Экспертные системы

интеллекта. – М.: Мир, 1990. – 560 С.
Ин Ц.,

Соломон Д. Использование Турбо-Пролога. – М.: Мир, 1993. – 608 С.
Доорс Дж., Рейблейн А.Р., Вадера С. Пролог язык программирования будущего. – М.: ФиС, 1990. – 144 С.
Стерлинг Л., Шапиро Э. Искусство программирования на языке Пролог. – М.: Мир, 1990. – 235 С.
Клоксин У., Меллиш Д. Программирование на языке Пролог. – М.: Мир, 1987. – 336 С.
Стобо Дж. Язык программирования Пролог. – М.: Мир, 1993. – 368 С.
Хювёнен Э., Сеппянен Й. Мир Лиспа. М.: Мир, 1990. – 447 С.
Маурер У. Введение в программирование на языке ЛИСП. – М.: Мир, 1978. – 104 С.
Новицкая Ю.В. Основы логического и функционального программирования (учебное пособие). – http://ermak.cs.nstu.ru/flp/

Дополнительная литература:
Сырецкий Г.А. Информатика. Часть III. Основы логического программирования на PDC Prolog (учебное пособие). – Новосибирск: НГТУ, 1994. – 93 С.
Янсон А. Турбо-Пролог в сжатом изложении. – М.: Мир, 1991. – 94 С.
Адаменко А.Н., Кучуков А.М. Логическое программирование и Visual Prolog. – СПб.: БХВ-Петербург, 2003. – 992 С.
Малпас Дж. Реляционный язык Пролог и его применение. – М.: Наука, 1990. – 463 С.
Хендерсон П. Функциональное программирование: применение и реализация. М.: Мир, 1983. – 349 С.

– автоматизация деятельности человека.
Однако принципиальным отличием ЭС от других

программ является то, что она выступает не в роли «ассистента», выполняющего за человека
часть работы, а в роли «компетентного партнера» – эксперта-консультанта в какой-либо конкретной предметной области.

ход и метод
решения проблемы не может выйти за рамки

тех знаний, что в них
заложены. ЭС также будут бессильны при решении проблемы в
изменяющихся условиях, например, при смене методики решения или
появлении нового оборудования.

вопросам при принятии решений человеком. То есть ЭС используются для

усиления и расширения профессиональных возможностей их пользователей.

одна из традиционных задач для экспертных систем. Под интерпретацией понимается

определение смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

Диагностика. Под диагностикой понимается обнаружение неисправности в некоторой системе. Неисправность – это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является необходимость понимания функциональной структуры ("анатомии") диагностирующей системы.

масштабе времени и сигнализация о выходе тех или иных параметров

за допустимые пределы. Главные проблемы – "пропуск" тревожной ситуации и инверсная задача "ложного" срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.
Проектирование. Проектирование состоит в подготовке спецификаций на создание " объектов" с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов чертеж, пояснительная записка и т.д. Основные проблемы здесь – получение четкого структурного описания знаний об объекте и проблема "следа". Для организации эффективного проектирования и, в еще большей степени, перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой

значения параметров " подгоняются" под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.
Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.
Обучение. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом "ученике" и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они способны планировать обучение ученика в зависимости от его успехов.

архитектуры лежит разделение знаний, заложенных в систему, и алгоритмов их

обработки. Так, например, программа решающая квадратное уравнение, несомненно, использует знание о том, как следует решать этот вид уравнений. Но это знание «зашито» в текст программы и его нельзя не прочитать, не изменить, если исходные тексты программы недоступны. Программы подобного класса весьма удобны для тех, кто решает квадратные уравнения целыми днями. Однако если пользователь хочет решить другой тип уравнения ему не обойтись без программиста, который сможет написать ему новую программу. Теперь, предположим, задача поставлена несколько иначе: программа должна считывать при запуске тип уравнения и способ его решения из текстового файла, и пользователь должен иметь возможность самостоятельно вводить новые способы решения уравнений, например, чтобы сравнить их эффективность, точность и пр.

компьютеру, так и пользователю. Такой способ организации программы позволит изменять

ее возможности без помощи программиста. Даже если пользователь решает только один тип уравнений новый подход предпочтительней прежнего хотя бы потому, что понять принцип решения уравнений, можно просто изучив входной текстовый файл. Данный пример, несмотря на свою простоту и нетипичность предметной области для применения технологии ЭС (для решения математических уравнений обычно используют специализированные пакеты программ, а не экспертные системы), хорошо иллюстрирует особенность архитектуры ЭС – наличие в ее структуре базы знаний, которую пользователь может просмотреть непосредственно или с помощью специального редактора. Базу знаний можно также редактировать, что позволяет изменять работу ЭС без ее перепрограммирования.

ЭС, совокупность знаний о предметной области и способах решения задач,

записанная в форме, понятной неспециалистам в программировании: эксперту, пользователю и др. Обычно знания в БЗ записываются в форме, приближенной к естественному языку. Форма записи знаний получила название язык представления знаний ( ЯПЗ). В различных системах могут использоваться различные ЯПЗ. Параллельно такому "человеческому" представлению БЗ может существовать во внутреннем "машинном" представлении. Преобразование между различными формами представления БЗ должно осуществляться автоматически, так как редактирование БЗ не подразумевает участие программиста-разработчика.

эксперта на основании знаний, заложенных в БЗ. Машина вывода является

неизменной частью ЭС. Однако большинство реальных ЭС имеют встроенные средства управлением ходом логического вывода с помощью так называемых метаправил, записываемых в БЗ.

ЭС. С помощью этого редактора в БЗ добавляются новые знания

или редактируются существующие.



4. И – интерфейс пользователя – блок, предназначенный для взаимодействия ЭС с пользователем, через который система запрашивает необходимые для ее работы данные, и выводит результат. Система может иметь « жесткий» интерфейс, ориентированный на определенный способ ввода и вывода информации, или может включать средства проектирования специализированных интерфейсов для более эффективного взаимодействия с пользователем.

базы знаний и пытается осуществить логический вывод решения поставленной перед

ней задачи. В базе знаний могут храниться два основных вида записей: факты, описывающие состояние предметной области, составляющие ее объекты и их свойства, а также правила, описывающие способы решения задачи. Все правила БЗ имеют одинаковую форму записи и состоят из двух частей: условие и действие.

описывающих проблему на языке представления знаний. Эти факты могут поступать

в систему различными способами: в режиме диалога через интерфейс пользователя, посредством файлов или баз данных, от внешних датчиков или приборов. После считывания исходной информации машина вывода начинает просмотр базы знаний и последовательно сопоставляет описание задачи с записями БЗ, описывающими ход решения. Если условие текущего правила БЗ подтверждается множеством исходных фактов, то система выполняет действие, записанное в данном правиле, добавляя в БЗ новые, производные факты.

Прямой вывод соответствует обычному ходу решения задачи – от исходных

фактов к целевым. Примером прямого вывода является задача классификации. ЭС осуществляет постепенное обобщение исходных фактов, описывающих свойства исследуемого объекта, выявляя наиболее характерные признаки того или иного класса.

задаче – определить какие именно факты требуются для подтверждения данной

цели. Этот тип вывода соответствует противоположному ходу решения: сначала машина вывода рассматривает те правила БЗ, действием которых является вывод целевого факта. Затем выбираются новые подцели из условий этих правил, и процесс продолжается от целевых фактов к исходным. Можно сказать, что при обратном выводе происходит конкретизация свойств исследуемого объекта. Этот вид логического вывода наделяет ЭС новым фундаментальным свойством – способностью объяснить, как было получено решение, или что требуется, для того, чтобы имел место тот или иной факт. В реальных системах, как правило, используется комбинация из прямого и обратного вывода.

специальный вид правил БЗ, представляющие собой директивы машины вывода. Используя

метаправила можно упорядочить применение знаний в зависимости от конкретных значений фактов и текущего состояния БЗ.

примере «игрушечной» ЭС. Пусть задачей этой ЭС является размещение мебели

(столов, стульев, парт и пр.) в аудиториях университета с учетом требований эргономики, безопасности и т.д. На основании знаний об оборудовании помещения в зависимости от расположения и размеров аудитории, от вида занятий (лекции, практика или лабораторные работы) и других параметров, в БЗ заложены правила предписывающие тот или иной способ размещения мебели. Это обычный вид правил. Но в данной предметной области может понадобиться уточнить способ решения задачи с помощью метаправил вида «Если имеет место свойство X, то сначала применить группу правил N». Таким метаправилом может быть, например, следующее: «Если аудитория предназначена для лабораторных занятий, то сначала применить правила, касающиеся компьютеров и лабораторного оборудования, а затем мебели».

включает деятельность предшествующую решению о разработке новой ЭС. В рамках

этого этапа осуществляются конкретизация задачи, подбор экспертов в данной предметной области для совместной работы, выбор подходящих инструментальных средств. Главной особенностью этого этапа является то, что может быть принято решение о нецелесообразности разработки ЭС для выбранной задачи.

ЭС, предназначенный проверки правильности выбранных средств и методов разработки новой

ЭС. К прототипу системы не предъявляются высокие требования. Основная его задача состоит в иллюстрации возможностей будущей системы для специалистов, непосредственно участвующих в разработке, а также для потенциальных пользователей. На этом этапе может быть осуществлена корректировка проекта, уточнены время, стоимость и необходимые ресурсы для завершения работы.

и продолжительный этап работы над ЭС. Все компоненты многократно тестируются

и доводятся до соответствия требованиям проекта. Наибольшую сложность вызывает доработка и доказательство адекватности и эффективности БЗ, так как количество записей в ней может быть на порядок больше, чем в прототипе.

На рынке представлен достаточно большой их спектр, начиная от языков

программирования (LISP, Prolog, Python и др.), оболочек ЭС (Exsys и пр.) и кончая дорогостоящими комплексами (Gensym G2). Выбор инструментария в основном зависит от имеющихся ресурсов и времени. Распространен также вариант, когда на ранних стадиях для реализации прототипа используют инструмент, позволяющий сократить время разработки ( например, оболочку ЭС), а в последствии, для реализации окончательной версии, переходят на более низкоуровневый, но и более эффективный язык программирования.

правильности кодирования фактов, связей и стратегий рассуждения эксперта в БЗ.

Также это хороший способ привлечь эксперта к активному участию в разработке экспертной системы и заинтересовать его, так как, как правило, авторитетные эксперты не обладают достаточным временем, чтобы отвлекаться от основной работы для создания ЭС в полном объеме. Объем первоначальных версий БЗ прототипа обычно составляет несколько десятков записей. Этого вполне достаточно, чтобы смоделировать процесс принятия экспертом отдельных решений по одному или нескольким вопросам. В тоже время разработка этих нескольких десятков правил требует прохождения всего цикла проектирования. Сама процедура создания прототипа имеет итеративный характер. Шаги повторяются, пока не будет получен удовлетворительный результат. Можно условно выделить следующие основные стадии разработки прототипа:

также создание неформальной формулировки проблемы. Уточняется задача, планируется ход разработки

прототипа экспертной системы, определяются необходимые ресурсы ( время, люди, компьютеры и т.д.), источники знаний (книги, дополнительные эксперты, методики), имеющиеся аналогичные экспертные системы, цели (распространение опыта, автоматизация рутинных действий и др.), классы решаемых задач и т.д.
2. Извлечение знаний – процесс взаимодействия эксперта и инженера по знаниям, являющимся основным разработчиком БЗ. В результате этого взаимодействия инженер по знаниям получает наиболее полное представление о предметной области и способах решения задач в ней. Происходит перенос компетентности экспертов на инженеров по знаниям с использованием различных методов: анализ текстов, диалоги, экспертные игры, лекции, дискуссии, интервью, наблюдение и другие.

о предметной области в виде графа, таблицы, диаграммы или текста,

которое отражает основные концепции и взаимосвязи между понятиями предметной области. Выявляется структура полученных знаний о предметной области, т.е. определяются: терминология, список основных понятий и их атрибутов, отношения между понятиями, структура входной и выходной информации, стратегия принятия решений, ограничения стратегий и т.д. Такое описание называется полем знаний.
4. Формализация знаний – разработка базы знаний на языке, который, с одной стороны, соответствует структуре поля знаний, а с другой – позволяет реализовать прототип системы на следующей стадии программной реализации. Строится формализованное представление концепций предметной области на основе выбранного языка представления знаний ( ЯПЗ). Традиционно на этом этапе используются: логические методы (исчисления предикатов I порядка и др.), продукционные модели (с прямым и обратным выводом), семантические сети, фреймы, функциональное программирование, объектно-ориентированные языки, основанные на иерархии классов, объектов и др., а также комбинация указанных методов.

целом. Чаще всего первый прототип отбрасывается на этапе реализации действующей

ЭС. Создаваемый прототип экспертной системы должен включать базу знаний и все остальные блоки, которые могут быть разработаны с помощью каких-либо языков программирования, оболочек ЭС или специализированных программных комплексов.
6. Тестирование – выявление ошибок в подходе и реализации прототипа и выработка рекомендаций по дальнейшей доводке системы до промышленного варианта или повторной переработке. Оценивается и проверяется работа прототипа с целью приведения в соответствие с реальными запросами пользователей. Прототип проверяется на удобство и адекватность интерфейсов ввода-вывода ( характер вопросов в диалоге, связность выводимого текста результата и др.), эффективность стратегии управления выводом на знаниях (порядок перебора, использование нечеткого вывода и др.), качество тестовых примеров, корректность базы знаний (полнота и непротиворечивость правил).

системы постепенно совершенствуется и расширяется. Таким образом, происходит плавный переход

от демонстрационного прототипа к коммерческой системе. При этом если программный инструментарий выбран удачно, отпадает необходимость переписывания финальной версии системы на каком-либо языке программирования или другом, более мощном инструментарии.

специалистов в какой-либо узкой предметной области; система MYCIN была разработана,

чтобы консультировать врачей не специализирующихся в области заболеваний крови
потребность в многочисленном коллективе специалистов, поскольку ни один из них не обладает достаточным знанием; система 1SIS помогала планировать промышленные заказы.
сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть ( за отведенное время) все эти условия; системы FALCON и др. предназначались для контроля аварийных датчиков на химическом заводе.
большое расхождение между решениями самых опытных экспертов и новичков; система XCON, разработанная для конфигурирования компьютеров VAX – 1/780/ ошибалась на порядок меньше, по сравнению со специалистом средней руки.

медицинской диагностики заболеваний крови, разработанная группой по инфекционным заболеваниям Стенфордского

университета. MYCIN включает базу данных пациентов и базу знаний, состоящую из 450 правил. Для нового пациента в базе данных создается специальная запись, куда помещается информация о симптомах и первоначальных тестов. Система автоматически или при помощи оператора выбирает цель в виде « в крови имеется такой-то микроорганизм», после чего начинается вывод вспомогательных целей, для которых, возможно, потребуются новые анализы. Результаты новых анализов также вводятся в систему, и процесс продолжается, пока система не поставит соответствующий диагноз и выработает рекомендацию по медикаментозному лечению найденной инфекции. В системе реализованы механизмы представления нечетких знаний. Так, запись о пациенте в базе данных представляет собой древовидную структуру, в листьях которой помимо значений параметров хранятся степени уверенности в истинности этих параметров. Правила базы знаний системы также используют степени уверенности при описании знаний. Для вывода заключения в MYCIN используется сначала прямой механизм, в ходе которого выводятся подцели – возможные инфекции, а затем обратный – предназначенный для поиска анализов, способных подтвердить или опровергнуть найденные в ходе прямого вывода подцели. В процессе логического вывода система комбинирует степени уверенности данных и правил, получая, таким образом, степень истинности заключения.

из которой удалили данные по инфекциям и вставили данные о

легочных заболеваниях.

DENDRAL – распознавание химических структур. Данная система старейшая, из имеющих звание экспертных. Первые версии данной системы появились еще в 1965 году во все том же Стенфордском университете. Пользователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та в свою очередь выдает диагноз в виде соответствующей химической структуры.

МИКРОЛЮШЕР и др. – определение основных свойств личности по результатам

психодиагностического тестирования в системах.
ANGY – диагностика и терапия сужения коронарных сосудов.
CRIB и др. – диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ.
СПРИНТ – контроль за работой электростанций.
REACTOR – помощь диспетчерам атомного реактора.
FALCON и др. – контроль аварийных датчиков на химическом заводе.
XCON (или R1) – проектирование конфигураций ЭВМ VAX – 1/780/
CADHELP – проектирование БИС.
SYN и др. – синтез электрических цепей.
WILLARD – предсказание погоды.
PLANT – оценки будущего урожая.
ЕСОN и др. – прогнозы в экономике.
STRIPS – планирование поведения робота.
1SIS – планирование промышленных заказов.
MOLGEN и др. – планирование эксперимента.