Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Особенности экспертных систем

Содержание

Введение

1. Экспертные системы

1.1 Определение

1.2 Функции экспертной системы

1.3 Принципы организации и функционирования ЭС

1.4 Компоненты экспертной системы

1.5 Применение экспертных систем

2. Технология построения экспертной системы

2.1 Инженерия знаний

2.2 Обучение систем, методы приобретения знаний

Заключение

Список использованной литературы

Введение

экспертный система программа интеллектуальный

С конца 70-х годов прошлого века ученые все большего числа университетских и промышленных исследовательских лабораторий устремились к дерзкой цели: построение компьютеров, действующих таким образом, что по результатам работы их невозможно было бы отличить от человеческого разума [1].

Терпеливо продвигаясь вперед в своем нелегком труде, исследователи, работающие в области искусственного интеллекта (ИИ), обнаружили, что вступили в схватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики.

Интеллект (от латинского intellectus - познание, понимание, рассудок) - способность мышления, рационального познания. Естественным примером интеллектуальной системы является человек. Задачи, которые решает человек в своей практической деятельности на основе мышления, относятся к интеллектуальным. Оказалось, что, прежде всего, необходимо понять механизмы процесса обучения, природу языка и чувственного восприятия. Деятельность человека, особенно интеллектуальная (творческая), еще изучена недостаточно, принципы и методы ее объясняются неоднозначно. Многочисленные попытки понять и использовать феномен интеллекта в практических целях имеют заманчивые перспективы и становятся все более и более реальными. Для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов. И тогда многие исследователи пришли к выводу, что, пожалуй, самая трудная проблема, стоящая перед современной наукой - познание процессов функционирования человеческого разума, а не просто имитация его работы [1].

На сегодня задача создания искусственного интеллекта полностью не решена. В процессе продвижения к цели создания ИИ выделилось направление, которое подвластно успешному решению уже в наши дни - это экспертные системы [1]. Именно этому важному направлению посвящена данная работа.

1. Экспертные системы

1.1 Определение

В последнее время наблюдается возрастающий интерес людей к системам, способным давать компетентные советы в различных сферах человеческой жизнедеятельности. Это привело к тому, что программные продукты, созданные для каких - либо потребностей человека, их авторы стали называть “экспертными системами”. Это произошло из-за не достаточно четкого определения функций и задач ЭС. В данном случае лучше выяснить, какие типичные “мыслительные” процедуры выполняет человек-эксперт, а какие - в состоянии выполнить система, претендующая на название экспертной. Чем больше процедур она может выполнить, тем больше у неё оснований называться экспертной системой [2].

Определение: экспертная система (ЭС)- это интеллектуальная программа, способная делать логические выводы на основании знаний в конкретной предметной области и обеспечивающая решение специфических задач [2].

1.2 Функции экспертной системы

Специалисты, принимающие решения, при выполнении различных задач обычно осуществляют следующие “мыслительные” процедуры и действия для достижения наилучшего результата [2]:

1. делают вывод на основе анализа полных, неполных и ненадежных знаний;

2. объясняют и обосновывают, почему они пришли к тому или иному выводу;

3. пополняют свои знания, заново их систематизируют, обучаются на своем и чужом опыте;

4. делают исключения из правил, используют противоречивую и неправдоподобную информацию;

5. определяют уровень своей компетентности, т.е. определяют, могут ли они принимать решение в данном случае или нет.

Как правило ни одна из экспертных систем не выполняет все эти функции в полной степени, обычно используются первые две, поэтому считается, что главным отличием экспертных систем от других программ, предназначенных для этих же целей, является способность ЭС манипулировать неполными и неточными данными. ЭС обязаны принимать решения, основываясь не только на математической логике, но и на “человеческом мышлении”. Причем система должна уметь объяснять, почему она пришла к тому или иному выводу.

1.3 Принципы организации и функционирования ЭС

Изучение ЭС позволяет сделать попытку сформулировать общие принципы, которые, не являясь достаточными, отражают необходимые моменты в их организации и функционировании [1].

Принцип системности.

ЭС могут быть только сложными системами, функции всех их элементов должны быть согласованы с назначением системы и их местом в них, а также между собой. Именно взаимная согласованность и взаимозависимость элементов системы обеспечивает целостность и функциональную полноту наиболее совершенных ЭС. Это может также приводить к структурной или функциональной избыточности.

Принцип иерархичности.

Сложная иерархическая многоуровневая структура является основой для одновременного протекания множества процессов. Уровень неординарности итогового процесса зависит от характера совокупности составляющих процессов. Сложная совокупность процессов принципиально характеризуется и сложной структурой. Таким образом, в некотором роде уровень сложности системы и ее структуры определяет и потенциальный уровень ее интеллекта.

Принцип адаптивности.

Принцип адаптивности предполагает наличие у ЭС потенциальных возможностей улучшения работы: в условиях априорной и текущей неопределенности на основе обучения на опыте. Особая роль при этом принадлежит элементам системы - реализующим память. Адаптация может происходить путем самонастройки, самообучения или самоорганизации. Адаптивные способности могут определяться объемом информации (памятью) системы и потребными затратами времени на ее обработку.

Принцип взаимности функциональных и структурных свойств.

Естественно, что назначение системы, ее функции непосредственно влияют на структуру системы. Однако и структура системы должна способствовать наиболее полной реализации функций.

Принцип эквифивальности.

Этот принцип предполагает наличие у системы множества взаимосогласованных последовательностей реакций на определенные внешние воздействия, приводящих к одному и тому же практически полезному результату.

Принцип динамического самопрограммирования.

Самая замечательная особенность нервного управления, наиболее ярко выраженная в целеустремленном творческом разуме человека, заключается в способности на основании разнообразного анализа ситуаций мгновенно создавать сложнейшие и вместе с тем оптимальные программы деятельности, которые непрерывно перестраиваются и корректируются с учетом прошлых событий, текущей действительности и прогнозирования будущего. Уже образование элементарного условного рефлекса представляет собой выработку новой программы поведения. Усложнение условных рефлексов означает все более высокую самоорганизацию поведенческих программ. В кибернетическом смысле основная функция высшей нервной деятельности состоит в динамическом поведении самопрограммирования.

1.4 Компоненты экспертной системы

Система сможет выполнять перечисленные выше функции, в том случае, если будет содержать компоненты, представленные на рис.1 [2].

Рисунок 1 - Компоненты ЭС

Кратко охарактеризуем функции основных блоков экспертной системы.

База знаний с помощью тех или иных моделей отражает знания эксперта о предметной области, способы анализа поступающих фактов и методы вывода, т.е. порождения новых знаний на основании имеющихся и вновь поступивших. Факты и правила существуют в различных видах знаний человека-эксперта. Наиболее определенными и широко используемыми в современных экспертных системах являются следующие виды знаний:

1. глубинные и поверхностные;

2. качественные и количественные;

3. приближенные (неопределенные) и точные (определенные);

4. конкретные и общие;

5. описательные и предписывающие.

Эти виды знаний с той или иной степенью адекватности могут быть представлены с помощью одной или нескольких семантических моделей. К наиболее распространенным моделям относятся: логические, продукционные, фреймовые и семантические сети. Рассмотрим их:

Логические модели базируются на представлении знаний в системе логики и предикатов первого порядка.

Вывод новых знаний осуществляется на основании силлогизмов. Правила формальной логики постепенно расширяются, приближаясь к “человеческой” логике. Последняя характеризуется нечеткостью, в связи с чем появились модальная, многозначная, немонотонная, псевдофизическая и другие виды логики.

Продукционные модели представляют знания в форме предикатов первого порядка, а правила манипулирования ими - с помощью конструкций “ЕСЛИ - ТО”. База правил состоит из множества фраз типа:

- ЕСЛИ РЕНТАБЕЛЬНОСТЬ снизилась

- И ПРИБЫЛЬ увеличилась

- ТО СЕБЕСТОИМОСТЬ ПРОДУКЦИИ увеличилась.

Фреймовое представление знаний отражает систематизированную в виде единой теории психологическую модель памяти человека. Основной элемент модели - фрейм отражает структуру данных для описания концептуальных (понятийных) объектов. Информация, относящаяся к одному фрейму, содержится в слоте. Все фреймы взаимосвязаны и образуют единую систему, в которой объединены факты (описательные знания) и правила манипулирования ими.

Семантическая сеть - наиболее удобная и понятийная экспертам модель представления знаний. Под семантической сетью, как правило, подразумевают граф, узлы которого соответствуют понятиям или объектам.

Логические выводы могут базироваться на прямом или на обратном рассуждениях. Прямая цепочка связана с рассуждениями, ведущимися от данных к цели рассуждения, а обратная - от цели к данным, используемым для доказательства рассуждения. Обратный вывод базируется на графе И / ИЛИ, связывающем в единое целое факты и заключения. Оценка этого графа и есть логический вывод. При этом оцениваются лишь те части графа, которые имеют отношение к заключению.

Прямое рассуждение характеризуется простотой выбора правил, однако оно часто ведет к неуправляемому режиму задания вопросов в диалоге и, как правило, к падению быстродействия системы.

Блок логических выводов должен быть приспособлен к работе с ненадежными данными, что приближает экспертную систему к реальной действительности. Для этого разработаны нечеткая логика, коэффициенты уверенности, байесовская логика, меры доверия и т.д.

Блок объяснений также играет важную роль: система должна уметь объяснить, как она пришла к тому или иному выводу. В экспертных системах, основанных на правилах, объяснения получают обычно путем прослеживания еще раз тех шагов рассуждения, которые привели к данному выводу.

1.5 Применение экспертных систем

Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

а) Медицинская диагностика

Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.

б) Прогнозирование

Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.

в) Планирование

Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле своего офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной.

г) Интерпретация

Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

д) Контроль и управление

Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

е) Диагностика неисправностей в механических и электрических устройствах

В этой сфере системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т.д. - сейчас большинство зарубежных производителей автомобилей на сервисных станциях используют ЭС), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.

ж) Обучение

Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д.Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).

з) Управленческая область

Управленческая область существенно отличается от тех предметных областей, в которых созданы и успешно функционируют экспертные системы. Экономическая сфера отстает от других областей, как по количеству, так и по качеству созданных экспертных систем, что можно объяснить сложностью, динамичностью и большими объемами знаний, подлежащих воспроизведению с помощью компьютеров. Выявление глубинных причин неэффективности работы того или иного предприятия существенно зависит от умения эксперта проанализировать состояние производства и управления, сформулировать диагноз и выработать соответствующий рецепт - перечень мероприятий. Очевидно, что перечисленные процедуры затрагивают различные сферы деятельности предприятия - маркетинг, производство и т.д. Все это довольно трудно воспроизвести в базе знаний[3].

Перечисленные сферы деятельности указывают на тот перечень компонентов экономической экспертной системы, которые должны обеспечить управленческую деятельность. Прежде чем перейти к описанию экономической экспертной системы, необходимо остановиться на технологии принятия управленческих решений в экономической сфере.

Управление объектом экономического профиля предполагает выполнение ряда функций, основными из которых, как уже не раз упоминалось, являются: планирование, учет, анализ и регулирование. Для того чтобы соотнести последовательность выполнения функций управления с последовательностью действий экономической экспертной системы, рассмотрим повторяющийся цикл управления [3].

В представленном на рис.2 цикле все функции, за исключением формирования цели, можно автоматизировать. Причем функция учета, как правило, автоматизируется вне экспертной системы и выполняет роль вспомогательного средства. Функция целеобразования также реализуется вне экспертной системы, хотя и на основании выдаваемой ею информации.



Рисунок 2 - Цикл управления экономического объекта

Экономические объекты, базирующиеся на жесткой организационной структуре и имеющие одну главную цель, достижение которой зависит от подчиненных ей подцелей, порождают иерархию целей, отображающую иерархию структурных подразделений предприятия. Разворачивание главной цели в систему подчиненных целей происходит до тех пор, пока последние не преобразуются в конкретные работы или действия должностных лиц.

Преобразование целей в отдельные операции или работы необходимо для выработки плана действий на будущее. Выполнение работ ограничивается ресурсами или резервами, которые имеют важное значение при принятии управленческих решений. Строгое определение понятия “ресурс” отсутствует. Говорят о материальных, сырьевых, трудовых, денежных, энергетических и других ресурсах. В самом простом случае можно считать, что все, что лежит в основе графа целей, является ресурсом. Ресурс можно рассматривать так же, как иерархически построенную систему. Причем главный ресурс обеспечивает достижение главной цели, ресурсы второго уровня - достижение целей второго уровня и т.д.

Для жестких организационных систем (к каким относятся экономические объекты) ресурсы, так же как и цели, заданы жестко. Часть ресурсов находится в долговременном, а часть быстро используется. Каждому ресурсу в дереве ресурсов отведено вполне определенное место, которое почти не изменяется.

Кроме понятия “ресурс”, далее будет использоваться понятие резерв, под которым понимается сверхнормативная величина какого-либо ресурса. В пределах величины резерва можно увеличивать объемы работ или величину используемого ресурса.

Для того чтобы принять решение, необходимо оценить экономическую ситуацию и выявить причины отклонения от заданной траектории. Если причины удалось вскрыть, появляется возможность откорректировать ранее спланированные действия (план), после чего цикл управления повторяется.

Отсюда становится понятным, какие функции должна выполнять экономическая экспертная система [3]:

1. распознавание сложившейся экономической ситуации, ее анализ, формирование диагноза и ближайших целей, достижение которых обеспечит возврат к желаемой траектории развития предприятия;

2. выработку путей достижения сформулированных целей без учета и с учетом резервов предприятия;

3. пополнение базы знаний, модификацию и ликвидацию устаревших экспертных знаний из базы знаний;

4. обеспечение дружественного интерфейса пользователя системой.

Реализация второй функции требует создания специального блока оценки возможных путей достижения целей, сформулированных с помощью первой функции. В результате состав типичной экономической экспертной системы несколько изменяется, отражая специфику экономических задач.

По сравнению с типичной экспертной системой в экономическую. экспертную систему введены дополнительные блоки (рис.3): база данных, блок расчетов, блок ввода и корректировки данных.

Необходимость в блоке расчетов диктуется тем, что обоснование принятия управленческих решений требует не только логического вывода, но и проведения ряда расчетов, порой сложных и объемных.

Без базы данных также не может обойтись ни одна программная система экономического профиля. В базе данных находятся плановые, фактические, расчетные, отчетные и другие постоянные или оперативные показатели. Наличие базы данных позволяет применять стандартные процедуры обработки файлов, что может резко сократить затраты на их поддержку.

Блок ввода и корректировки данных присутствует в экономической экспертной системе, если она функционирует локально, т.е. вне сети передачи данных. В противном случае надобность в этом блоке отпадает, так как в системах обработки учетных и отчетных данных поддерживается (корректируется) необходимая информация.

Блок логических выводов и диагноза является главным, так как с его помощью пользователь должен установить пути выхода из сложившейся экономической ситуации. Для этого выполняется факторный анализ показателей, результаты которого затем используются для логического анализа и оформления диагноза. Диагноз можно получить на основании формализации знаний экспертов с помощью конструкции ЕСЛИ_ТО.

Количество диагнозов может быть велико, насчитывая несколько тысяч, однако они могут быть классифицированы по иерархическому признаку, что позволяет снизить (на порядок) трудоемкость поиска нужного диагноза. Кроме того, иерархия диагнозов позволяет, в случае надобности, не опускаться до нижнего уровня и охарактеризовать ситуацию более общими значениями.

Установление диагноза необходимо для того, чтобы получить рецепт для “лечения” предприятия. Поэтому, если удалось доказать хотя бы одно правило ЕСЛИ-ТО, то это означает, что известен перечень мероприятий, действий или процедур, которые следует выполнить для выхода из создавшейся экономической ситуации.

Рецепты, как и диагнозы, носят иерархический характер: каждому уровню диагноза соответствует свой рецепт более или менее общего характера.

Блок приобретения знаний связан с проблемой обучения и самообучения системы. В настоящее время приобретение знаний системой сводится к вводу вербализованных знаний эксперта с помощью соответствующего интерфейса. Например, если в процессе эксплуатации системы выявлено, что правило, устанавливающее диагноз, неверно, то изменение этого правила происходит путем ввода корректуры в базу знаний.

Завершая описание общих характеристик экономических экспертных систем, следует обратить внимание на то, что они помогают в процессе принятия решений избежать типичных ошибок, которыми нередко сопровождается практика управления [3]:

1. подмена общего частным, главного - второстепенным, определяющего - случайным. Это особенно ярко выражается в гипертрофированном преувеличении роли единичного фактора и объяснении с его помощью состояния предприятия;

2. ошибочность выводов по случайной аналогии. Умозаключения по аналогии нередко приводят к важным выводам, однако при этом необходимо соблюдать ряд логичных правил;

3. преувеличение роли математики. Ограниченность математических моделей приводит к иллюзиям, создающим видимость благополучия. Любые расчеты не в состоянии охватить все условия функционирования предприятия, поэтому математические модели могут лишь обогатить знания о происходящих процесса, но не заменить их.

2. Технология построения экспертной системы

2.1 Инженерия знаний

Модели баз данных (реляционные, иерархические, сетевые) отражают реальные объекты в виде самостоятельных абстракций. Их содержание и связь с другими объектами модели остаются за ее пределами, поэтому придание смысла связям между абстракциями модели осуществляется мысленно пользователем системы [1].

Знания, достигнутые в последнее время, успехи в логике, семиотике, лингвистике позволяют разрабатывать новые модели, называемые семантическими. С их помощью стал возможен качественно новый уровень отображения содержания предметных областей, ориентированных на базы данных.

Под знаниями в общем смысле понимают информацию, потенциально необходимую обществу или индивидууму. В частности, это может быть информация о некоторой предметной области, ситуации, проблеме, правилах их решения, а также о конкретных условиях, определяющих выбор этих правил. В контексте баз знаний это понятие следует рассматривать как совокупность машинных сведений о некоторой предметной области, включающую не только фактические данные об объектах, их свойствах и отношениях, но и более сложные обобщающие концептуальные понятия и зависимости, что позволяет осуществлять относительно более гибкую и глубокую переработку этих данных в процессе решения поставленной проблемы.

Таким образом, знания отличаются от данных большей сложностью, абстрактностью, полнотой и многосторонностью описания некоторой области действительности. В понятие знаний включаются правила манипулирования данными, а также метазнания, т.е. информация о структуре знаний и о том, как их применять. Эти отличия баз знаний от баз данных приближают первые к человеческому представлению, восприятию и обращению с информацией, т.е. отображают процесс интеллектуализации автоматизированной обработки данных.

Необходимость подхода, обоснованного на знаниях, возникла вначале у разработчиков в области искусственного интеллекта лишь в связи с проблемой распознания образов. Многое в этом направлении дали электронные игры и работы по автоматизированной обработке текстов на естественном языке. При этом возникла потребность хранить и обрабатывать домены (области) знаний, приобретать и отображать как декларативные, так и процедурные знания.

Деятельность по извлечению (отчуждению, приобретению), формализации, хранению, выдаче и получению новых знаний (новой информации) называется инженерией знаний. Основная сложность инженерии знаний состоит в разработке и применении методов и технологий приобретения и машинного воплощения человеческих знаний в памяти ЭВМ. Большая часть известных методов касается инженерии социальных, т.е. вербализованных персональных знаний, используемых в экспертных системах. Экспертные системы, как правило, способны осуществлять дедуктивный вывод на основании неполных, размытых и противоречивых знаний, полученных от профессионалов-экспертов. Если программы, работающие с базами данных, могут дать ответ на поставленный вопрос только в том случае, если таковой заложен в базе, то экспертная система реагирует на вопрос, осуществляя логический вывод в условиях неопределенности или неполноты знаний. Иными словами, она позволяет быть точной в отношении неточностей. Кроме этого, обязательным условием функционирования ЭС является ее способность объяснять причины того или иного вывода [1].

2.2 Обучение систем, методы приобретения знаний

Приобретение знаний - один из наиболее значимых аспектов разработки и функционирования ЭС. Приобретение знаний реализуется с помощью двух функций: получения информации извне и ее систематизации. При этом в зависимости от способности системы обучения к логическим выводам возможны различные формы приобретения знаний, а также различные формы получаемой информации. Форма представления знаний для их использования определяется внутри системы, поэтому форма информации, которую она может принимать, зависит от того, какие способности имеет система для формализации информации до уровня знаний. Если обучающаяся система совсем лишена такой способности, то человек должен заранее подготовить все, вплоть до формализации информации, т. е. чем выше способности машины к логическим выводам, тем меньше нагрузка на человека [1,2]. Функции, необходимые обучающейся системе для приобретения знаний, различаются в зависимости от конфигурации системы. В дальнейшем при рассмотрении систем инженерии знаний предполагается, что существует система с конфигурацией, показанной на рис.3, которая включает базу знаний и механизм логических выводов, использующий эти знания при решении задач [2]. Если база знаний пополняется знаниями о стандартной форме их представления, то этими знаниями также можно воспользоваться. Следовательно, от функций обучения требуется преобразование полученной извне информации в знания и пополнение ими базы знаний.

Рисунок 3 - Базовая структура систем обработки знаний

Можно предложить следующую классификацию систем приобретения знаний, которая будет опираться на способность системы к восприятию знаний в разных форматах, качественно различающихся между собой и способностью к формализации рис 4 [2].

Рисунок 4 - Классификация методов приобретения знаний

Рассмотрим способы приобретения знаний более подробно:

Обучение без выводов - Категорию А можно назвать обучением без выводов или механическим запоминанием, это простой процесс получения информации, при котором необязательны функции выводов, а полученная информация в виде программ или данных используется для решения задач в неизменном виде. Другими словами, это способ получения информации, характерный для существующих компьютеров.

Категория Б--это получение информации извне, представленной в форме знаний, т. е. В форме, которую можно использовать для выводов. Обучающейся Системе необходимо иметь функцию преобразования входной информации в формат, удобный для дальнейшего использования и включения в базу знании.

Приобретение знаний на этом этапе происходит в наиболее простой форме: это знания, предварительно подготовленные человеком во внутреннем формате, какими являются большинство специальных знании, изначально заданных в экспертных системах.

Приобретение знаний на метауровне - Выше было рассмотрено обучение на объектном уровне, а еще более сложная проблема - приобретение знаний на метауровне, т. е. знаний, основой которых является информация по управлению решением задач с использованием знаний на объектном уровне. Для знаний на метауровне пока не установлены ни формы представления и использования, ни связь со знаниями на объектном уровне, ни другая техника их систематизации. Поскольку не определена форма их представления с точки зрения использования, то трудно говорить о приобретении знаний на метауровне.

Приобретение знаний из примеров - Метод приобретение знаний из примеров отличается от предыдущего метода, тем , что здесь выполняется сбор отдельных фактов, их преобразование и обобщение, а только затем они будут использованы в качестве знаний. И соответственно от уровня сложности системы вывода в системе будут возникать разные по степени общности и сложности знания. Необходимо также упомянуть о том, что этот метод приобретения знаний почти не нашёл практического применения, это может быть связано с тем, что входная информация представляет собой не систематизированный набор данных и для их обработки требуется наличие в системе обширных знаний по конкретной области.

Для каждой новой, создаваемой, ЭС выбирается один или несколько путей получения знаний. Загруженная знаниями ЭС является мощным средством решения различных, возлагаемых на нее, задач.

Заключение

В последнее время наблюдается возрастающий интерес людей к экспертным системам. В наши дни задача создания таких систем решена. Современный разработчик имеет под рукой огромные наработки в этой области.

В работе рассмотрены: основные функции ЭС, проблемы разработки ЭС в области экономики, затронуты разделы инженерии знаний, касающиеся обучения ЭС и методов приобретения знаний.

Приведены примеры ЭС, функционирующие в некоторых областях человеческой деятельности.

Список использованной литературы

1. Искусственный интеллект. Справочник. Книги 1,2,3. -М., 1990.

2. Левин Р. и др. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике.- М., 1991.

3. Стариков А.И. Математические методы анализа и принятия решений. Учебное пособие.- М.: МГЭИ,1998.

4. Гаврилова Т.А., Хорошевский, В.Ф. Базы знаний интеллектуальных систем: Учебник.: С-Пб. Питер, 2001.

Размещено на Allbest.ru