Реализация возможностей экспертных систем в образовательных целях

Размещено на http://www.allbest.ru/

Федеральное государственное автономное образовательное учреждение высшего профессионального образования

Белгородский государственный национальный исследовательский университет

Педагогический институт

Кафедра педагогики и методики начального образования

Реферат

Реализация возможностей экспертных систем в образовательных целях

Оглавление

Введение

1. Определение экспертных систем

2. Структура экспертных систем

3. Разработка экспертных систем

4. Образовательные и учебные приложения в системах

5. Методы поиска решения экспертных систем

Вывод

Литература

Введение

Особенности реализации экспертной системы во многом определяются характером инструментального средства, в качестве которого могут выступать программные оболочки (shells), генераторы (интегрированные среды), языки представления знаний (языки программирования). Так, оболочки имеют реализованные механизмы вывода, накопления, объяснения знаний, диалоговый компонент, что, с одной стороны, упрощает разработку программной части экспертной системы, поскольку не требуется программирование, а с другой стороны, усложняет разработку базы знаний вследствие возможного несоответствия формализма системы требованиям структуры. Использование языков представления знаний таких как: язык логического программирования PROLOG, язык функционального программирования LISP, язык объектно-ориентированного программирования SmallTalk, язык продукционных правил OPS5 и др. повышает гибкость разрабатываемой системы и одновременно увеличивает трудоемкость разработки.

Наиболее приемлемыми инструментальными средствами для создания экспертных систем являются генераторы или интегрированные среды разработки, например, ART-Enterprise, которые позволяют настраивать программные средства на особенности проблемных областей, при необходимости предоставляют возможность программировать на встроенных языках четвертого поколения и осуществлять эффективный экспорт/импорт данных с другими инструментальными средствами.

Среди отечественных разработок следует отметить экспертную оболочку ЭКО (ArgusSoft) и программный комплекс SIMER - MIRAGE, который предоставляет инструментальные средства как автоматизации разработки, так и поддержки экспертных систем.

1. Определение экспертных систем

Экспертная система - компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в 1832 году С.Н. Корсаковым, создавшим механические устройства, так называемые "интеллектуальные машины", позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний - как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Другие подобные программы - поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие разделы базы статей.

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.

2. Структура экспертных систем

Выделяют два типа экспертных систем: статические и динамические. Статические экспертные системы используются в тех приложениях, где можно не учитывать изменения окружающего мира, происходящие за время решения задачи. Первые экспертные системы, получившие практическое использование, были статическими. Динамические экспертные системы по сравнению со статическими содержат дополнительно два следующих компонента: подсистему моделирования внешнего мира и подсистему взаимодействия с внешним миром.

Механизм логического вывода (МЛВ) предназначен для получения новых фактов на основе сопоставления исходных данных из рабочей памяти и знаний из базы знаний. Механизм логического вывода во всей структуре экспертной системы занимает наиболее важное место. Он реализует алгоритмы прямого и/или обратного вывода и формально может быть представлен четверкой:

На рисунке ниже представлена каноническая структура экспертной системы динамического типа:

Рабочая память предназначена для хранения исходных и промежуточных фактов решаемой в текущий момент задачи. Как правило, размещается в оперативной памяти ЭВМ и отражает текущее состояние предметной области в виде фактов с коэффициентами уверенности (КУ) в истинности этих фактов.

Следующий элемент в структуре экспертной системы не менее важен, чем механизм логического вывода. Это - база знаний. База знаний предназначена для хранения долгосрочных фактов, описывающих рассматриваемую область, правил, описывающих отношения между этими фактами и других типов декларативных знаний о предметной области. Кроме правил и фактов, образующих декларативную часть базы знаний, в нее может входить процедурная часть - множество функций и процедур, реализующих оптимизационные, расчетные и другие требуемые алгоритмы.

Подсистема приобретения и пополнения знаний автоматизирует процесс наполнения экспертной системы знаниями, осуществляемый пользователем-экспертом, и адаптации базы знаний системы к условиям ее функционирования. Адаптация экспертной системы к изменениям в предметной области реализуется путем замены правил или фактов в базе знаний.

Подсистема объяснения объясняет, как система получила решение задачи и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Подсистема диалога ориентирована на организацию дружественного интерфейса со всеми категориями пользователей как в ходе решения задач, так и в ходе приобретения знаний и объяснения результатов работы.

3. Разработка экспертных систем

При разработке экспертных систем часто используется концепция быстрого прототипа. Прототип должен продемонстрировать пригодность будущей экспертной системы для данной предметной области, проверить правильность кодировки фактов, связей и стратегий рассуждения эксперта. На сегодняшний день сложилась определенная технология разработки экспертных систем, включающая 6 этапов:

1) Идентификация: определяются задачи, которые подлежат решению; планируется ход разработки прототипа экспертной системы, определяются: нужные ресурсы, источники знаний, имеющиеся аналогичные экспертные системы. Средняя длительность 1-2 недели.

2) Концептуализация: выявляется структура полученных знаний о предметной области; определяются: терминология, перечень главных понятий и их атрибутов, структура входной и выходной информации, стратегия принятия решений. Средняя длительность этапа 2-4 недели.

3) Формализация: все ключевые понятия и отношения, выявленные на этапе концептуализации, выражаются на некотором формальном языке, предложенном инженером по знаниям. Средняя длительность 1-2 месяца.

4) Реализация: создается прототип экспертной системы, включающий базу знаний и другие подсистемы; инструментальные средства: программирование на обычных языках, программирование на специализированных языках. Средняя длительность 1-2 месяца.

5) Тестирование: прототип проверяется на удобство и адекватность интерфейсов ввода-вывода, эффективность стратегии управления, качество проверочных примеров, корректность базы знаний.

6) Опытная эксплуатация: проверяется пригодность экспертной системы для конечных пользователей. По результатам этого этапа может потребоваться существенная модификация экспертной системы.

4. Образовательные и учебные приложения в системах

Создание приложений учебного и образовательного назначения очень трудоемкий процесс, а установление их в сетях влечет дополнительные проблемы, связанные с условиями их распространения. В настоящее время формируются основы методик разработки, распространения и пользования такими приложениями. Однако это лишь небольшая часть от множества других проблем, сопутствующих разработке и распространению образовательных приложений. Комплексным их решением в России никто не занимается.

В мировом сообществе обсуждению подходов к решению этих проблем уделяется большое внимание. Проводятся конференции, семинары и другие мероприятия по обмену опытом в использовании компьютерной технологии обучения в реальном учебном процессе, где оцениваются положительные и негативные стороны информатизации образования. Поставить такое множество образовательных и учебных экспериментов и оценить их результаты невозможно в одной, отдельно взятой, системе образования. Тем более если эти эксперименты проведены с использованием развитых инфраструктур западных стран. Дороговизна проведения учебных экспериментов с использованием возможностей передовых информационных технологий ставит наших преподавателей и специалистов-исследователей этих проблем в очень трудное положение.

Одним из подходов к решению создания и распространения образовательных приложений в телекоммуникационных сетях России является адаптация уже существующего в системе общего и профессионального образования программного продукта учебного назначения к особенностям телематических систем. Адаптация ПО заключается в первую очередь в том, что оно должно быть открытым для модификации и сопровождения, восприниматься и поддерживаться соответствующими браузерами. Что касается методических аспектов, то ПО должно быть тщательно отредактировано, информационно выверено и поддерживать принцип персонификации и дозирования учебного материала. Наряду с этими вопросами необходимо решить проблемы авторского права, права на пользование приложением образовательными учреждениями, а также реализовать различные способы доступа и распространения его в сетях.

5. Методы поиска решений в экспертных системах

экспертный приложение телекоммуникационный

Особенности предметной области с точки зрения методов решения можно характеризовать следующими параметрами: размер, определяющий объем пространства, в котором предстоит искать решение; изменяемость области, характеризует степень изменяемости области во времени и пространстве (статические и динамические области); полнота модели, описывающей область, характеризует адекватность модели, используемой для описания данной области. Обычно если модель не полна, то для описания области используют несколько моделей, дополняющих друг друга за счет отражения различных свойств предметной области; определенность данных о решаемой задаче, характеризует степень точности (ошибочности) и полноты (неполноты) данных.

Требования пользователя к результату задачи, решаемой с помощью поиска, можно характеризовать количеством решений и свойствами результата и (или) способом его получения. Параметр "количество решений" может принимать следующие основные значения: одно решение, несколько решений, все решения. Параметр "свойства" задает ограничения, которым должен удовлетворять полученный результат или способ его получения. Сложность задачи, определяемая параметрами, варьируется от простых задач малой размерности с неизменяемыми определенными данными и отсутствием ограничений на результат и способ его получения до сложных задач большой размерности с изменяемыми, ошибочными и неполными данными и произвольными ограничениями на результат и способ его получения.

Существующие методы решения задач, используемые в экспертных системах, можно классифицировать следующим образом: методы поиска в одном пространстве - методы, предназначенные для использования в следующих условиях:

области небольшой размерности, полнота модели, точные и полные данные;

методы поиска в иерархических пространствах - методы, предназначенные для работы в областях большой размерности;

методы поиска при неточных и неполных данных;

методы поиска, использующие несколько моделей, предназначенные для работы с областями, для адекватного описания которых одной модели недостаточно.

Предполагается, что перечисленные методы при необходимости должны объединяться для того, чтобы позволить решать задачи сложность которых возрастает одновременно по нескольким параметрам.

Заключение

В ходе работ по созданию экспертных систем сложилась определенная технология их разработки, включающая шесть следующих этапов: идентификация, концептуализация, формализация, реализация, тестирование, опытная эксплуатация и внедрение.

Разработка прототипа является чрезвычайно важным шагом в создании экспертной системы. Некоторые фрагменты прототипа могут войти в окончательную версию экспертной системы, но не это является наиболее важной целью создания прототипа.

В первом прототипе реализуется простейшая процедура вывода. После разработки первого прототипа необходимо расширить круг задач, решаемых системой, для того, чтобы собрать пожелания и замечания, которые будут учтены во втором прототипе системы.

Для достижения эффективного функционирования экспертной системы необходимо осуществить структурирование знаний. Наиболее важным средством для структурирования знаний является иерархия классов.

При представлении правил в виде, понятном экспертной системе, особое внимание следует уделять трем ситуациям: некоторое правило слишком громоздко; имеется много похожих правил; используются частные, а не общие правила

Итеративная разработка заключается в подходе к реализации системы как серии удачных приближений прототипов к конечной цели, а не как к единой, монолитной, интегрированной системе. Итеративная разработка особенно эффективна при создании систем с недостаточно четко определенными спецификациями, к которым прежде всего относятся экспертные системы. Поскольку подобные проекты обычно недостаточно проработаны с точки зрения системного анализа, разработчики обычно обнаруживают новые требования к системе после начала проекта.

Литература

1. Автоматизированные информационные технологии в экономике: Учебник / Под ред. проф. Г.А. Титоренко. М.: Компьютер, ЮНИТИ, 2003.

2. Автоматизированные рабочие места 2004г.

3. "Инспектор+ : интеллектуальный охранный комплекс" 2005г.

4. Информационные системы для руководителей / Под ред. Ф.И. Перегудова. - М.: Финансы и статистика, 2001

5. Мишенин А.И. Теория экономических информационных систем: Учебник. - М.: Финансы и статистика, 2003.

6. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. В.А. Кондратенко, С.В. Трубицына. - М.: Финансы и статистика, 1990. - 320 с.

Размещено на Allbest.ru