1.2.2. Експертні системи

Експертні системи як самостійний напрям в штучному інтелекті сформувався в кінці 1970-х рр. Історія ЕС почалася з повідомлення японського комітету з розробки ЕОМ п'ятого покоління, в якому основна увага приділялася розвитку «інтелектуальних здібностей» комп'ютерів з тим, щоб вони могли оперувати не тільки даними, але і знаннями, як це роблять фахівці (експерти) при виробленні висновків. Група по експертних системах при Комітеті British Computer Society визначила ЕС як «втілення в ЕОМ компоненти досвіду експерта, заснованою на знаннях, в такій формі, що машина може дати інтелектуальну раду або ухвалити рішення щодо оброблюваної функцШІ». Однією з важливих властивостей ЕС є здатність пояснити хід своїх міркувань зрозумілим для користувача чином [15].

Область дослідження ЕС називають «інженерією знань». Цей термін був введений Е. Фейгенбаумом і в його трактуванні означає те, що «привнесло принципів і інструментарію з області штучного інтелекту у вирішення важких прикладних проблем, що вимагають знань експертів». Іншими словами, ЕС застосовуються для вирішення неформалізованих проблем, до яких відносять завдання, що володіють одній (або декількома) з наступних характеристик:

• завдання не можуть бути представлені в числовій формі;

• початкові дані і знання про наочну область володіють неоднозначністю, неточністю, суперечністю;

• меті не можна виразити за допомогою чіткої певної цільової функцШІ;

•не існує однозначного алгоритмічного рішення задачі;

•алгоритмічне рішення існує, але його не можна використовувати унаслідок великої розмірності простору рішень і обмежень на ресурси (часу, пам'яті).

Головна відмінність ЕС і систем штучного інтелекту від систем обробки даних полягає в тому, що в них використовується символьний, а не числовий спосіб представлення даних, а як методи обробки інформації застосовуються процедури логічного виводу і евристичного пошуку рішень.

ЕС охоплюють різноманітні наочні області (мал. 1.2), серед яких лідирують бізнес, виробництво, медицина, проектування і системи управління [4, 6, 11, 12, 15, 17].

У багатьох випадках ЕС є інструментом, що підсилює інтелектуальні здібності експерта. Крім того, ЕС може виступати в ролі:

• консультанта для недосвідчених або непрофесійних користувачів;

Транспортні системи

Космонавтика

Наука

Системи управління

Гірська промисловість

Військова справа

Метрологія

Медицина

Математика

Виробництво

Юриспруденція

Управління інформацією

Обробка зображень

Геологія

Навколишнє середовище

Інженерія

Електроніка

Освіта

Комп'ютерні системи

КомунікацШі

Хімія

Бізнес

Сільське господарство

Мал. 1.2. Області застосування експертних систем

•партнера експерта в процесі вирішення завдань, що вимагають залучення знань з різних наочних областей.

Для класифікації ЕС використовуються наступні ознаки:

0. спосіб формування рішення;

1. спосіб обліку тимчасової ознаки;

2. вид використовуваних даних і знань;

3. число використовуваних джерел знань.

За способом формування вирішення ЕС можна розділити на тих, що аналізують і синтезують. У системах першого типу здійснюється вибір рішення з безлічі відомих рішень на основі аналізу знань, в системах другого типу рішення синтезується з окремих фрагментів знань.

Залежно від способу обліку тимчасової ознаки ЕС ділять на статичних і динамічних. Статичні ЕС призначені для вирішення завдань з незмінними в процесі рішення даними і знаннями, а динамічні ЕС допускають такі зміни.

По видах використовуваних даних і знань розрізняють ЕС з детермінованими і невизначеними знаннями. Під невизначеністю знань і даних розуміються їх неповнота, ненадійність, нечіткість.

ЕС можуть створюватися з використанням одного або декількох джерел знань.

Відповідно до перерахованих ознак можна виділити чотири основні класи ЕС (мал. 1.3): що класифікують, довизначаючі, що трансформують і мультиагентні [12].

Класифікуючі ЕС вирішують завдання розпізнавання ситуацій. Основним методом формування рішень в таких системах є дедуктивний логічний вивід.

Довизначаючі ЕС використовуються для вирішення завдань з не повністю певними даними і знаннями. У таких ЕС виникають завдання інтерпретації нечітких знань і вибору альтернативних напрямів пошуку в просторі можливих рішень. Як методи обробки невизначених знань можуть використовуватися байесівський імовірнісний підхід, коефіцієнти упевненості, нечітка логіка (див. розділ 3).

Трансформуючі ЕС відносяться до синтезуючих динамічних експертних систем, в яких передбачається перетворення знань, що повторюється, в процесі вирішення завдань.

Детер детермінованість знань	Аналіз	Синтез
	Що класифікують	Що трансформують	Одне джерело знань
Нев визначеність знань	Доопределяющие	Мультіагентниє	Декілька джерел знань
	Статика	Динаміка

Мал. 1.3. Основні класи експертних систем

У ЕС даного класу використовуються різні способи обробки знань:

• генерація і перевірка гіпотез;

• логіка припущень і умовчань (коли за неповними даними формуються уявлення про об'єкти певного класу, які згодом адаптуються до конкретних умов ситуацій, що змінюються);

• використання метазнань (більш загальних закономірностей) для усунення невизначеностей в ситуаціях.

Мультиагентні системи — це динамічні ЕС, засновані на інтеграції декількох різнорідних джерел знань. Ці джерела обмінюються між собою отримуваними результатами в ході вирішення завдань. Системи даного класу мають наступні можливості:

• реалізація альтернативних міркувань на основі використання різних джерел знань і механізму усунення суперечностей;

• розподілене вирішення проблем, декомпозиційоване на паралельно вирішувані підзадачі з самостійними джерелами знань;

• застосування різних стратегій виведення висновків залежно від типу вирішуваної проблеми;

• обробка великих масивів інформації з баз даних;

• використання математичних моделей і зовнішніх процедур для імітації розвитку ситуацій.