Искусственный интеллект

Размещено на http://www.allbest.ru/

Введение

искусственный интеллект компьютерный экспертный

Об искусственном интеллекте, системах искусственного интеллекта, интеллектуальных системах, интеллектуализированных системах пишут и говорят часто. Много из того, что вчера называли общими и специальными терминами, сегодня называют интеллектуальным. Практически любой созданный, а точнее выпушенный на рынок информационный или технический объект объявляется интеллектуальной системой.

Примерно в 70-е годы прошлого столетия -- начале фазы компьютерной революции был совершен концептуальный прорыв в новой области информатики и вычислительной техники, названной искусственным интеллектом. В эти годы была принята новая концепция, которая утверждала, что эффективность программы при решении задачи зависит от знаний, которыми она обладает, а не только от формализмов и методов вывода, которые она использует.

Наиболее значительными работами в области искусственного интеллекта являются разработки мощных компьютерных систем или экспертных систем, т. е. систем основанных на знаниях. Такие программы решения задач с представлением и применением фактических и эвристических знаний, совместной работой экспертов и инженеров по знаниям, разработчиков систем и логическим выводом позволяют переходить к новым информационным технологиям, к новой технологии программирования.

В настоящее время идет бурное развитие интеллектуальных систем, интеллектуальных концепций и технологий. Дисциплины, связанные с системами искусственного интеллекта, появились в связи с тенденциями образовательного процесса в сферах практической деятельности, связанных с решением задач интерпретации, диагностики, мониторинга, прогнозирования, планирования, проектирования, обучения, управления для плохо формализуемых проблем и зашумленных данных (знаний) при ограниченных ресурсах. Современный подход к решению так решению таких проблем базируется на методах искусственного интеллекта.

1.Основные направления ИС. Этапы развития, разработки ИС. Первые ЭС

Еще в начале XIX века появились попытки создания искусственного человека и его разума. Изобретатель Раймонд Луллий сконструировал машину, состоящую из кругов, размеченных буквами и раскрашенных в разные цвета, которые символизировали различные понятия, элементы стихии, субъекты и объекты знания. Разнообразное их сочетание, приводили с помощью логических операций к выводу «формул знаний».

В 40-х годах 20 в. с появлением электронно-вычислительных машин искусственный интеллект обрел второе рождение. Исследования в области искусственного интеллекта имеют две цели:

* выяснение сущности естественного интеллекта (человеческого интеллекта);

* использование машинного интеллекта для преобразования новых знаний и для решения интеллектуальных задач. Первую цель выполняют психологи. Они контролируют модель поведения человека при решении задач и затем ее корректируют. Вторую цель выполняет исследователь. Он синтезирует интеллектуальное поведение системы независимо от методов, которыми пользуются люди.

В соответствии с этими целями искусственный интеллект разделился на два основных направления: нейрокибернетику и кибернетику «черного ящика». Первое направление утверждает, что мыслить может только человеческий мозг и, соответственно, любая машина должна быть выполнена как человеческий мозг, то есть воспроизвести его структуру, принцип действия.

В этот период развития ИИ основные исследования и разработки были представлены Дж. Маккарти, Дж. Робинсоном, К. Грином, Д. Хеббом, Ф. Розенблаттом, М. Минским:

* разработка языка Лисп (Дж. Маккарти);

* идея представления знаний и логического вывода в системах искусственного интеллекта (Дж. Маккарти);

* разработка метода резолюции (Дж Робинсон);

* разработка вопрос-ответной системы на основе логического представления знаний (К. Грин);

* создание персептрона для распознавания образов (Ф. Розенблат);

* написание книги об ограниченных возможностях персептрона (М. Минский,С. Пейперт).

В течение последнего десятилетия в рамках исследований по искусственному интеллекту сформировалось самостоятельное направление - экспертные системы (ЭС), или инженерия знаний. В задачу этого направления входят исследование и разработка программ (устройств), использующих знания и процедуры вывода для решения задач, являющихся трудными для людей-экспертов. ЭС могут быть отнесены к системам ИИ общего назначения - системам, которые не только исполняют заданные процедуры, но на основе метапроцедур поиска генерируют и используют процедуры решения новых конкретных задач.

Таким образом, к концу 60-х годов основное внимание в области ИИ стало уделяться методам представления задач и поиску решений, в частности представлению задач в логической форме и автоматическому доказательству теорем на основе метода резолюций.

Этап разработки и становления интеллектуальных систем 1-го поколения (1986-1996). В рамках исследований по ИИ сформировалось самостоятельное направление - экспертная система, или инженерия знаний. В задачу этого направления входят исследования и разработка программ (устройств), использующих знания и процедуры вывода для решения задач, кажущихся трудными для людей-экспертов. Огромный интерес к ЭС со стороны пользователей вызван по крайней мере тремя причинами:

* ЭС ориентированы на задачи, для которых отсутствуют или неизвестны

алгоритмы их решения;

* ЭС позволяют пользователям, не знающим программирования, самостоя-

тельно разрабатывать задачи, используя свой опыт и знания;

* ЭС позволяет получать результаты, не уступающие, а иногда и превосхо-

дящие возможности людей-экспертов. Этот период охватывает технологии разработки традиционных (простых) ЭС и начала разработки интегрированных ЭС. И те и другие в настоящее время объединяются в ЭС первого поколения. Работы Дж.Хопфилда, Д. Румельхарте и Г. Хинтона по моделям нейронных сетей послужили толчком к лавинообразному росту применений таких моделей для решения практических задач. Помимо теоретических разработок, этому способствовало и появление мощных аппаратно-программных средств, позволяющих моделировать нейронные сети достаточного уровня сложности. В этот период источником знаний являются эксперт с эмпирическими знаниями, а базы знаний составляли отдельные формы (модели): продукционные (в основном), фреймовые, семантические сети, решающие деревья.

Логический вывод представлялся детерминированным и дедуктивным, а язык общения с пользователем -- фразами и терминами жесткой конструкции прикладной области.

Этап разработки интеллектуальных систем II поколения (1996-2000). Этот этап характеризуется интегрированными и гибридными принципами построения систем, где основой являются БЗ с любыми функциями знаний (библиотек) и автоматическим извлечением их; дедуктивным, абдуктивным, индуктивным, нечетким логическим выводом; проблемно-ориентированным языком общения, и обработкой не только статической, но и динамической информации. Предыдущие этапы развития ИИ характеризуются разрозненными подходами, основанными на выделении частного свойства понятия «интеллект». Например:1) принцип знаниецентризма обусловил развитие и господство в течение определенного периода когностивистских моделей ИИ, в частности логических.

В соответствии с такими моделями на первый план выдвигается способность интеллектуальной системы рассуждать, а действия (поведение) рассматриваются как нечто вторичное. Основное внимание при этом уделяется логическому выводу;

2) выделение в определении ИИ функции обучения (адаптации) способствовало развитию коннекционистских (нейронные сети) и эволюционных моделей (генетические алгоритмы);

3) трактовка ИИ с позиций способности к восприятию и коммуникации привела к развитию моделей понимания изображений и естественного языка.

Огромный интерес к ЭС со стороны пользователей вызван, по крайней мере, тремя причинами. Во-первых, они ориентированы на решение широкого круга задач в неформализованных областях, на приложения, которые до недавнего времени считались малодоступными для вычислительной техники. Во-вторых, с помощью ЭС специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что позволяет резко расширить сферу использования вычислительной техники. В-третьих, ЭС при решении практических задач достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащённых ЭС.

В настоящее время ЭС применяются в различных областях человеческой деятельности. Наибольшее распространение ЭС получили в проектировании интегральных микросхем, в поиске неисправностей, в военных приложениях и автоматизации программирования. Применение ЭС позволяет: 1) при проектировании интегральных микросхем повысить производительность труда в 3-6 раз, при этом выполнение некоторых операций ускоряется в 10-15 раз; 2) ускорить поиск неисправностей в устройствах в 5-10 раз; 3) повысить производительность труда программистов в 5 раз; 4) при профессиональной подготовке сократить (без потери качества) в 8-12 раз затраты на индивидуальную работу с обучаемым.

В настоящее время ведутся разработки ЭС для следующих приложений: раннее предупреждение национальных и международных конфликтов и поиск компромиссных решений; принятие решений в кризисных ситуациях; охрана правопорядка; законодательство; образование; планирование и распределение ресурсов; системы организационного управления (кабинет министров, муниципалитет, учреждение) и т.д.

Исследования и разработки ЭС составляют основу программ по информатизации развитых государств. На проведение этих программ выделены весьма большие средства. Несмотря на значительную стоимость разработки, ЭС приносят существенный доход.

Экспертная система - наиболее известный и распространенный вид интеллектуальных систем. Первая особенность экспертных систем состоит в том, что они предназначены для пользователей, сфера деятельности которых далека от искусственного интеллекта, программирования, математики, логики. Для таких пользователей экспертная система выступает как некая система, помогающая им в повседневной работе. Общения с экспертными системами должны быть так же просты, как просты, например, работа с телевизором, стиральной машиной или автомобилем.

Во многих видах человеческой деятельности используемые знания далеко не всегда могут быть четко формулированы. Точнее, наряду со знаниями как бы отделёнными, отобранными у специалистов (они зафиксированы в учебниках, инструкциях, учебных фильмах и т.п.), существуют так называемые навыки и умения, овладеть которыми можно, только работая вместе с теми, кто уже овладел ими.

Профессионал, высокого уровня: врач, геолог, экономист, инженер, технолог и т.д. - отличается от новичка, овладевшего знаниями в объёме учебных программ институт или университета, именно этими навыками и умениями. И повышение их профессионального мастерства - огромная социальная задача. Чтобы её решить, надо научиться извлекать из профессионалов-экспертов те знания, которые не зафиксированы в форме, пригодной для массового распространения - в книгах, кинофильмах, наглядных пособиях. В этом и заключается вторая особенность экспертных систем. Само название этих систем указывает на то, что они должны хранить в себе знании профессионалов-экспертов в некоторой предметной области. И не просто хранить, но и передавать их тем, у кого таких знаний нет. Для этого в экспертной системе предусмотрены не только простые средства общения между системой и специалистами, но и средства доведения хранимых в системе знаний до специалиста вместе с необходимыми пояснениями и разъяснениями.

На практике экспертные системы используются, прежде всего, как системы-советчики в тех ситуациях, где специалист сомневается в выборе правильного решения. Экспертные знания, хранящиеся в памяти системы, более глубокие и полные, чем соответствующие знания пользователя. Однако возможны и другие случаи применения экспертных систем. Правда, часть специалистов в области ИИ предлагают эти другие системы считать особыми классами интеллектуальных систем и не смешивать их с «классическими» экспертными системами. Но термин «экспертные системы» характеризуется стремлением к расширению, и в большинстве случаев, когда его употребляют, в него автоматически включают ещё два вида систем.

При работе в системах оперативного управления знания, хранящиеся в базе знаний, могут быть и меньшими, чем у специалиста, работающего в паре с системой. Но зато быстрота и точность реакции значительно выше, чем у человека.

Существует ещё один класс систем, не имеющих собственного названия и поэтому часто называемых экспертными. В отличие от классических экспертных систем они рассчитаны не на пользователя, являющегося новичком иди средним специалистом в некоторой области деятельности, а на самих экспертов-специалистов. Для таких специалистов нужна не консультирующая или советующая система, а система, способная помочь им в научной работе. Системы такого рода называют системами автоматизации научных исследований (АСНИ). Примером могут быть системы, способные на основании частных знаний эксперта обнаружить в эмпирическом материале скрытые связи и закономерности.

2.Введение в экспертные системы. основные понятия и определения. общая характеристика ЭС

Искусственный интеллект, как научная дисциплина, состоит из нескольких крупных направлений. Одно из них - экспертные системы(ЭС).

Экспертные системы это направление исследований в области искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями экспертов в заданной предметной области.

Как правило, экспертные системы создаются для решения практических задач в некоторых узкоспециализированных областях, где большую роль играют знания «бывалых» специалистов. Экспертные системы были первыми разработками, которые смогли привлечь большое внимание к результатам исследований в области искусственного интеллекта.

Экспертные системы имеют одно большое отличие от других систем искусственного интеллекта: они не предназначены для решения каких-то универсальных задач, как например нейронные сети или генетические алгоритмы.

Экспертные системы предназначены для качественного решения задач в определенной разработчиками области, в редких случаях - областях.

Экспертное знание - это сочетание теоретического понимания проблемы и практических навыков ее решения, эффективность которых доказана в результате практической деятельности экспертов в данной области. Фундаментом экспертной системы любого типа является база знаний, которая составляется на основе экспертных знаний специалистов. Правильно выбранный эксперт и удачная формализация его знаний позволяет наделить экспертную систему уникальными и ценными знаниями. Врач, к примеру, хорошо диагностирует болезни и эффективно назначает лечение, не потому, что он обладает некими врожденными способностями, а потому что имеет качественное медицинское образование и большой опыт в лечении своих пациентов. Поэтому ценность всей экспертной системы как законченного продукта на 90% определяется качеством созданной базы знаний.

Экспертная система - это не простая программа, которая пишется одним или несколькими программистами.

Экспертная система является плодом совместной работы экспертов в данной предметной области, инженеров по знаниям и программистов. Но стоит отметить, что встречаются случаи, когда программы пишутся самими экспертами в данной области.

Эксперт предоставляет необходимые знания о тщательно отобранных примерах проблем и путей их решения. Например, при создании экспертной системы диагностики заболеваний врач рассказывает инженеру по знаниям об известных ему заболеваниях. Далее эксперт раскрывает список симптомов, которые сопровождают каждое заболевание и в заключение рассказывает об известных ему методах лечения. Инженер по знаниям, формализует всю полученную информацию в виде базы знаний и помогает программисту в написании экспертной системы.

Первую экспертную систему, которую назвали Dendral, разработали в Стэнфорде в конце 1960-х г.г. Эта была экспертная система, определяющая строение органических молекул по химическим формулам и спектрографическим данным о химических связях в молекулах. Ценность Dendral заключалась в следующем. Органические молекулы, как правило, очень велики и поэтому число возможных структур этих молекул также велико. Благодаря эвристическим знаниям экспертов-химиков, заложенных в экспертную систему, правильное решение из миллиона возможных находилось всего за несколько попыток. Принципы и идеи, заложенные в Dendral оказались настолько эффективными, что они до сих пор применяются в химических и фармацевтических лабораториях по всему миру.

Экспертная система Dendral одной из первых использовала эвристические знания специалистов для достижения уровня эксперта в решении задач, однако методика современных экспертных систем связана с другой разработкой - Myсin. В ней использовались знания экспертов медицины для диагностики и лечения специального менингита и бактериальных инфекций крови.

Экспертная система Mycin, разработанная в том же Стэнфорде в середине 1970-х г.г., одной из первых обратилась к проблеме принятия решений на основе ненадежной или недостаточной информации. Все рассуждения экспертной системы Mycin были основаны на принципах управляющей логики, соответствующих специфике предметной области. Многие методики разработки экспертных систем, использующиеся сегодня, были впервые разработаны в рамках проекта Mycin.

На сегодняшний день создано уже большое количество экспертных систем. С помощью них решается широкий круг задач, но исключительно в узкоспециализированных предметных областях. Как правило, эти области хорошо изучены и располагают более менее четкими стратегиями принятия решений. Сейчас развитие экспертных систем несколько приостановилось, и этому есть ряд причин:

Передача экспертным системам «глубоких» знаний о предметной области является большой проблемой. Как правило, это является следствием сложности формализации эвристических знаний экспертов.

Экспертные системы неспособны предоставить осмысленные объяснения своих рассуждений, как это делает человек. Как правило, экспертные системы всего лишь описывают последовательность шагов, предпринятых в процессе поиска решения.

Отладка и тестирование любой компьютерной программы является достаточно трудоемким делом, но проверять экспертные системы особенно тяжело. Это является серьезной проблемой, поскольку экспертные системы применяются в таких критичных областях, как управление воздушным и железнодорожным движением, системами оружия и в ядерной промышленности. Для того, чтобы поддерживать экспертные системы в актуальном состоянии необходимо постоянное вмешательство в базу знаний инженеров по знаниям. Несмотря на все ограничения и недостатки, экспертные системы уже доказали всю свою ценность и значимость во многих важных приложениях.

3.Перевод/ translation

People often write and talk about artificial intelligence, artificial intelligence systems, intelligent systems, and intellectualized systems. Much of what was called General and special terms yesterday is now called intellectual. Almost any created, or rather released to the market, information or technical object is declared an intelligent system. Approximately in the 70s of the last century-the beginning of the phase of the computer revolution, a conceptual breakthrough was made in a new field of computer science and technology, called artificial intelligence. During these years, a new concept was adopted that stated that the effectiveness of a program in solving a problem depends on the knowledge it has, and not just on the formalisms and inference methods it uses.

The most significant work in the field of artificial intelligence is the development of powerful computer systems or expert systems, i.e. knowledge-based systems. Such programs for solving problems with the representation and application of actual and heuristic knowledge, joint work of experts and knowledge engineers, system developers, and logical inference allow you to move to new information technologies, to a new programming technology. Currently, there is a rapid development of intelligent systems, intelligent concepts and technologies. Disciplines related to artificial intelligence systems appeared in connection with trends in the educational process in the areas of practical activity related to solving problems of interpretation, diagnostics, monitoring, forecasting, planning, design, training, management for poorly formalized problems and noisy data (knowledge) with limited resources. The modern approach to solving such problems is based on artificial intelligence methods.

The main directions of IP. Stages of development, development of IP. The first ES. At the beginning of the XIX century, there were attempts to create an artificial man and his mind. Inventor Raymond Lully designed a machine consisting of circles marked with letters and painted in different colors, which symbolized various concepts, elements of the elements, subjects and objects of knowledge. Various combinations of them led to the conclusion of "knowledge formulas" using logical operations. in the 40s of the 20th century, with the advent of electronic computers, artificial intelligence was reborn. Research in the field of artificial intelligence has two goals * * finding out the essence of natural intelligence (human intelligence); * using machine intelligence to transform new knowledge and solve intelligent problems. The first goal is performed by psychologists. They monitor the behavior model of a person when solving problems and then correct it. The second goal is performed by the researcher.

The machine must be made like a human brain, that is, reproduce its structure, the principle of operation. During this period of AI development, the main research and development was presented by J. McCarthy, J. Robinson, K. green, D. Hebb, F. Rosenblatt, M. Minsky * * development of the Lisp language (J. McCarthy); * the idea of knowledge representation and logical inference in artificial intelligence systems (J. McCarthy); * development of the resolution method (j Robinson); * development of a question-answer system based on the logical representation of knowledge (K. green); * creating a perceptron for pattern recognition (F. Rosenblat); * writing a book about the limited capabilities of the perceptron (M. Minsky, S. Papert).

Over the past decade, research on artificial intelligence has developed an independent direction - expert systems (ES), or knowledge engineering. The task of this direction is to research and develop programs (devices) that use knowledge and output procedures to solve problems that are difficult for human experts. ES can be classified as General-purpose AI systems - systems that not only execute specified procedures, but also generate and use procedures for solving new specific tasks based on search meta-procedures. Thus, by the end of the 60s, the main focus in the field of AI was on methods for presenting problems and finding solutions, in particular, presenting problems in logical form and automatically proving theorems based on the resolution method.

Stage of development and development of intelligent systems of the 1st generation (1986-1996). Within the framework of AI research, an independent direction has been formed - expert system, or knowledge engineering. The task of this area includes research and development of programs (devices) that use knowledge and inference procedures to solve problems that seem difficult for human experts. There are at least three reasons for the huge interest in ES on the part of users:

* ES are focused on problems for which there are no or unknown

algorithms for solving THEM;

* ES allow users

who do not know programming to develop tasks independently, using their experience and knowledge;

* ES allows you to get results that are not inferior, and sometimes even superior-superior capabilities of human experts. This period covers technologies for the development of traditional (simple) ES and the beginning of the development of integrated ES. Both are currently being combined into first-generation ES. Works Of J.Hopfield, D. Rumelhart, and G. Hinton's work on neural network models led to an avalanche of applications of such models for solving practical problems. In addition to theoretical developments, this was also facilitated by the appearance of powerful hardware and software tools that allow modeling neural networks of a sufficient level of complexity. During this period, the source of knowledge is an expert with empirical knowledge, and the knowledge bases were made up of separate forms (models): production (mostly), frame, semantic networks, decision trees. Logical inference was presented as deterministic and deductive, and the language of communication with the user-phrases and terms of a rigid construction of the application area.

Stage of development of intelligent systems of the second generation (1996-2000). This stage is characterized by integrated and hybrid principles of building systems, where the basis is a database with any knowledge functions (libraries) and automatic extraction of them; deductive, abductive, inductive, fuzzy logical inference; problem-oriented communication language, and processing not only static, but also dynamic information. Previous stages of AI development are characterized by disparate approaches based on the identification of a particular property of the concept of "intelligence". For example:

1) the principle of knowledge-centrism led to the development and dominance of cognitive AI models, in particular logical ones, over a certain period of time.

In accordance with such models, the ability of an intelligent system to reason is brought to the fore, and actions (behavior) are considered as something secondary. The main attention is paid to the logical conclusion;

2) highlighting the learning (adaptation) function in the definition of AI contributed to the development of connectionist (neural networks) and evolutionary models (genetic algorithms);

3) the interpretation of AI in terms of perception and communication has led to the development of models for understanding images and natural language.

There are at least three reasons why users are so interested in ES. First, they are focused on solving a wide range of problems in unformalized areas, on applications that until recently were considered inaccessible to computer technology. Secondly, with the help of ES, specialists who do not know programming can independently develop applications that interest them, which allows them to dramatically expand the scope of computer technology use. Third, ES in solving practical problems achieve results that are not inferior to, and sometimes exceed, the capabilities of human experts who are not equipped with ES.

Currently, ES are used in various fields of human activity. ES are most widely used in the design of integrated circuits, Troubleshooting, military applications, and programming automation. The use of ES allows you to: 1) when designing integrated circuits, increase labor productivity by 3-6 times, while performing some operations is accelerated by 10-15 times; 2) speed up Troubleshooting in devices by 5-10 times; 3) increase the productivity of programmers by 5 times; 4) during professional training, reduce (without loss of quality) by 8-12 times the cost of individual work with the trainee.

ES is currently being developed for the following applications: early warning of national and international conflicts and search for compromise solutions; decision-making in crisis situations; law enforcement; legislation; education; planning and resource allocation; organizational management systems (Cabinet of Ministers, municipality, institution) , etc.

ES research and development forms the basis of Informatization programs in developed countries. Very large funds have been allocated for these programs. Despite the significant cost of development, ES generate significant revenue.

The expert system is the most well-known and widespread type of intelligent systems. The first feature of expert systems is that they are intended for users whose field of activity is far from artificial intelligence, programming, mathematics, and logic. For such users, the expert system acts as a kind of system that helps them in their daily work. Communication with expert systems should be as simple as working with a TV, washing machine, or car, for example.

In many types of human activity, the knowledge used may not always be clearly formulated. More precisely, along with the knowledge as if separated, selected from specialists (they are recorded in textbooks, instructions, educational films, etc.), there are so-called skills and abilities that can only be mastered by working together with those who have already mastered them.

A high-level professional: doctor, geologist, economist, engineer, technologist, etc. - differs from a novice who has mastered the knowledge in the scope of the educational programs of an Institute or University, precisely these skills and abilities. And improving their professional skills is a huge social task. To solve it, you need to learn how to extract from professional experts the knowledge that is not recorded in a form suitable for mass distribution - in books, movies, visual AIDS. This is the second feature of expert systems. The very name of these systems indicates that they should store the knowledge of professional experts in a certain subject area. And not just store them, but also pass them on to those who do not have such knowledge. For this purpose, the expert system provides not only simple means of communication between the system and specialists, but also means of bringing the knowledge stored in the system to the specialist, along with the necessary explanations and explanations.

In practice, expert systems are used primarily as expert advisors in situations where the expert is in doubt about choosing the right solution. The expert knowledge stored in the system's memory is deeper and more complete than the corresponding user knowledge. However, other cases of using expert systems are also possible. However, some experts in the field of AI suggest that these other systems should be considered special classes of intelligent systems and not be confused with "classic" expert systems. But the term "expert systems" is characterized by a desire to expand, and in most cases, when it is used, it automatically includes two more types of systems.

When working in operational management systems, the knowledge stored in the knowledge base may be less than that of a specialist working in conjunction with the system. But the speed and accuracy of the reaction is much higher than in humans.

There is another class of systems that do not have a proper name and are therefore often called expert systems. Unlike classic expert systems, they are designed not for the user who is a beginner or an average specialist in a certain field of activity, but for the expert specialists themselves. Such specialists do not need a consulting or consulting system, but a system that can help them in their scientific work. Systems of this kind are called research automation systems (ASNI). An example is systems that can detect hidden connections and patterns in empirical material based on the expert's particular knowledge.

INTRODUCTION TO EXPERT SYSTEMS. BASIC CONCEPTS AND DEFINITIONS. GENERAL CHARACTERISTICS OF THE ES

Artificial intelligence, as a scientific discipline, consists of several major areas. One of them is expert systems (ES).

Expert systems is an area of research in the field of artificial intelligence to create computing systems that can make decisions similar to those of experts in a given subject area.

As a rule, expert systems are created to solve practical problems in some highly specialized areas, where the knowledge of "experienced" specialists plays an important role. Expert systems were the first developments that were able to attract much attention to the results of research in the field of artificial intelligence.

Expert systems have one big difference from other artificial intelligence systems: they are not designed to solve any universal problems, such as neural networks or genetic algorithms.

Expert systems are designed for high-quality problem solving in a specific area of developers, in rare cases-areas.

Expert knowledge is a combination of theoretical understanding of a problem and practical skills to solve it, the effectiveness of which is proven as a result of the practical activities of experts in this field. The Foundation of any type of expert system is the knowledge base, which is compiled on the basis of expert knowledge of specialists. A well-chosen expert and a successful formalization of his knowledge allows you to give the expert system unique and valuable knowledge. A doctor, for example, is good at diagnosing diseases and effectively prescribing treatment, not because he has some innate abilities, but because he has a high-quality medical education and extensive experience in treating his patients. Therefore, the value of the entire expert system as a finished product is 90% determined by the quality of the created knowledge base.

An expert system is not a simple program that is written by one or more programmers.

The expert system is the result of joint work of experts in this subject area, knowledge engineers and programmers. But it is worth noting that there are cases when programs are written by experts in this field themselves.

The expert provides the necessary knowledge about carefully selected examples of problems and ways to solve them. For example, when creating an expert system for diagnosing diseases, the doctor tells the knowledge engineer about the diseases known to him. Next, the expert reveals a list of symptoms that accompany each disease and finally tells about the methods of treatment known to him. Knowledge engineer, formalizes all the information received in the form of a knowledge base and helps the programmer in writing an expert system.

The first expert system, called Dendral, was developed at Stanford in the late 1960s.this was an expert system that determines the structure of organic molecules from chemical formulas and spectrographic data on chemical bonds in molecules. The value of Dendral was as follows. Organic molecules are usually very large and therefore the number of possible structures of these molecules is also large. Thanks to the heuristic knowledge of expert chemists embedded in the expert system, the correct solution out of a million possible ones was found in just a few attempts. The principles and ideas behind Dendral have proven so effective that they are still used in chemical and pharmaceutical laboratories around the world.

The dendral expert system was one of the first to use the heuristic knowledge of specialists to achieve the level of an expert in solving problems, but the methodology of modern expert systems is associated with another development - Musip. It used the knowledge of medical experts to diagnose and treat special meningitis and bacterial blood infections.

The mycin expert system, developed at Stanford in the mid-1970s, was one of the first to address the problem of making decisions based on unreliable or insufficient information. All the arguments of The mycin expert system were based on the principles of control logic that correspond to the specifics of the subject area. Many of the expert system development techniques used today were first developed as part of the Mycin project.

To date, a large number of expert systems have already been created. They are used to solve a wide range of tasks, but only in highly specialized subject areas. As a rule, these areas are well studied and have more or less clear decision-making strategies. Now the development of expert systems has somewhat stopped, and there are a number of reasons for this: the

Transfer of "deep" knowledge about the subject area to expert systems is a big problem. As a rule, this is a consequence of the complexity of formalizing the heuristic knowledge of experts.

Expert systems are unable to provide meaningful explanations for their reasoning, as a human does. As a rule, expert systems only describe the sequence of steps taken in the process of finding a solution.

Debugging and testing any computer program is quite time-consuming, but checking expert systems is especially difficult. This is a serious problem, since expert systems are used in critical areas such as air and rail traffic management, weapons systems, and the nuclear industry. In order to keep expert systems up-to-date, continuous intervention in the knowledge base of knowledge engineers is necessary. Despite all the limitations and disadvantages, expert systems have already proven their value and relevance in many important applications.

Размещено на Allbest.ru