Экспертное моделирование. 
Системы поддержки принятия решений. 
Часть 1

В работе [16] выделен класс систем экспертного моделирования, которые имитируют процессы рассуждения человека. Исходными данными для них являются декларативные и процедурные знания, поэтому их также называют системами, основанными на знаниях (knowledge-based system), или экспертными системами (ЭС). В общем случае ЭС нельзя рассматривать как СИМ, так как они используют критерии, стратегии выбора правил, формализованные цели и т. д. Тем не менее при моделировании знаний эксперта, которые представляют собой вербальное или графическое отображение системы, ее связей и закономерностей, экспертное представление аналогично имитационному. Тенденция сближения классов ЭС и СИМ отмечена в работах [14, 16].

ЭС — наиболее распространенный класс ИС, ориентированный на тиражирование опыта высококвалифицированных специалистов в областях, где качество принятия решений традиционно зависит от уровня экспертизы, например, медицина, юриспруденция, геология, экономика, военное дело, энергетика, металлургия, логистика, проектирование. ЭС эффективны лишь в специфических «экспертных» областях, где важен эмпирический опыт специалистов 1631.

Существует множество различных определений экспертной системы, при этом в большинстве случаев ее структура остается типовой и может включать следующие компоненты: база знаний; база данных; машина вывода; интерфейс с пользователем; модуль извлечения знаний и обучения; компонент приобретения и объяснения знаний [10; 16], первые три — являются обязательными.

База данных (БД) хранит исходные и промежуточные данные решаемой в текущий момент задачи.

База знаний (БЗ) предназначена для хранения долгосрочных данных, описывающих рассматриваемую область, и правил, описывающих целесообразные преобразования данных в этой области.

Отличие БЗ от БД определяют исходя из типа хранимых знаний: в БЗ записывают правила (процедурные знания), а в БД — данные (декларативные знания). Все знания стремятся хранить единообразно, используя один язык представления знаний (ЯПЗ).

Машина вывода, используя исходные данные и знания, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Интерфейс с пользователем ориентирован на организацию общения со всеми категориями пользователей как в ходе решения задач, так и в ходе приобретения знаний, объяснения результатов работы.

Модуль извлечения знаний и обучения автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователемэкспертом, а также формирует знания на основе анализа прикладных ситуаций.

Компонент приобретения и объяснения знаний фиксирует шаги, как система получила решение задачи (или почему она не получила решения) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Моделирование в ЭС представляет собой вывод на знаниях. Механизм вывода во многом зависит от используемого языка представления знаний и может быть логическим, нечетким, вероятностным, продукционным и т. д. К экспертному моделированию относятся методы [16]:

• — формирования, изменения, дополнения и оптимизации БЗ;
• — обучения, извлечения и объяснения ЭС;
• — ведения диалога и разработки интерфейса взаимодействия;
• — описания предметной области на ЯПЗ;
• — разработки алгоритмов и стратегий вывода;
• — прогнозирования, экстраполяции и эвристического анализа;
• — интеграции ЭС с другими системами.

Если при моделировании (выводе) ЭС опирается на исходные данные и на основании правил, хранимых в БЗ, получает результат, то такой вывод называется прямым. Если ЭС осуществляет поиск всех возможных комбинаций исходных данных, приводящих к одному (заданному) результату, то такой вывод называется обратным.

Большинство ЯПЗ можно представить в виде сетевой структуры (семантические сети, фреймы, сценарии, продукции), поэтому в них активно используются графовые методы поиска (в ширину, в глубину и др.).

Методы имитации символической модели ЭС практически полностью совпадают с методами, используемыми в СИМ. Такое сближение имитационного и экспертного подхода приводит к идеям интеграции ЭС и СИМ, более подробно обсуждаемой во второй главе и рассматриваемых работах [16; 25; 36; 45; 55].