметной области и  способах преобразования этих данных при решении поставленных задач. Отметим, что по отношению к предметным знаниям знания о представлении  и знания об управлении являются метазнаниями. В предметных знаниях можно выделить описатели и собственно предметные знания. Описатели содержат определенную информацию о предметных знаниях, такую, как коэффициент определенности правил и данных, меры важности и  сложности. Собственно предметные знания разбиваются на факты и исполняемые  утверждения. Факты определяют возможные  значения сущностей и характеристик  предметной области. Исполняемые утверждения  содержат информацию о том, как можно  изменять описание предметной области  в ходе решения задач. Говоря другими  словами, исполняемые утверждения - это знания, задающие процедуры обработки. Однако мы избегаем использовать термин "процедурные знания", так как  хотим подчеркнуть, что эти знания могут быть заданы не только в процедурной, но и в декларативной форме.

Управляющие знания можно  разделить на фокусирующие и решающие. Фокусирующие знания описывают, какие знания следует использовать в той или иной ситуации. Обычно фокусирующие знания содержат сведения о наиболее перспективных объектах или правилах, которые целесообразно использовать при проверке соответствующих гипотез (см. п. 9.2). В первом случае внимание фокусируется на элементах рабочей памяти, во втором - на правилах базы знаний. Решающие знания содержат информацию, используемую для выбора способа интерпретации знаний, подходящего к текущей ситуации. Эти знания применяются для выбора стратегий или эвристик, наиболее эффективных для решения данной задачи.

Качественные и количественные показатели экспертной системы могут  быть значительно улучшены за счет использования метазнании, т.е. знаний о знаниях. Метазнания не представляют некоторую единую сущность, они могут применяться для достижения различных целей. Перечислим возможные назначения метазнаний :

1) метазнания в виде  стратегических метаправил используются  для выбора релевантных правил ;

2) метазнания используются  для обоснования целесообразности  применения правил из области  экспертизы;

3) метаправила используются  для обнаружения синтаксических  и семантических ошибок в предметных  правилах;

4) метаправила позволяют  системе адаптироваться к окружению  путем перестройки предметных  правил и функций;

5) метаправила позволяют  явно указать возможности и  ограничения системы, т.е. определить, что система знает, а что  не знает.

Вопросы организации знаний необходимо рассматривать в любом  представлении, и их решение в  значительной степени не зависит  от выбранного способа (модели) представления. Выделим следующие аспекты проблемы организации знаний :

организация знаний по уровням  представления и по уровням детальности;

организация знаний в рабочей  памяти;

организация знаний в базе знаний.

Уравни представления и уровни детальности

Для того чтобы экспертная система могла управлять процессом  поиска решения, была способна приобретать  новые знания и объяснять свои действия, она должна уметь не только использовать свои знания, но и обладать способностью понимать и исследовать  их, т.е. экспертная система должна иметь  знания о том, как представлены ее знания о проблемной среде. Если знания о проблемной среде назвать знаниями нулевого уровня представления, то первый уровень представления содержит метазнания, т.е. знания о том, как представлены во внутреннем мире системы знания нулевого уровня. Первый уровень содержит знания о том, какие средства используются для представления знаний нулевого уровня. Знания первого уровня играют существенную роль при управлении процессом решения, при приобретении и объяснении действий системы. В связи с тем, что знания первого уровня не содержат ссылок на знания нулевого уровня, знания первого уровня независимы от проблемной среды.

Число уровней представления  может быть больше двух. Второй Уровень  представления содержит сведения о  знаниях первого уровня, т.е. знания о представлении базовых понятий  первого уровня. Разделение знаний по уровням представления обеспечивает расширение области применимости системы.

Выделение уровней детальности  позволяет рассматривать знания с различной степенью подробности. Количество уровней детальности  во многом определяется спецификой решаемых задач, объемом знаний и способом их представления. Как правило, выделяется не менее трех уровней детальности, отражающих соответственно общую, логическую и физическую организацию знаний. Введение нескольких уровней детальности  обеспечивает дополнительную степень  гибкости системы, так как позволяет  производить изменения на одном  уровне, не затрагивая другие. Изменения  на одном уровне детальности могут  приводить к дополнительным изменениям на этом же уровне , что оказывается необходимым для обеспечения согласованности структур данных и программ. Однако наличие различных уровней препятствует распространению изменений с одного уровня на другие.

Организация знаний в рабочей  системе

Рабочая память (РП) экспертных систем предназначена для хранения данных. Данные в рабочей памяти могут быть однородны или разделяются  на уровни по типам данных. В последнем  случае на каждом уровне рабочей памяти хранятся данные соответствующего типа. Выделение уровней усложняет структуру экспертной системы, но делает систему более эффективной. Например, можно выделить уровень планов , уровень агенды (упорядоченного списка правил, готовых к выполнению) и уровень данных предметной области (уровень решений).

В современных экспертных системах данные в рабочей памяти рассматриваются как изолированные  или как связанные. В первом случае рабочая память состоит из множества  простых элементов , а во втором - из одного или нескольких (при нескольких уровнях в РП) сложных элементов (например, объектов). При этом сложный элемент соответствует множеству простых, объединенных в единую сущность. Теоретически оба подхода обеспечивают полноту, но использование изолированных элементов в сложных предметных областях приводит к потере эффективности.

Данные в РП в простейшем случае являются константами и (или) переменными. При этом переменные могут  трактоваться как характеристики некоторого объекта, а константы - как значения соответствующих характеристик. Если в РП требуется анализировать  одновременно несколько различных  объектов, описывающих текущую проблемную ситуацию, то необходимо указывать, к  каким объектам относятся рассматриваемые  характеристики. Одним из способов решения этой задачи является явное  указание того, к какому объекту  относится характеристика.

Если РП состоит из сложных  элементов, то связь между отдельными объектами указывается явно, например заданием семантических отношений. При этом каждый объект может иметь  свою внутреннюю структуру. Необходимо отметить, что для ускорения поиска и сопоставления данные в РП могут быть связаны не только логически, но и ассоциативно.

Организация знаний в базе данных

Показателем интеллектуальности системы с точки зрения представления  знаний считается способность системы  использовать в нужный момент необходимые (релевантные) знания. Системы, не имеющие  средств для определения релевантных знаний, неизбежно сталкиваются с проблемой "комбинаторного взрыва". Можно утверждать, что эта проблема является одной из основных причин, ограничивающих сферу применения экспертных систем. В проблеме доступа к знаниям можно выделить три аспекта: связность знаний и данных, механизм доступа к знаниям и способ сопоставления.

Связность {агрегация) знаний является основным способом, обеспечивающим ускорение поиска релевантных знаний. Большинство специалистов пришли к убеждению, что знания следует организовывать вокруг наиболее важных объектов (сущностей) предметной области. Все знания, характеризующие некоторую сущность, связываются и представляются в виде отдельного объекта. При подобной организации знаний, если системе потребовалась информация о некоторой сущности, то она ищет объект, описывающий эту сущность, а затем уже внутри объекта отыскивает информацию о данной сущности. В объектах целесообразно выделять два типа связок между элементами: внешние и внутренние. Внутренние связки объединяют элементы в единый объект и предназначены для выражения структуры объекта. Внешние связки отражают взаимозависимости, существующие между объектами в области экспертизы. Многие исследователи классифицируют внешние связки на логические и ассоциативные. Логические связки выражают семантические отношения между элементами знаний. Ассоциативные связки предназначены для обеспечения взаимосвязей, способствующих ускорению процесса поиска релевантных знаний.

Основной проблемой при  работе с большой базой знаний является проблема поиска знаний, релевантных  решаемой задаче. В связи с тем, что в обрабатываемых данных может  не содержаться явных указаний на значения, требуемые для их обработки, необходим более общий механизм доступа, чем метод прямого доступа (метод явных ссылок). Задача этого  механизма состоит в том, чтобы  по некоторому описанию сущности , имеющемуся в рабочей памяти, найти , базе знаний объекты, удовлетворяющие этому описанию. Очевидно, что упорядочение и структурирование знаний могут значительно ускорить процесс поиска.

Информация о работе Экспертные системы