Интеллектуальные информационные системы

КемИ РГТЭУ

(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

В приведенной классификации некоторые из категорий задач перекрываются или включают

друг друга. Альтернативный метод классификации предложил Кленси В., взяв за основу набор родовых операций, которые выполняются по отношению к реальной обслуживаемой системе (механической, биологической, электрической и т.д.).
Кленси предложил разделять синтетические операции, результатом которых является изменение структуры (конструкции) системы, и аналитические операции, которые интерпретируют характеристики и свойства системы, не изменяя ее как таковую (рис. 5.1, 5.2).

207

Рисунок 5.1 Иерархия родовых аналитических операций

208

Рисунок 5.2 Иерархия родовых синтетических операций

209

можно разделить на шесть этапов:
Выбор проблемы.
Разработка прототипа ЭС.
Доработка до промышленной

ЭС.
Оценка ЭС.
Стыковка ЭС.
Поддержка ЭС.
Последовательность этапов не вполне фиксированная. Каждый последующий этап может принести новые идеи, которые повлияют на предыдущие этапы и приведут к их переработке. Рассмотрим подробнее содержимое каждого из этапов.

210

этап определяет деятельность, предшествующую началу разработки конкретной ЭС и включает:
определение

проблемной области и задачи (данная задача может быть решена с помощью ЭС; ЭС можно создать предлагаемыми на рынке средствами);
нахождение эксперта, желающего сотрудничать при решении проблемы и создание коллектива разработчиков;
определение предварительного подхода к решению проблемы;
анализ расходов и прибылей от разработки;
подготовку подробного плана разработки.
В расходы включаются затраты на оплату труда коллектива разработчиков и стоимость приобретаемого программного инструментария.
Прибыль может быть получена за счет снижения цены продукции, повышения производительности труда, расширения номенклатуры продукции или услуг, и даже разработки новых видов продукции или услуг в области, в которой будет использоваться ЭС.
Соответствующие расходы и прибыль от системы определяются относительно времени, в течение которого возвращаются средства, вложенные в разработку.

211

разработке ЭС, как правило, используется концепция «быстрого прототипа».
Прототипы должны

удовлетворять двум противоречивым требованиям:
они должны решать типичные задачи конкретного приложения,
время и трудоемкость их разработки должны быть весьма незначительны, чтобы можно было максимально запараллелить процесс накопления и отладки знаний (осуществляемый экспертом) с процессом выбора (разработки) программных средств (осуществляемым инженером по знаниям и программистом).
Прототип должен продемонстрировать пригодность методов инженерии знаний для данного приложения.
В случае успеха эксперт с помощью инженера по знаниям расширяет знания прототипа о проблемной области. При неудаче может потребоваться разработка нового прототипа или разработчики могут прийти к выводу о непригодности методов ЭС для данного приложения.
По мере увеличения знаний прототип может достигнуть такого состояния, когда он успешно решает все задачи данного приложения.
Преобразование прототипа ЭС в конечный продукт обычно приводит к перепрограммированию ЭС на языках низкого уровня, обеспечивающих как увеличение быстродействия ЭИС, так и уменьшение требуемой памяти.
Прототипная система является усеченной версией ЭС, спроектированной для проверки правильности кодирования фактов, связей и стратегий рассуждения эксперта. Она дает возможность инженеру знаний привлечь эксперта к активному участию в процессе разработки ЭС.
Объем прототипа – несколько десятков правил, фреймов или примеров. На рис. 6.1 изображены шесть стадий разработки прототипа и минимальный коллектив разработчиков, занятых на каждой стадии.

212

проблемы - знакомство и обучение членов коллектива разработчиков, а также

создание неформальной формулировки проблемы.
На этой стадии определяется: необходимые ресурсы (время, люди, ЭВМ); источники знаний (книги, дополнительные эксперты, методики); имеющиеся аналогичные ЭС; классы решаемых задач; цели разработки (распространение опыта, автоматизация рутинных действий).
Средняя продолжительность стадии - 1-2 недели.

2.Извлечение знаний - получение ИЗ наиболее полного из возможных представлений о ПО и способах принятия решений в ней.
На этой стадии происходит перенос компетентности от эксперта к инженерам знаний, с использованием разных методов: анализ текстов, диалоги, экспертные игры, лекции, дискуссии, интервью, наблюдение и др.
Средняя продолжительность стадии - 4-12 недель.

214

знаний - разработка неформального описания знаний о ПО в виде

графа, таблицы, диаграммы или текста, которое отражает основные концепции и взаимосвязи между понятиями ПО. Такое описание называется полем знаний.
Выявляется структура полученных знаний о ПО, то есть определяются:
терминология;
список основных понятий и их атрибутов;
отношения между понятиями;
структура входной и выходной информации;
стратегия принятия решений.
Средняя продолжительность стадии - 2-4 недели.

4.Формализация знаний - это разработка БЗ на языке представления знаний, которая с одной стороны соответствует структуре поля знаний, а с другой стороны позволяет реализовать прототип системы на следующей стадии программной реализации.
Средняя продолжительность стадии - 4 – 8 недель.

215

- это разработка программного комплекса, демонстрирующая жизнеспособность прототипа в целом.
На

этом этапе создается прототип ЭС при помощи одного из следующего способов:
программирование на традиционном языке (Pascal, Си);
программирование на языках искусственного интеллекта;
использование пустых ЭС или оболочек;
использование инструментальных средств разработки ЭС.
Средняя продолжительность стадии - 4-8 недель.
6.Тестирование - выявление ошибок в подходе и реализации прототипа и выработка рекомендаций по доводке системы до промышленного варианта.
Прототип проверяется на:
удобство и адекватность интерфейсов ввода-вывода;
эффективность стратегии управления;
качество проверочных примеров;
корректность БЗ.
Средняя продолжительность стадии - 1-2 недели.

216

к промышленной ЭС
217

этапа разработки промышленной ЭС необходимо провести ее тестирование в отношении

коэффициентов эффективности. К тестированию широко привлекаются другие эксперты с целью апробирования системы на различных примерах. ЭС оценивается для того, чтобы проверить точность работы программы и ее полезность. Оценка проводится по нескольким критериям:
1) Критерии пользователя:
понятность;
прозрачность работы системы;
удобство интерфейса и др.
2) Критерии приглашенных экспертов:
оценка советов-решений, предлагаемых системой;
сравнение их с собственными решениями;
оценка подсистемы объяснений.
3) Критерии коллектива разработчиков:
эффективность реализации;
производительность;
время отклика;
дизайн;
широта охвата ПО;
непротиворечивость БЗ;
количество тупиковых ситуаций, когда система не может принять решение и т.д.

218

этапе осуществляется стыковка системы с другими программными средствами в среде,

в которой она будет работать и обучение людей, которых она будет обслуживать.
Стыковка включает обеспечение связей ЭС с существующими БД и другими системами на предприятии, а также улучшение системных факторов, зависящих от времени, чтобы можно было обеспечить ее более эффективную работу и улучшить характеристики ее технических устройств, если система работает в необычной среде (например, связь с измерительными устройствами).
Пример 1:
Cистема PUFF – ЭС для диагностики заболеваний легких успешно состыкована со своим окружением. Разработана на языке ЛИСП, потом для стыковки перекодирована на Бейсик, систему была перенесена на ПК и установлена в больнице. ЭВМ связали с измерительными приборами. Данные с измерительных приборов поступают в систему, она их обрабатывает и печатает рекомендации для врачей. ЭС представляет собой интеллектуальное расширение аппарата исследования легких.
Пример 2:
Система САТ-1 для диагностики неисправности двигателей локомотивов. Разработана на ЛИСП, перекодирована на FORTH. Мастер по ремонту запрашивает систему о возможных причинах неисправности дизеля. Система связана с видеодиском, с помощью которого мастеру показывается визуальное объяснение и подсказки.

219

системы на язык программирования высокого уровня повышается ее быстродействие, переносимость,

эффективность, однако снижается гибкость. Поэтому перекодирование используется в тех случаях, если система сохраняет все знания ПО и они не будут изменяться в ближайшем будущем. Если ЭС создана именно из-за того, что проблемная область изменяется, то необходимо поддерживать систему в ее инструментальной среде разработки.
Пример:
Система XCON, которую фирма DEC использует для комплектации ЭВМ семейства VAX, внедрена именно таким образом. В систему постоянно вносятся изменения для новых версий оборудования, новых спецификаций. Для этой цели XCON поддерживается в программной среде OPS5.

220

Рисунок 7.1 Классификация методов извлечения знаний
221