Формализация. На данном этапе все ключевые понятия (объекты, их характеристики и значения) и отношения, введённые на этапе концептуализации, выражаются на некотором формальном языке, предложенном (выбранном) инженером по знаниям. Он определяет, подходят ли имеющиеся инструментальные средства для решения рассматриваемой проблемы или необходимы оригинальные разработки. Часто на этапе формализации выясняется, что для различных частей общей задачи нужны различные языки или инструментальные средства.
Для формализации знаний важно определить природу данных предметной области, их свойства:
данные редки (обильны) или недостаточны (избыточны);
данные определены или нет, т.е. требуется ли коэффициент определённости;
зависит ли интерпретация данных от порядка их появления во времени;
стоимость приобретения данных;
данные надёжны (ненадёжны), точны (неточны);
данные согласованы (не согласованы), полные (неполные);
как необходимые характеристики объектов могут быть извлечены из входного сообщения (сигнал, изображение, текст, устная речь и т.п.);
тип отношений между данными (причинные, определительные, корреляционные) и др.
В процессе формализации строится модель исследуемой задачи, так как наличие модели позволяет генерировать решение. Могут быть использованы как поведенческие, так и математические модели.
Выполнение. Цель этапа – создание одного или нескольких прототипов ЭС, решающих требуемые задачи. Разработка прототипа состоит в программировании его компонентов или выборке их из имеющихся инструментальных средств. Прототип обеспечивает проверку адекватности идей, методов и способов представления, выбранных при создании данной ЭС, решаемым задачам. Создание первого прототипа должно подтвердить, что выбранные методы решений и способы представления пригодны для успешного решения, по крайней мере, ряда задач из области экспертизы. Очевидно, что в первом прототипе реализуется простейшая процедура вывода
На этом же этапе происходит наполнение экспертом БЗ. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний и представление знаний в виде, понятном ЭС.
На этом же этапе, по результатам этапов тестирования и опытной эксплуатации, создаётся конечный продукт, пригодный для промышленного использования.
Тестирование. Эксперт и инженер по знаниям в интерактивном режиме проверяют компетентность ЭС. Как только ЭС оказывается в состоянии обработать от начала до конца два или три примера, начинают проверку на более широком круге примеров, чтобы определить недостатки БЗ и управляющего механизма (процедур вывода). Инженер по знаниям должен подобрать примеры, обеспечивающие всестороннюю проверку ЭС. Процесс тестирования продолжается до тех пор, пока эксперт не решит, что система достигла требуемого уровня компетентности.
Обычно выделяют следующие источники неудач в работе системы:
недостаточно показательные тестовые примеры;
ввод-вывод, правила вывода;
управляющие стратегии.
Вывод данных может быть неполным, так как задавались неправильные вопросы или собрана не вся необходимая информация. Выходные сообщения (заключения) системы могут оказаться непонятными пользователю (эксперту) по содержанию, либо потому, что их слишком мало.
Ошибки при вводе могут возникнуть из-за неудобного для пользователя входного языка. В ряде приложений для пользователей удобен ввод не только в печатной, но и в звуковой форме, может понадобиться ввод и в графическом виде.
В случае неэффективной работы ЭС необходимо изменение стратегии. Последовательность, в которой данные рассматриваются ЭС, не только влияет на эффективность работы системы, но и может влиять на конечный результат. Недостатки в управляющих стратегиях могут привести к чрезмерно сложным заключениям и объяснениям.
Опытная эксплуатация. Проверка пригодности ЭС для конечных пользователей. Здесь ЭС занимается решением всех задач, возможных при работе с различными пользователями. Пригодность ЭС для пользователя определяется в основном удобством работы с ней и её полезностью.
Под полезностью ЭС понимается способность её в ходе диалога определять потребности пользователя, выявлять и устранять причины неудач в работе, а также удовлетворять потребности пользователя, т.е. решать поставленные задачи.
Под удобством работы ЭС понимается естественность взаимодействия с ней (общение в привычном, не утомляющем пользователя виде), её гибкость (способность системы настраиваться на различных пользователей, а также учитывать изменения в квалификации одного и того же пользователя) и устойчивость системы к ошибкам (способность не выходить из строя при ошибочных действиях неопытного пользователя).
По результатам этого этапа может потребоваться не только модификация ЭС, но и изменение устройств ввода - вывода из-за их неприемлемости для пользователя. По результатам этого же этапа принимается решение о переносе системы на другие ЭВМ (например, для расширения сферы использования ЭС или снижения её стоимости).
Модификация. В ходе создания ЭС почти постоянно производится её модификация: переформулирование понятий и требований, переконструирование представления знаний и усовершенствование прототипа.
Усовершенствование прототипа осуществляется в процессе циклического прохождения через этапы выполнения и тестирования для отладки правил и процедур вывода.
Переконструирование выбранного ранее способа представления знаний предполагает возврат с этапа тестирования на этап формализации.
Если возникшие проблемы ещё более серьёзны, то после неудачи на этапе тестирования может потребоваться возврат на этап концептуализации и идентификации. В этом случае речь идёт о переформулировании понятий, используемых в системе, т.е. о перепроектировании системы заново.
При разработке ЭС используется концепция «быстрого прототипа». Суть её состоит в том, что разработчики не пытаются сразу создать конечный продукт. На начальном этапе они создают прототип (версию) ЭС, который должен удовлетворять двум противоречивым требованиям: c одной стороны, решать типовые задачи конкретного приложения, а с другой – время и трудоёмкость его разработки должны быть весьма незначительны, чтобы можно было максимально запараллелить процесс накопления и отладки знаний, осуществляемый экспертом, с процессом выбора программных средств, осуществляемым инженером по знаниям и программистом. Прототип должен продемонстрировать пригодность методов инженерии знаний для данного приложения. В случае успеха эксперт с помощью инженера по знаниям расширяет знания прототипа о проблемной области. При неудаче может потребоваться разработка нового прототипа, или разработчики придут к выводу о непригодности методов инженерии знаний для данного приложения.
Прототипы эс
Стадии, в результате которых создаются различные версии ЭС, называемые прототипами, таковы:
демонстрационный прототип – ЭС, которая решает часть требуемых задач, демонстрируя жизнеспособность метода инженерии знаний. Работает, имея в базе знаний всего 50 – 100 правил. Время разработки такой ЭС – от 6 до 12 месяцев;
исследовательский прототип – ЭС, которая решает все требуемые задачи, но неустойчива в работе и не полностью проверена. База знаний содержит 200 – 300 правил. Разработка занимает 3 – 6 месяцев;
действующий прототип – надёжно решает все задачи, но для решения сложных задач может потребоваться много времени и памяти. База знаний содержит 500 – 1000 правил. Время разработки занимает 6 – 12 месяцев;
промышленный прототип – ЭС, которая обеспечивает высокое качество решения всех задач при минимуме времени и памяти. База знаний содержит 1000 – 1500 правил. Время разработки – от 1 года до 1,5 лет;
коммерческий прототип – отличается от промышленного тем, что собственного использования она может продаваться различным потребителям. База знаний содержит 1500 – 3000 правил. Время разработки - от 1,5 до 3 лет [2].
Поколения эс
ЭС первого поколения представляли собой фактически усложнённые электронные справочники, в которых принятие решения осуществлялось с помощью перебора вариантов. Они отлично справлялись с поисковыми задачами (например, с нахождением требуемых телефонных номеров или формул) но имели мало общего с интеллектуальной деятельностью. База знаний (БЗ) подобных систем фактически являлась базой данных (БД). Эти системы отличались от традиционных программ главным образом возможностью для специалиста пользователя оставлять и задействовать для последующих поисков различного рода сложные выборки.
Довольно быстро разработчики ЭС первого поколения поняли, что путь тупого перебора вариантов – длинный и непродуктивный. Человек никогда не перебирает все варианты, он отсекает заведомо нереальные. Так возникли ЭС второго поколения, имеющие встроенные алгоритмы для скорейшего нахождения требуемого варианта, т.е. имеющие базу знаний (БЗ). БЗ включала Базу Данных и алгоритмы по работе с этими данными, заложенные экспертами-разработчиками. Однако эти системы имели существенный недостаток – с ними могли работать только программисты. С появлением персональных компьютеров появилась необходимость в разработке т.н. дружественных интерфейсов не для компьютерщиков, а для врачей, инженеров и т.д. Это представляло весьма непростую задачу, так как ЭС того времени были очень сложными в управлении.
Однако, довольно быстро был создан т.н. «Дружественный Интерфейс Пользователя с защитой от дурака» (ДИП), позволяющий тому специалисту, который работает с данной ЭС (например, экономисту, врачу и др.) вводить в ЭС требуемую дополнительную информацию (новые данные и др.), без помощи программиста. Эти ЭС принято называть ЭС третьего поколения. Круг пользователей ЭС многократно расширился.
Следует понимать, что с позиций сегодняшнего дня все вышеописанные системы не являлись экспертными, но демонстрируют путь становления ЭС.
Создание ЭС четвёртого поколения стало возможным благодаря стремительному прогрессу в разработке компьютеров (и, в частности, повышение их быстродействия), а также совершенствованию математического аппарата. В итоге создателям ЭС в США, Европе и России удалось изготовить принципиально иные ЭС – они не только выполняли сложные расчёты и поиски, а, извлекая данные из памяти, выдавали рекомендации и принимали решения, т.е. почти являлись ЭС в современном смысле этого слова.
В наши дни системы такого типа имеют огромные БЗ и очень популярны во многих сферах деятельности, несмотря на свою высокую стоимость, поскольку строят собственное дерево заключений для достижения каждого нового решения. Обычные компьютерные программы при решении задачи используют одну и ту же последовательность операций, т.е. они жёстко детерминированы.
Однако, ЭС четвёртого поколения не могут обеспечить высокую точность результатов по той причине, что они линейны по своей природе, т.е. имеют свод жёстких правил и на его основе всегда принимают логичные решения. Например, для управления движением крылатых ракет используются ЭС четвёртого поколения. Такая ЭС должна одновременно и с высокой скоростью учитывать множество факторов (рельеф местности, силу ветра, действия противника и т.д.) и принимать решения по управлению ракетой. Для таких задач ЭС четвёртого поколения подходит как нельзя лучше, так как ракета пассивна и линейна, т.е. сама не изменяет условий расчёта и всегда реагирует на одни и те же изменения одинаково. Если объект управления станет активным и нелинейным (например, человек), то такая система не сможет им управлять.
Для управления алогичными, неформализуемыми объектами были созданы прецедентные ЭС пятого поколения. Прецедент – от лат. praccedens (предшествующий), поведение в определённой ситуации, рассматриваемое как образец при аналогичных обстоятельствах (некоторое общее поведение).
Достижения вычислительной техники во второй половине 90-х годов позволили резко увеличить объём памяти, сохраняемой на диске компьютера, что привело к снижению её цены. Это дало возможность сначала в США (фирма «American Research»), а спустя некоторое время и в России (НПО «Эталон, а для гражданских нужд – Центр «Хобби»») разработать ЭС пятого поколения – прецедентные ЭС. Базу Знаний этих систем образуют не только логические правила, а и т.н. «База Прецедентов». «База Прецедентов» - это результаты обследования реальных людей и информация о последующей успешности / неуспешности их деятельности. Можно сказать, что прецедентные ЭС имеют не только БЗ, но и Базу Прецедентов (БП). В первых прецедентных ЭС приходилось создавать несколько «Баз прецедентов» для смежных областей, затем разработчикам удалось соединить прецеденты различных областей в одной БП и учитывать корреляцию между ними при принятии решений ЭС. Это позволило таким системам работать в реальном времени.
Например, прецедентные ЭС используются в кадровой политике. Они могут сами выделять наиболее характерные для группы работников качества, степень их выраженности и т. п. и создавать нелинейные модели должностей (т.н. «многомерные многофакторные профили»).
Применение прецедентных ЭС позволило уменьшить число диагностируемых параметров и автоматизировать практически все функции системы. Ручной режим в таких системах сохранён только для специалистов - менеджеров, психологов и т.п.
При всех своих достоинствах, прецедентные ЭС трудны в изготовлении и эффективно работают, имея Базу Прецедентов в несколько сот тысяч человек. Для примера, база прецедентов ЭС Нью-Йоркской полиции – 786 000 человек, НПО «Эталон» - 542 000 человек, причём по словам специалистов этого НПО, ЭС заработала с ожидаемой точностью только тогда, когда БЗ перевалила за 200 000 человек. Подобные системы в мире изготавливает менее двух десятков фирм, на их создание уходит не менее 5-6 лет.
Однако, судя по публикациям и личным встречам экспертов, руководители предприятий, менеджеры и кадровики, опробовавшие прецедентные ЭС, едины во мнении – эти ЭС в состоянии решать такие задачи, которые в принципе невозможно решить с помощью иных программ, например, компьютерная прогностика состояния персонала в реальном времени, определение тенденций в развитии организации и пр.
Такие системы приходят к своим решениям во многом на основе человеческих наблюдений и фактически, наряду с математическими алгоритмами, используют человеческую логику для принятия решений. И в этом их огромное и принципиальное преимущество. При этом простота в обращении, высокая пропускная способность и многогранность результатов позволяют использовать прецедентные ЭС практически во всех сферах работы с персоналом.
Принцип «прецедентов» оказался эффективным и в других областях – в частности, бортовой компьютер американского самолёта-невидимки «Стелс» содержит прецедентную ЭС на случай нештатных ситуаций, а профессиональные модели фотоаппаратов «Nikon» - прецедентную ЭС с 30 тыс. реальных съёмочных ситуаций