Раздел. 
Экспертные системы

1.1 Назначение и принципы построения экспертных систем

В течение последнего десятилетия в рамках исследований по ИИ сформировалось самостоятельное направление — экспертные системы (ЭС), или инженерия знаний. Основными авторами методологии создания ЭС являются англичане. Существует специальная группа по экспертным системам Британского компьютерного сообщества, которая предложила следующее формальное определение ЭС: экспертная система — это результат создания в компьютере основанной на знаниях компоненты, соответствующей опыту эксперта, в такой форме, которая позволяет системе дать разумный совет или принять разумное решение о функции обработки данных, а также компьютерная программа, использующая экспертные знания для обеспечения высокоэффективного решения задач в узкой предметной области (см.: [1, c.104]).

Инженерия знаний заняла свое место как технология их применения, когда вышла из недр искусственного интеллекта и начала интенсивно развиваться. Рассмотрим кратко историю инженерии знаний. Существом искусственного интеллекта можно считать научный анализ и автоматизацию интеллектуальных функций человека, однако для большинства проблем, за исключением таких сравнительно легко автоматизируемых, как поиск, тотальной реальностью является трудность их машинного воплощения.

Всевозможные исследования по искусственному интеллекту позволили бесповоротно утвердиться во мнении, что подлинно необходимыми для решения проблем являются знания экспертов. Стало очевидным, что если создать систему, способную запоминать и использовать знания экспертов, то она найдет применение в практической деятельности. И когда исследователи по искусственному интеллекту действительно разработали подобного рода системы, все эти воззрения были подтверждены. Поскольку такие системы накапливают в памяти компьютера знания экспертов и используют их для решения проблем, извлекая при необходимости из памяти, то они получили название экспертных, а профессор Е. Фейгенбаум, являющийся одним из создателей ЭС, предложил для данной области техники название «инженерия знаний». Все методы и подходы инженерии знаний получили всеобщую поддержку исследователей. В последующем в США было разработано большое число ЭС, которые нашли самое широкое применение в Японии и европейских странах.

Знания, которыми обладает специалист в какой-либо области (дисциплине), можно разделить на формализованные (точные) и неформализованные (неточные). Формализованные знания формулируются в книгах и руководствах в виде общих и строгих суждений (законов, формул, моделей, алгоритмов и т. п.), отражающих универсальные знания. Неформализованные знания, как правило, не попадают в книги и руководства в связи с их неконкретностью, субъективностью и приблизительностью. Знания этого рода являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Они обычно представляют собой многообразие эмпирических (эвристических) приемов и правил.

В зависимости от того, какие знания преобладают в той или иной области (дисциплине), ее относят к формализованным (если преобладают точные знания) или к неформализованным (если преобладают неточные знания) описательным областям. Задачи, решаемые на основе точных знаний, называют формализованными, а задачи, решаемые с помощью неточных знаний, — неформализованными. (Речь идет не о неформализуемых, а о неформализованных задачах, т. е. о задачах, которые, возможно, и формализуемы, но эта формализация пока неизвестна.).

Традиционное программирование в качестве основы для разработки программы использует алгоритм, т. е. формализованное знание. Поэтому до недавнего времени считалось, что ЭВМ не приспособлены для решения неформализованных задач. Расширение сферы использования ЭВМ показало, что неформализованные задачи составляют очень важный класс задач, вероятно, значительно больший, чем класс формализованных задач. Неумение решать неформализованные задачи сдерживает внедрение ЭВМ в описательные науки. По мнению академика А. А. Дородницына, основной задачей информатики является внедрение ее методов в описательные науки и дисциплины. На основании этого можно утверждать, что исследования в области ЭС занимают значительное место в информатике.

К неформализованным задачам следует относить те, которые обладают одной или несколькими из следующих особенностей:

алгоритмическое решение задачи неизвестно (хотя, возможно, и существует) или не может быть использовано из-за ограниченности ресурсов ЭВМ (времени, памяти);

задача не может быть определена в числовой форме (требуется символьное представление);

цели задачи не могут быть выражены в терминах точно определенной целевой функции.

Как правило, неформализованные задачи обладают неполнотой, ошибочностью, неоднозначностью и (или) противоречивостью знаний (как данных, так и используемых правил преобразования).

Экспертные системы не отвергают и не заменяют традиционного подхода к программированию, они отличаются от традиционных программ тем, что ориентированы на решение неформализованных задач и обладают следующими особенностями:

самостоятельное построение ЭС неизвестного заранее алгоритма решений с помощью символических рассуждений, базирующихся на эвристических приемах;

ясность полученных решений, т. е. система «осознает» в терминах пользователя, как она получила решение;

способность анализа и объяснения своих действий и знаний;

способность приобретения новых знаний от пользователя-эксперта, не знающего программирования, и изменения в соответствии с ними своего поведения;

обеспечение «дружественного», как правило, естественно-языкового (ЕЯ) интерфейса с пользователем.

Обычно к ЭС относят системы, основанные на знании, т. е. системы, вычислительная возможность которых является в первую очередь следствием их наращиваемой базы знаний (БЗ) и только во вторую очередь определяется используемыми методами.

Огромный интерес к ЭС со стороны пользователей вызван по крайней мере тремя причинами. Во-первых, они ориентированы на решение широкого круга задач в неформализованных областях, на приложения, которые до недавнего времени считались малодоступными для вычислительной техники. Во-вторых, с помощью ЭС специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что позволяет резко расширить сферу использования вычислительной техники. В-третьих, ЭС при решении практических задач достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащенных ЭС.

В настоящее время ЭС применяются в различных областях человеческой деятельности. Наибольшее распространение они получили в проектировании интегральных микросхем, поиске неисправностей, военных приложениях и автоматизации программирования. Применение ЭС позволяет [9, c.162]:

• 1) при проектировании интегральных микросхем повысить (по данным фирмы NEC) производительность труда в 3−6 раз, при этом выполнение некоторых операций ускоряется в 10- 15 раз;
• 2) ускорить поиск неисправностей в устройствах в 5- 10 раз;
• 3) повысить производительность труда программистов (по данным фирмы «Toshiba») в 5 раз;
• 4) при профессиональной подготовке сократить (без потери качества) в 8−12 раз затраты на индивидуальную работу с обучаемым.

В настоящее время ведутся разработки ЭС для следующих приложений: раннее предупреждение национальных и международных конфликтов и поиск компромиссных решений; принятие решений в кризисных ситуациях; охрана правопорядка; законодательство; образование; планирование и распределение ресурсов системы организационного управления (кабинет министров, муниципалитет) и т. д.

Цель использования ЭС — обеспечение пользователя выводами и решениями, которые были бы верны в соответствии с заложенными в систему фактами и знаниями. Причем специалисты средней квалификации с помощью ЭС должны принимать решения на уровне лучших экспертов в конкретных областях знаний.

Существует определенный перечень характеристик ЭС [9, c.36]:

• 1) ограничение определенной сферой экспертиз;
• 2) способность рассуждать при сомнительных данных;
• 3) способность объяснить цепочку рассуждений понятным способом;
• 4) четкое разграничение фактов и механизма вывода;
• 5) структура, позволяющая постепенно наращивать систему;
• 6) функционирование, основанное на использовании правил;
• 7) способность на выходе выдавать четкий ответ (решение);
• 8) эффективность функционирования.

ЭС содержит базу данных, базу знаний и машину вывода. В соответствии с перечнем характеристик ЭС сюда следует добавить системы извлечения знаний и объяснения рекомендуемого совета или решения.

Коротко раскроем содержание каждого из элементов ЭС.

Система извлечения знаний. Прежде чем рассмотреть вопросы, связанные с извлечением знаний, необходимо определить смысловое содержание индустрии знаний.

Экономическая деятельность человека невозможна без информации. Что же такое информация в широком понимании? В настоящее время информация во многом заменяет землю, труд и капитал, заняв место наиболее важного входного ресурса современного производства. Она снижает потребность в земле, труде и капитале, уменьшает расход сырья и энергии. Информация порождает новые виды производства, сама является товаром и служит исходным сырьем для бурно растущего сектора экономики — индустрии знаний. К примеру, неплодородные земли благодаря соответствующей информации и последующей обработке превращаются в высокоурожайные; неподготовленные.

рабочие после обучения становятся высококвалифицированными; бесполезная, как ранее считалось, энергия морских волн, солнечных лучей, внутриземных горячих водных источников может быть превращена в полезную для человечества энергию, если знать, как это сделать, т. е. иметь нужную информацию.

Исходя из вышесказанного относительно раскрытия понятия информации, ее важности в современном развитии экономики следует ожидать, что в ближайшее время появится новый раздел в экономической науке — информационная экономика. Последняя, включая отдельным элементом информационную технологию, позволит существенно изменить всю сферу человеческой деятельности, начиная от перестройки нашего быта (при помощи контроля температуры, влажности, уровня шума, освещенности), организации отдыха, образования и кончая созданием гибких интегрированных производств, которые больше будут походить на гигантские сложные машины (полностью роботизированные производства будут подсоединены к полностью автоматизированным управляющим системам).

Как же можно представить информацию (знания) в памяти ЭВМ? Известно, что многие специалисты не способны объяснить, каким образом они приходят к определенным решениям, а если и дают такого рода объяснения, то их никак нельзя формализовать, т. е. представить в виде экономического алгоритма.

В режиме приобретения знаний общение с ЭС осуществляется через посредничество инженера по знаниям с экспертом. Эксперт описывает предметную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования данными, характерные для рассматриваемой предметной области. Эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС самостоятельно (без эксперта) решить задачи из предметной области.

Важную роль в режиме приобретения знаний играет система объяснения (объяснительный компонент). Именно благодаря ей эксперт на этапе тестирования локализует причины неудачной работы ЭС, что позволяет ему целенаправленно модифицировать старые или вводить новые знания. Обычно объяснительный компонент сообщает следующее: как правила используют информацию пользователя; почему использовались или не использовались данные или правила; какие были сделаны выводы и т. п. Все объяснения делаются обычно на ограниченном естественном языке или языке графики.

Отметим, что режиму приобретения знаний при традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода разработку программ осуществляет эксперт (с помощью ЭС), не владеющий программированием, а не программист.

База данных предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД). База данных предназначена для обозначения всех данных (и в первую очередь не текущих, а долгосрочных), хранимых в системе.

База знаний содержит факты (или утверждения) и правила. Факты представляют собой краткосрочную информацию: они могут изменяться. Правила — более долговременная информация о том, как возникают новые факты или гипотезы на основании того, что сейчас известно.

Существуют три группы способов представления знаний в ЭС — методы, основанные на правилах, семантические сети и фреймы [1, c.104−108].

Более подробно эти методы будут рассмотрены далее.

Система выбора совета или решения. ЭС чаще всего предназначаются для пользователя, не имеющего специальной подготовки для работы на ЭВМ. В связи с этим система должна быть приспособлена для работы с конечным пользователем на естественном или естественно-ограниченном языке, максимально учитывающим специфику данной области знаний.

В ЭС существуют две цепочки рассуждений — прямая и обратная — для получения логического вывода в целом. Прямая цепочка связана с рассуждениями, ведущимися от данных к гипотезам, тогда как обратная цепочка — с поиском данных для доказательства или опровержения некоторой гипотезы. Существует также и комбинированная цепочка рассуждений, сочетающая в себе достоинства прямой и обратной.

Для ЭС характерна работа с ненадежными данными, т. е. такими, которые в основном связывают нас с реальным миром. Есть множество способов работы с неуверенностью в данных: нечетная логика, байесовская логика, коэффициенты уверенности, многозначная логика и др. Для получения разумного совета, выдаваемого ЭС, необходима правильная организация знаний. В большинстве баз знаний предусмотрена избыточность, позволяющая ЭС прийти к верному заключению несколькими различными маршрутами, обеспечив при этом получение правильных совета и решения.

Система объяснения. Во многих случаях пользователю для проверки правильности полученного решения, особенно если оно не совпадает с его собственным решением поставленной задачи или вызывает сомнение, необходимо проследить всю цепочку рассуждений, выполненных ЭС. В любой момент работы с ЭС можно спросить ее, почему она задала такой вопрос или выполнила определенную дедукцию. В ЭС, основанных на системах правил, ответ обычно получается путем повторного прослеживания тех шагов рассуждений, которые привели к данному вопросу или заключению. Это выполняется очень быстро и просто.

В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ получения решения. Пользователь в зависимости от назначения ЭС может не быть специалистом в данной предметной области, в этом случае он обращается к ЭС за советом, поскольку не способен получить ответ сам. Пользователь-специалист обращается к ЭС, чтобы либо ускорить процесс получения результата, либо возложить на ЭС рутинную работу. Термин «пользователь» является многозначным, т.к. кроме конечного пользователя применять ЭС может и эксперт, и инженер по знаниям, и программист. Поэтому, когда хотят подчеркнуть, что речь идет о том, для кого делалась ЭС, используют термин «конечный пользователь» .

В режиме консультации данные о задаче пользователя обрабатываются диалоговым компонентом, который выполняет следующие действия:

распределяет роли участников (пользователя и ЭС) и организует их взаимодействие в процессе кооперативного решения задачи;

преобразует данные пользователя о задаче, представленные на привычном для пользователя языке, во внутренний язык системы;

преобразует сообщения системы, представленные на внутреннем языке, в сообщения на языке, привычном для пользователя (обычно это ограниченный естественный язык или язык графики).

В отличие от традиционных программ ЭС в режиме решения задачи не только исполняет предписанную последовательность операций, но и предварительно формирует ее. Если ответ ЭС не понятен пользователю, то он может потребовать объяснения, как этот ответ получен.

Опыт решений крупных оптимизационных задач, при которых не поясняется выбор единственного лучшего варианта, хотя он и найден вполне известным и проверенным методом, показывает, что успех использования их результатов в производстве во многом предопределен тем, понятно ли решение производственному персоналу. Таким образом, метод поиска решения задачи, который не может быть объяснен человеку, является неудовлетворительным, даже если с его помощью система работает лучше, чем конкретный производственный персонал.