Экспертные системы

         

 

 

 

 

                  Содержание:

 

                      Введение………………………………………………………………………………………………………………………..

1. Определение экспертных систем. Главное достоинство и назначение экспертных систем……………………………………………………………………………………………………………………………….
2. История развития экспертных систем……………………………………………………………………………….
3. Основные линии развития ЭС………………………………………………………………………………….
4. Этапы разработки ЭС………………………………………………………………………………………………..
5. Структура экспертных систем……………………………………………………………………………….
6. Типы ЭС……………………………………………………………………………………………………………………..
7. Области применения экспертных систем

Заключение……………………………………………………..

                     Список использованных электронных   и литературных ресурсов…………………………………….

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 Введение

 

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.

    ЭС - это набор программ, выполняющий функции эксперта  при решении задач из некоторой  предметной области. ЭС выдают  советы, проводят анализ, дают консультации, ставят диагноз. Практическое  применение ЭС на предприятиях  способствует эффективности работы  и повышению квалификации специалистов.

   Главным достоинством  экспертных  систем является возможность  накопления знаний и сохранение  их длительное время. В отличие  от человека к любой информации  экспертные системы подходят  объективно, что улучшает качество  проводимой экспертизы. При решении  задач, требующих обработки большого  объема знаний, возможность возникновения  ошибки при переборе очень  мала.

    При создании ЭС возникает  ряд затруднений.  Прежде всего,  это связано с тем, что заказчик  не всегда может точно сформулировать  свои требования к разрабатываемой  системе. Также возможно возникновение  трудностей чисто психологического  порядка: при создании базы  знаний системы эксперт может  препятствовать передаче своих  знаний, опасаясь, что впоследствии  его заменят “машиной”. Но  эти страхи не обоснованы, т.  к. ЭС не способны обучаться,  они не обладают здравым смыслом,  интуицией. Но в настоящее время  ведутся разработки экспертных  систем, реализующих идею самообучения. Также ЭС неприменимы в больших  предметных областях и в тех  областях, где отсутствуют эксперты.

    Экспертная система состоит  из базы знаний (части системы,  в которой содержатся факты), подсистемы  вывода (множества правил, по которым  осуществляется решение задачи), подсистемы объяснения, подсистемы  приобретения знаний и диалогового  процессора.

    При построении подсистем  вывода используют методы решения  задач искусственного интеллекта.

 

1. Определение экспертных систем. Главное достоинство и назначение экспертных систем.

 

     Экспертные системы  (ЭС)- это яркое и быстро прогрессирующее  направление в области искусственного  интеллекта(ИИ). Причиной повышенного интереса, который ЭС вызывают к себе на протяжении всего своего существования является возможность их применения к решению задач из самых различных областей человеческой деятельности. Пожалуй, не найдется  такой проблемной области, в которой не было бы создано ни одной ЭС или по крайней мере, такие попытки не предпринимались бы.

    ЭС- это набор программ или программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. ЭС, как и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы.

    ЭС выдают советы, проводят  анализ, выполняют классификацию,  дают консультации и ставят  диагноз. Они ориентированы на  решение задач, обычно требующих  проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой  предметной области (конкретной  области экспертизы)на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т. е. правил, взятых “с потолка”, что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.

    Главное достоинство  ЭС- возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

    Практическое применение  искусственного интеллекта на  машиностроительных предприятиях  и в экономике основано на  ЭС, позволяющих  повысить качество  и сохранить время принятия  решений, а также способствующих  росту эффективности работы и  повышению квалификации специалистов.

 

 

2. История развития экспертных систем.

 

60-е годы:

 Своеобразной точкой отсчета  для работ по созданию экспертных  систем можно считать 1965 г.  В том году ученые из Станфордского научно-исследовательского института Эдвард Фейгенбаум и Брюс Бучанан вместе с нобелевским лауреатом Джошуа Ледербергом приступили к созданию компьютерной системы, предназначенной для определения молекулярной структуры химических соединений.

 При построении этой системы  - она получила название Dendral - они в первую очередь создали программу, основанную на простой, но вместе с тем достаточно мощной системе Аристотелевой логики. С ее помощью формулировалась серия вопросов типа «если - то», которые описывали правила атомных связей.

 Создатели системы Dendral, используя знания, накопленные в процессе ее совершенствования, вскоре разработали новую систему - Meta-Dendral. Последняя стала вспомогательным инструментом при построении других экспертных систем. Среди многочисленных «потомков» программы Dendral следует упомянуть: MYCIN - для диагностики серьезных бактериальных инфекций и помощи в выборе антибиотиков, PUFF - для диагностики легочных заболеваний, ONCOCIN - для назначения лечения при раковых заболеваниях, а также системы MOLGEN и GENESIS, оказывающих помощь специалистам в области молекулярной биологии при планировании экспериментов по изучению ДНК и клонированию.

70-е годы

 С 70-х годов ЭС стали  ведущим направлением в области  искусственного интеллекта. В этот  период было создано множество  разнообразных экспертных и диагностических  систем, большая часть которых  действует и сегодня. Самыми известными из них являются MYCIN и PROSPECTOR, предназначенная для геологической разведки месторождений полезных ископаемых.

80-е годы

 В 80-х годах в мире начался  принципиально новый этап развития  интеллектуальных технологий –  эра интеллектуальных систем - консультантов,  которые предлагали варианты  решений, обосновывали их, способны  были к обучению и, следовательно,  к развитию, общались с человеком  на привычном для него, хотя  и ограниченном, естественном языке.  Знания стали товаром. Носителей  систем знаний называли экспертами. Человечество получило возможность  сохранять и накапливать базы  знаний отдельных специалистов (или  групп специалистов) в определенной  области. Знания стало возможным  собирать, тиражировать, проектировать,  сделать доступными для всех заинтересованных в нем людей. Появилась новая профессия – «инженер по знаниям» или «инженер-когнитолог».

 При разработке последующих  экспертных систем были учтены  особенности и недостатки PROSPECTOR и MYCIN. Благодаря этому такие  диагностические медицинские системы,  как INTERNIST и CASNET, основанные на  ассоциативном и казуальном (от анг. casual - случайный) подходах, приобрели более мощные механизмы вывода.

 

90-е годы

 Усложнение систем связи  и решаемых задач потребовало  качественно нового уровня «интеллектуальности»  обеспечивающих программных систем, таких систем, как защита от  несанкционированного доступа, информационная  безопасность ресурсов, защита от  нападений, смысловой анализ и  поиск информации в сетях и  т.п. И новой парадигмой создания перспективных систем защиты всех видов стали интеллектуальные системы. Именно они позволяют создавать гибкие среды, в рамках которых обеспечивается решение всех необходимых задач. Это новое направление получило название мультиагентных систем. Каждый агент имеет свою систему целеполагания и мотивации, свою область действий и ответственности, а взаимодействие между ними обеспечивается метаинтеллектом. В рамках такого осмысления традиционные методы, алгоритмы и программы становятся элементарными «кирпичиками», из которых строятся затем алгоритмы и решения возникающих задач. Таким образом, моделируется некоторое виртуальное сообщество интеллектуальных агентов-систем, которые автономны, активны, вступают в различные «социальные» отношения – кооперации и сотрудничества (дружбы), конкуренции, соревнования, вражды и т.п. Этот «социальный» аспект решения задач - фундаментальная особенность концептуальной новизны передовых информационных технологий, искусственных (виртуальных) организаций, виртуального общества.

 Уже сегодня мультиагентные системы находят широчайшее применение для: распределенного решения сложных задач, совмещенного проектирования изделий, построения виртуальных предприятий, моделирования больших производственных систем и электронной торговли, электронной разработки сложных компьютерных систем, управления системами знаний и информации и т.п.

21 век

 Сейчас количество экспертных  систем исчисляется тысячами  и десятками тысяч. В развитых  зарубежных странах сотни фирм  занимаются их разработкой и  внедрением в различные сферы  жизни. . В настоящее время ведутся разработки самостоятельно обучаемых экспертных систем.

 В качестве современных ЭС  можно назвать быстродействующую  систему OMEGAMON (фирма Candle, с 2004 г. IBM) для отслеживания состояния корпоративной информационной сети и G2 (фирма Gensym) - коммерческую экспертную систему для работы с динамическими объектами (www.intuit.ru/department/human/isrob/6/isrob_6.html). Они служат для принятия решения за считанные секунды с момента наступления внештатных или критических ситуаций. Для G2 также характерно распараллеливание процессов рассуждений.

 

 

3. Основные линии развития ЭС

 

    Наиболее  известные  ЭС, разработанные в 60-70-х годах,  стали в своих областях уже  классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.

1. META-DENDRAL.Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.

3. PROSPECTOR-KAS. PROSPECTOR- предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для PROSPECTOR.

4. CASNET-EXPERT.  Система CASNET- медицинская  ЭС для диагностики выдачи  рекомендаций по лечению глазных  заболеваний. На ее основе разработан  язык инженерии знаний EXPERT, с помощью  которой создан ряд других  медицинских диагностических систем.

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две  системы этого ряда являются  развитием интеллектуальной системы  распознавания слитной человеческой  речи, слова которой берутся из  заданного словаря. Эти системы  отличаются оригинальной структурой, основанной на использовании  доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.

6. Системы AM (Artifical Mathematician- искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.

 

4. Этапы разработки ЭС

 

Этап идентификации проблем  — определяются задачи, которые  подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и  их взаимосвязи, определяются методы решения  задач.