История и перспективы развития экспертных систем

Размещено на http://www.allbest.ru/

УДК 004.8

История и перспективы развития экспертных систем

В.И. Лех,

студентка 4го курса факультета «Менеджер»

Хабаровской государственной академии экономики и права

Научный руководитель О.И. Чуйко,

канд. техн. наук, доцент

кафедры информационных систем и технологий

Хабаровской государственной академии экономики и права

In the early eighties an independent direction, called «expert systems», was formed in research field of artificial intelligence. The aim of the research is the development of programs for solving tasks that are difficult for an experthuman, and receiving the results of equal quality and solution effectiveness obtained by the expert. Expert system (ES) is an intelligent computer program that can give advice, consult, analyze and diagnose analogously to a specialist in some narrow subject area.

Keywords: Artificial intelligence, expert systems, knowledge base, the computer program.

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «экспертные системы». Цель исследований состоит в разработке программ, которые при решении задач, трудных для экспертачеловека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом.

Экспертная система (ЭС) - это интеллектуальная компьютерная программа, которая может давать советы, консультировать, проводить анализ и ставить диагноз на уровне специалиста в некоторой узкой предметной области. программа экспертный интеллектуальный

Основными отличиями экспертной системы от других программных продуктов являются использование не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи. Поэтому применение алгоритма обработки знаний может привести к получению такого результата при решении конкретной задачи, который не был предусмотрен. Более того, алгоритм обработки знаний заранее неизвестен и строится в ходе решения задачи на основании эвристических правил. Решение задачи в ЭС сопровождается понятными пользователю объяснениями; качество получаемых решений обычно не хуже, а иногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила (или эвристики), по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний пытается вывести заключение из этих фактов. Каждая экспертная система имеет интеллектуальный естественноязыковой или речевой интерфейс.

Ведь круг её общения - это не программисты и хакеры, а обычные люди, владеющие компьютерной грамотой. Кроме того, ЭС включает подсистемы объяснения и обучения для интерпретации собственных рассуждений. Её примерная схема представлена на рисунке.

Размещено на http://www.allbest.ru/

Рисунок - Схема экспертной системы

Теперь обратимся к истории и постараемся проследить этапы развития экспертных систем.

История появления первой ЭС DENDRAL

В начале 60х гг. прошлого века начались исследования в области искусственного интеллекта. Эдвард Фейгенбаум (Edward Feigenbaum), как и многие учёные его времени, задумывался над тем, может ли машина думать и рассуждать, подобно человеку, и как много знаний в неё возможно вложить. Он считал, что ответ удастся получить, только сконструировав такую «мыслящую» систему. Но какое же научное направление выбрать для экспериментов? В какой предметной области разработки Фейгенбаума принесли бы большую пользу? Разрешить эти вопросы помог лауреат Нобелевской премии, биохимик Джошуа Ледерберг (Joshua Lederberg). Он предложил создать компьютерного помощника, который мог бы определять путём расчёта молекулярную структуру химических соединений и который, по словам Ледерберга, был просто необходим в органической химии. Так появилась идея о построении экспертной системы DENDRAL.

В 1965 г. в Стэндфордском университете (Stanford University) Эдвард Фейгенбаум, Джошуа Ледерберг и примкнувший к ним Брюс Бученен (Bruce Buchanan) начали работы по созданию первой экспертной системы. Одной из главных проблем, которую учёным надлежало решить, было построение гибкой программы, оперирующей с многочисленными знаниями и работающей по правилам логики («если - то»). Однако, как оказалось, сложнее всего было создать базу данных, включающую знания многих специалистов в органической химии. Для этого разработчикам DENDRAL пришлось опросить как можно больше экспертов. Приобретение знаний не такой лёгкий процесс, как это может показаться на первый взгляд. Одно дело - собрать факты, другое - познания конкретного человека. Поэтому опрашиваемым специалистам была предоставлена специальная программа, которая производила некоторые «умозаключения», правдивость или ложность которых им нужно было установить и объяснить. Таким образом, отделив механизм логического вывода от базы знаний, Бученен предложил хороший инструмент для создания экспертных систем. Одной из самых первых подобных программ была METADENDRAL. С её помощью и с помощью аналогичных разработок были построены такие ЭС, как PROSPECTOR, MYCIN и CYRUS.

Развитие экспертных систем в 70 - 80х годах

С 70х гг. ЭС стали ведущим направлением в области искусственного интеллекта. В этот период было создано множество разнообразных экспертных и диагностических систем, большая часть которых действует и сегодня. Самыми известными из них являются MYCIN, служащая для диагностики и лечения инфекционных заболеваний, и PROSPECTOR, предназначенная для геологической разведки месторождений полезных ископаемых. Первая версия ЭС MYCIN была построена в уже знакомом нам Стэндфордском университете в середине 70х годов. Её создатель - врач и специалист в области вычислительной техники Эдвард Шортлайф (Edward Shortliffe). Самой популярной областью применения экспертных систем всегда являлась медицина. Дело в том, что диагностика многих заболеваний для успешного выздоровления пациента должна проводиться оперативно. Иногда максимально возможные сроки определения метода лечения составляют от одного до двух суток. Кроме того, каждый человек, идя на приём к врачу, надеется, что его примет профессионал, который внятно объяснит причину недомогания и предложит одну или несколько эффективных методик лечения. Любая медицинская экспертная система, содержащая знания и логику рассуждения лучших специалистов в мире, может это позволить. Как же происходит общение пациента и машины? Конечно, на естественном человеческом языке, и это характерно, как было сказано, для всех ЭС. Сам больной или доктор вводит в MYCIN симптомы устанавливаемой болезни, а ЭС задаёт уточняющие вопросы и в конце концов ставит диагноз и предлагает методы лечения. Кроме того, система на любом шаге может «объяснить» свои доводы. Механизм логического вывода в MYCIN включает первоначальный опрос пациента, прямой вывод с использованием некоторых правил продукции и правил нечёткой логики и обратный вывод. Исследования работы ЭС MYCIN, проведённые в Стэндфордском университете, показали, что система для диагностики бактериальных инфекций всетаки уступает группе врачей, состоящей только из профессионалов, на 20 %. Правда, даже приблизительную дату этого тестирования так и не удалось найти. Но база знаний MYCIN постоянно расширяется, и благодаря этому ЭС «осваивает» все новые области медицины. Теперь MYCIN используется преимущественно для обучения врачей, а её механизм логического вывода EMYCIN был успешно применён для создания многих других ЭС, таких, как NEOMYCIN и PUFF для исследования лёгочных заболеваний.

Экспертная система PROSPECTOR разрабатывалась SRI International с 1974 г. по 1983 год. Как уже было сказано, она предназначена для геологических изысканий и относится к интерпретирующему типу ЭС, которые выводят некоторые заключения на основе наблюдений. Данная программа располагает динамическим количеством геологических моделей, каждая из которых содержит знания об определённых видах полезных ископаемых. Так же, как и MYCIN, PROSPECTOR вовлекает геолога в диалог, чтобы, опираясь на его наблюдения, точно выбрать модель и дать ответ на вопрос: где бурить? В 1984 г. система точно определила существование месторождения молибдена, оценённого в многомиллионную сумму.

При разработке последующих экспертных систем были учтены особенности и недостатки PROSPECTOR и MYCIN. Благодаря этому, такие диагностические медицинские системы, как INTERNIST и CASNET, основанные на ассоциативном и казуальном (от англ. casual - случайный) подходах, приобрели более мощные механизмы вывода. В настоящее время количество экспертных систем исчисляется тысячами и десятками тысяч. В развитых зарубежных странах сотни фирм занимаются их разработкой и внедрением в различные сферы жизни. Имеются и удачные попытки построения ЭС в России. Ведутся разработки самостоятельно обучаемых экспертных систем. Кроме того, в искусственном интеллекте обозначилось такое направление, как инженерия знаний, отвечающая за поиски передовых методов в сборе, представлении, хранении и преумножении информации.

Можно упомянуть и о том, что пятое поколение ЭВМ (наши ПК относятся к четвёртому), возникшее в 90х гг., базируется полностью на экспертных системах. В качестве современных ЭС можно назвать быстродействующую систему OMEGAMON (фирма «Candle», с 2004 г. - «IBM») для отслеживания состояния корпоративной информационной сети и G2 (фирма «Gensym») - коммерческую экспертную систему для работы с динамическими объектами. Они служат для принятия решения за считанные секунды с момента наступления внештатных или критических ситуаций. Для G2 также характерно распараллеливание процессов рассуждений.

Основным достоинством оболочки экспертных систем G2 для российских пользователей является возможность применять её как интегрирующий компонент, позволяющий за счёт открытости интерфейсов и поддержки широкого спектра вычислительных платформ легко объединить уже существующие, разрозненные средства автоматизации в единую комплексную систему управления, охватывающую все аспекты производственной деятельности, - от формирования портфеля заказов до управления технологическим процессом и отгрузки готовой продукции. Это особенно важно для отечественных предприятий, парк технических и программных средств которых формировался по большей части бессистемно, под влиянием резких колебаний в экономике. Кроме системы G2 как базового средства разработки фирма «Gensym» предлагает комплекс проблемно / предметноориентированных расширений для быстрой реализации сложных динамических систем на основе специализированных графических языков, включающих параметризуемые операторные блоки для представления элементов технологического процесса и типовых задач обработки информации. Набор инструментальных сред фирмы «Gensym», сгруппированный по проблемной ориентации, охватывает все стадии производственного процесса и выглядит следующим образом:

- интеллектуальное управление производством (G2, G2 Diagnostic Assistant (GDA), NeurOnLine (NOL), Statistical Process Control (SPC), BatchDesign_Kit);

- оперативное планирование (G2, G2 Scheduling Toolkit (GST), Dynamic Scheduling Packadge (DSP));

- разработка и моделирование производственных процессов (G2, ReThink, BatchDesign_Kit);

- управление операциями и корпоративными сетями (G2, Fault Expert).

Несмотря на то, что первая версия системы G2 появилась не так давно - в 1988 г., её даже в богатой Америке никто не назовет дешёвой. G2 можно назвать бестселлером на рынке программных продуктов: на начало 1996 г. в мире было установлено более 5000 её копий. Фирма «Gensym» обслуживает более 30 отраслей - от аэрокосмических исследований до производства пищевых продуктов. Список пользователей G2 выглядит как справочник WhoIsWho в мировой промышленности. 25 самых крупных индустриальных мировых корпораций используют G2. На базе G2 написано более 500 действующих приложений.

В настоящее время экспертные системы являются прогрессирующим направлением в искусственном интеллекте, которое продолжает развиваться.

Для простого перечисления других современных экспертных систем, возможно, не хватит газетной полосы. Вот лишь некоторые из них: GUIDON, TATR, ONCOCIN, MOLGEN, GENESIS.

В современном обществе неструктурированные и слабоструктурированные задачи управления и контроля сложных процессов и объектов, кроме медицины, часто встречаются в таких областях, как авиация, энергетика, машиностроение, микроэлектроника и др. Поэтому появление экспертных систем, позволяющих быстро и эффективно решать подобные проблемы, считается большим научным достижением.

Число экспертных систем растёт, совершенствуются методы и алгоритмы вывода решений, увеличивается количество фактов и правил в базах знаний. Учитывая рост их интеллектуальных способностей, можно предположить, что в скором будущем ЭС найдут применение в судопроизводстве и политике.

Литература

1. Красильников, В. Эволюция экспертных систем. История и перспективы / В. Красильников // Software. 2005. № 40. С. 20 - 25.

2. Жариков, О. Г. Экспертные системы в медицине / О. Г. Жариков, А. А. Литвин, В. А. Ковалёв // Медицинские новости. 2008. № 10. С. 15 - 18.

Размещено на Allbest.ru