Лекции - Искусственный интеллект

Подождите немного. Документ загружается.

3.3. Технология проектирования и разработки

экспертных систем

Разработка (проектирование) ЭС существенно отличается

от разработки обычного программного продукта. Опыт

разработки ранних ЭС показал, что использование при их

разработке методологии, принятой в традиционном

программировании, либо чрезмерно затягивает процесс

создания ЭС, либо вообще приводит к отрицательному

результату. Дело в том, что неформализованность задач,

решаемых ЭС, отсутствие завершенной теории ЭС и

методологии их разработки приводят к необходимости

модифицировать принципы и способы построения ЭС в ходе

процесса разработки по мере того, как увеличивается знание

разработчиков о проблемной области.

Перед тем как приступить к разработке ЭС, инженер по

знаниям должен рассмотреть вопрос, следует ли разрабатывать

ЭС для данного приложения. В обобщенном виде ответ может

быть таким: использовать ЭС следует тогда, когда разработка

ЭС возможна, оправдана и методы инженерии знаний

соответствуют решаемой задаче.

Промышленная технология создания интеллектуальных

систем включает следующие этапы:

• исследование выполнимости проекта;

• разработку общей концепции системы;

• разработку и тестирование серии прототипов;

• разработку и испытание головного образца;

• разработку и проверку расширенных версий системы;

• привязку системы к реальной рабочей среде.

Проектирование ЭС основано на трех главных принципах:

1. Мощность экспертной системы обусловлена прежде

всего мощностью БЗ и возможностями ее пополнения и только

затем — используемыми методами (процедурами) обработки

информации.

Мощность ЭС как систем, основанных на знании, зависит

в первую очередь от качества и количества знаний, хранимых в

них. Поэтому ясно, что процесс приобретения знаний для ЭС

наиболее важный. Так как в настоящее время не существует

методов автоматического приобретения знаний, процесс

наполнения ЭС знаниями является весьма трудоемким. Знания

для ЭС могут быть получены из различных источников (книг,

отчетов, баз данных, эмпирических данных, персонального

опыта эксперта, инженера и т. п.). Однако наиболее значимые

знания в настоящее время приобретаются от людей-экспертов.

2. Знания, позволяющие эксперту (или экспертной

системе) получить качественные и эффективные решения задач,

являются в основном эвристическими, эмпирическими,

неопределенными, правдоподобными.

3. Неформальный характер решаемых задач и

используемых знаний делает необходимым обеспечение

активного диалога пользователя с ЭС в процессе ее работы.

Перед тем как приступить к разработке ЭС, инженер по

знаниям должен рассмотреть вопрос, следует ли разрабатывать

ЭС для данного приложения. Положительное решение

принимается тогда, когда разработка ЭС возможна, оправданна

и методы инженерии знаний соответствуют решаемой задаче.

Чтобы разработка ЭС была возможной для данного

приложения, необходимо выполнение, по крайней мере,

следующих требований:

• существуют эксперты в данной области, которые решают

задачу значительно лучше, чем начинающие специалисты;

• эксперты сходятся в оценке предлагаемого решения, так

как в противном случае будет невозможно оценить качество

разработанной ЭС;

• эксперты способны вербализовать (выразить на

естественном языке) и объяснить используемые ими методы,

иначе трудно рассчитывать на то, что знания экспертов будут

«извлечены» и заложены в ЭС;

• решение задачи требует только 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 или лет);

• задача хотя и не должна быть выражена в формальном

виде, но все же должна относиться к достаточно «понятной» и

структурированной области, т.е. должна существовать

возможность выделения основных понятий, отношений и

способов получения решения задачи;

• решение задачи не должно в значительной степени

опираться на «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

заложить в системы искусственного интеллекта.

Приложение соответствует методам ЭС, если решаемая за-

дача обладает совокупностью следующих характеристик:

• задача может быть естественным образом решена

посредством манипулирования символами (с помощью

символических рассуждений), а не манипулирования числами,

как принято в математических методах и в традиционном

программировании;

• задача должна иметь эвристическую, а не

алгоритмическую природу, т. е. ее решение должно требовать

применения эвристических правил. Для задач, которые могут

быть гарантированно решены (при соблюдении заданных

ограничений) с помощью формальных процедур, существуют

более эффективные подходы, чем технологии ЭС.

При разработке ЭС, как правило, используется концепция

быстрого прототипа, суть которой заключается в том, что разра-

ботчики не пытаются сразу построить конечный продукт. На на-

чальном этапе они создают прототип (возможно, не единствен-

ный) ЭС, удовлетворяющий двум противоречивым

требованиям: умение решать типичные задачи конкретного

приложения и незначительные время и трудоемкость его

разработки. При выполнении этих условий становится

возможным параллельно вести процесс накопления и отладки

знаний, осуществляемый экспертом, и процесс выбора

(разработки) программных средств, выполняемый инженером

по знаниям и программистами. Для удовлетворения указанным

требованиям при создании прототипа используются

разнообразные инструментальные средства, ускоряющие

процесс проектирования.

В ходе работ по созданию ЭС сложилась определенная

технология их разработки, включающая шесть следующих

этапов: идентификация, концептуализация, формализация,

выполнение, тестирование, опытная эксплуатация (рис 3.2).

На этапе идентификации определяются задачи, которые

подлежат решению, выявляются цели разработки, ресурсы,

эксперты и категории пользователей.

На этапе концептуализации проводится содержательный

анализ проблемной области, выявляются используемые понятия

и их взаимосвязи, определяются методы решения задач.

Рис. 3.2. Этапы разработки экспертных систем

На этапе формализации выбираются инструментальные

средства и способы представления всех видов знаний,

Начало

Идентификаци

Концептуализа

ция

Тестирование

Формализация

Выполнение

Опытна я

эксплуатация

Требован

ия

Изменен

ие

Переконструир

ование

Структуры

знаний

Усовершенст

вование

Завершение

формализуются основные понятия, определяются способы

интерпретации знаний, моделируется работа системы,

оценивается адекватность системы зафиксированных понятий,

методов решения, средств представления и манипулирования

знаниями рассматриваемой предметной области.

На этапе выполнения осуществляется наполнение базы

знаний. В связи с тем, что основой ЭС являются знания, данный

этап является одним из самых важных и самых трудоемких.

Процесс приобретения знаний разделяют на извлечение знаний

в диалоге с экспертами; организацию знаний, обеспечивающую

эффективную работу системы, и представление знаний в виде,

«понятном» ЭС. Процесс приобретения знаний осуществляется

инженером по знаниям на основе анализа деятельности эксперта

по решению реальных задач. Эвристический характер знаний

приводит к тому, что процесс их приобретения является весьма

трудоемким.

На этапе тестирования эксперт (и инженер по знаниям) в

интерактивном режиме, используя диалоговые и

объяснительные средства, проверяет компетентность ЭС.

Процесс тестирования продолжается до тех пор, пока эксперт не

решит, что система достигла требуемого уровня

компетентности.

На этапе опытной эксплуатации проверяется пригодность

ЭС для конечных пользователей. По результатам этого этапа

может потребоваться существенная модификация ЭС.

Процесс создания ЭС не сводится к строгой

последовательности перечисленных выше этапов. В ходе

разработки приходится неоднократно возвращаться на более

ранние этапы и пересматривать принятые там решения.

Модификация системы. В ходе создания ЭС почти

постоянно осуществляется ее модификация. Можно выделить

следующие виды модификации системы: переформулирование

понятий и требований, переконструирование представления и

усовершенствование прототипа.

Усовершенствование прототипа осуществляется в

процессе циклического прохождения через этапы выполнения и

тестирования для отладки правил и процедур вывода. Циклы

повторяются до тех пор, пока система не будет вести себя

ожидаемым образом. Изменения, осуществляемые при

усовершенствовании, зависят от выбранного способа

представления и класса задач, решаемых ЭС. Если в процессе

усовершенствования желаемое поведение не достигается, то

необходимо осуществить более серьезные модификации

архитектуры системы и БЗ.

Возврат от этапа тестирования на этап формализации

приводит к пересмотру выбранного ранее способа

представления знаний. Данный цикл называют

переконструированием.

Если возникшие проблемы еще более серьезны, то после

неудачи на этапе тестирования может потребоваться возврат на

этапы концептуализации и идентификации. В этом случае речь

будет идти о переформулировании понятий, используемых в

системе, - о проектировании всей системы практически заново.

Инструментальные средства различаются в зависимости от

того, какую технологию разработки ЭС они допускают. Можно

выделить, по крайней мере, четыре подхода к разработке ЭС:

• подход, базирующийся на поверхностных знаниях;

• структурный подход;

• подход, основанный на глубинных знаниях;

• смешанный подход, опирающийся на использование по-

верхностных и глубинных знаний.

Поверхностный подход применяется для сложных задач,

которые не могут быть точно описаны. Его сущность состоит в

получении от экспертов фрагментов знаний, релевантных

решаемой задаче. При этом не предпринимается попыток

систематического или глубинного изучения области, что

предопределяет использование поиска в пространстве

состояний в качестве универсального механизма вывода.

Обычно в ЭС, использующих данный подход, в качестве

способа представления знаний выбираются правила. Условие

каждого правила определяет образец некоторой ситуации, в

которой правило может быть выполнено. Поиск решения

состоит в выполнении тех правил, образцы которых сопо-

ставляются с текущими данными. 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

соответствует ни одному правилу. Данный подход с успехом

применяется к широкому классу приложений, но оказывается

неэффективным в тех случаях, когда задача может

структурироваться или для ее решения может использоваться

некоторая модель.

Структурный подход к построению ЭС предусматривает

структуризацию знаний проблемной области. Его появление

обусловлено тем, что для ряда приложений применение техники

поверхностных знаний не обеспечивает решения задачи.

Структурный подход к построению ЭС во многом похож на

структурное программирование. Однако применительно к ЭС

речь идет не о том, чтобы структурирование задачи было дове-

дено до точного алгоритма (как в традиционном программиро-

вании), а предполагается, что часть задачи решается с помощью

эвристического поиска. Структурный подход в различных

приложениях целесообразно сочетать с поверхностным или глу-

бинным.

При глубинном подходе компетентность ЭС базируется на

модели той проблемной среды, в которой она работает. Модель

может быть определена различными способами (декларативно,

процедурно). Необходимость использования моделей в ряде

приложений вызвана стремлением исправить недостаток

поверхностного подхода, связанный с возникновением

ситуаций, не описанных правилами, хранящимися в БЗ.

Экспертные системы, разработанные с применением глубинных

знаний, при возникновении неизвестной ситуации способны

самостоятельно определить, какие действия следует выполнить,

с помощью некоторых общих принципов, справедливых для

данной области экспертизы.

Глубинный подход требует явного описания структуры и

взаимоотношений между различными сущностями проблемной

области. В этом подходе необходимо использовать инструмен-

тальные средства, обладающие возможностями моделирования:

объекты с присоединенными процедурами, иерархическое на-

следование свойств, активные знания (программирование, уп-

равляемое данными), механизм передачи сообщений объектам

(объектно-ориентированное программирование) и т. п.

Смешанный подход в общем случае может сочетать

поверхностный, структурный и глубинный подходы. Например,

поверхностный подход может применяться для поиска

адекватных знаний, которые затем используются некоторой

глубинной моделью.

Контрольные вопросы и задания

1. Сформулируйте основные отличия систем

искусственного интеллекта от обычных программных средств.

2. Перечислите и охарактеризуйте основные компоненты

статических экспертных систем.

4. Какого профиля специалисты привлекаются для

разработки экспертных систем? Каковы их функции?

5. Чем отличаются динамические экспертные системы от

статических?

6. Охарактеризуйте экспертную систему по следующим

параметрам: типу приложения, стадии существования,

масштабу, типу проблемной среды, типу решаемой задачи.

7. Расскажите об основных характеристиках

инструментальных средств, предназначенных для разработки

интеллектуальных информационных систем (уровень

используемого языка, парадигма программирования; способ

представления знаний, механизм вывода и моделирования,

средства приобретения знаний, технологии разработки

приложений).

8. Опишите основные технологические этапы разработки

экспертных систем: идентификацию, концептуализацию,

формализацию, выполнение, тестирование, опытную

эксплуатацию.

9. Какие типы задач решаются с применением ЭС?

Приведите примеры.

10. Подготовьте сообщение или реферат на тему

«Применение интеллектуальных систем в образовании (другой

проблемной области)».

11. Подготовьте сообщение или реферат, посвященный

конкретной экспертной системе, используя для ее

характеристики признаки, которые приведены в данном разделе.

4. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК

ПРЕДСТАВЛЕНИЕ И ПОИСК

Ньюэлл и Саймон доказывают, что интеллектуальная

деятельность, как человека, так и машины, осуществляется с

использованием следующих средств.

1. Символьные шаблоны (комбинации символов),

предназначенные для описания важнейших аспектов области

определения задачи.

2. Операции с этими шаблонами, позволяющие

генерировать потенциальные решения задач. Поиск с целью

выбора решения из числа всех возможных.

Описанные предположения формирую базис гипотезы о

физической символьной системе. Эта гипотеза лежит в основе

наших попыток создания умных машин и делает очевидными

основные предположения в исследовании ИИ. Гипотеза о

физической символьной системе неявно различает понятия

шаблонов, сформированных путем упорядочения символов, и

среды, в которой они реализованы.

Гипотеза о физической символьной системе также вкратце

описывает главные вопросы исследования в области ИИ и

разработки его приложений. К ним относится определение

структур символов и операций, необходимых для

интеллектуального решений задачи, а также разработка

стратегий для эффективного и правильного поиска

потенциальных решений, сгенерированных этими структурами

и операциями. Эти взаимосвязанные проблемы представления

знания и поиска лежат в основе современных исследований в

области ИИ.

Задача любой схемы представления заключается в том,

чтобы зафиксировать специфику области определения задачи и

сделать эту информацию доступной для механизма решения

задачи. Очевидно, что язык представления должен позволять

программисту выражать знания, необходимые для решения

задачи. Абстракция, т.е. представление только той информации,

которая необходима для достижения заданной цели, является

необходимым средством управления сложными процессами.

Кроме того, программы должны быть рациональными в

вычислительном отношении. Выразительность и эффективность

являются взаимосвязанными характеристиками оценки языков

представления знаний. Многие достаточно выразительные

средства представления в одних задачах совсем неэффективны в

других классах задач. Иногда выразительностью можно

пожертвовать в пользу эффективности. В то же время нельзя

ограничивать возможности такого отображения, позволяющего

фиксировать существенные знания, что приводит к

эффективному решению конкретной задачи. Разумный

компромисс между эффективностью и выразительностью –

нетривиальная задача для разработчиков ИС.

Языки представления знаний являются средством,

позволяющим решать задачи. По существу, способ

представления знаний должен обеспечить естественную

структуру выражения знания, позволяющую решать задачу.

Способ представления должен сделать это знание доступным

компьютеру и помочь программисту описать его структуру.

Например, представления чисел с плавающей точкой в

компьютере. Представление числа с плавающей точкой

уступает в выразительности, но выигрывает в эффективности.

Схема представления знания должна удовлетворять

следующим условиям:

1) адекватно выражать всю необходимую информацию;

2) поддерживать эффективное выполнение кода

программы;