Экспертная система это: Экспертные системы

Экспертные системы

Понятие экспертных систем

Определение 1

Экспертная система (ЭС) – компьютерная система, предназначенная для частичной замены специалиста-эксперта в разрешении проблемной ситуации.

ЭС разрабатывались с 1970-х гг. исследователями искусственного интеллекта. Прообраз ЭС был предложен в 1832 г. С.Н. Корсаковым, который создал механические устройства, называемые интеллектуальными машинами, которые позволяли находить решения по заданным условиям (например, позволяли определить нужные лекарства по симптомам заболевания).

В начале 1980-х гг. в рамках исследований по искусственному интеллекту было сформировано самостоятельное направление, которое и получило название экспертных систем. Основное назначение ЭС состоит в разработке программных средств, которые получают при решении задач результаты, не уступающие по качеству и эффективности решениям человека-эксперта. ЭС используют для решения задач, не поддающихся формализации, например в следующих случаях:

• задачи невозможно задать в числовой форме;
• цель нельзя выразить с помощью точно определенной целевой функции;
• невозможно составить алгоритм решения задачи;
• если алгоритм составить можно, то его использование невозможно из-за ограниченности ресурсов (времени, памяти).

Готовые работы на аналогичную тему

Определение 2

Таким образом, экспертная система – это программное средство, которое использует знания экспертов для обеспечения высокоэффективного решения неформализованных задач в узкой предметной области.

Замечание 1

В основе ЭС лежит база знаний (БЗ) о предметной области, которая способна накапливаться в процессе построения и эксплуатации ЭС. Важнейшим свойством всех экспертных систем является накопление и организация знаний.

Структура экспертных систем

• Пользователь;
• Интерфейс пользователя;
• Редактор базы знаний;
• Инженер по знаниям;
• Эксперт;
• Оперативная память;
• База знаний – содержит правила анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от своей направленности, выводит рекомендации по разрешению проблемы. База знаний экспертной системы включает факты (статические сведения о предметной области) и правила – набор инструкций, с помощью которых из уже существующих фактов можно получать новые факты.
• Механизм логического вывода;
• Подсистема объяснений.

Режимы функционирования

Существует 2 режима, в которых может работать экспертная система:

1. Режим ввода знаний – эксперт совместно с инженером по знаниям с помощью редактора базы знаний вводит данные о предметной области в базу знаний экспертной системы.
2. Режим консультации – пользователь в диалоговом режиме сообщает экспертной системе сведения о текущей задаче и получает рекомендации ЭС. Например, по введенным сведениям о физическом состоянии больного экспертная система сообщает о диагнозе в виде списка заболеваний, которые являются наиболее вероятными при данных симптомах.

Классификация экспертных систем

Статические ЭС решают задачи в условиях, когда исходные данные и знания не изменяются во времени.

Квазидинамические ЭС объясняют ситуацию, которая изменяется с течением времени (некоторое фиксированное значение интервала времени)

Динамические ЭС решают задачи в условиях, когда исходные данные и знания изменяются во времени.

Этапы разработки экспертной системы

1. Этап идентификации проблем – этап определения задач, подлежащих решению, выявления целей разработки, определение экспертов и типов пользователей.
2. Этап извлечения знаний – проведение содержательного анализа проблемной области, выявление используемых понятий и их взаимосвязей, определение методов решения задач.
3. Этап структурирования знаний – выбор ИС и определение способов представления всех видов знаний, формализация основных понятий, определение способов интерпретации знаний, моделирование работы системы, оценка адекватности целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
4. Этап формализации – наиболее важный и трудоемкий этап разработки ЭС, на котором база знаний наполняется экспертом. Процесс приобретения знаний делится на получение знаний от эксперта, организацию знаний, которая обеспечивает эффективную работу системы, и представление знаний в понятном для ЭС виде.

Наиболее известные экспертные системы

CLIPS – достаточно популярная оболочка для построения экспертных систем.

OpenCyc – мощная динамическая экспертная система.

MYCIN – достаточно известная диагностическая система, предназначенная для диагностики и наблюдения за состоянием больного менингитом и бактериальными инфекциями.

HASP/SIAP – интерпретирующая система, определяющая местоположение и тип судна в Тихом океане по данным, полученным с акустических систем слежения.

Акинатор – интернет-игра, в которой игрок загадывает персонаж, а программа должна его отгадать, задавая вопросы.

IBM Watson – суперкомпьютер фирмы IBM, который может понимать вопросы на естественном языке и отвечать на них.

Экспертные системы — это… Что такое Экспертные системы?

Экспе́ртная систе́ма (ЭС, expert system) — компьютерная программа, способная заменить специалиста-эксперта в разрешении проблемной ситуации. ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление.

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.

Похожие действия выполняет программа-мастер (wizard). Мастера применяются как в системных программах так и в прикладных для интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от ЭС — отсутствие базы знаний; все действия жестко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей. Например, для Википедии аналогами статических визардов являются категории, списки, шаблоны, порталы.

Структура ЭСис

^[1] представляет следующую структуру ЭС:

• Интерфейс пользователя
• Пользователь
• Интеллектуальный редактор базы знаний
• Эксперт
• Инженер по знаниям
• Рабочая (оперативная) память
• База знаний
• Решатель (механизм вывода)
• Подсистема объяснений

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от направленности ЭС, дает рекомендации по разрешению проблемы.

Как правило, база знаний ЭС содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний, записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщенных и конкретных сведений, а также конкретных и обобщенных запросов к базам данных и базам знаний.

Конкретные и обобщенные запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщенные и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Характеристики, значения которых зависят от условий конкретной задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти. Например, в медицинской ЭС факт «У здорового человека 2 ноги» хранится в базе знаний, а факт «У пациента одна нога» — в рабочей памяти.

База знаний ЭС создается при помощи трех групп людей:

1. эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
2. инженеры по знаниям, являющиеся специалистами по разработке ИИС;
3. программисты, осуществляющие реализацию ЭС.

Режимы функционирования

ЭС может функционировать в 2-х режимах.

1. Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.
2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Классификация ЭС[1]

Классификация ЭС по решаемой задаче

Классификация ЭС по связи с реальным временем

• Статические ЭС
• Квазидинамические ЭС
• Динамические ЭС

Этапы разработки ЭС

• Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
• Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
• Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
• Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
• Реализация ЭС — создается один или нескольких прототипов ЭС, решающие требуемые задачи.
• Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Наиболее известные/распространённые ЭС

См. также

Ссылки

Литература

1. ↑ Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. Учебник. — СПб.: Питер, 2000.

Wikimedia Foundation.
2010.

Экспертная система — это… Что такое Экспертная система?

Экспе́ртная систе́ма (ЭС, англ. expert system) — компьютерная система, 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^[1].

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.

Похожие действия выполняет такой программный инструмент как Мастер (англ. Wizard). Мастера применяются как в системных программах так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от ЭС — отсутствие базы знаний — все действия жестко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

Структура ЭС интеллектуальных систем

^[2] представляет следующую структуру ЭС:

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от направленности ЭС, дает рекомендации по разрешению проблемы.

Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщенных и конкретных сведений, а также конкретных и обобщенных запросов к базам данных и базам знаний.

Конкретные и обобщенные запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщенные и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Характеристики, значения которых зависят от условий конкретной задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти. Например, в медицинской ЭС факт «У здорового человека 2 ноги» хранится в базе знаний, а факт «У пациента одна нога» — в рабочей памяти.

База знаний ЭС создается при помощи трех групп людей:

1. эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
2. инженеры по знаниям, являющиеся специалистами по разработке ИИС;
3. программисты, осуществляющие реализацию ЭС.

Режимы функционирования

ЭС может функционировать в 2-х режимах.

1. Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.
2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Классификация ЭС[1]

Классификация ЭС по решаемой задаче

Классификация ЭС по связи с реальным временем

• Статические ЭС — это ЭС, решающие задачи в условиях не изменяющихся во времени исходных данных и знаний.
• Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
• Динамические ЭС — это ЭС, решающие задачи в условиях изменяющихся во времени исходных данных и знаний.

Этапы разработки ЭС

• Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
• Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
• Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
• Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
• Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.
• Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Наиболее известные/распространённые ЭС

• CLIPS — весьма популярная оболочка для построения ЭС (public domain)
• OpenCyc — мощная динамическая ЭС с глобальной онтологической моделью и поддержкой независимых контекстов
• WolframAlpha — поисковая система, интеллектуальный «вычислительный движок знаний»
• MYCIN — наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях.
• HASP/SIAP — интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения.
• Акинатор — интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа.

См. также

Ссылки

Литература

1. ↑ Интеллектуальные машины С.Н. Корсакова
2. ↑ Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. Учебник. — СПб.: Питер, 2000.

Экспертные системы

Экспертные системы (ЭС, англ. expert system) — это компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные экспертные системы начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предшественники 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 определённой 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.

Похожие действия выполняет такой программный инструмент как «Мастер» (англ. Wizard). Мастера применяются как в системных программах так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от экспертных систем — отсутствие базы знаний — все действия жёстко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

В настоящее время «классическая» концепция экспертных систем, сложившаяся в 70-80 годах прошлого века, переживает серьёзный кризис, по всей видимости связанный с её глубокой ориентацией на общепринятый в те годы текстовый человеко-машинный интерфейс, который в настоящее время в пользовательских приложениях почти полностью вытеснен графическим (GUI). Кроме того, «классический» подход к построению экспертных систем плохо согласуется с реляционной моделью данных, что делает невозможным эффективное использование современных промышленных СУБД для организации баз знаний таких систем. Все приводимые в литературных и интернет-источниках примеры «известных» или «распространённых» экспертных систем на самом деле относятся к 80-м годам прошлого столетия и в настоящее время давно не существуют, либо безнадёжно устарели и поддерживаются лишь немногочисленными энтузиастами.[источник не указан 1069 дней] С другой стороны, нередко в качестве маркетингового хода экспертными системами объявляются современные программные продукты, в «классическом» понимании таковыми не являющиеся (например, компьютерные справочно-правовые системы). Предпринимаемые энтузиастами попытки объединить «классические» подходы к разработке экспертных систем с современными подходами к построению пользовательского интерфейса (проекты CLIPS Java Native Interface, CLIPS.NET и др.) не находят поддержки среди крупных компаний-производителей программного обеспечения и по этой причине остаются пока в экспериментальной стадии.

Сейчас экспертные системы в различных отраслях набирают все большую популярность. Юристы, экономисты, hr-менеджеры и врачи с настороженностью следят за разработками в данной сфере.

Фактически, Экспертная система — это симуляция действий эксперта при решении определенной задачи.

Основные характеристики экспертных систем:

— Ядро, которое представлено базой знаний;

— накопление и организация знаний;

— формализованный высококачественный опыт;

— возможности к прогнозированию.

Доктор, диагностирующий заболевания и назначающий курс лечения, делает это хорошо при наличии хорошего специализированного образования и накопленного опыта в медицине.

Поэтому качество экспертной системы сводится к качеству формализованных знаний и унификацией используемого опыта.

В настоящий момент мало принимать эффективные решения, крайне важна скорость их принятия.

Экспертная система способна обрабатывать огромный объем знаний за доли секунд, что порой может спасти жизнь человека либо компании.

Однако, надо понимать, что экспертная система оперирует базой знаний, которая достаточно ограничена, в то время как человек может пользоваться большим спектром органов чувств, символьной, графической и др. видами информации.

У экспертных систем существуют границы возможностей и пока данные системы ведут себя не совсем надежно на границах применимости либо в нестандартных ситуациях.

Однако, экспертные системы пытаются разрабатывать со способностью к обучению и способностью к аргументации методов принятия решения.

Этапы разработки экспертных систем

1. Идентификация области применения и круга решаемых задач;

2. Получение знаний;

3. Содержательный анализ проблемной области, определяются методы решения задач;

4. Формализация — перевод в формализованный язык, код;

5. Реализация — прототип системы.

В заключение стоит заметить, что экспертные системы уже эффективно используются во многих отраслях, и сейчас многие корпорации мира занимаются разработкой, тестированием и внедрением аналогичных систем в более сложных сферах нашей профессиональной жизни.

искусственный интеллект

Кому нужны экспертные системы / Хабр

Что такое экспертная система (ЭС)? Все слышали этот термин, он часто воспринимается как устаревший, немодный, далекий от мэйнстрима и в науке, и в технике. «Это очень специальная область программирования, не имеющая широкого применения». ЭС проходят в институте и потом благополучно забывают.

Они появились в конце 60-х годов как самое многообещающее, практичное направление развития науки об искусственном интеллекте. Несмотря на множество интересных разработок, ЭС не только не получили широкого распространения, но нет даже ни одной коммерчески успешной разработки.

Если анализировать концепции этого направления информатики – ЭС, становится ясно, что, хотя направление не получило заметного развития, проблемы здесь лежат в самой основе развития компьютеров.

Когда появились первые электронный вычислительные машины (ЭВМ), их называли электронным мозгом и с опаской ожидали скорого прихода машин, заменяющих человека. Машин стало много, их мощность возросла в миллионы раз, но человека они заменить не смогли. Появление «электронного мозга» в ближайшие годы не прогнозируется, несмотря на то, что уже прошло более 60 лет со времени появления первых вычислительных машин.

Одна из основных причин слабого развития ЭС – алгоритмическая парадигма мышления разработчиков прикладных программ. Эта парадигма настолько глубоко проникла во все, что касается компьютеров, что мы этого не замечаем. Кажется, все замечательно – человек дает команды (нажимает мышкой нужные кнопки на экране) – машина исполняет, чего еще желать? Если же копнуть глубже – какие команды отдает человек? Вместо того, чтобы давать машине задание – сказать ЧТО надо сделать, что хочет пользователь, человек дает инструкции – КАК делать, какую последовательность операций выполнить машине, чтобы получить нужный результат.

Первая проблема в общении пользователя с машиной – надо учиться, обучиться пользованию нужными прикладными программами – т.е. выучить, когда и какие кнопки в программе нажимать, чтобы получить нужный результат. Как и любую машину, ее надо освоить, понять как с ней обращаться, запомнить способы управления и освоить их, так же как с автомобилем или кофеваркой.

Противоречивость этой ситуации никто не замечает. Компьютер – не просто очередная машина для облегчения жизни человеку, компьютер – машина для усиления интеллекта, для выполнения умственных операций. (Как то уже забылось, что арифметические операции и процедуры – умственные операции, которые существуют только в сознании человека). Поскольку современные компьютеры выполняют только алгоритмизованные операции, вся остальная часть умственной деятельности остается за человеком.

В результате, чем больше программ должен применять человек, тем больше он должен запомнить и выучить. Компьютер не «разгружает», а «нагружает».

Вместо квалифицированного, умного, знающего «помощника», которому можно поручить работу, не беспокоясь о результате, мы имеем сильного и неумного «раба», который сделает только то, что прикажут и ни на йоту больше, который не имеет ни усердия, ни знаний, ни творческой устремленности на результат.

Чтобы добиться от него результата, человек – пользователь должен хорошо потрудиться — выучить программу, постоянно ею управлять, готовить исходные данные для программы и еще обрабатывать результаты работы.

Возьмем, для примера, электронную бухгалтерию. Бухгалтерские программы можно сравнить со счетоводом – специалистом низшей квалификации в иерархии бухгалтерских специальностей. Бухгалтерская программа не может заменить бухгалтера, она заменяет лишь счетовода – заполняет графы в журналах и подсчитывает итоговые суммы. Электронная бухгалтерия имеет много полезных свойств, но без бухгалтера она бесполезна.

Какой может быть интеллектуальная программа – бухгалтерская ЭС? Такая программа полностью заменяет специалиста-бухгалтера – автоматически и безошибочно классифицирует и кодирует денежные операции, знает, автоматически собирает и применяет все необходимые нормативные и правовые акты и может консультировать директора по текущим операциям и по общим бухгалтерским вопросам.

Если взять наши текстовые редакторы – они облегчают труд машинисток, избавляя от необходимости перепечатывать страницу при обнаружении ошибок. В результате мы перестали писать ручкой и сами стали машинистками. Есть ли от этого выигрыш в производительности труда?

Интеллектуальный текстовый редактор должен сам создавать тексты документов по указаниям пользователя. Например: «На это письмо надо ответить согласием», «На эту претензию надо подготовить возражение», «Вот это письмо надо переписать в более мягкой форме».

А если взять электронные таблицы – сама по себе мощная парадигма электронных таблиц могла бы быть намного более массовой и эффективной, если бы не сложность ее освоения. Большинство пользователей не используют и половины функций электронных таблиц и текстовых редакторов из-за трудностей полного освоения этих программ.

Всякая современная прикладная программа может быть дополнена или заменена ЭС для кардинального повышения эффективности использования компьютера. Если перейти от обработки символов и чисел к обработке смысловой информации, можно получить настоящего помощника – семантический компьютер.

Достаточно заменить традиционный хелп на базу знаний по использованию программы, чтобы значительно повысить эффективность и освободить пользователя от напряжения, которое возникает при работе с новой программой.

Одно из важных отличий ЭС – ориентация на язык пользователя, поскольку в ЭС пользователь формулирует описание своей задачи – ЧТО он хочет, а не инструкции машине – КАК выполнить его задание.

Существует один пробел в современном программировании из-за которого в сознании программистов нет установки на смысловую обработку информации – нет формальной основы – языков программирования для представления и обработки смысловой информации, хотя все необходимые языковые средства описаны в соответствующих публикациях. Система концептуального программирования разрабатывается в НПФ «Семантикс Рисеч».

Созданию прикладных ЭС массового применения мешает инерция алгоритмического подхода. Многое можно сделать и на существующей технологической базе. Надо лишь вспомнить, что машина является средством усиления интеллекта человека и может выполнять не только арифметические операции.

Замена существующих прикладных программ экспертными системами кардинально повысит эффективность компьютеров и улучшит современный мир. Приведем лишь несколько возможных примеров.

Создание ЭС массового применения могли бы сильно повысить производительность труда во всех областях деятельности человека.

ЭС для юриста могла бы помогать ему в составлении и анализе документов, консультировать по текущему законодательству.

ЭС может принципиально изменить природу школьного и вузовского образования, а также значительно улучшить полезность системы электронного правительства. ЭС налогового инспектора могла бы автоматически проверять налоговые декларации и другие документы.

В не очень далекой перспективе развития ЭС, можно представить, что каждый человек сможет получить неограниченные возможности заинтересованного и активного персонального общения, которые сегодня обеспечивают коммерческий успех социальный сетей и поисковых программ Интернет. Общение с виртуальными интеллектуальными личностями кардинально изменят не только парадигму общения человека с компьютером, но и сами основы экономической деятельности общества.

Глава 1.Экспертные системы, их особенности. Применение экспертных систем.

1.1. Определение экспертных систем. Главное достоинство и назначение экспертных систем.

Экспертные
системы (ЭС)- это яркое и быстро
прогрессирующее направление в области
искусственного интеллекта (ИИ). Причиной
повышенного интереса, который ЭС вызывают
к себе на протяжении всего своего
существования является возможность их
применения к решению задач из самых
различных областей человеческой
деятельности. Пожалуй, не найдется
такой проблемной области, в которой не
было бы создано ни одной ЭС или, по
крайней мере, такие попытки не
предпринимались бы.

ЭС
— это набор программ или программное
обеспечение, которое выполняет функции
эксперта при решении какой-либо задачи
в области его компетенции. ЭС, как и
эксперт-человек, в процессе своей работы
оперирует со знаниями. Знания о предметной
области, необходимые для работы ЭС,
определенным образом формализованы и
представлены в памяти ЭВМ в виде базы
знаний, которая может изменяться и
дополняться в процессе развития системы.

ЭС
выдают советы, проводят анализ, выполняют
классификацию, дают консультации и
ставят диагноз. Они ориентированы на
решение задач, обычно требующих проведения
экспертизы человеком-специалистом. В
отличие от машинных программ, использующий
процедурный анализ, ЭС решают задачи в
узкой предметной области (конкретной
области экспертизы) на основе дедуктивных
рассуждений. Такие системы часто
оказываются способными найти решение
задач, которые неструктурированны и
плохо определены. Они справляются с
отсутствием структурированности путем
привлечения эвристик, т. е. правил, взятых
“с потолка”, что может быть полезным
в тех системах, когда недостаток
необходимых знаний или времени исключает
возможность проведения полного анализа.

Главное
достоинство ЭС — возможность накапливать
знания, сохранять их длительное время,
обновлять и тем самым обеспечивать
относительную независимость конкретной
организации от наличия в ней
квалифицированных специалистов.
Накопление знаний позволяет повышать
квалификацию специалистов, работающих
на предприятии, используя наилучшие,
проверенные решения.

Практическое
применение искусственного интеллекта
на машиностроительных предприятиях и
в экономике основано на ЭС, позволяющих
повысить качество и сохранить время
принятия решений, а также способствующих
росту эффективности работы и повышению
квалификации специалистов.

1.2. Отличие эс от других программных продуктов.

Основными отличиями
ЭС 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 по ходу
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 (см. рис.1).

Рис.1

Качество ЭС
определяется размером и качеством базы
знаний (правил или эвристик). Система
функционирует в следующем циклическом
режиме: выбор (запрос) данных или
результатов анализов, наблюдения,
интерпретация результатов, усвоение
новой информации, выдвижении с помощью
правил временных гипотез и затем выбор
следующей порции данных или результатов
анализов (рис.2). Такой процесс продолжается
до тех пор, пока не поступит информация,
достаточная для окончательного
заключения.

В
любой момент времени в системе существуют
три типа знаний:

—
Структурированные знания — статические
знания о предметной области. После того
как эти знания выявлены, они уже не
изменяются.

—
Структурированные динамические знания
— изменяемые знания о предметной области.
Они обновляются по мере выявления новой
информации.

—
Рабочие знания- знания, применяемые для
решения конкретной задачи или проведения
консультации.

Все
перечисленные выше знания хранятся в
базе знаний. Для ее построения требуется
провести опрос специалистов, являющихся
экспертами в конкретной предметной
области, а затем систематизировать,
организовать и снабдить эти знания
указателями, чтобы впоследствии их
можно было легко извлечь из базы знаний.

Рис.2
Схема работы ЭС.

Понятие и назначение экспертной системы (эс).

В начале 80-х годов
в исследованиях по искусственному
интеллекту сформировалось самостоятельное
направление, получившее название
«экспертные системы» (ЭС). Основным
назначением ЭС является разработка
программных средств, которые при решении
задач, трудных для человека, получают
результаты, не уступающие по качеству
и эффективности решения, решениям
получаемым человеком-экспертом. ЭС
используются для решения так называемых
неформализованных задач, общим для
которых является то, что:

задачи не могут
быть заданы в числовой форме;

цели нельзя выразить
в терминах точно определённой целевой
функции;

не существует
алгоритмического решения задачи;

если алгоритмическое
решение есть, то его нельзя использовать
из-за ограниченности ресурсов (время,
память).

Кроме того,
неформализованные задачи обладают
ошибочностью, неполнотой, неоднозначностью
и противоречивостью как исходных данных,
так и знаний о решаемой задаче.

Экспертная система
— это программное средство, использующее
экспертные знания для обеспечения
высокоэффективного решения неформализованных
задач в узкой предметной области. Основу
ЭС составляет база знаний (БЗ) о предметной
области, которая накапливается в процессе
построения и эксплуатации ЭС. Накопление
и организация знаний — важнейшее свойство
всех ЭС.

Знания являются
явными и доступными, что отличает ЭС от
традиционных программ, и определяет их
основные свойства, такие, как:

1) Применение для
решения проблем высококачественного
опыта, который представляет уровень
мышления наиболее квалифицированных
экспертов в данной области, что ведёт
к решениям творческим, точным и
эффективным.

2) Наличие
прогностических возможностей, при
которых ЭС выдаёт ответы не только для
конкретной ситуации, но и показывает,
как изменяются эти ответы в новых
ситуациях, с возможностью подробного
объяснения каким образом новая ситуация
привела к изменениям.

3) Обеспечение
такого нового качества, как институциональная
память, за счёт входящей в состав ЭС
базы знаний, которая разработана в ходе
взаимодействий со специалистами
организации, и представляет собой
текущую политику этой группы людей.
Этот набор знаний становится сводом
квалифицированных мнений и постоянно
обновляемым справочником наилучших
стратегий и методов, используемых
персоналом. Ведущие специалисты уходят,
но их опыт остаётся.

4) Возможность
использования ЭС для обучения и тренировки
руководящих работников, обеспечивая
новых служащих обширным багажом опыта
и стратегий, по которым можно изучать
рекомендуемую политику и методы.

Познакомившись с
тем, что такое экспертные системы и
каковы их основные характеристики,
попробуем теперь ответить на вопрос:
«Кто участвует в построении и
эксплуатации ЭС? «.

К числу основных
участников следует отнести саму
экспертную систему, экспертов, инженеров
знаний, средства построения ЭС и
пользователей. Их основные роли и
взаимоотношение приведены на рис.2.

Экспертная система
— это программное средство, использующее
знания экспертов, для высокоэффективного
решения задач в интересующей пользователя
предметной области. Она называется
системой, а не просто программой, так
как содержит базу знаний, решатель
проблемы и компоненту поддержки.
Последняя из них помогает пользователю
взаимодействовать с основной программой.

Эксперт — это
человек, способный ясно выражать свои
мысли и пользующийся репутацией
специалиста, умеющего находить правильные
решения проблем в конкретной предметной
области. Эксперт использует свои приёмы
и ухищрения, чтобы сделать поиск решения
более эффективным, и ЭС моделирует все
его стратегии.

Инженер знаний —
человек, как правило, имеющий познания
в информатике и искусственном интеллекте
и знающий, как надо строить ЭС. Инженер
знаний опрашивает экспертов, организует
знания, решает, каким образом они должны
быть представлены в ЭС, и может помочь
программисту в написании программ.

Средство построения
ЭС — это программное средство,
используемое инженером знаний или
программистом для построения ЭС. Этот
инструмент отличается от обычных языков
программирования тем, что обеспечивает
удобные способы представления сложных
высокоуровневых понятий.

Пользователь —
это человек, который использует уже
построенную ЭС. Так, пользователем может
быть юрист, использующий для квалификации
конкретного случая; студент, которому
ЭС помогает изучать информатику и т. д.
Термин пользователь несколько
неоднозначен. Обычно он обозначает
конечного пользователя. Однако из рис.2
следует, что пользователем может быть:

создатель
инструмента, отлаживающий средство
построения ЭС;

инженер знаний,
уточняющий существующие в ЭС знания;

эксперт, добавляющий
в систему новые знания;

клерк, заносящий
в систему текущую информацию.

Важно различать
инструмент, который используется для
построения ЭС, и саму ЭС. Инструмент
построения ЭС включает как язык,
используемый для доступа к знаниям,
содержащимся в системе, и их представления,
так и поддерживающие средства –
программы, которые помогают пользователям
взаимодействовать с компонентой
экспертной системы, решающей проблему.

Экспертная система

— определение, компоненты, функции и приложения

Экспертная система — это усовершенствованное компьютерное приложение, которое реализовано с целью предоставления решений сложных проблем или прояснения неопределенностей за счет использования неалгоритмических программ, в которых обычно используется человеческий опыт надо будет. Экспертные системы наиболее распространены в сложной проблемной области и рассматриваются как широко используемые альтернативы при поиске решений, требующих наличия определенного человеческого опыта.Экспертная система также может обосновать свои решения, основываясь на знаниях и данных от прошлых пользователей. Обычно экспертные системы используются для принятия стратегических решений по бизнес-маркетингу, анализа производительности систем реального времени, настройки компьютеров и выполнения многих других функций, которые обычно требуют наличия человеческого опыта.

Отличие экспертной системы от обычной системы решения проблем состоит в том, что последняя представляет собой систему, в которой закодированы и программы, и структуры данных, в то время как для экспертной системы жестко закодированы только структуры данных, а информация о конкретной проблеме не хранится. закодировано в структуре программы.Вместо этого знания человеческого опыта фиксируются и кодируются в процессе, известном как инженерия знаний. Следовательно, всякий раз, когда для решения конкретной проблемы требуется помощь определенного человеческого опыта, кодифицированный человеческий опыт будет использоваться и обрабатываться, чтобы обеспечить рациональное и логичное решение. Эта экспертная система, основанная на знаниях, позволяет часто пополнять систему новыми знаниями и соответственно адаптироваться к новым требованиям постоянно меняющейся и непредсказуемой среды.

Компоненты экспертной системы

Экспертная система имеет множество основных системных компонентов для работы и взаимодействия с лицами, выполняющими различные роли. На следующей диаграмме показаны компоненты экспертной системы и человеческий интерфейс.

Основными компонентами экспертной системы являются:

• База знаний — набор правил как представление опыта, в основном в утверждениях IF THEN.
• Рабочая память — данные, относящиеся к решаемой проблеме.
• Механизм вывода — код, лежащий в основе системы, который выводит рекомендации из базы знаний и проблемных данных в рабочем хранилище.
• Пользовательский интерфейс — код, управляющий диалогом между пользователем и системой.

Есть определенные основные роли лиц, которые взаимодействуют с экспертной системой, чтобы полностью использовать ее функциональные возможности и возможности. Это:

• Эксперт в предметной области — физическое или физическое лицо, чьи экспертные знания решают проблемы, для решения которых предназначена система;
• Инженер по знаниям — человек, который кодирует th

.

Экспертная система — Простая английская Википедия, бесплатная энциклопедия

Экспертная система — это программа, работающая на компьютере. Как человек-эксперт, он много знает о предмете. Люди могут задать вопрос экспертной системе. Затем экспертная система будет использовать набор правил и даст ответы на вопрос. Этот метод автоматического мышления относится к области компьютерных наук, называемой искусственным интеллектом.

Различные группы людей могут иметь разные виды доступа к экспертной системе.Люди, управляющие компьютерной сетью, имеют другие потребности, чем офисный работник или секретарь.

Экспертные системы состоят из

• Сводка фактов, правил и принципов
• Набор данных, который решается с использованием его опыта
• Пользовательский интерфейс

Когда им задают вопрос, они фильтруют данные по имеющимся у них правилам. Они могут вернуть результат или задать дополнительный вопрос.

• В экспертных системах на основе кейсов есть несколько кейсов; в каждом случае описывается проблема в контексте и решение проблемы в конкретном случае.Текущая проблема максимально приближена к случаю. Решение найденного случая затем применяется к текущей проблеме. Основная проблема таких систем — определить, как дела соотносятся друг с другом или похожи. Примером того, где может быть использована такая система, является система пациента: у этого пациента проявляется заданное количество симптомов, и экспертная система может поставить диагноз пациенту.
• Системы, основанные на правилах, не полагаются на дела; вместо этого существует ряд правил. Они выражаются в форме IF A THEN B .В большинстве систем правила должны писать специалисты.
• Третий подход состоит в построении систем, основанных на деревьях решений. Такие системы способны обучаться или расширять свою базу знаний с помощью индуктивных рассуждений. Когда классификация завершена, система использует путь через дерево. В конце он доходит до листа, который указывает класс решения проблемы. Каждая бифуркация в дереве основана на атрибуте, который проверяется. Значение атрибута определяет, как продолжить путь.В идеале хорошие результаты получаются при использовании небольших деревьев. Проблема в том, чтобы найти хорошие атрибуты, на которых можно принимать решения.

.

Экспертная система | информатика

Экспертная система , компьютерная программа, использующая методы искусственного интеллекта для решения проблем в специализированной области, которая обычно требует человеческого опыта. Первая экспертная система была разработана в 1965 году Эдвардом Фейгенбаумом и Джошуа Ледербергом из Стэнфордского университета в Калифорнии, США. Dendral, как позже стала известна их экспертная система, была разработана для анализа химических соединений. Экспертные системы теперь имеют коммерческое применение в таких разнообразных областях, как медицинская диагностика, нефтяная инженерия и финансовые инвестиции.

Британская викторина

Компьютеры и технологии: Викторина

Что из этого не компьютер ?

Чтобы достичь очевидного интеллекта, экспертная система полагается на два компонента: базу знаний и механизм вывода. База знаний — это организованный набор фактов о предметной области системы.Механизм вывода интерпретирует и оценивает факты в базе знаний, чтобы дать ответ. Типичные задачи для экспертных систем включают в себя классификацию, диагностику, мониторинг, проектирование, планирование и планирование специализированных мероприятий.

Факты для базы знаний должны быть получены от экспертов-людей посредством интервью и наблюдений. Затем это знание обычно представляется в форме правил «если-то» (производственных правил): «Если какое-то условие истинно, то можно сделать следующий вывод (или предпринять какое-то действие).«База знаний крупной экспертной системы включает тысячи правил. Фактор вероятности часто добавляется к выводу каждого производственного правила и к окончательной рекомендации, потому что вывод не является достоверным. Например, система диагностики глазных заболеваний может указывать на основе предоставленной информации о 90-процентной вероятности того, что у человека есть глаукома, а также может указывать выводы с более низкой вероятностью. Экспертная система может отображать последовательность правил, по которым она пришла к своему выводу; отслеживание этого потока помогает пользователю оценить надежность его рекомендации и полезно в качестве учебного пособия для студентов.

Эксперты-люди часто используют эвристические правила или «практические правила» в дополнение к простым производственным правилам, например, взятым из технических справочников. Таким образом, кредитный менеджер может знать, что заявитель с плохой кредитной историей, но безупречная репутация с момента получения новой работы, на самом деле может быть хорошим кредитным риском. Экспертные системы включают такие эвристические правила и все чаще получают возможность учиться на собственном опыте. Экспертные системы остаются помощниками, а не заменой экспертов-людей.

Получите эксклюзивный доступ к контенту из нашего первого издания 1768 с вашей подпиской.
Подпишитесь сегодня
.

Экспертная система

В искусственном интеллекте экспертная система — это компьютерная система, которая имитирует способность принимать решения человеческого эксперта. ^[1] Экспертные системы предназначены для решения сложных проблем, основываясь на знаниях, как эксперт, а не следуя процедурам разработчика, как в случае традиционного программирования. ^{[2] [3] [4]} Первые экспертные системы были созданы в 1970-х, а затем получили распространение в 1980-х. ^[5] Экспертные системы были одними из первых действительно успешных форм программного обеспечения ИИ. ^{[6] [7] [8] [9] [10] [11]}

Экспертная система имеет уникальную структуру, отличную от традиционных программ. Он разделен на две части: одна фиксированная, независимая от экспертной системы: механизм вывода, и одна переменная: база знаний. Чтобы запустить экспертную систему, движок рассуждает о базе знаний как человек ^[12] .В 80-е появилась третья часть: диалоговый интерфейс для общения с пользователями. ^[13] Эта способность вести беседу с пользователями позже была названа «разговорной». ^{[14] [15]}

Архитектура программного обеспечения

База правил или база знаний

В технологии экспертных систем база знаний выражается правилами естественного языка ЕСЛИ … ТО … Например:

• «ЕСЛИ он жив, ТО он смертен»
• «ЕСЛИ его возраст = известен, ТО его год рождения = сегодняшняя дата — его возраст в годах»
• « ЕСЛИ идентичность микроба неизвестна с уверенностью, И микроб является грамположительным, И морфология организма» стержневая «И микроб является аэробным, ТОГДА существует большая вероятность (0.8) что зародыш относится к типу энтеробактерий « ^[16]

Преимущество этой формулировки заключается в том, что она говорит на повседневном языке, что очень редко встречается в информатике (кодируется классическая программа). Правила выражают знания, которые будут использоваться экспертной системой. Существуют и другие формулировки правил, которых нет в повседневном языке, понятные только компьютерным специалистам. Каждый стиль правил адаптирован к стилю двигателя. Вся проблема экспертных систем состоит в том, чтобы собрать эти знания, обычно бессознательные, от экспертов.Существуют методы, но почти все они доступны только специалистам по информатике.

Двигатель вывода

Механизм вывода — это компьютерная программа, разработанная для обоснования правил. Чтобы произвести рассуждение, оно основано на логике. Существует несколько видов логики: логика высказываний, предикаты 1-го или более порядка, эпистемическая логика, модальная логика, темпоральная логика, нечеткая логика и т. Д. Все они сложны, за исключением логики высказываний, и их могут понять только математики, логики или компьютерщики. .Логика высказываний — это основная человеческая логика, выраженная в силлогизме. Экспертная система, использующая эту логику, также называется экспертной системой нулевого порядка. С помощью логики движок может генерировать новую информацию из знаний, содержащихся в базе правил, и данных, которые необходимо обработать.

Движок может работать двумя способами: пакетным или диалоговым. Пакетно экспертная система имеет все необходимые данные для обработки с самого начала. Для пользователя программа работает как классическая программа: он предоставляет данные и сразу получает результаты.Рассуждения невидимы. Общение становится необходимым, когда разработчик знает, что не может запросить у пользователя все необходимые данные с самого начала, так как проблема слишком сложна. Программа должна «изобретать» способ решения проблемы, запрашивать у пользователя недостающие данные, постепенно, максимально быстро приближаясь к цели. В результате создается впечатление диалога под руководством эксперта. Чтобы вести диалог, движок может иметь несколько уровней сложности: «прямая цепочка», «обратная цепочка» и «смешанная цепочка».Прямая цепочка — это опрос эксперта, который не имеет представления о решении и постепенно исследует (например, диагностика неисправностей). В обратной цепочке движок имеет представление о цели (например, все в порядке или нет? Или: есть опасность, но какой уровень?). Он начинается с поставленной цели в надежде найти решение как можно скорее. В смешанной цепочке движок имеет представление о цели, но этого недостаточно: он выводит в прямой цепочке из предыдущих ответов пользователя все, что возможно, прежде чем задать следующий вопрос.Таким образом, довольно часто он выводит ответ на следующий вопрос, прежде чем его задать.

Большой интерес к использованию логики заключается в том, что этот тип программного обеспечения может дать пользователю четкое объяснение того, что оно делает («Почему?») И что оно выводит («Как?»). Более того, благодаря логике самые сложные экспертные системы способны обнаруживать противоречия ^[17] в информации пользователя или в знаниях и могут ясно их объяснять, раскрывая в то же время знания эксперта и его образ мышления.

Преимущества

Системы

Expert предлагают пользователям много преимуществ по сравнению с традиционными программами, поскольку они работают как человеческий мозг.

Разговорный

Быстрая доступность и возможность программирования

Поскольку в основе правил лежит повседневный язык (движок неприкосновенен), экспертная система может быть написана намного быстрее, чем обычная программа, пользователями или экспертами, минуя профессиональных разработчиков и избегая необходимости объяснять предмет.

Способность использовать значительный объем знаний

Экспертная система использует базу правил, в отличие от обычных программ, что означает, что объем знаний для программирования не имеет большого значения. Независимо от того, имеет ли база правил 10 правил или 10 000, работа двигателя одинакова.

Надежность

Надежность экспертной системы такая же, как надежность базы данных, т.е. хорошая, выше, чем у классической программы.

Масштабируемость

Развитие экспертной системы заключается в добавлении, изменении или удалении правил.Поскольку правила написаны простым языком, легко определить, какие из них следует удалить или изменить.

Педагогика

Механизмы, управляемые истинной логикой, способны объяснить пользователю простым языком, почему они задают вопрос и как они приходят к каждому выводу. При этом они демонстрируют знание эксперта, содержащегося в экспертной системе. Таким образом, пользователь может изучить эти знания в контексте. Более того, они могут шаг за шагом сообщать о своих выводах. Итак, у пользователя есть информация о своей проблеме еще до окончательного ответа экспертной системы.

Сохранение и приумножение знаний

Ценные знания могут исчезнуть со смертью, отставкой или выходом на пенсию эксперта. Записанный в экспертной системе, он становится вечным. Разработка экспертной системы означает интервьюирование эксперта и ознакомление системы с его знаниями. Тем самым он отражает и усиливает его.

Новые области, на которые не обращают внимания традиционные вычисления

Автоматизируя обширные знания, разработчик может столкнуться с классической проблемой: «комбинаторный взрыв», который сильно усложняет его работу и приводит к созданию сложной и трудоемкой программы.Экспертная система рассуждений не сталкивается с этой проблемой, поскольку движок автоматически загружает комбинаторику правил. Эта способность может быть использована в тех областях, где комбинаторика огромна: интерактивные или диалоговые приложения, диагностика неисправностей, поддержка принятия решений в сложных системах, учебное программное обеспечение, логическое моделирование машин или систем, постоянно меняющееся программное обеспечение.

Недостатки

Экспертная система имеет серьезный недостаток, который объясняет ее низкий успех, хотя принцип существует уже 70 лет: сбор знаний и интерпретация в правила, инженерия знаний.У большинства разработчиков нет способа выполнить эту задачу. Они работают «вручную», что открывает множество возможностей для ошибок. Экспертные знания недостаточно изучены, отсутствуют правила, правила противоречивы, некоторые плохо написаны и непригодны для использования. Хуже того, они чаще всего используют двигатель, не умеющий рассуждать. Результат: экспертная система работает плохо, проект заброшен. ^[18] Правильная методология разработки может смягчить эти проблемы. Существует программное обеспечение для пошагового опроса эксперта, которое автоматически записывает правила и одновременно запускает экспертную систему у него на глазах, выполняя согласованность правил контроля ^{[19] [20] [21]} .Таким образом, эксперт и пользователи могут проверить качество программного обеспечения еще до его завершения.

Многие экспертные системы также страдают из-за используемой логики. Большинство логик оперируют «переменными» фактами, т.е. чье значение изменяется несколько раз в течение одного рассуждения, что рассматривается как свойство, принадлежащее более мощной логике. Точно так же, как в классических вычислениях, способ программирования, при котором разработчики действительно чувствуют себя комфортно. Это случай Mycin, Dendral, нечеткой логики, логики предикатов (Пролог), символьной логики, математической логики и т. Д.. Логика высказываний использует только неизменяемые факты ^[22] . Оказывается, что в человеческом сознании используемые факты должны оставаться неизменными до тех пор, пока мозг рассуждает о них. Это делает возможным обнаружение противоречий и выработку объяснений, два способа контроля непротиворечивости знаний ^{[23] [24]} . Вот почему экспертные системы, использующие переменные факты, более понятные для ИТ-разработчиков и наиболее многочисленные, менее просты в разработке, менее понятны для пользователей, менее надежны и не дают объяснений или обнаружения противоречий.

Область применения

Экспертные системы обращаются к областям, в которых комбинаторика огромна:

Их также можно использовать в разработке программного обеспечения для приложений быстрого прототипирования (RAD). Действительно, экспертная система, быстро разработанная на глазах у эксперта, показывает ему, нужно ли программировать будущее приложение.

Действительно, любая программа содержит экспертные знания, а классическое программирование всегда начинается с экспертного интервью. Программа, написанная в виде экспертной системы, получает все специфические преимущества экспертной системы, среди прочего, ее может разработать любой человек без компьютерного обучения и языков программирования.Но у этого решения есть недостаток: экспертная система работает медленнее, чем традиционная программа, потому что он постоянно «думает», в то время как на самом деле классическая программа просто следует путями, начертанными программистом.

Примеры применения

Экспертные системы предназначены для облегчения задач в областях бухгалтерского учета, медицины, управления процессами, финансовых услуг, производства, человеческих ресурсов и других. Как правило, проблемная область настолько сложна, что более простой традиционный алгоритм не может обеспечить правильное решение.Основа успешной экспертной системы зависит от ряда технических процедур и разработок, которые могут быть разработаны техническими специалистами и соответствующими экспертами. Таким образом, экспертные системы обычно не дают однозначного ответа, но предоставляют вероятностные рекомендации.

Примером применения экспертных систем в финансовой сфере являются экспертные системы для ипотеки. Кредитные отделы заинтересованы в экспертных системах для ипотечных кредитов из-за растущей стоимости рабочей силы, что делает обработку и прием относительно небольших кредитов менее прибыльными.Они также видят возможность стандартизированного и эффективного управления ипотечной ссудой путем применения экспертных систем, понимая, что для принятия ипотечной ссуды существуют жесткие правила, которые не всегда существуют с другими типами ссуд. Еще одно распространенное применение экспертных систем в финансовой области — это торговые рекомендации на различных торговых площадках. Эти рынки включают в себя множество переменных и человеческих эмоций, которые невозможно детерминированно охарактеризовать, поэтому используются экспертные системы, основанные на практических правилах экспертов и данных моделирования.Экспертные системы этого типа могут варьироваться от систем, предлагающих региональные розничные рекомендации, такие как Wishabi, до систем, используемых для оказания помощи финансовым учреждениям и правительствам в принятии денежных решений.

Еще одно применение экспертных систем 1970-х и 1980-х годов, которое мы сегодня называем просто ИИ, касалось компьютерных игр. Например, компьютерные бейсбольные игры Earl Weaver Baseball и Tony La Russa Baseball содержали детализированные модели игровых стратегий этих двух бейсбольных менеджеров. Когда человек играл в игру против компьютера, компьютер запрашивал у Эрла Уивера или Тони Ла Русса экспертную систему, чтобы решить, какой стратегии следовать.Даже те варианты, в которых некоторая случайность была частью естественной системы (например, когда бросить неожиданную подачу, чтобы попытаться обмануть бегуна, пытающегося украсть базу), были решены на основе вероятностей, предоставленных Уивером или Ла Руссой. Сегодня мы бы просто сказали, что «ИИ игры обеспечивал стратегию противоположного менеджера».

Инженерия знаний

Основная статья: инженерия знаний

Построение, обслуживание и развитие экспертных систем известно как инженерия знаний . ^[25] Инженерия знаний — это «дисциплина, которая включает интеграцию знаний в компьютерные системы с целью решения сложных проблем, обычно требующих высокого уровня человеческого опыта». ^[26]

Обычно в экспертной системе взаимодействуют три человека. В первую очередь это конечный пользователь, человек, который использует систему для помощи в решении проблем. При построении и обслуживании системы есть две другие роли: эксперт по проблемной области, который создает систему и предоставляет базу знаний, и инженер по знаниям, который помогает экспертам в определении представления их знаний, вводит эти знания в объяснение. модуль и определяет технику вывода, необходимую для решения проблемы.Обычно инженер по знаниям представляет деятельность по решению проблем в виде правил. Когда эти правила создаются на основе экспертизы предметной области, в базе знаний хранятся правила экспертной системы.

История

Экспертные системы были введены исследователями Стэнфордского проекта эвристического программирования, в том числе «отцом экспертных систем» Эдвардом Фейгенбаумом, с системами Dendral и Mycin. Основными разработчиками технологии были Брюс Бьюкенен, Эдвард Шортлифф, Рэндалл Дэвис, Уильям ван Мелл, Карли Скотт и другие из Стэнфорда.Экспертные системы были одними из первых действительно успешных форм программного обеспечения ИИ. ^{[6] [7] [8] [9] [10] [11]}

Research также очень активно ведется во Франции, где исследователи сосредоточены на автоматизации мышления и логических машин. Французский компьютерный язык Пролог, разработанный в 1972 году, представляет собой настоящий прорыв по сравнению с такими экспертными системами, как Dendral или Mycin: это оболочка ^[27] , то есть программная структура, готовая принять любую экспертную систему и запустить ее.Он объединяет движок, использующий логику первого порядка, с правилами и фактами. Это инструмент для массового производства экспертных систем и был первым операционным декларативным языком ^[28] , позже ставшим самым продаваемым языком IA в мире ^[29] . Однако Prolog не особенно удобен для пользователя и находится на порядок логики, отличной от человеческой логики ^{[30] [31] [32]} .

В 1980-х годах экспертные системы получили распространение, поскольку они были признаны практическим инструментом для решения реальных проблем.Университеты предлагали курсы по экспертным системам, и две трети компаний из списка Fortune 1000 применяли эту технологию в повседневной деловой деятельности. ^{[5] [33]} Международный интерес вызвал проект компьютерных систем пятого поколения в Японии и увеличение финансирования исследований в Европе. Рост в этой области продолжался в 1990-е годы.

Развитию экспертных систем способствовало развитие языков символьной обработки Lisp и Prolog. Чтобы избежать повторного изобретения колеса, были созданы оболочки экспертных систем, которые имели более специализированные функции для построения больших экспертных систем. ^[34]

В 1981 году был представлен первый компьютер IBM PC с операционной системой MS-DOS. Его низкая цена начала умножать пользователей и открыла новый рынок вычислительных и экспертных систем. В 80-е гг. Имидж ИА был очень хорош, и люди верили, что он добьется успеха в короткие сроки [15]. Многие компании начали продавать оболочки экспертных систем из университетов, переименованные в «генераторы», потому что они добавили в оболочку инструмент для написания правил на простом языке и, таким образом, теоретически позволили писать экспертные системы без языка программирования или другого программного обеспечения [16]. .Наиболее известные: Guru (США), вдохновленный Mycin [17] [18], Personal Consultant Plus (США) [19] [20], Nexpert Object (разработан Neuron Data, компанией, основанной в Калифорнии тремя французами) [21] [22], Genesia (разработан французской публичной компанией Electricité de France и продается компанией Steria) [23], VP Expert (США) [24]. Но в конечном итоге инструменты использовались только в исследовательских проектах. Они не проникли на бизнес-рынок, что свидетельствует о незрелости технологии искусственного интеллекта.

В 1986 году на рынке появился новый генератор экспертных систем для ПК, созданный на основе французского академического исследования: Intelligence Service ^{[35] [36]} , продаваемый компанией GSI-TECSI.Это программное обеспечение продемонстрировало радикальное новшество: оно использовало логику высказываний («логику нулевого порядка») для выполнения экспертных систем, рассуждения на базе знаний, написанной с помощью правил повседневного языка, создания объяснений и обнаружения логических противоречий между фактами. Это был первый инструмент, демонстрирующий ИИ, определенный Эдвардом Фейгенбаумом в его книге о японском пятом поколении, искусственном интеллекте и японском компьютерном вызове миру (1983): « Машины будут обладать силой рассудка: они автоматически создадут огромные объем знаний для любой цели, предлагаемой людьми, от медицинской диагностики до разработки продукта, от управленческих решений до образования «,» Размышляющее животное, возможно, неизбежно создало машину рассуждения «,« Разумная сила этих машин соответствует или превосходит способность рассуждений людей, которые их проинструктировали, и, в некоторых случаях, силу рассуждений любого человека, выполняющего такие задачи «. Кеннет Лаудон, Джейн Лаудон, Эрик Фимбел, «Управленческие информационные системы: управление цифровой фирмой», Бизнес и экономика, издание 2010 г., глава 11-3.5: Внедрение большого количества экспертных систем требует значительных усилий в области разработки. долго и дорого. Наем и обучение большего числа экспертов может быть менее затратным, чем создание экспертной системы. (…) Некоторые экспертные системы, особенно самые крупные, настолько сложны, что с годами затраты на лечебное и адаптивное обслуживание становятся такими же высокими, как и стоимость разработки. Путешествие «В честь Жана-Луи Лорьера», Парижский университет Пьера и Марии Кюри (22 марта 2006 г.)

Библиография

Учебники

• Дарлингтон, Кейт (2000). Суть экспертных систем . Pearson Education. ISBN 978-0-13-022774-4.
• Игницио, Джеймс (1991). Введение в экспертные системы . Компании McGraw-Hill. ISBN 978-0-07-909785-9.
• Джарратано, Джозеф К. и Райли, Гэри; Гэри Райли (2005). Экспертные системы, принципы и программирование . Курс Technology Ptr. ISBN 978-0-534-38447-0.
• Джексон, Питер (1998). Введение в экспертные системы . Эддисон Уэсли. ISBN 978-0-201-87686-4.
• Уокер, Адриан и др. (1990). Системы знаний и Пролог . Эддисон-Уэсли. ISBN 978-0-201-52424-6.

История AI

• Кревье, Даниэль (1993), AI: Бурные поиски искусственного интеллекта , Нью-Йорк, Нью-Йорк: BasicBooks, ISBN 0-465-02997-3
• МакКордак, Памела (2004), Машины, которые думают (2-е изд.), Натик, Массачусетс: A. K. Peters, Ltd., ISBN 1-56881-205-1, http://www.pamelamc.com/html/machines_who_think.html
• Люгер, Джордж; Уильям А. Стаблфилд (2004). Искусственный интеллект: структуры и стратегии для решения сложных проблем (5-е изд.). Издательская компания Бенджамина / Каммингса, Inc. ISBN 978-0-8053-4780-7. http://www.cs.unm.edu/~luger/ai-final/tocfull.html.
• Нильссон, Нильс (1 апреля 1998 г.). Искусственный интеллект: новый синтез . Издательство Морган Кауфманн.ISBN 978-1-55860-467-4.
• Russell, Stuart J .; Норвиг, Питер (2003), Искусственный интеллект: современный подход (2-е изд.), Верхняя Сэдл-Ривер, Нью-Джерси: Prentice Hall, ISBN 0-13-7-2, http: //aima.cs.berkeley. edu /
• Уинстон, Патрик Генри (1984-04). Искусственный интеллект . Эддисон-Уэсли. ISBN 978-0-201-08259-3.

Другое

Внешние ссылки

.