Экспертные системы контроля инженерных решений

1.3 Классификация экспертных систем

 

Рисунок 1.6 – Классификация экспертных систем

Классифицирующие экспертные системы. К аналитическим задачам  прежде всего относятся задачи распознавания  различных ситуаций, когда по набору заданных признаков (факторов) выявляется сущность некоторой ситуации, в зависимости от которой выбирается определенная последовательность действий. Таким образом, в соответствии с исходными условиями среди альтернативных решений находится одно, наилучшим образом удовлетворяющее поставленной цели и ограничениям.

Экспертные системы, решающие задачи распознавания ситуаций, называются классифицирующими, поскольку определяют принадлежность анализируемой ситуации к некоторому классу. В качестве основного метода формирования решений  используется метод логического дедуктивного вывода от общего к частному, когда путем подстановки исходных данных в некоторую совокупность взаимосвязанных общих утверждений получается частное заключение.

Доопределяющие экспертные системы. Более сложный тип аналитических  задач представляют задачи, которые решаются на основе неопределенных исходных данных и применяемых знаний. В этом случае экспертная система должна как бы доопределять недостающие знания, а в пространстве решений может получаться несколько возможных решений с различной вероятностью или уверенностью в необходимости их выполнения. В качестве методов работы с неопределенностями могут использоваться байесовский вероятностный подход, коэффициенты уверенности, нечеткая логика.

Доопределяющие экспертные системы могут использовать для формирования решения несколько источников знаний. В этом случае могут использоваться эвристические приемы выбора единиц знаний из их конфликтного набора, например, на основе использования приоритетов важности, или получаемой степени определенности результата, или значений функций предпочтений и т.д.

Для аналитических задач  классифицирующего и доопределяющего  типов характерны следующие проблемные области:

• Интерпретация данных;
• Диагностика;
• Коррекция.

Трансформирующие экспертные системы. В отличие от аналитических статических экспертных систем синтезирующие динамические экспертные системы предполагают повторяющееся преобразование знаний в процессе решения задач, что связано с характером результата, который нельзя заранее предопределить, а также с динамичностью самой проблемной области.

В качестве методов решения  задач в трансформирующих экспертных системах используются разновидности  гипотетического вывода:

• генерации и тестирования, когда по исходным данным осуществляется генерация гипотез, а затем проверка сформулированных гипотез на подтверждение поступающими фактами;
• предположений и умолчаний, когда по неполным данным подбираются знания об аналогичных классах объектов, которые в дальнейшем динамически адаптируются к конкретной ситуации в зависимости от ее развития;
• использование общих закономерностей (метауправления) в случае неизвестных ситуаций, позволяющих генерировать недостающее знание.

Многоагентные системы. Для таких динамических систем характерна интеграция в базе знаний нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе, например, через "доску объявлений".

Рисунок 1.7 – Структура многоагентной экспертной системы

Для многоагентных систем характерны следующие особенности:

• Проведение альтернативных рассуждений на основе использования различных источников знаний с механизмом устранения противоречий;
• Распределенное решение проблем, которые разбиваются на параллельно решаемые подпроблемы, соответствующие самостоятельным источникам знаний;
• Применение множества стратегий работы механизма вывода заключений в зависимости от типа решаемой проблемы;
• Обработка больших массивов данных, содержащихся в базе данных;
• Использование различных математических моделей и внешних процедур, хранимых в базе моделей;
• Способность прерывания решения задач в связи с необходимостью получения дополнительных данных и знаний от пользователей, моделей, параллельно решаемых подпроблем.

Для синтезирующих динамических экспертных систем наиболее применимы  следующие проблемные области:

• Проектирование;
• Прогнозирование;
• Диспетчирование;
• Планирование;
• Мониторинг;
• Управление.

1.4 Разработка экспертных систем

 

Разработка интеллектуальных информационных систем отличается от создания обычного программного продукта. Опыт разработки ранних экспертных систем показал, что использование традиционной технологии программирования либо чрезмерно затягивает процесс разработки, либо вообще приводит к отрицательному результату. Это связано главным образом с необходимостью модифицировать принципы и способы построения по мере того, как увеличивается знание разработчиков о проблемной области.

Известно, что большая  часть знаний в конкретной предметной области остается личной собственностью эксперта. Наибольшую проблему при разработке экспертной системы представляет процедура получения знаний у эксперта и занесения их в базу знаний, называемая извлечением знаний. Это происходит не потому, что он не хочет разглашать своих секретов, а потому, что не в состоянии сделать это — ведь эксперт знает гораздо больше, чем сам осознает. Для выявления знаний эксперта  и их формализации на протяжении всего периода разработки с ним взаимодействует инженер по знаниям.

Чтобы избежать дорогостоящих  и безуспешных попыток,  был разработан набор рекомендаций для того, чтобы определить, является ли проблема подходящей для решения с помощью экспертной системы:

• Потребность в решении должна соответствовать затратам  на ее  разработку.  Суммы затрат и полученная  выгода должны быть реалистическими.
• Невозможно использовать знания человека-эксперта там, где это необходимо. Если  «экспертные»  знания широко распространены, то маловероятно, что стоит разрабатывать экспертную  систему. Однако в таких областях как  разведка нефти и медицина могут быть  редкие специализированные знания, которыми можно недорого  снабдить экспертную систему, и не использовать очень высоко оплачиваемого  эксперта.
• Проблема может быть решена с использованием символических методов рассуждения.
• Проблема хорошо  структурирована и не требует применения знаний, основанных на здравом смысле. Знания, основанные на здравом смысле, хорошо  известны, поэтому их незачем  фиксировать и представлять.
• Проблема не может быть легко решена с использованием более традиционных вычислительных методов. Если имеется хорошее алгоритмическое решение проблемы,  не следует использовать экспертную систему.
• Существуют эксперты в данной проблемной области. Поскольку экспертная система  проектируется для  успешной работы, весьма существенно, чтобы эксперты желали помогать при ее проектировании, а не считали, что их работе угрожают. Кроме того необходима поддержка администрации и потенциальных пользователей.
• Проблема имеет подходящий  размер и область применения.  Как правило, проблема требует применения знаний высоко специализированных экспертов, но  человек-эксперт должен тратить на ее решение короткое время,  максимум  час.

В настоящее время сложилась последовательность действий при разработке экспертных систем. Она включает следующие этапы: идентификация, получение знаний, концептуализация, формализация, выполнение, тестирование и опытная эксплуатация.

Рисунок 1.8 – Технология разработки экспертных систем

Этап идентификации  связан, прежде всего, с осмыслением  тех задач, которые предстоит  решать будущей экспертной системе, и формированием требований к ней. На этом этапе планируется ход разработки прототипа системы, определяются источники знаний (книги, эксперты, методики), цели (распространение опыта, автоматизация рутинных операций), классы решаемых задач и т.д. Результатом идентификации является ответ на вопрос, что надо сделать и какие ресурсы необходимо задействовать.

При решении проблемы получения знаний выделяют три стратегии: приобретение знаний, извлечение знаний и обнаружение знаний.

Под приобретением (acquisition) знаний понимается способ автоматизированного наполнения базы знаний посредством диалога эксперта и специальной программы.

Извлечением (elicitation) знаний называют процедуру взаимодействия инженера по знаниям с источником знаний (экспертом, специальной литературой и др.) без использования вычислительной техники.

Термины «обнаружение знаний» (knowledge discovery), а также Data Mining связывают с  созданием компьютерных систем, реализующие  методы автоматического получения  знаний.

На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач. Этот этап завершается созданием модели предметной области, включающей основные концепты и отношения. Модель представляется в виде графа, таблицы, диаграммы или текста.

На этапе формализации все ключевые понятия и отношения  выражаются на некотором формальном языке, который выбирается из числа уже существующих, либо создается заново. Другими словами, на данном этапе определяется состав средств и способы представления декларативных и процедурных знаний, осуществляется это представление и в итоге создается описание решения задачи экспертной системы на выбранном формальном языке.

На этапе выполнения создается один или несколько реально работающих прототипов экспертной системы. Для ускорения этого процесса в настоящее время широко применяются различные инструментальные средства.

На данном этапе оценивается  и проверяется работа программы  прототипа с целью приведения ее в соответствие с реальными запросами пользователей. Прототип проверяется по следующих основным позициям:

• удобство  и адекватность интерфейсов ввода-вывода (характер вопросов в диалоге, связность выводимого текста результата и др.);
• эффективность стратегии управления (порядок перебора, использование нечеткого вывода и т.д.);
• корректность базы знаний (полнота и непротиворечивость правил).

Задача  стадии тестирования — выявление ошибок и выработка рекомендаций по доводке прототипа экспертной системы до промышленного образца.

На этапе опытной эксплуатации проверяется пригодность экспертной системы для конечного пользователя. Пригодность определяется в основном удобством и полезностью разработки. Под полезностью понимается способность экспертной системы определять в ходе диалога потребности пользователя, выявлять и устранять причины неудач в работе, а также удовлетворять указанные потребности пользователя (решать поставленные задачи). Удобство работы подразумевает естественность взаимодействия с экспертной системой, гибкость (способность системы настраиваться на различных пользователей, а также учитывать изменения в квалификации одного и того же пользователя) и устойчивость системы к ошибкам (способность не выходить из строя при ошибочных действиях пользователя).

После успешного завершения этапа опытной эксплуатации экспертная система классифицируется как коммерческая система, пригодная не только для собственного использования, но и для продажи различным потребителям.

1.5 Участники создания экспертной системы и инструментальные средства

Рисунок 1.9 – Взаимосвязи основных участников построения и эксплуатации экспертных систем

В разработке экспертной системы участвуют представители следующих специальностей:

• эксперт - специалист в конкретной предметной области; 
• инженер по знаниям - специалист по разработке экспертных систем;
• программист – специалист по разработке инструментальных средств создания экспертной системы.

Эксперт определяет соответствующий круг знаний, обеспечивает их полноту и правильность введения экспертной системы.

Инженер по знаниям выявляет совместно с экспертом структурированность  знаний, выбор инструментального  средства, программирует стандартные  функции, которые будут использоваться в правилах экспертной системы.