ВУЗ:
Составители:
Рубрика:
темы. Модуль советов и объяснений выдает заключения, позволяет программе пояснить пользователю свое «рассуждение»,
дать ответы на вопросы «Как» и «Почему?».
Экспертную систему можно рассматривать как прикладную диалоговую систему искусственного интеллекта (ИИ), спо-
собную получать, накапливать, корректировать знания из некоторой предметной
Рис. 1.4. Структурная схема экспертной системы:
БД – база данных; БЗ – база знаний; МЛВ – механизм логических выводов;
МПЗ – модуль приобретения знаний; МСО – модуль советов и объяснений;
ПИФ – пользовательский интерфейс
области (обычно предъявляемые специалистами-экспертами), выводить новые знания, находить на основе этих знаний ре-
шения практических задач, близкие по качеству к решениям экспертов, и по запросу пользователя объяснять ход решения в
понятной для него форме.
Экспертные системы отличаются от обычных прикладных программ, решающих строго определенные математические
задачи по точным детерминированным алгоритмам, тем, что они решают неформализованные (слабо формализованные),
слабо структурированные задачи. Алгоритмическое решение таких задач или не существует в силу неполноты, неопределен-
ности, неточности, расплывчатости рассматриваемых ситуаций и знаний о них, или решения неприемлемы на практике в
силу сложности строгих и точных алгоритмов. Поэтому ЭС используют логический вывод и эвристический поиск решения.
От систем поддержки принятия решений, которые не используют экспертных оценок и опираются на математические мето-
ды и модели, ЭС отличаются тем, что базируются на эвристических, эмпирических знаниях, оценках, методах, которые получены
от экспертов, и, кроме того, способны анализировать и объяснять пользователю свои действия и знания.
Для построения ЭС применяются специальные языки программирования, ориентированные на решения задач искусст-
венного интеллекта, например LISP и PROLOG.
Язык LISP(Lisp Processing – обработка списков) поддерживает большое число встроенных функций со списками как
связными структурами указателей.
Язык PROLOG (Programming in Logic – программирование в логике) представляет собой инструментальное средство
логического программирования, основанное на теории предикатов первого порядка. Развитием этого языка является Lambda-
PROLOG, а также создание сред декларативного логического программирования (языки Mercury, Goedel) и параллельные
языки логического программирования.
К программным средствам, используемым при разработке экспертных систем относятся также EMYCIN, EXPERT,
OPS5, ROSIE и многие другие.
Идея построения ЭС сформировалась в ходе исследований в области ИИ. С точки зрения задач, которые решают ЭС,
они делятся на два класса. Системы первого класса предназначаются для повышения культуры работы и уровня знаний спе-
циалистов в различных предметных областях. Системы второго класса можно назвать консультирующими или диагности-
рующими. Для оказания помощи человеку в решении указанных задач разрабатываются комплексы программ для ПК, назы-
ваемые интеллектуальными системами, основанными на знаниях.
Выделяют ЭС, основанные на правилах (ЭСП), ЭС на основе модели (ЭСМ), ЭС, использующие рассуждения на основе
опыта (ЭСО), и гибридные экспертные системы (ГЭС).
Экспертные системы, основанные на правилах, используют знания экспертов в простой форме, например, в виде сис-
темы продукционных правил. Для этих ЭС характерна относительная простота разработки ЭС, так как правила легко накап-
ливать, реализовывать и тестировать. ЭСП имеют хорошие результаты применения в узких предметных областях.
К недостаткам ЭСП относятся следующие: обычно правила носят эвристический характер и не охватывают знаний, ос-
нованных на моделях; в них отсутствует теоретическое обоснование; эвристические правила не проявляют робастности при
«неожиданных» исходных данных, они оказываются неприменимыми на границе предметной области, при столкновении с
новыми проблемами.
Экспертные системы, основанные на моделях, при решении задач используют функциональные и структурные знания о
предметной области, что позволяет решать часть задач, не предусмотренных при создании ЭС. В ЭСМ имеется возможность
возвращаться к исходным данным при столкновении с новой проблемой, кроме того, базирование на теоретических научных
знаниях позволяет использовать знания в разных задачах.
В качестве недостатков ЭСМ укажем следующие. Они не используют известные экспериментальные данные и знания,
относящиеся к предметной области. Кроме того, здесь необходимы точные модели описания предметной области, однако во
многих реальных случаях хорошо определенная научная теория для построения точных моделей отсутствует. Разработка
комплекса точных моделей, необходимых для ЭСМ, обычно связана с проведением сложных и трудоемких исследований.
МЛВ
Б3
МПЗ
МСО
ПИФ
Пользователь
Ответы и
объяснения
Ввод
данных
Эксперт
БД
Наполнение, моди-
фикация и дополне-
ние знаний
Страницы
- « первая
- ‹ предыдущая
- …
- 15
- 16
- 17
- 18
- 19
- …
- следующая ›
- последняя »
