Классификация экспертных систем

Экспертные системы как любой сложный объект можно определить только совокупностью характеристик. Выделим следующие характеристики ЭС: назначение, предметная область, глубина анализа предметной области, тип используемых методов и знаний, класс системы, стадия существования, инструментальные средства (ИС). Перечисленный набор характеристик не претендует на полноту (в связи с отсутствием общепринятой классификации, а определяет ЭС как целое, не выделяя отдельных компонентов (способ представления знаний, решения задачи и т. п.).

Назначение ЭС устанавливается исходя из следующей совокупности параметров: цель создания — для обучения специалистов, для решения задач, для автоматизации рутинных работ, для тиражирования знаний экспертов и т. п.; основной пользователь — неспециалист в области экспертизы, специалист, учащийся.

Проблемная область может быть определена предметной областью и задачами, решаемыми в ней, при этом каждый из параметров может рассматриваться с точки зрения, как конечного пользователя, так и разработчика ЭС.

С точки зрения пользователя, предметную область можно характеризовать ее описанием в терминах пользователя, включающим наименование области, перечень и взаимоотношение подобластей и т. п., а задачи, решаемые существующими ЭС, — их типом. Обычно выделяют следующие типы задач:

• — интерпретация символов или сигналов (составление смыслового описания по входным данным);
• — предсказание (определение последствий наблюдаемых ситуаций);
• — диагностика (определение неисправностей, болезней, по симптомам);
• — конструирование (разработка объекта с заданными свойствами при соблюдении установленных ограничений);
• — планирование (определение последовательности действий, приводящих к желаемому состоянию объекта);
• — слежение (наблюдение за изменяющимся состоянием объекта и сравнение его показателей с установленными или желаемыми);
• — управление (воздействие на объект для достижения желаемого поведения).

С точки зрения разработчика, целесообразно выделять статические и динамические предметные области. Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени (точнее, рассматриваются как неизменяющиеся за время решения задачи). 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). Если исходные данные, описывающие предметную область, изменяются за время решения задачи, то предметную область называют динамической. Кроме того, предметные области можно характеризовать следующими аспектами: числом и сложностью сущностей; их атрибутов и значений атрибутов; связностью сущностей и их атрибутов; полнотой знаний; точностью знаний (знания точны или правдоподобны; правдоподобность знаний представляется некоторым числом или высказыванием).

Решаемые задачи, с точки зрения разработчика ЭС, также можно разделить на статические и динамические. Будем говорить, что ЭС решает динамическую и статическую задачу, если процесс решения задачи изменяет или не изменяет исходные данные о текущем состоянии предметной области.

В подавляющем большинстве существующих ЭС исходят из предположения статичности предметной области и решают статические задачи, будем называть такие ЭС статическими. ЭС, которые имеют дело с динамическими предметными областями и решают статические или динамические задачи, будем называть динамическими. В настоящее время начинают появляться первые динамические ЭС. По нашему мнению, решение многих важнейших практических неформализованных задач возможно только с помощью динамических, а не статических ЭС. Следует подчеркнуть, что на традиционных (числовых) последовательных ЭВМ с помощью существующих методов инженерии знаний можно решать только статические задачи, а для решения динамических задач, составляющих большинство реальных приложений, необходимо использовать специализированные символьные ЭВМ.

Решаемые задачи, кроме того, можно характеризовать следующими аспектами: числом и сложностью правил, используемых в задаче; связностью правил; пространством поиска; количеством активных агентов, изменяющих предметную область; классом решаемых задач.

По степени сложности выделяют простые и сложные правила. К сложным относят правила, текст записи которых на естественном языке занимает 1/3 страницы и больше. Правила, текст которых занимает менее 1/3 страницы, считают к простыми.

По степени связности правил задачи делят на связные и малосвязные. К связным относят задачи (подзадачи), которые не удается разбить на независимые задачи. Малосвязные задачи поддаются разбиению на некоторое количество независимых подзадач.

Можно сказать, что степень сложности задачи определяется не просто общим количеством правил данной задачи, а количеством правил в ее наиболее связной независимой подзадаче.

Пространство поиска может быть определено по крайней мере тремя подаспектами: размером, глубиной и шириной. Размер пространства поиска дает обобщенную характеристику сложности задачи. Выделяют малые (до 10 состояний) и большие (свыше 10 состояний) пространства поиска. Глубина пространства поиска характеризуется средним числом последовательно применяемых правил, преобразующих исходные данные в конечный результат, ширина пространства — средним числом правил, пригодных к выполнению в текущем состоянии.

Количество активных агентов существенно влияет на выбор метода решения. Выделяют следующие значения данного аспекта: ни одного агента, один агент, несколько агентов.

Класс задач характеризует методы, используемые ЭС для решения задачи. Данный аспект в существующих ЭС принимает следующие значения: задачи расширения, доопределения, преобразования. Задачи расширения и доопределения являются статическими, а задачи преобразования — динамическими.

К задачам расширения относятся задачи, в процессе решения которых осуществляется только увеличение информации о предметной области, не приводящее ни к изменению ранее выведенных данных, ни к выбору другого состояния области. Типичной задачей этого класса являются задачи классификации.

Задачи доопределения включают задачи с неполной или неточной информацией о реальной предметной области, цель решения которых — выбор из множества альтернативных текущих состояний предметной области того, которое адекватно исходным данным. В случае неточных данных альтернативные текущие состояния возникают как результат ненадежности данных и правил, что приводит к многообразию различных доступных выводов из одних и тех же исходных данных. При неполных данных альтернативные состояния есть результат доопределения области, т. е. результат предположений о возможных значениях недостающих данных.

К задачам преобразования относятся задачи, которые осуществляют изменения исходной или выведенной ранее информации о предметной области, являющиеся следствием изменений либо реального мира, либо его модели.

Большинство существующих ЭС решают задачи расширения, в которых нет ни изменений предметной области, ни активных агентов, преобразующих предметную область. Подобное ограничение неприемлемо при работе в динамических областях.

По степени сложности структуры ЭС делятся на поверхностные и глубинные. Поверхностные ЭС представляют знания об области экспертизы в виде правил (условия — действие). Условия каждого правила определяют образец некоторой ситуации, при соблюдении которой правило может быть выполнено. Поиск решения состоит в выполнении тех правил, образцы которых сопоставляются с текущими данными (текущей ситуацией в рабочей памяти). При этом предполагается, что в процессе поиска решения последовательность формируемых таким образом ситуаций не оборвется до получения решения, т. е. не возникнет неизвестной ситуации, которая не сопоставится ни с одним правилом. Глубинные ЭС, кроме возможностей поверхностных систем, обладают способностью при возникновении неизвестной ситуации определять с помощью некоторых общих принципов, справедливых для области экспертизы, какие действия следует выполнять.

По типу используемых методов и знаний выделяют традиционные и гибридные ЭС. Традиционные ЭС используют в основном нетрадиционные методы инженерии знаний и неформализованные знания, полученные от экспертов. Гибридные ЭС используют и методы инженерии знаний, и формализованные методы, а также данные традиционного программирования и математики.

Совокупность рассмотренных выше характеристик позволяет определить особенности конкретной ЭС. Однако пользователи зачастую стремятся охарактеризовать ЭС каким-либо одним обобщенным параметром. В этом случае говорят о поколениях ЭС. В настоящее время выделяют ЭС первого и второго поколения. По нашему мнению, целесообразно говорить о трех поколениях ЭС. К первому поколению следует относить статические поверхностные ЭС, ко второму — статические глубинные ЭС (иногда ко второму поколению относят гибридные ЭС), а к третьему — динамические ЭС (вероятно, они, как правило, будут глубинными и гибридными).

В последнее время выделяют два больших класса ЭС (существенно отличающихся по технологии их проектирования), которые мы условно называем простыми и сложными ЭС. Простая ЭС может быть охарактеризована следующими значениями основных параметров: поверхностная, традиционная ЭС (реже гибридная), выполненная на персональной ЭВМ (ПЭВМ); коммерческая стоимость — от 100 до 25 тыс. дол.; стоимость разработки — от 50 до 300 тыс. дол.; время разработки — от 3 месяцев до одного года (при использовании развитых ИС); БЗ содержит от 200 до 1000 правил. Сложная ЭС — глубинная, гибридная система, выполненная либо на символьной ЭВМ, либо на мощной универсальной ЭВМ, либо на интеллектуальной рабочей станции; коммерческая стоимость разработки — 5—10 млн дол.; время разработки от 1 до 5 лет; БЗ содержит от 1500 до 10 тыс. правил.

Стадия существования характеризует степень проработанности и отлаженности ЭС. Обычно выделяют следующие стадии: демонстрационный прототип, исследовательский прототип, промышленная система, коммерческая система.

Демонстрационным прототипом называют ЭС, которая решает часть требуемых задач, демонстрируя жизнеспособность метода инженерии знаний. При наличии развитых ИС для разработки демонстрационного прототипа требуется в среднем 1—2 месяца, а при отсутствии 12—18 месяцев. Демонстрационный прототип работает, имея в базе данных 50—100 правил. Развитие демонстрационного прототипа приводит к исследовательскому прототипу.

Действующий прототип надежно решает все задачи, но для решения сложных задач может потребоваться чрезмерно много времени и (или) памяти. Период доведения системы до стадии действующего прототипа составляет 6—12 месяцев, при этом количество правил в БЗ увеличивается до 500—1000.

Экспертная система, достигшая промышленной стадии, обеспечивает высокое качество решений всех задач при минимуме времени и памяти. Обычно процесс преобразования действующего прототипа в промышленную систему состоит в расширении БЗ (до 1000—1500 правил) и переписывании программ с использованием более эффективных ИС, например в перепрограммировании на языках низкого уровня. Для доведения ЭС от начала разработки до стадии промышленной системы требуется 1—1,5 года.

Обобщение задач, решаемых ЭС на стадии промышленной системы, позволяет перейти к стадии коммерческой системы, пригодной не только для собственного использования, но и для продажи различным потребителям. Для доведения системы до коммерческой стадии требуется 1,5—3 года и 0,3—5 млн дол. При этом количество правил в БЗ системы увеличивается до 1500—3000 правил.

Инструментальные средства определяют программные и аппаратные средства, используемые в рассматриваемой ЭС.