Экспертные системы

Файкс и Нильсон отмечают, что интересно было бы попробовать применять не полностью конкретизированные действия. Тогда бы получались не состояния, а схемы состояний. Но авторы не стали сами пробовать такой подход.

Авторы также отмечают, что в списке удалений иногда удобно записывать не сами формулы, а некоторые их прототипы. Например, одним из эффектов действия goto для робота должно быть удаление информации о том, куда робот был направлен лицом, даже если эта информация не указывается в качестве параметра схемы действия. В этом случае в список удаления можно поместить запись вида facing($), смысл которого следующий: «всякая формула соответствующая этому прототипу (независимо от значения $) должна быть удалена».

Иерархия целей, подцелей и состояний, полученных в процессе поиска, называется деревом поиска (search tree). Как уже упоминалось ветвление обусловлено тем, что различие между целью и состоянием может быть уменьшено несколькими способами. Каждый узел дерева поиска представляет собой пару (состояние, список целей). Фактически в узле описывается текущее состояние и стек целей (подцелей), которые нужно достичь. Всякий раз, когда STRIPS порождает очередной узел, он проверяет, достигается ли первая цель списка целей нового узла в состоянии, означенном в новом узле. Если это так, и целью является предусловие некоторого действия, то действие применяется (напомним, что предусловие - это одна формула), после чего порождается новый узел с новым состоянием и тем же самым списком целей, в котором отсутствует первая цель (мы ее уже достигли). Если же первая цель не достигается в состоянии, означенном в узле, то на основании различия отыскивается подходящее действие и формируется новый узел путем добавления предусловия этого действия. STRIPS пользуется эвристикой для выбора, какой узел рассматривать следующим. Эвристическая функция оценивает такие факторы, как количество оставшихся целей в списке целей и количество и виды предикатов в целевых формулах.

Т.к. описание модели мира может быть достаточно большим в задаче с роботом, не очень выгодно хранить копии модели мира в каждом узле по двум причинам. Во-первых, одна и та же модель мира может использоваться в описании нескольких узлов. Во-вторых, большинство утверждений в описании модели мира остаются неизменными. Лишь небольшое их число изменяется в ответ на воздействие робота. Поэтому было предложено следующее решение по организации памяти. Все формулы всех моделей мира хранятся в единой структуре памяти. В узлах же хранятся только флаги, какие формулы стали истинны, а какие ложны по сравнению с начальным состоянием.

В последствии STRIPS подвергался обширной критике и за подход к описанию мира и действий, и за алгоритм поиска. Однако многие идеи и решения, предложенные Файксом и Нильсоном, и по сей день остаются основополагающими в планировании.

экспертный система человек molgen

2.3 Сравнение экспертных систем MOLGEN и STRIPS

Главной схожей чертой данных экспертных систем является то, что они предназначены для планирования. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В этих экспертных системах используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности. Система MOLGEN планирует эксперименты в исследованиях по молекулярной генетике. STRIPS планирует поведение робота.

Далее будут рассмотрены различия систем.

1. Конечным результатом MOLGEN является вывод о ходе и результате планируемого эксперимента. В STRIPS результатом является руководство к действию робота.

2. STRIPS пользуется методологией доказательства теорем только в рамках одного заданного состояния для получения ответа на вопросы «какие действия применимы» и «достигнуты ли целевые условия». Система MOLGEN имеет метауровневую архитектуру (meta-level architecture). Идея состоит в том, что в дополнение к представлению «первого уровня» проблемы в предметной области добавить еще более высокие уровни, представляющие такие понятия, как возможные действия с объектами предметной области, критерии выбора и комбинирования таких действий.

3. При постановке задачи программа MOLGEN использует три пространства, каждое из которых имеет собственные объекты и операторы, которые взаимодействуют друг с другом с помощью протоколов передачи сообщений. Постановка задачи в STRIPS включает три составляющие: начальное состояние, множество действий и целевую формулу.

Обе системы до сих пор используются для решения задач, ради которых были созданы. Многие идеи и решения STRIPS, предложенные Файксом и Нильсоном, и по сей день остаются основополагающими в планировании. MOLGEN является одной из наиболее успешных систем в планировании экспериментов

Заключение

В данной курсовой работе всестороннее рассмотрены теоретические особенностей экспертных систем, их использование в практической деятельности. Для этого были решены следующие задачи:

1. Краткое изучение истории развития экспертных систем. Экспертные системы как отдельное направление выделилось из общего русла исследований по искусственному интеллекту в начале 80-х гг. Основным предметом исследований нового направления являются знания - их приобретение, представление и использование. Специалисты, работающие в этой области все чаще используют для ее наименования термин «инженерия знаний».

2. Введение основных понятий и классификации. В ходе рассмотрения основных теоретических аспектов можно сформулировать следующее определение экспертной системы. Экспертная система - это вычислительная система, в которую включены знания специалистов о некоторой узкой предметной области в форме базы знаний. Экспертные системы должны уметь принимать решения вместо специалиста в заданной предметной области.

3. Рассмотрение особенностей экспертных систем. Экспертные системы применяются для решения только трудных практических задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают прозрачностью, т.е. могут, быть объяснены пользователю на качественном уровне (в отличие от решений, полученных с помощью числовых алгоритмов, и в особенности от решений полученных статистическими методами). Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях.

4. Рассмотрение достоинств и недостатков систем. Очень значимым отличием экспертных систем от классических программ, работа которых основана на точных данных является то, что экспертные системы могут ошибаться. Причина ошибок лежит в том, что знания специалистов, как и знания, заложенные в экспертные системы, не точны. Важно, по крайней мере, чтобы экспертные системы ошибались не чаще, чем ошибается человек-эксперт.

5. Изучение структуры и этапов создания 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. Динамические экспертные системы по сравнению со статическими содержат дополнительно два следующих компонента: подсистему моделирования внешнего мира и подсистему взаимодействия с внешним миром. В настоящее время сложилась определенная технология разработки ЭС, которая включает следующие шесть этапов: идентификация, концептуализация, формализация, выполнение, тестирование и опытная эксплуатация.

6. Подробное описание и сравнение активно эксплуатирующихся экспертных систем. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

Список источников

1. Братко, И.Н. Программирование на языке Пролог для искусственного интеллекта. - М.: Мир, 1990.

2. Гаскаров, Д.Б. Интеллектуальные информационные системы. - М.: Высшая школа, 2003.

3. Долин, Г. Что такое Экспертные системы. - М.: Компьютер Пресс, 1998.

4. Нейлор, К. Как построить свою экспертную систему. - М.: Энергоатомиздат, 2011.

5. Нильсон, Н. Искусственный интеллект. Методы поиска решений. - М.: Мир, 1973.

6. Сафонов, В.О. Экспертные системы - интеллектуальные помощники специалистов. - С.-Пб: Санкт-Петербургская организация общества «Знания» России, 2002.

7. Убейко, В.Н. Экспертные системы. - М.: МАИ, 1999.

8. Уотермен, Д. Руководство по экспертным системам. - М.: Мир, 1990.

9. Ясницкий, Л.Н. Введение в искусственный интеллект. - М.: Академия, 2005.

Размещено на Allbest.ru