Системы поддержки принятия решений

Структура ЭС.
4 История развития

ЭС.

СППР сформировалось самостоятельное направление, получившее название «экспертные системы» (ЭС). Цель

исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом.

Экспертные системы – это вычислительные информационные системы, в которые включены знания специалистов о некоторой конкретной области и которые в пределах этой области способны принимать экспертные решения.

проведения экспертизы специалистом. В отличие от машинных программ, ЭС решают

задачи в узкой предметной области на основе дедуктивных рассуждений.
Такие системы часто оказываются способными найти решение задач, которые не структурированы и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т.е. выдуманных правил, что может быть полезным в тех ситуациях, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.

круг практически значимых задач, решаемых на компьютерах, решение которых приносит

значительный экономический эффект;
• является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений; высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки; низкий уровень повторной используемости программ и т.п.;
• объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения; лучшей графики и интерфейса .

Понятие экспертной системы

которые можно классифицировать, т. е. разбить на ряд классов по

следующим признакам (рис.1):

назначение;
предметная область;
сложность;
связь с реальным временем (динамичность);
тип ЭВМ (ПК);
методы представления знаний
степень интеграции и др.

образом:

диагностика состояния систем, в том числе мониторинг (непрерывное отслеживание текущего

состояния);
прогнозирование развития систем на основе моделирования прошлого и настоящего;
планирование и разработка мероприятий в организационном и технологическом управлении;
проектирование или выработка четких предписаний по построению объектов, удовлетворяющих поставленным требованиям;
автоматическое управление (регулирование);
обучение пользователей и др.

в военном деле, геологии, инженерном деле, информатике, космической технике, математике,

медицине, метеорологии, промышленности, сельском хозяйстве, управлении процессами, физике, филологии, химии, электронике, юриспруденции.

Классификация экспертных систем по методам представления знаний делит их на традиционные и гибридные. Традиционные экспертные системы используют, в основном, эмпирические модели представления знаний и исчисление предикатов первого порядка в качестве модели представления знаний. Гибридные экспертные системы используют все доступные методы, в том числе оптимизационные алгоритмы и концепции баз данных.

и глубинные. Поверхностные экспертные системы представляют знания в виде правил

«ЕСЛИ-ТО». Условием выводимости решения является непрерывность цепочки правил. Глубинные экспертные системы обладают способностью при обрыве цепочки правил определять (на основе метазнаний) какие действия следует предпринять для продолжения решения задачи. Кроме того, к сложным относятся предметные области в которых текст записи одного правила на естественном языке занимает более 1/3 страницы.
Классификация экспертных систем по динамичности делит экспертные системы на статические и динамические. Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени. Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, однако, исходных данных).

время решения задачи, то предметную область называют динамической. В архитектуру

динамической экспертной системы, по сравнению со статической, вводятся два компонента:

подсистема моделирования внешнего мира;
подсистема связи с внешним окружением.

Последняя осуществляет связи с внешним миром через систему датчиков и контроллеров. Кроме того, традиционные компоненты статической экспертной системы (база знаний и механизм логического вывода) претерпевают существенные изменения, чтобы отразить временную логику происходящих в реальном мире событий.

статические и динамические.
Статические экспертные системы используются в тех приложениях,

где можно не учитывать изменения окружающего мира, происходящие за время решения задачи. Первые экспертные системы, получившие практическое использование, были статическими.
Динамические экспертные системы по сравнению со статическими содержат дополнительно два следующих компонента: подсистему моделирования внешнего мира и подсистему взаимодействия с внешним миром.

Далее, на рисунке представлена каноническая структура экспертной системы динамического типа:

фактов на основе сопоставления исходных данных из рабочей памяти и

знаний из базы знаний. Механизм логического вывода во всей структуре экспертной системы занимает наиболее важное место. Он реализует алгоритмы прямого и/или обратного вывода и формально может быть представлен четверкой:
<~V,S,K,W~>

V – процедура сопоставления правил и фактов, в результате которой определяется множество фактов к которым применимы правила для присвоения значений;
S – процедура выбора из базы знаний и рабочей памяти правил и фактов;
K – процедура разрешения конфликтов, определяющая порядок использования правил, если в заключении правила указаны одинаковые имена фактов с разными значениями;
W – процедура, осуществляющая выполнение действий, соответствующих полученному значению факта (заключению правила).

фактов решаемой в текущий момент задачи. Как правило, размещается в

оперативной памяти ЭВМ (ПК) и отражает текущее состояние предметной области в виде фактов с коэффициентами уверенности (КУ) в истинности этих фактов.
Следующий элемент в структуре экспертной системы не менее важен, чем механизм логического вывода. Это – база знаний.
База знаний предназначена для хранения долгосрочных фактов, описывающих рассматриваемую область, правил, описывающих отношения между этими фактами и других типов декларативных знаний о предметной области. Кроме правил и фактов, образующих декларативную часть базы знаний, в нее может входить процедурная часть – множество функций и процедур, реализующих оптимизационные, расчетные и другие требуемые алгоритмы.

знаниями, осуществляемый экспертом, и адаптации базы знаний системы к условиям

ее функционирования. Адаптация экспертной системы к изменениям в предметной области реализуется путем замены правил или фактов в базе знаний.
Подсистема объяснения объясняет, как система получила решение задачи (или почему она не получила решения) и какие знания она при этом использовала. Это облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату. Возможность объяснять свои действия является одним из самых важных свойств экспертной системы, так как:
повышается доверие пользователей к полученным результатам;
облегчается отладка системы;
создаются условия для пользователей по вскрытию новых закономерностей предметной области;
объяснение полученных выводов может служить средством поиска точки в парето-оптимальном множестве решений.

диалога. Подсистема диалога ориентирована на организацию дружественного интерфейса со всеми

категориями пользователей как в ходе решения задач, так и в ходе приобретения знаний и объяснения результатов работы.

Экспертные системы относятся к классу интеллектуальных систем, основывающихся на понимании факта. Другими словами экспертные системы основываются на знаниях специалиста-эксперта о предметной области. Высококачественный опыт наиболее квалифицированных специалистов, доступный для всех пользователей системы, становится фактором, резко повышающим качество принимаемых решений для организации, использующей экспертные системы в целом.

стали в своих областях уже классическими. По происхождению, предметным областям

и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.
1. META-DENDRAL. Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.
2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.
3. PROSPECTOR-KAS. PROSPECTOR- предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для PROSPECTOR.

диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе

разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностических систем.
5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.
6. Системы AM (Artifical Mathematician- искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей.