Интеллектуальные информационные системы

КемИ РГТЭУ

функций
Функции ввода-вывода
Система ввода – вывода, используемая CLIPS, называется маршрутизацией

ввода-вывода (I/O routers).
Одна из особенностей системы - это использование логических имен, которые позволяют обращаться к устройствам ввода – вывода унифицированным способом без необходимости учета особенностей конкретного устройства.
Некоторые предопределенные логические имена CLIPS:
stdin (t) - логическое имя, определяющее устройство для ввода информации от пользователя по умолчанию. Его используют функции read, readline. Его синоним - t.
stdout (t) - логическое имя, которое определяет устройство для вывода информации. Его синоним - t. Используется командами printout, format
wclips – имя устройства, которая использует справочная система CLIPS.
werror – логическое имя устройства, которое будет выводить сообщение об ошибках.
wwarning – логическое имя устройства, на котором будут выдаваться предупреждения.
wtrace – логическое имя устройства, на котором отображается отладочная информация.
Функции ввода-вывода:
open - открытие файла. Синтаксис функции:
(open <имя файла><логическое имя>[<параметр открытия>])
Возможные варианты значений параметра, определяющих способ открытия файла:
“r”- доступ только для чтения; “w”- доступ только для записи;
“r +” – доступ для чтения и записи; “a” – добавление только в конец файла.
Пример функции: (open “myfile.clp” writeFile “w”)

170

функций
Функции ввода-вывода
close -закрытие файла. Параметром может быть логическое имя,

но может быть без параметров, тогда CLIPS закроет все открытые файлы.
printout - вывод информации на заданное устройство. Синтаксис функции:
(printout <логическое имя><выражение>*)
Функция printout принимает и выводит на устройство, связанное с заданным логическим именем, любое число параметров.
Каждое выражение вычисляется и выводится на соответствующее устройство без пропусков. Используемые символы:
crlf- перевод строки;
tab – горизонтальная табуляция (пропуск 8 символов);
vtab – вертикальная табуляция;
ff – переход на новую страницу.
read- ввод данных с заданного устройства. Параметром может быть логическое имя, а может быть без него.
format – форматированный вывод информации на заданное устройство.
readline – ввод строки с заданного устройства.
rename – переименование файла. Синтаксис функции:
(rename <старое- имя><новое-имя>)
remove - удаление файла. Синтаксис функции:
(remove < имя-файла>).

171

систем
Экспертная система (ЭС) – компьютерная система, которая оперирует со знаниями

в определенной предметной области с целью выработки рекомендаций или высокоэффективного решения задач в некоторой узкой предметной области.

В большинстве случаев ЭС предназначаются для оказания консультационной помощи специалистам при решении задач, возникающих в слабоструктурированных и трудно формализуемых предметных областях.
К ЭС относят также сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях (экспертов) и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.
Экспертные знания - знания, которыми располагает специалист в некоторой предметной области.
Современные экспертные системы широко используются для тиражирования опытам знаний ведущих специалистов практически во всех сферах экономики.
Традиционно знания существуют в двух видах - коллективный опыт и личный опыт.

172

систем
Если большая часть знаний в предметной области представлена в виде

коллективного опыта (например, высшая математика), эта предметная область не нуждается в экспертных системах (рис. 5.1).









Рисунок 5.1. Предметная область, не пригодная для создания экспертной системы
Если в предметной области большая часть знаний является личным опытом специалистов высокого уровня (экспертов), если эти знания по каким-либо причинам слабо структурированы, такая предметная область скорее всего нуждается в экспертной системе (рис. 5.2).






Рисунок 5.2. Предметная область, пригодная для создания экспертной системы

173

систем
Существуют две основные разновидности ЭС по назначению:
для специалистов, чей профессиональный

уровень не слишком высок. В базах знаний таких ЭС хранятся знания, полученные от экспертов, используемые всякий раз, когда в этом возникнет необходимость
для специалистов высокой квалификации, выполняя для них значительную часть рутинных операций и просмотр больших массивов информации.
Особенностью является наличие в них системы объяснений, повышающей консультационную силу ЭС.
Механизм объяснения (порождение объяснений — модели аргументации и рассуждения) — часть экспертной системы, которая объясняет, каким образом были получены решения, и обосновывает действия, предпринятые для их получения.

174

систем
Экспертная система работает в двух режимах:
в режиме приобретения знаний

общение с ЭС осуществляет (через посредничество инженера по знаниям) эксперт.
в режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Если реакция системы не понятна пользователю, то он может потребовать объяснения: "Почему система задает тот или иной вопрос?", «Как ответ системы получен?".
Условия, при которых компьютерную программу можно считать экспертом:
Программа должна обладать знаниями.
Знания должны быть сконцентрированы на определенной предметной области.
Из этих знаний должны непосредственно вытекать решения проблем.

175

систем
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.
Моделирование механизма мышления человека применительно к решению задач в этой предметной области.
ЭС помимо вычислений формируют определенные соображения и выводы, основываясь на тех знаниях, которыми система располагает.
При решении задач в основном используются эвристические и приближенные методы, которые не всегда гарантируют успех.

176

систем
Отличие ЭС от других систем искусственного интеллекта:
ЭС явно выражают практическую

и коммерческую направленность, имеют дело с предметами реального мира, тогда как другие системы с «игрушечными» и абстрактными предметами.
Основная характеристика ЭС – это производительность, то есть скорость получения результата и его достоверность (надежность). В исследовательских системах ИИ не предъявляются требования к производительности и надежности. Для ЭС решение должно быть не хуже, чем то, которое нашел бы специалист.
ЭС должна обладать способностью объяснить свои решения и доказать их обоснованность.
Накопление высококачественных знаний экспертов.
Возможность использования этих знаний неспециалистами или специалистами более низкой квалификации, решающими типовые задачи.

177

систем
Требования, предъявляемые к ЭС с точки зрения пользователя:
накопление и получение

знаний в предметной области;
адаптация к уровню подготовленности пользователя;
запоминание промежуточных и окончательных результатов решения задач и способов их получения;
возможность общения с системой на подмножестве профессионального языка пользователя;
желательность инициализации диалога самой системой;
возможность создания и ведения базы знаний и базы данных, описывающих конкретную предметную область;

178

систем
приемлемое требование к скорости принимаемого решения;
возможность принятия решения на реальной

информации, отображающей текущее состояние исследуемого объекта, в том числе с учетом его «зашумленности» и неполноты;
возможность решения узкого класса задач в конкретной предметной области и самообучения;
возможность объяснения принятых решений;
наличие «доски объявлений», на которую помещаются планируемые в системе действия и представляются результаты принятых решений;
возможность интерпретации разных заданий пользователя с учетом имеющейся в базе знаний информации;
желательность проверки задания пользователя, фактов и правил базы знаний на логическую непротиворечивость.

179

систем
Базовые функции экспертных систем:
Приобретение знаний – это передача потенциального опыта

решений проблемы от некоторого источника знаний и преобразование его в вид, который позволяет использовать эти знания в программе.
Процесс приобретения знаний является очень медленным и представляет самое узкое место в технологии разработки ЭС.
Причины низкой производительности:
Специалисты в своей области пользуются профессиональным языком, который трудно понимается.
Факты и принципы, лежащие в основе многих специфических областей знаний, не всегда могут быть четко сформулированы в терминах математической теории.
Обширный контекст, который само собой подразумевается у специалиста.

180

систем
Базовые функции экспертных систем:
Представление знаний – структурирование знаний с целью

формализации процессов решения задач в определенной проблемной области
это средство отыскания методов формального описания больших массивов полезной информации с целью их последующей обработки с помощью символических вычислений.
Формальное описание означает упорядочивание в рамках какого-либо языка, обладающего четко формализованным синтаксисом построения выражений и такого же уровня семантикой, увязывающей смысл выражения с его формой.
Основными критериями доступа к представлению знаний являются:
логическая адекватность;
эвристическая мощность;
естественность нотаций (запись на языке должна быть понятна человеку).

181

систем
Базовые функции экспертных систем:
III. Управление процессом поиска решений.
IV. Разъяснения принятого

решения предоставляет пользователю информацию о том, как интеллектуальная система получила выданное пользователю решение. Используя маршрут, который сохранился в памяти системы от процесса поиска решения, интеллектуальная система формирует пользователю объяснение на профессиональном естественном языке, позволяющее ему представить все принципиальные шаги решения
Поясним, почему это важно:
нужно быть уверенным с точки зрения пользователя, что заключение программы корректно;
инженеры, формирующие базу знаний должны убедиться, что сформулированные ими знания применены правильно;
экспертам в ПО желательно проследить ход рассуждений и способ использования тех сведений, которые с их слов были введены в БЗ;
программистам, которые сопровождают и модернизируют систему, надо иметь инструмент, позволяющий заглянуть внутрь;
менеджер системы, использующей экспертную технологию, который несет ответственность за последствия решения, принятого программой, также нуждается в подтверждении, что эти решения достаточно обоснованы.

182

(КР) будем понимать группу специалистов, ответственных за построение ЭС.
В

эту группу входят следующие специалисты:
Эксперт (Э) - это специалист высокой квалификации в конкретной ПО. Э чрезвычайно важная фигура в группе КР. Его подготовка определяет уровень компетенции базы знаний.
Инженер знаний (ИЗ) (когнитолог, инженер-интерпретатор, аналитик) — специалист в области искусственного интеллекта, выполняющий функции посредника между экспертами и разработчиками, между экспертами и ЭС. Эта одна из самых малочисленных, дефицитных и высокооплачиваемых специальностей в мире.
Программист (ПР)– это специалист, способный вести разработку ЭС в среде определенного инструментального средства.
Пользователь (ПЛ)- человек, который использует уже построенную систему.

183

имеют определенные преимущества перед человеком-экспертом:
Они не делают поспешных выводов.
У ЭС

нет предубеждений.
ЭС позволяет решить проблему сохранения знаний, связанную с утратой наиболее квалифицированных экспертов в результате их продвижения по службе, перехода на другое место работы, выхода на пенсию, смерти. Знания будут легко доступны для тех, кто займет места ушедших экспертов.
ЭС работают, систематизировано, рассматривая все детали, и выбирают наилучшую альтернативу из всех возможных.
Размер БЗ может быть очень большим, а человек имеет ограниченную БЗ, причем, если знания долго не используются, то они забываются и навсегда теряются.
ЭС устойчивы к «помехам», тогда как эксперт легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей (отвлекающий шум, плохое самочувствие и т.д.)
Подобно другим видам компьютерных программ, ЭС не заменяют специалиста при решении задач, а являются инструментом в его руках.

186

если
существуют эксперты, компетентные в избранном круге вопросов, которые согласны

сотрудничать при создании ЭС.
эксперты сходятся в оценке предлагаемого решения, иначе нельзя будет оценить качество разработанной ЭС;
эксперты способны вербализовать (выразить на естественном языке) и объяснить используемые ими методы;
решение задачи требует только символьных рассуждений, а не действий;
задача не должна быть слишком трудной (т.е. ее решение должно занимать у эксперта несколько часов или дней, а не недель);
задача хотя и не должна быть выражена в формальном виде, но все же должна относиться к достаточно "понятной" и структурированной области;
решение задачи не должно в значительной степени использовать "здравый смысл" (т.е. широкий спектр общих сведений о мире и о способе его функционирования, которые знает и умеет использовать любой нормальный человек), так как подобные знания пока не удается (в достаточном количестве) вложить в системы искусственного интеллекта.

187

быть достаточно важной и актуальной. Это могут быть проблемы, требующие

высокого уровня экспертизы, или простые, но трудоемкие, многократно повторяющиеся проверки. Нет смысла тратить время на создание ЭС для решения проблем, которые возникают редко, или могут быть разрешены специалистом невысокой квалификации.
Необходимо четко ограничить круг решаемых задач, чтобы ПО была достаточно узкой, иначе возникнет «комбинаторный взрыв» объема информации, необходимого для компетентного решения поставленной задачи.
Нужна согласованность мнений группы экспертов о том, как следует решать поставленные задачи, иначе невозможно расширить БЗ за пределы опыта одного человека и осуществить сплав экспертных знаний из нескольких областей.
Должно быть достаточно исходных данных для проверки работоспособности ЭС в выбранной ПО, чтобы разработчики могли убедиться в достижимости некоторого заданного уровня ее функционирования.
Должна обеспечиваться возможность постепенного наращивания системы. БЗ должна легко расширяться и корректироваться, так как правила часто меняются с появлением новых фактов.

188

быть оправдано одним из следующих факторов:
решение задачи принесет значительный

эффект, например экономический;
использование человека-эксперта невозможно либо из-за недостаточного количества экспертов, либо из-за необходимости выполнять экспертизу одновременно в различных местах;
использование ЭС целесообразно в тех случаях, когда при передаче информации эксперту происходит недопустимая потеря времени или информации;
использование ЭС целесообразно при необходимости решать задачу в окружении, враждебном для человека.

189

проявляется в следующих аспектах:
в сборе, оперативном уточнении, кодировании и распространении

экспертных знаний;
в эффективном решении проблем, сложность которых превышает человеческие способности, и для которых требуются экспертные знания из нескольких областей.
сохранение наиболее уязвимой ценности коллектива - коллективной памяти.

190

70-е гг. ЭС могла лишь повторить логический вывод эксперта. Знаниями

системы являются только раз введенные знания эксперта. Опыта накопления знаний не предусматривалось. Методы представления знаний позволяли описывать лишь статические ПО.
II поколение
90-е гг. ЭС не просто имитируют деятельность человека, они выступают в роли полноценного помощника и советника, способные проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, порождать решения новых, ранее не рассматриваемых задач. Такие системы называются партнерскими или усилителями интеллектуальных способностей человека. Они могут решать задачи динамической ПО, то есть в реальном мире. Их используют в здравоохранении, страховании, банковском деле, при поиске в Интернете.

191

с БЗ:
Компании добиваются значительной экономии денежных средств благодаря технологии БЗ.

Развивают и встраивают их в специальные бизнес-процессы, которые были бы невозможны без компьютерной экспертизы.
Современные системы в отличие от систем первого поколения реализованы на стандартном оборудовании.
Объединение всех видов программных продуктов в единую ЭС признано экономически выгодным, так как позволяет сократить расходы на подготовку квалифицированного персонала.
Использование объектно-ориентированной технологии проектирования ЭС является значительным шагом вперед по сравнению с CASE-средствами. Данная технология прекрасно подходит аналитикам и программистам, так как очень напоминает стратегию решения проблем.

192

моделирования
В наше время происходит переход к разработке и применению ЭС

третьего поколения (2007—2010 гг.) - интеллектуальным интегрированным комплексам моделирования. Главный смысл смены концепций (парадигмы) создания ЭС и использования средств ИИ — это переход к распределенной обработке информации и разработке мультиагентных ИС .
Главной особенностью перспективных систем является их распределенность, обеспечение обработки и применение распределенных знаний. Основой для создания перспективных ЭИС являются результаты, имеющиеся в области методов обнаружения закономерностей, распознавания образов, структурно-логического анализа данных и знаний, математической лингвистики, а также достигнутый опыт в разработке ЭИС.
Перспективные ЭИС (экспертные интеллектуальные системы) должны обеспечивать обработку смыслов, а не только знаний и данных. Эти системы могут анализировать фразы естественного языка и строить соответствующие их семантическому содержанию сетевые структуры. ЭИС становится способной понимать смысл сообщений и синтезировать фразы, относящиеся к данной предметной области.
Для этих целей актуальной задачей становится разработка систем распознавания управленческих ситуаций. Важная ее особенность заключается в том, что результат распознавания должен отражать смысл ситуации, который в нее вкладывают пользователи, эксперты, лица, принимающие решение (ЛПР). Для решения данной проблемы подготовлена хорошая теоретическая и практическая базы в области искусственного интеллекта и накопленный опыт создания и использования ЭИС, в том числе извлечения смысловой информации из Internet .

193

таких системах объединяются возможности ключевых современных информационных технологий:
методы искусственного

интеллекта для полного и адекватного представления экспертных знаний о процессах на основе распределенной обработки знаний;
графический объектно-ориентированный язык для описания моделей и проектов;
средства анимации и имитационного моделирования исследуемых процессов.
Таким образом, перспективная экспертная система представляет собой интегрированное интеллектуальное средство. Это самодостаточная графическая среда для разработки, внедрения и сопровождения в широком диапазоне условий. Для этих систем характерны следующие требования:
простота использования;
полнота средств имитационного моделирования;
возможность стыковки со средствами разработки приложений;
ускоренная разработка;
модульность построения;
возможность использования концепции открытых систем.
Для эффективного использования ЭИС в системах управления при их разработке реализуются три основных принципа:
простота и понятность моделей знаний, механизмов вывода и пользовательского интерфейса;
наличие разделяемых компонентов работы со знаниями и с выводами;
универсализм — возможность выбора различных моделей знаний, процедур вывода решений, методов накопления знаний, комбинации тех или иных методов и моделей при поиске решения конкретных задач.

194

ожидаемые возможности системы. Они хотят видеть в ней самостоятельно мыслящего

эксперта, способного решить широкий круг задач. Для успешной разработки ЭС нужна не только четкая и конкретная постановка задачи, но и разработка подробного описания «ручного» метода ее решения.
Проблема извлечения знаний: Большинство экспертов, успешно используя в повседневной деятельности свои обширные знания, испытывают большие затруднения при попытке сформулировать и представить в системном виде хотя бы основную часть этих знаний: иерархию понятий, эвристики, алгоритмы, связи между ними.
Трудности психологического характера – эксперты боятся передавать свои знания, опасаясь, что их могут заменить компьютером.
Большая трудоемкость создания ЭС. Чтобы убедиться в эффективности принятого подхода на первом этапе необходимо создать «быстрый прототип», т.е. усеченную версию ЭС.
недооценка авторами ЭС объемов и роли неявных знаний. Системы, создаваемые на основе справочников, оказывались даже хуже справочников, так как сковывали исследовательскую мысль пользователя

198

Задача интерпретации.
Под интерпретацией понимается анализ исходных данных с целью

определения их смысла.
Интерпретирующие системы предназначены для формирования описания ситуаций по результатам наблюдений или данным, получаемым от различного рода сенсоров. Типичные задачи, решаемые с помощью интерпретирующих систем, - задачи распознавания образов.
Примеры конкретных систем:
обнаружение и идентификация различных типов океанских судов по результатам аэрокосмического сканирования – SIAP;
определение химической структуры вещества – DENDRAL;
определение основных свойств личности по результатам психодиагностического тестирования в системах АВТАНТЕСТ и МИКРОЛЮШЕР и др.
Проблемы: Системы логического вывода должны работать с неполными, зашумленными, противоречивыми данными и выдавать результаты с оценкой их достоверности.

199

2) Задача диагностики.
Под диагностикой понимается процесс поиска неисправности (болезни)

в системе, который основан на интерпретации данных.
Неисправность – это отклонение от нормы. В категорию задач диагностики входит широкий спектр задач в самых различных предметных областях. – медицине, механике, электронике и др.
Примеры конкретных систем:
диагностика и терапия сужения коронарных сосудов – ANGY;
диагностика и лечение заболеваний крови – MYCIN;
диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ – CRIB и др.
Проблемы:
иногда одни дефекты маскируются наложением симптомов других дефектов;
дефекты могут проявляться со временем;
диагностическое оборудование может быть сломано;
при диагностике сложной системы (человек), анатомия которого полностью неизвестна, эксперту может потребоваться сочетание результатов моделирования нескольких моделей.

200

3) Мониторинг.
Основная задача мониторинга – непрерывная интерпретация данных в

реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы.
Мониторинг часто является частью диагностической системы, которая работает в реальном масштабе времени. Типовые области приложения систем мониторинга – контроль движения воздушного транспорта, наблюдение за состоянием энергетических объектов.
Примеры конкретных систем:
контроль за работой электростанций – СПРИНТ;
помощь диспетчерам атомного реактора – REACTOR;
контроль аварийных датчиков на химическом заводе – FALCON и др.
Проблемы:
пропуск тревожной ситуации;
задача ложного оповещения.

201

Прогнозирование.
Прогнозирование - это предсказание хода развития системы в будущем

на основе ее поведения в прошлом и настоящем. Система содержат блоки обработки статистики, блоки принятия решений на основе неполной информации, блоки генерации альтернативных путей развития системы.
Типичные задачи, решаемые с помощью прогнозирующих систем, - предсказание погоды и прогноз ситуаций на финансовых рынках.
Примеры конкретных систем:
предсказание погоды – система WILLARD;
оценка будущего урожая - PLANT;
прогнозы в экономике – ECON и др.

202

5) 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. К этой категории относятся задачи планирования поведения роботов, составление маршрутов передвижения транспорта.
Примеры конкретных систем:
планирование поведения робота – STRIPS;
планирование промышленных заказов – ISIS;
планирование эксперимента – MOLGEN и др.
Проблемы:
задача планирования большая, желательно получать планы итерационно, от крупных к более мелким;
если факторов много, то нужно уметь отбрасывать незначимые факторы;
планировщик должен уметь разбивать цель на подцели, задачу на подзадачи, и уметь учитывать их взаимодействие во времени;
часто в планировании неизвестно фактическое состояние системы, в которой будет реализовываться запланированные действия.

203

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.
Цель таких систем - помочь человеку при нахождении им эвристических решений в процессе творчества или автоматизировать рутинную работу. Типичные задачи, решаемые с помощью систем проектирования, - синтез электронных схем, компоновка архитектурных планов, оптимальное размещение объектов в ограниченном пространстве.
Примеры конкретных систем:
проектирование конфигураций ЭВМ VAX-11/780 в системе XCON (R1);
проектирование БИС в системе CADHELP;
синтез электрических цепей – SYN и др.

204

Обучение.
Под обучением понимается использование ПК для обучения какой-либо дисциплине,

предмету. Системы обучения диагностируют ошибки и предсказывают правильное решение; аккумулируют знания об ученике и его характерных ошибках; планируют акт общения с учеником в зависимости от его успехов с целью передачи знаний.
Примеры конкретных систем:
обучение языку программирования ЛИСП в системе «Учитель ЛИСПА»;
обучение языку Паскаль в системе PROUST и др.

205

8) Управление и контроль.
Под управлением понимается функция организованной системы,

поддерживающая определенный режим деятельности.
Такие ЭС осуществляют управление поведением сложных систем в соответствии с заданными спецификациями. Областью применения таких ЭС является управление воздушным транспортом, военными действиями и деловой активностью в сфере бизнеса.
Примеры конкретных систем:
помощь в управлении газовой котельной – GAS;
управление системой календарного планирования - Project Assistant и др.

206