1. Призначення та структура експертних систем

1.1 Основні поняття

Штучний інтелект (ШІ) - це наука про концепції, що дозволяють обчислювальним машинам (ОМ) робити такі речі, які у людей виглядають розумними. Але що ж являє собою інтелект людини? Чи є у них здатність роздумувати? Чи є здатність засвоювати і використовувати знання? Чи є здатність оперувати і обмінюватися ідеями? Безсумнівно, всі ці здібності являють собою частину того, що є інтелектом. Насправді дати визначення в звичайному значенні цього слова, мабуть, неможливо, тому що інтелект - це сплав багатьох навичок в області обробки і представлення інформації. Центральні задачі ШІ полягають в тому, щоб зробити ОМ більш корисними і щоб зрозуміти принципи, що лежать в основі інтелекту. Оскільки одна із задач полягає в тому, щоб зробити ОМ більш корисними, вченим і інженерам, що спеціалізуються в обчислювальній техніці, необхідно знати, яким чином ШІ може допомогти їм в розв"язку важких проблем.

Область застосування.

· Доведення теорем;

· Ігри;

· Розпізнавання образів;

· Прийняття рішень;

· Адаптивне програмування;

· Створення машинної музики;

· Обробка даних природною мовою;

· Мережі, що навчаються (нейромережі);

· Вербальні концептуальні навчання.

На початку 80-х років у дослідженнях зі штучного інтелекту сформувався самостійний напрямок, що одержав назву "експертні системи" (ЕС). Основним призначенням ЕС є розробка програмних засобів, що при вирішенні задач, важких для людини, одержують результати, що не поступаються за якістю й ефективністю вирішення, результатам одержуваним людиною-експертом. ЕС використовуються для вирішення так званих неформалізованих задач, загальним для який є те, що:

· задачі не можуть бути задані в числовій формі;

· цілі не можна виразити в термінах точно визначеної цільової функції;

· не існує алгоритмічного вирішення задачі;

· якщо алгоритмічне вирішення є, то його не можна використовувати через обмеженість ресурсів (час, пам'ять).

Крім того неформалізовані задачі мають помилковість, неповнотою, неоднозначністю і суперечливістю як вихідних даних, так і знань про розв'язувану задачу.

Експертна система - це програмний засіб, що використовує експертні знання для забезпечення високоефективного вирішення неформалізованих задач у вузькій предметній області. Основу ЕС складає база знань (БЗ) про предметну область, що накопичується в процесі побудови й експлуатації ЕС. Нагромадження й організація знань - найважливіша властивість усіх ЕС.

Основні властивості ЕС:

1) Застосування для вирішення проблем високоякісного досвіду, що представляє рівень мислення найбільш кваліфікованих експертів у даній області, що веде до творчих, точних та ефективних вирішень.

2) Наявність прогностичних можливостей, при яких ЕС видає відповіді не тільки для конкретної ситуації, але і показує, як змінюються ці відповіді в нових ситуаціях, з можливістю докладного пояснення яким чином нова ситуація привела до змін.

3) Забезпечення такої нової якості, як інституціональна пам'ять, за рахунок бази знань, що входить до складу ЕС, що розроблена в ході взаємодій з фахівцями організації, і являє собою поточну політику цієї групи людей. Цей набір знань стає збірником кваліфікованих думок і постійно поновлюваним довідником найкращих стратегій і методів, використовуваних персоналом. Провідні спеціалісти ідуть, але їхній досвід залишається.

4) Можливість використання ЕС для навчання і тренування керівників, забезпечуючи нових службовців великим багажем досвіду і стратегій, по яких можна вивчати політику, що рекомендується, і методи.

ЕС призначені для так званих неформалізованих задач, тобто ЕС не відкидають і не замінюють традиційного підходу до розробки програм, орієнтованих на рішення формалізованих задач.

Неформалізовані задачі зазвичай володіють наступними особливостями:

· помилковістю, неоднозначністю, неповнотою й суперечністю початкових даних;

· помилковістю, неоднозначністю, неповнотою й суперечністю знань про проблемну область і задачу, що вирішується;

· великою розмірністю простору рішення, тобто перебір при пошуку рішення вельми великий;

· даними, що динамічно змінюються і знаннями.

Потрібно підкреслити, що неформалізовані задачі представляють великий і дуже важливий клас задач. Багато фахівців вважають, що ці задачі є найбільш масовим класом задач, що вирішуються ЕОМ.

Експертні системи й системи штучного інтелекту відрізняються від систем обробки даних тим, що в них в основному використовуються символьний (а не числовий) спосіб уявлення, символьний висновок і евристичний пошук рішення (а не виконання відомого алгоритму).

Експертні системи застосовуються для рішення тільки важких практичних задач. За якістю й ефективністю рішення експертні системи не поступаються рішенням експерта-людини. Рішення експертних систем володіють "прозорістю", тобто можуть бути пояснені користувачу на якісному рівні. Ця якість експертних систем забезпечується їх здатністю міркувати про свої знання й висновки. Експертні системи здатні поповнювати свої знання в ході взаємодії з експертом. Необхідно відмітити, що в цей час технологія експертних систем використовується для рішення різних типів задач (інтерпретація, прогноз, діагностика, планування, конструювання, контроль, відладка, інструктаж, управління ) в самих різноманітних проблемних областях, таких, як фінанси, нафтова і газова промисловість, енергетика, транспорт, фармацевтичне виробництво, космос, металургія, гірництво, хімія, освіта, целюлозно-паперова промисловість, телекомунікації й зв'язок і ін..

У цілому ЕС не рекомендується застосовувати для рішення наступних типів задач:

- математичних, розв'язуваних звичайним шляхом формальних перетворень і процедурного аналізу;

- задач розпізнавання, оскільки в загальному випадку вони вирішуються чисельними методами;

- задач, знання про методи рішення яких відсутні (неможливо побудувати базу знань).

Навіть кращі з існуючих ЕС, що ефективно функціонують як на великих, так і на мінуеом, мають певні обмеження по порівнянню з людиною-експертом.

1. Більшість ЕС не цілком придатні для застосування кінцевим користувачем. Якщо нема деякого досвіду роботи з такими системами, то можуть виникнути серйозні труднощі. Багато систем виявляються доступними тільки тим експертам, що створювали їх бази знань.

2. Питально-відповідний режим, звичайно прийнятий у таких системах, сповільнює одержання рішень. Наприклад, без системи MYCIN лікар може (а часто і повинний) прийняти рішення значно швидше, ніж з її допомогою.

3. Навички системи не зростають після сеансу експертизи.

4. Усе ще залишається проблемою приведення знань, отриманих від експерта, до виду, що забезпечує їх ефективну машинну реалізацію.

5. ЕС незастосовні у великих предметних областях. Їхнє використання обмежується предметними областями, у яких експерт може прийняти рішення за час від декількох хвилин до декількох годин.

6. У тих областях, де відсутні експерти (наприклад, в астрології), застосування ЕС виявляється неможливим.

7. Має сенс залучати ЕС тільки для рішення когнітивних задач. Теніс, їзда на велосипеді не можуть бути предметною областю для ЕС, однак такі системи можна використовувати при формуванні футбольних команд.

8. Людина-експерт при рішенні задач звичайно звертається до своєї інтуїції або здорового глузду, якщо відсутні формальні методи рішення або аналоги таких задач.

1.2 Історія розвитку ЕС

Найбільш відомі ЕС, розроблені в 60-70-х роках, стали у своїх областях уже класичними. По походженню, предметним областям і по наступності застосовуваних ідей, методів і інструментальних програмних засобів їх можна розділити на кілька сімейств.

1. META-DENDRAL.Система DENDRAL дозволяє визначити найбільш ймовірну структуру хімічної сполуки по експериментальним даним (мас- спектрографії, даним ядерному магнітного резонансу й ін.).M-D автоматизує процес придбання знань для DENDRAL. Вона генерує правила побудови фрагментів хімічних структур.

2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Це сімейство медичних ЕС і сервісних програмних засобів для їхньої побудови.

3. PROSPECTOR-KAS. PROSPECTOR- призначена для пошуку (пророкування) родовищ на основі геологічних аналізів. KAS- система придбання знань для PROSPECTOR.

4. CASNET-EXPERT. Система CASNET- медична ЕС для діагностики видачі рекомендацій з лікування очних захворювань. На її основі розроблена мова інженерії знань EXPERT, за допомогою якої створений ряд інших медичних діагностичних систем.

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Перші дві системи цього ряду є розвитком інтелектуальної системи розпізнавання злитої людської мови, слова якого беруться з заданого словника. Ці системи відрізняються оригінальною структурою, заснованої на використанні дошки оголошень- глобальної бази даних, що містить поточні результати роботи системи. Надалі на основі цих систем були створені інструментальні системи HEARSAY-3 і AGE (Attempt to Generalize- спроба спілкування) для побудови ЕС.

6. Системи AM (Artifical Mathematician- штучний математик) і EURISCO були розроблені в Станфордському університеті доктором Д. Ленатом для дослідницьких і навчальних цілей. Ленат вважає, що ефективність будь-який ЕС визначається знаннями, що закладаються в неї. На його думку, щоб система була здатна до навчання, у неї повинно бути введене біля мільйона зведень загального характеру. Це приблизно відповідає обсягові інформації, яким розташовує чотирирічна дитина із середніми здібностями. Ленат також вважає, що шлях створення Вузькоспеціалізованих ЕС зі зменшеним обсягом знань веде до тупика.

З 1990 року доктор Ленат на чолі дослідницької групи зайнятий кодуванням і введенням кількох сотень тисяч елементів знань, необхідних, на його думку, для створення “Інтелектуальної” системи. Цей проект названий Cyc (“Цик”, від англійського слова enciklopaedia).

Комерційний успіх до фірм-розробників систем штучного інтелекту (СШІ) прийшов не відразу. Протягом 1960 - 1985 рр. успіхи ШІ торкалися в основному дослідницьких розробок, які демонстрували придатність СШІ для практичного використання. Починаючи приблизно з 1985 р. (у масовому масштабі з 1988 - 1990 рр.), насамперед ЕС, а в останні роки системи, що сприймають природну мову (ПМ-системи), і нейронні мережі (НМ) стали активно використовуватися в комерційних програмах.

Причини, що привели СШІ до комерційного успіху, наступні.

Інтегрованість. Розроблені інструментальні засоби штучного інтелекту (ІЗ ШІ), що легко інтегруються з іншими інформаційними технологіями і засобами (з CASE, СУБД, контроллерами, концентраторами даних і т.п.).

Відкритість і переносимість. ІЗ ШІ розробляються з дотриманням стандартів, що забезпечують відкритість і переносимість.

Використання мов традиційного програмування і робочих станцій. Перехід від ІЗ ШІ, реалізованих на мовах ШІ (Lisp, Prolog і т.п.), до ІЗ ШІ, реалізованим на мовах традиційного програмування (С,С++ т.п.), спростив забезпечення інтегрованості, знизив вимоги програм ШІ до швидкодії ЕОМ і об'ємів оперативної пам'яті. Використання робочих станцій (замість ПК) різко збільшило коло програм, які можуть бути виконані на ЕОМ з використанням ІЗ ШІ.

Архітектура клієнт-сервер. Розроблені ІЗ ШІ, що підтримують розподілені обчислення по архітектурі клієнт-сервер, що дозволило знизити вартість обладнання, що використовується в програмах, децентралізувати програми, підвищити надійність і загальну продуктивність (оскільки скорочується кількість інформації, що пересилається між ЕОМ, і кожний модуль програми виконується на адекватному йому обладнанні).

1.3 Структура експертної системи

Клас "експертні системи" сьогодні поєднує кілька тисяч різних програмних комплексів, які можна класифікувати за різними критеріями. Щодо зв'язку з реальним часом ЕС поділяються на:

Статичні ЕС розробляються в предметних областях, у яких база знань та інтерпритовані дані не змінюються в часі. Вони стабільні.

Квазідинамічні ЕС інтерпретують ситуацію, що змінюється з деяким фіксованим інтервалом часу.

Динамічні ЕС працюють у поєднанні з датчиками об'єктів у режимі реального часу з постійною інтерпретацією даних, що надходять.

· вирішувача (інтерпретатора);

· робочої пам'яті (РП), названою також базою даних (БД);

· бази знань (БЗ);

· компонентів придбання знань;

· пояснювального компонента;

· діалогового компонента.

База даних (робоча пам'ять) призначена для збереження вихідних і проміжних даних розв'язуваної в даний момент задачі. Цей термін збігається за назвою, але не за змістом з терміном, використовуваним в інформаційно-пошукових системах (ІПЗ) і системах керування базами даних (СУБД) для позначення всіх даних (у першу чергу довгострокових), збережених у системі.

База знань (БЗ) у ЕС призначена для збереження довгострокових даних, що описують розглянуту область (а не поточних даних), і правил, що описують доцільні перетворення даних цієї області.

Вирішувач, використовуючи вихідні дані з робочої пам'яті і знання з БЗ, формує таку послідовність правил, що, будучи застосованими до вихідних даних, приводять до рішення задачі.

Компонент придбання знань автоматизує процес наповнення ЕС знаннями, здійснюваний користувачем-експертом.

Пояснюючий компонент пояснює, як система одержала рішення задачі (чи чому вона не одержала рішення) і які знання вона при цьому використовувала, що полегшує експерту тестування системи і підвищує довіру користувача до отриманого результату.

Діалоговий компонент орієнтований на організацію дружнього спілкування з користувачем як у ході рішення задач, так і в процесі придбання знань і пояснення результатів роботи.

У розробці ЕС беруть участь представники наступних спеціальностей:

експерт у проблемній області, задачі якої буде вирішувати ЕС;

інженер по знаннях - фахівець з розробки ЕС (використовувані їм технології, методи називають технологією (методами) інженерії знань);

програміст по розробці інструментальних засобів (ІЗ), призначених для прискорення розробки ЕС.

Необхідно відзначити, що відсутність серед учасників розробки інженерів по знаннях (тобто їхня заміна програмістами) або приводить до невдачі процес створення ЕС, або значно подовжує його.

Експерт визначає знання (дані і правила), що характеризують проблемну область, забезпечує повноту і правильність введених у ЕС знань.

Інженер по знаннях допомагає експерту виявити і структурувати знання, необхідні для роботи ЕС; здійснює вибір того ІЗ, що найбільше підходить для даної проблемної області, і визначає спосіб представлення знань у цьому ІЗ; виділяє і програмує (традиційними засобами) стандартні функції (типові для даної проблемної області), що будуть використовуватися в правилах, що вводяться експертом.

Програміст розробляє ІЗ (якщо ІЗ розробляється заново), що містить у межі всі основні компоненти ЕС, і здійснює його сполучення з тим середовищем, у якій воно буде використано.

Експертна система працює в двох режимах: режимі придбання знань і в режимі рішення задачі (названому також режимом чи консультації режимом використання ЕС).

У режимі придбання знань спілкування з ЕС здійснює (за посередництвом інженера по знаннях) експерт. У цьому режимі експерт, використовуючи компонент придбання знань, наповняє систему знаннями, що дозволяють ЕС у режимі рішення самостійно (без експерта) вирішувати задачі з проблемної області. Експерт описує проблемну область у виді сукупності даних і правил. Дані визначають об'єкти, їхні характеристики і значення, що існують в області експертизи. Правила визначають способи маніпулювання з даними, характерні для розглянутої області.

Відзначимо, що режиму придбання знань у традиційному підході до розробки програм відповідають етапи алгоритмізації, програмування і налагодження, виконувані програмістом. Таким чином, на відміну від традиційного підходу у випадку ЕС розробку програм здійснює не програміст, а експерт (за допомогою ЕС), що не володіє програмуванням.

У режимі консультації спілкування з ЕС здійснює кінцевий користувач, якого цікавить результат і (чи) спосіб його одержання. Необхідно відзначити, що в залежності від призначення ЕС користувач може не бути фахівцем у даній проблемній області (у цьому випадку він звертається до ЕС за результатом, не вміючи одержати його сам), чи бути фахівцем (у цьому випадку користувач може сам одержати результат, але він звертається до ЕС з метою або прискорити процес одержання результату, або покласти на ЕС рутинну роботу). У режимі консультації дані про задачу користувача після обробки їхнім діалоговим компонентом надходять у робочу пам'ять. Вирішувач на основі вхідних даних з робочої пам'яті, загальних даних про проблемну область і правил із БЗ формує рішення задачі. ЕС при рішенні задачі не тільки виконує запропоновану послідовність операції, але і попередньо формує її. Якщо реакція системи не зрозуміла користувачу, то він може зажадати пояснення: "Чому система задає те чи інше питання?", "як відповідь, що видана системою, отримана?".

Структуру називають структурою статичної ЕС. ЕС даного типу використовуються в тих застосуваннях, де можна не враховувати зміни навколишнього світу, що відбуваються за час рішення задачі. Перші ЕС, що одержали практичне використання, були статичними.

1.4 Класифікація ЕС

Класифікують ЕС по таким параметрам:

* тип застосування;

* стадія існування;

* масштаб;

* тип проблемного середовища.

Виділимо декілька типів проблемних середовищ, що найбільш часто зустрічаються.

Тип 1. Статичне проблемне середовище: статична предметна область; сутності представляються як сукупність атрибутів і їхніх значень; склад сутностей незмінний; БЗ не структуровані; вирішуються статичні задачі аналізу, використовуються тільки спеціалізовані що виконуються твердження.

Тип 2. Статичне проблемне середовище: статична предметна область; сутності представляються у виді атрибутів із значеннями або вироджених об'єктами (фреймів); склад сутностей незмінний; ієрархія БЗ або відсутня, або слабко виражена (нема спадкування властивостей); вирішуються статичні задачі аналізу, використовуються спеціалізовані твердження, що виконуються.

Тип 3. Статичне проблемне середовище: статична предметна область; сутності представляються у виді об'єктів; склад сутностей змінюваний; БЗ структуровані; вирішуються статичні задачі аналізу і синтезу, використовуються загальні і спеціалізовані що виконуються твердження.

Тип 4. Динамічне проблемне середовище: динамічна предметна область; сутності представляються сукупністю атрибутів і їхніх значень; склад сутностей незмінний; БЗ не структуровані; вирішуються динамічні задачі аналізу, використовуються спеціалізовані твердження, що виконуються.

Тип 5. Динамічне проблемне середовище: динамічна предметна область; сутності представляються у виді об'єктів; змінюваний склад сутностей; БЗ структуровані; вирішуються динамічні задачі аналізу і синтезу; використовуються загальні і спеціалізовані що виконуються твердження.

2. Види і форми представлення знань

Визначимо знання як систему понять і відносин між ними. Задача, що підлягає рішенню за допомогою експертної системи, формулюється в термінах прийнятих у цій системі. Будемо розрізняти в конкретній предметній області наступні типи знань: понятійні, конструктивні, процедурні, фактографічні і метазнання.

Понятійні - набір понять, якими користаються при рішенні даної задачі. Цей тип знань виробляються у фундаментальних науках і теоретичних розділах прикладних наук.

Конструктивні - це знання про набори можливих структур об'єктів і взаємодії між їхніми частинами. Одержання цього типу знань характерно для техніки і більшої частини прикладних наук.

Процедурні знання - використовувані в обраній предметній області методи, алгоритми і програми, корисні для даного конкретного додатка, які можна використовувати, передавати і поєднувати в бібліотеки.

Фактографічні - кількісні і якісні характеристики об'єктів і явищ.

Метазнання - знання про порядок і правила застосування знань. Можна визначити модель предметної області як (модель предметної області)= (понятійні знання)+ (конструктивні знання), а базу знань: (база знань)= (модель предметної області)+ (процедурні знання)+ (метазнання)+ (фактографічні знання).

Існують різні форми представлення знань. При практичній розробці експертних систем у даний час найчастіше використовуються евристичні моделі - набір засобів, (у принципі, будь-яких) передавальних властивості й особливості предметної області. Прикладом евристичної моделі можуть служити мережні, фреймові і продукційні моделі.

3. Машина виводу. Структура бази знань

Поняття системи баз знань.

Аналогічно СБД (система баз даних) існує поняття СБЗ - система баз знань. Близькими поняттями є: експертна система - система, що забезпечує створення і використання за допомогою комп'ютера баз знань експертів; система штучного інтелекту.

Останнім часом, однак, перевага віддається термінам, що підкреслюють знання, а не інтелект. Такі системи демонструють шаблонове використання знання, а не інтелекту, що припускає творчий підхід, нешаблонність. Це відповідає і точному перекладові англійської назви таких систем - Knowledge Based Systems (KBS) - система, що базується на знаннях.

Таким чином, остаточне визначення:

СБЗ - система, що дає можливість використовувати пригожим чином представлені знання за допомогою обчислювальної машини.

Компоненти СБЗ:

· база знань

· механізм одержання рішень

· інтерфейс

Сама характерна риса СБЗ - використання бази знань. На жаль, загальноприйнятого визначення бази знань немає.

3.1 Структура і функції системи баз знань

Знання в базі знань можна розділити на алгоритмічні і неалгоритмічні.

· алгоритмічні (процедурні) знання - це алгоритми (програми, процедури), що обчислюють функції, що виконують перетворення, що вирішують точно визначені конкретні задачі. Приклад: будь-яка бібліотека програм.

· неалгоритмічні знання - складається з уявних об'єктів, називаних поняттями. Поняття звичайне має ім'я, визначення, структуру (складені елементи), воно зв'язано з іншими поняттями і входить у якусь систему понять. Інші неалгоритмічні знання - це зв'язку між поняттями або твердження про властивості понять і зв'язки між ними.

На практиці в багатьох експертних системах і СБЗ вміст бази знань підрозділяють на "факти" і "правила". Факти - елементарні одиниці знання (прості утвержедения про характеристики об'єкта), правила служать для вираження зв'язків, залежностей між фактами і їх комбінаціями. Таким чином, класифікацію знань можна представити так:

· поняття (математичні і нематематичні)

· факти

· правила, залежності, закони, зв'язки

· алгоритми і процедури

Пряме використання знань з бази знань для рішення задач забезпечується механізмом одержання рішень (inference engine - машина висновку) - процедурою пошуку, планування, вирішення.

Механізм вирішення дає можливість “витягати” з бази знань відповіді на питання, одержувати рішення, які формулюються в термінах понять, що зберігаються в базі. Приклади запитів:

· знайти об'єкт, що задовольняє заданій умові;

· які дії потрібно виконати в такій ситуації і т.д.

Інтерфейс - забезпечує роботу з базою знань і механізмом одержання рішень мовою високого рівня, наближеному до професійної мови фахівців у тій прикладній області, для якої будується система.

3.2 Інструментальні засоби побудови систем баз знань

Для створення СБЗ можуть використовуватися наступні засоби:

Традиційні мови програмування - C, Basic, Pascal, Lisp і ін. Особливо в цьому ряді коштує виділить мова функціонального програмування Lisp. Його основні властивості: дані представляються у виді списків, для одержання рішень використовується рекурсія.

Мови представлення знань (такі як Prolog) - мають специфічні засоби опису знань і убудований механізм пошуку висновку.

Порожні оболонки експертних систем - містять реалізації деякої мови представлення знань і засобу організації інтерфейсу користувача. Дозволяють практично цілком виключити звичайне програмування при створенні прикладної експертної системи.

Машина логічного висновку - механізм міркувань, що оперує знаннями і даними з метою одержання нових даних зі знань і інших даних, що маються в робочій пам'яті. Для цього звичайно використовується програмно реалізований механізм дедуктивного логічного висновку (який-небудь його різновид) або механізм пошуку рішення в мережі фреймів або семантичної мережі.

Машина логічного виведення може реалізовувати міркування у виді:

· дедуктивного висновку (прямого, зворотного, змішаного);

· нечіткого висновку;

· ймовірнісного висновку;

· уніфікації (подібно до того, як це реалізовано в Пролозі);

· пошуку рішення з розбивкою на послідовність підзадач;

· пошуку рішення з використанням стратегії розбивки простору пошуку з урахуванням рівнів абстрагування рішення або понять, з ними зв'язаних;

· монотонного або немонотонного міркування,

· міркувань з використанням механізму аргументації;

· асоціативного пошуку з використанням нейронних мереж;

· висновку з використанням механізму лінгвістичної змінної.

Підсистема спілкування служить для ведення діалогу з користувачем, у ході якого ЕС запитує у користувача необхідні факти для процесу міркування, а також дає можливість користувачеві в якомусь ступені контролювати і коректувати хід міркувань експертної системи.

Підсистема пояснень необхідна для того, щоб дати можливість користувачеві контролювати хід міркувань і, моживо, вчитися у експертної системи. Якщо немає цієї підсистеми, експертна система виглядає для користувача як "річ у собі", рішенням якої можна або вірити або ні.

Підсистема придбання знань служить для коректування і поповнення бази знань. У найпростішому випадку це - інтелектуальний редактор бази знань, у більш складних експертних системах - засіб для отримання знань з баз даних, неструктурованого тексту, графічної інформації і т.д.

4. Механізми побудови ЕС

Експертні системи можуть бути побудовані на основі:

· Системи продукційних правил

· Модальної логіки (нечітке виведення)

· Фреймів

· Семантичних мереж

· Нейронних мереж

· Генетичних алгоритмів.

Тут ми розглянемо деякі механізми побудови ЕС.

4.1 Експертна система на правилах

У всіх експертних системах існує залежність між вхідним потоком даних і даними в базі знань. Під час консультації вхідні дані зіставляються з даними в базі знань. Результатом зіставлення є негативна або ствердна відповідь. У системі, що базується на правилах стверджувальний результат є дією одного з продукційних правил. Ці продукційні правила визначаються вхідними даними.

Таким чином, експертна система, що базується на правилах (на Турбо-Пролозі), містить множину правил, що викликаються за допомогою вхідних даних у момент зіставлення. Експертна система також містить інтерпретатор у механізмі висновку, що вибирає й активізує різні модулі системи. Роботу цього інтерпретатора можна описати послідовністю трьох кроків:

1. Інтерпретатор зіставляє зразок правила з елементами даних у базі знань.

2. Якщо можна викликати більше ніж одне правило, то інтерпретатор використовує механізм дозволу конфлікту для вибору правила.

3. Інтерпретатор застосовує обране правило , щоб знайти відповідь на питання.

Цей трьохкроковий процес інтерпретації є циклічним і називається циклом "розпізнавання-дія".

Умови роботи з правилами:

1. Використовувати мінімально достатню множину умов при визначенні продукційного правила.

2. Уникати суперечних продукційних правил.

3. Конструювати правила, спираючи на структуру властивої предметної області.

У дійсності ЕС не мають у своєму розпорядженні процедури, що могли б побудувати в просторі станів відразу весь шлях рішення задачі. Більш того, найчастіше навіть не удається визначити, чи мається взагалі яке- небудь рішення задачі. Тим ні менш пошук рішення виконується, оскільки рухом у просторі станів керують сховані або віртуальні процедури. Вони одержали назву демонів, оскільки під час роботи системи знаходяться в “засідці” і активізуються тільки тоді, коли них просять про допомогу, тобто насправді поводяться як добрі демони.

Свою назву демони одержали від “демона Максвелла”- діючої особи одного з уявних експериментів, запропонованого його автором для критики законів термодинаміки. Іншим їхнім прообразом є Пандемоніум Олівера Селфріджа - першої моделі людини, у якому діяльність біологічної системи представлялася як робота викликуваних за зразком демонів. Якщо ж скористатися науковою термінологією, то такі керуючі процедури одержали назва недетермінованих. Це означає, що траєкторія пошуку рішення в просторі станів цілком визначається даними.

4.2 Експертні системи, що базуються на логіці

В експертних системах, що базуються на логіці, база знань складається з тверджень у виді пропозицій логіки предикатів.Такі пропозиції можуть групуватися, утворивши базу даних Турбо-Пролога. Правила можуть або описувати дані або керувати процесом внутрішньої уніфікації Турбо-Пролога.

Так само як і в системі на правилах експертна система, що базується на логіці, має множину правил, що можуть викликатися за допомогою даних із вхідного потоку. Система має також інтерпретатор, що може вибирати й активізувати модулі, що включаються в роботу системи.

Інтерпретатор виконує різні функції усередині системи на основі наступної схеми:

1. Система має пропозиції в базі знань, що керують пошуком і зіставленням. Інтерпретатор зіставляє ці пропозиції з елементами даних у базі даних.

2. Якщо може бути викликане більш одного правила , то система використовує можливості Турбо-Пролога для дозволу конфлікту. Отже користувачеві/програмістові не потрібно розглядати потенційно можливі конфлікти.

3. Система одержує результати уніфікаційного процесу автоматично, тому вони можуть направлятися на потрібний пристрій висновку інформації.

Так само як і в системі, що базується на правилах, даний циклічний процес є процесом розпізнавання-дія. Переваги системи, заснованої на логіці, полягають у тому, що вона відбиває структуру самого Турбо-Пролога. Під цим розумівається, що вона дуже ефективна в роботі. Найбільш важливим аспектом для бази знань у системі, заснованої на логіці, є проектування бази знань, її тверджень і її структури. База знань повинна мати недвозначну логічну організацію, і вона повинна містити мінімум надлишкової інформації.

4.3 Подання знань у вигляді фреймів

В основі теорії фреймів лежить сприйняття стереотипних ситуацій, що мають, наприклад, місце в процесі функціонування складних об'єктів, зокрема, виробничих. Для подання й опису стереотипних об'єктів, подій або ситуацій було введено поняття "фрейми", що є складними структурами даних. У загальному вигляді фрейм можна розглядати як сітку, що складається з кількох вершин і відношень. На верхньому рівні фрейму подана фіксована інформація: факт стосовно стану об'єкта, який звичайно вважається істинним, На наступних рівнях розташовано множину так званих термінальних слотів (терміналів), які обов'язково повинні бути заповнені конкретними значеннями та даними. У кожному слоті задається умова, яка повинна виконуватися при встановленні відповідності між значеннями (слот або сам встановлює відповідність, або це робить дрібніша складова фрейму). Проста умова позначається позначкою і може, наприклад, містити вимога, щоб відповідність встановлював користувач, щоб досить повним був опис значень тощо. Складні умови вказують відношення між фактами, що відповідають декільком терміналам.

Поєднавши множину фреймів, що є відношеннями, можна побудувати фреймову систему, найважливішою перевагою якої є можливість перетворення фреймів в одній системі.

Якщо аналізується видимий об'єкт, різні фрейми однієї системи описують його з різних кутів зору, і перетворення від одного фрейму до іншого показує результат переходу від одного пункту спостереження, до іншого. В одній системі різні фрейми можуть мати загальні термінали.

Розглянемо основні властивості фреймів.

1.Базовий тип. При ефективному-.використанні фрейму можна домогтися швидкого розуміння суті даного предмета та його стану, проте для запам'ятовування різних позицій у вигляді фреймів необхідна пам'ять. Тому тільки найважливіші об'єкти даного місця запам'ятовуються у, вигляді базових фреймів, на підставі яких будуються фрейми для нових станів. При цьому кожен фрейм містить слот. оснащений покажчиком підструкту-ри, що дозволяє різним фреймам спільно використовувати однакові частини. Така структура не змінюється при зміні кута зору. Завдяки цієї властивості можливе подання і використання інформації, здобутої в різний час і з різних дільниць, як незалежної інформації, пов'язаної з даним кутом зору (тобто як знання).

2.Процес зіставлення. Процес, в ході якого перевіряється правильність вибору фрейму, називають процесом зіставлення. Фрейм містить умови, які обмежують значення слота, і метою є визначення, які з цих умов, маючи відношення до даної ситуації, є релевантними.

3.Ієрархічна структура. Фрейм звичайно відповідає уявленню загального поняття з класифікаційною ієрархічною структурою, і особливість такої структури полягає в тому, що інформація про атрибути, що містить фрейм верхнього рівня, спільно використовується усіма фреймами нижчих рівней, що з ним. пов'язані.

4.Міжфреймові мережі. Запам'ятовування^ концептуального оО'єкта, що мас класифікаційну ієрархічну структуру, легко пояснюється фреймовою моделлю; проте, якщо процес зіставлення закінчується неуспіхом, виникає необхідність пошуку фрейму, подібного до попереднього. Такий пошук можливий завдяки поєднанню фреймів, що описують об'єкт з незначними відмінностями, з даними покажчиками й утворенню мережі подібних фреймів.

5^.Значення за умовчуванням. Коли людина розглядає дещо і думає про те, що б це значило, або щось уявляє собі і думає про те, що ,б це могло бути, то даний процес можна подати як розподілення конкретних значень між термінальними слотами фрейму. При цьому у випадку уявного подання межі стосовно розподілення цих значень є широкими. В таких випадках у^вні ' значення називають значеннями за умовчуванням, які слабо пов'язані зі слотами, і далі вони поступово замінюються вірогідною інформацією.

Виведення за умовчанням виконує дуже важливу функцію при розпізнаванні образів або мовленні. Наприклад, якщо видимою є тільки частина образу, то, замінивши частини, що залишилися, значеннями за умовчуванням, можна намалювати пов-^ь ний образ. Так само, використовуючи значення за умовчуванням, можна відновити зміст контексту, з якого витягнуто окремі речення.

6.Відношення "абстрактне - конкретне" і “ціле - частина". Відношення "абстрактне - конкретне" характерні тим, що на верхніх рівнях розташовані антрактні об'єкти (концепти), а на нижчих - конкретні об'єкти, причому об'єкти нижчих рівней успадковують атрибути об'єктів верхніх рівней. Ці відношення ще називають відношеннями типу 1S-A (це є) або KIND-OF (це різновид).

Відношення "ціле - частина" стосується структурованих об'єктів і свідчить про те, що об'єкт нижчого рівня є частиною об'єкта верхнього рівня.

Проте практичне застосування у фреймових системах дістали лише відношення "абстрактне - конкретне". Але при описі й управлінні структурованим об'єктом, наприклад, в САПР і робототехніці, часто удаються до відношення "ціле -частина".

Особливості подання знань фреймами. До основних особливостей подання знань фреймами насамперед слід віднести їх структуру даних, а також способи управління виведенням.

Фрейм являє собою визначену структуру даних, і фреймова система - це ієрархічна структура, вузлами якої є подібні фрейми. Розглянемо значення кожного з елементів

1.Імя фрейму - це ідентифікатор, що привласнюється фреймові; фрейм повинен мати ім'я, лише одне в даній фреймовій системі (унікальне ім'я). Кожний фрейм, як випливає з рис.5, складається з довільної кількості слотів, і деякі з них визначаються самою системою для виконання специфічних функцій, а всі інші визначаються користувачем. В кількість слотів входять: слот 1S-A, що вказує на фрейм-батько даного фрейму; слот покажчиків дочірніх фреймів, які є списком покажчиків цих фреймів; слот для виведення імені користувача, дійи визначення, дати "змінювання, коментарів, тексту та інші слоти. Кожний слот, в свою чергу, також репрезентований визначеною структурою даних.

2.ім'я слота - це ідентифікатор, що привласнюється слоту; слот також повинен мати унікальне ім'я у фреймі, до якого він належить. Звичайно, ім'я слота не несе жодного змістовного навантаження і є тільки ідентифікатором даного слота, проте в деяких випадках може мати специфічний зміст.,.До таких імен, крім 1S-A (відношення IS-A), DDESENDENTS (покажчик прямого дочірнього фрейму), FINEDON (користувач, визначаючий фрейм), DIFWEDON (дата визначення фрейму), MODІFIEDON (дата модифікації фрейму), COMMENT (коментар) тощо, можна віднести імена, що використовуються для репрезентації струкгурованих об'єктів, наприклад, HASPART, RELATION та ін. Ці слоти називають системними і використовують при реалізації БЗ та управлінні виведенням.

3.Покажчики спадкоємності. ЦІ покажчики стосуються тільки фреймових систем ієрархічного типу, що базуються на відношеннях "абстрактне - конкретне"; вони показують, яку інформацію про атрибути слотів у фреймі верхнього рівня успадковують слоти з такими ж іменами у фреймі нижчого рівня. Типові покажчики спадкоємності: Unique (унікальний), Same (такий самий), Range (встановлення меж), Override (зігнорувати) тощо. Покажчик U показує, що кожний фрейм мо.ле мати слоти з різними призначеннями; S - що усі слоти повинні мати однакові значення; R - значення слотів фрейму нижчого рівня повинні перебувати в межах, що вказані значеннями слотів фрейму верхнього рівня; О - за відсутністю вказівки значення слота фрейму верхнього рівня стає значенням слота фрейму нижчого рівня, проте у випадку визначення нового значення слотів фреймів нижчих рівнів вже ці значення використовуються для слотів фреймів нижчого рівня. Покажчик О виконує одночасно функції покажчиків U і S. Незважаючи на те, що більшість систем припускає кілька варіантів позначення спадкоємності, достатньо і таких, що припускають лише один варіант. В такому випадку можна вважати, що використовується покажчик О значення за умовчуванням.

4.Покажчик типу даних означає, що слот або має числове значення, або служить покажчиком іншого фрейму (тобто показує ім'я фрейму). До типів даних належать: FRAME (покажчик), INTEGER (цілий), REAL (дійсний), BOOL (логічний), LISP (приєднана процедура), TEXT (текст). LIST (список), TABLE (таблиця) та ін.

5.Значення слота повинно збігатися з указаним типом даних цього слота і, крім того, має виконуватися умова спадкоємності.

6. Демон. Демоном називають процедуру, що автоматично запускається при виконанні деякої умови. Демони запускаються при звертанні до відповідного слота. Наприклад, демон IF-NEEDED запускається, якщо на момент звертання'до слота значення останнього не було встановленим; IF-ADDED запускається при підставлянні в слот його значення; IF-REMOVED запускається при стиранні значення слота. Крім того, демон є різновидом приєднаної процедури.

7. Приєднана процедура. Як значення слота використовується програма процедурного типу. Приєднана процедура запускається за повідомленням, переданим з іншого фрейму. Коли кажуть, що в моделях подання знань фреймами об'єднуються процедурні та декларативні знання, то уявляють демони і приєднані процедури процедурними знаннями. Крім того, в мові подання знань фреймами відсутній спеціальний механізм управління виведенням, через що користувач повинен реалізувати даний механізм за допомогою приєднаної процедури.

4.4 Семантичні мережі

Звичайні семантичні мережі складаються з вершин, що відповідають об'єктам чи поняттям, а також дуг, що відповідають відношенням, та зв'язують ці вершини. У таких мережах вершини можуть відповідати не тільки об'єктам чи поняттям, але і відношенням, логічним складовим частинам інформації (фактам істинності та хиби), комплексним об'єктам тощо. Усьому, що може розглядатися, як самостійна одиниця, повинна бути співставлена власна вершина. Наприклад, вершини можуть бути співставлені завершеним подіям або ситуаціям. Вершини поділяються на два класи: визначені (в-вершини) та невизначені (н-вершини). Перші відповідають впізнаним об'єктам, виявленим відношенням розпізнаним подіям, ситуаціям. Другі - невпізнаним, невиявленим.

Окрім зазначених, вводяться вершини зовсім іншого типу - вершини з'вязку. Вони поєднуються поміченими ребрами (ребрами різних типів) з вершинами, взятими з множини вищезазначених вершин. Фактично, ребра помічаються цифрами, що визначають семантичний відмінок відношення. В результаті утворюється фрагмент, що відповідає елементарній ситуації, тобто об'єктам, що пов'язані відношенням. Такий фрагмент називають елементарним. Елементарний фрагмент можна представити у вигляді павука з поміченими лапками. При цьому тіло такого павука є вершина зв'язку, а лапки - ребра, якими він ціпляється за інші вершини. Номер, або тип лапки, визначає роль, яку грають схоплені ним вершини, у представленій ситуації, тобто або це вершина-об'єкт, вершина-відношення, вершина, що відповідає факту істинності - хиби, або вершина, що відповідає всій елементарній ситуації. Спеціальний поділ перерахованих вершин на множини, що не перетинаються, не виконується. Кожна з них може грати будь-яку роль. Таким чином, ситуація або логічні складові, можуть бути пов'язані своїми відношеннями, відношення також можуть бути об'єктами іншого відношення і.т.д. В результаті забезпечуються широкі можливості представлення.

Отже, у таких мережах замість дуг звичайних семантичних мереж використовуються павукоподібні фрагменти, в середині яких знаходяться вершини зв'язку, які відіграють роль розв'язуючих елементів. Вони забезпечують рівнозначність вершин, що відповідають окремим компонентам або одиницям інформації. Всі вони можуть бути пов'язані відношеннями, тобто павукоподібними фрагментами.

Окрім зазначених фрагментів, використовуються засоби ще одного виду, що використовуються для представлення наборів перерахованих об'єктів (множин), для запису знайдених невизначених компонент тощо. Такі засоби мають вигляд пари, де першою компонентою є н-вершина, що відповідає невизначеній компоненті, а другою - множина конкретизуючих в-вершин, що відповідають знайденим компонентам. Подібна множина називається значеннями н-вершин, а сама пара - з-мережою.

Обробка системних знань базується на принципі накладення мереж, послідовному співставленні їх фрагментів. Процедура такого співставлення визначається графами, тобто операціями, що вони задають. В результаті знаходяться невизначені компоненти інформації. На відміну від звичайного співставлення таблиць або зразків (фреймів) при накладенні мереж використовується більш складний підхід - окільний. Для пошуку невизначених компонент використовують їх околи. При цьому доводиться постійно шукати співставлювані компоненти, обирати напрям пошуку. Все це робить процедуру накладання достатньо складною, проте і більш універсальною.

Зазначені принципи було покладено у основу механізмів, що забезпечують обробку інформації, реалізацію різних видів діяльності. Обробка у багатьох випадках зводиться до формування графів та виконання операцій, що задаються графами. Таким чином забезпечується вирішення двох основних задач - конкретизації та перетворення. Перша задача полягає у знаходженні невизначених складових вхідної інформації, у виконанні різноманітних перевірок, а друга задача - у перетворенні інформації. Перетворення керується за допомогою спеціальних засобів, що називаються мережними продукціями. Такі засоби можна вважати певним різновидом графів, які задають спеціальні операції пошуку мереж визначених конструкцій, їх вилучення та заміни на інші мережі. За допомогою таких продукцій представляються різні визначення, а також деякі види умовних речень.

Речення Якщо є риба, то вона вміє плавати представляється за допомогою продукції, де у лівій частині представлена належність до класу риб, а у правій - властивість вміти плавати. Така продукція може бути застосована до будь-якої вхідної інформації. І якщо в ній мова піде про яких-небудь риб, то буде додано їх властивість - вміння плавати.

Таким чином, мережні продукції - це певні “розширені” правила підстановки, додавання, що мають вид мереж та виконуються над мережами. При цьому в продукціях (за допомогою н-вершин) можуть бути зазначені місця довільного заповнення.

Отже, розглянемо більш детально семантичну мову представлення знань, під якою, як було вище зазначено, маються на увазі конструкції визначеного вигляду, що складаються з однотипних елементів - вершин, з яких складаються фрагменти та мережі, які у свою чергу використовуються для побудови більш складних конструкцій - графів. При цьому розглядаються семантичні графи та мережі певного вигляду - з вершинами зв'язку. А під семантичним графом розуміються мережі, на яких заданий порядок обробки їх фрагментів, так званий порядок конкретизації.

Семантична мова служить для представлення предметних областей, у яких виділяються об'єкти {A_i} та відношення {R_j}, які у свою чергу включені до множини компонент {D_k}, розрізнюваних у даній предметній області. Під компонентами маються на увазі не тільки об'єкти та відношення, але і складені з них комплексні об'єкти та різні ситуації (що розглядаються як єдине ціле). Компонентами можуть бути і логічні складові: істинності, хиби.

Компонентам співставляються елементи одного і того самого набору - вершини, які ще називають вершинами-поняттями. Вершини, що відповідають об'єктам A_i, відношенням R_j та довільним компонентам D_k через a_i, r_j, d_k.

Позначимо всю множину вершин-понять, що відповідають різним компонентам, через D. Вона включає в себе дві підмножини: A та R, де елементи з A відповідають об'єктам, а з R - відношенням, причому ці дві підмножини є розширюваними, тобто вони допускають поповнення новими, зручними для представлення вершинами.

Поділ на об'єкти та відношення є у певному сенсі відносним. Відношення можуть розглядатись як об'єкти, пов'язані своїми відношеннями. Об'єкти можуть вказувати на тип відношення. Тому надалі чітке розмежування не проводиться. Суттєвою вважається роль вершин, яка задається за допомогою кортежів <d₁,…,d_k>, де d₁,…,d_kD.

Такі кортежі будемо називати елементарними фрагментами. У кожному елементарному фрагменті є множина вершин, що відповідають об'єктам, та одна вершина - відношенню. Цій останній вершині у кортежі призначається визначене місце - третє. Наступні місця - з четвертого по k-те - зайняті вершинами-об'єктами.

Таким чином кортеж <d₁,…,d_k> представляє відношення типу D₃ між об'єктами D₄,…,D_k. Перші два місця мають особливе призначення. Якщо вказані об'єкти з їх відношенням розглядаються як єдиний комплексний об'єкт або ситуація (D₁), то останньому співставляється власна вершина d_1, яка займає перше місце. Друге місце займає вершина d₂, що відповідає логічній складовій D_2, яка вказує, наприклад, на істинність чи хибність представленного відношення. Для подібного представлення використовуються власні вершини: t - відповідає факту істинності, f - хиби.

Допускається можливість знаходження на першому місці досить довільних елементів з множини А. Кожен такий елемент може відповідати комплексному об'єкту. На інших місцях вершин-об'єктів можуть знаходитись елементи з A та R, в тому числі вершини-відношення. Проте, друге та третє місця є завжди зарезервованими для вершин, що відповідають логічним складовим, та для вершин-відношень.

Фрагмент <d₁,…,d_k> може бути представлений за допомогою мережі (мал. 1), де квадратиком зображена вершина зв'язку. Вона не відповідає ані об'єктам, ані відношенням та має виключно службовий характер, тобто використовується для зазначення зв'язку. Ролі вершин задаються за допомогою нумерації ребер, проте надалі замість нумерації будуть використані різні типи ребер (мал. 2), де стрілки використовуються лише для задання таких типів.

При цьому цифри і = 1,…,k вказують на відносні місця наступних вершин у елементарному фрагменті, що буде використовуватися для задання ролі відповідних об'єктів у відношенні.

У різних відношеннях можуть брати участь різні компоненти - суб'єкти, об'єкти тощо. Відношення можуть мати різну вимірність, що представляється за допомогою кортежів елементарного фрагмента різної довжини. N-мірним відношенням відповідають кортежі (N+3)-вимірності. Вимірність кортежів визначається кількістю семантичних відмінків типу бути суб'єктом, бути дією і т.д., які характеризують компоненти відношення.

Розрізняють об'єкти (відношення, логічні складові та інші компоненти) двох типів: відомі (виявлені) або визначені та невідомі (невиявлені) або невизначені. Тому вся множина вершин D ділиться на дві підмножини X та G, що не перетинаються, причому елементи x_iX відповідають нерозпізнаним компонентам X_i, а елементи з G - розпізнаним. Таким чином, можна назвати елементи X невизначеними вершинами або н-вершинами, а елементи G - визначеними або в-вершинами. Набір н-вершин вважається практично необмеженим, де різним невідомим компонентам або відношенням завжди співставляється різні н-вершини, які ще називають вершинами-змінними.