84. Понятие знания. Основные признаки знания.

Представление знаний в памяти ЭВМ это самая серьезная проблема ЭС. Сложность проблемы заключается в трудности формализации самого понятия знание. Проще всего дать понятие знания методом сравнения с понятием данные. Отсюда и выделяются основные признаки знаний:

1. интерпретируемость. Данные которые хранятся в памяти ЭВМ могут быть интерпретированы только соответствующей прикладной программой, которая эти данные обрабатывает. Напротив: знания характеризуются тем, что они всегда позволяют получить информацию без использования конкретных программ.

2. структурированность. Структурированность знаний в отличие о данных позволяет выполнять декомпозицию сложных знаний (объектов) на более простые с установлением очевидных связей между ними типа «часть–целое», «множество–подмножество», «тип–подтип» и т д.

3. связность фактически обобщает 1 и 2 свойства. Во первых знания связаны в смысле структуры данных, во–вторых знания отражают закономерности фактов, явлений, причинно–следственных связей. Это скорее первое свойство.

4. активность. Знания в отличие от данных могут порождать новые знания, тогда как данные пассивно хранятся на ВЗУ. Этот признак является движущей силой ЭС, т к обнаружение противоречий в знаниях становится побудительной причиной их продолжения, а значит и получения новых знаний. Аналогично неполнота знаний является причиной их пополнения и в этом проявляется их активность.

85. Типы эс.

Класс "экспертные системы" сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям. Полезными могут оказаться следующие классификации.

Классификация по решаемой задаче:

Интерпретация данных. Это одна из традиционных задач для экспертных систем. Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

Примеры

* обнаружение и идентификация различных типов океанских судов – SIAP;

* определение основных свойств личности по результатам психодиагностического тестирования в системах АВТАНТЕСТ и МИКРОЛЮШЕР и др.

Диагностика. Под диагностикой понимается обнаружение неисправности в некоторой системе. Неисправность – это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является необходимость понимания функциональной структуры ("анатомии") диагностирующей системы.

Примеры

* диагностика и терапия сужения коронарных сосудов – ANGY;

* диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ – система CRIB и др.

Мониторинг. Основная задача мониторинга – непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы – "пропуск" тревожной ситуации и инверсная задача "ложного" срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.

Примеры

* контроль за работой электростанций СПРИНТ, помощь диспетчерам атомного реактора–REACTOR;

* контроль аварийных датчиков на химическом заводе – FALCON и др.

Проектирование. Проектирование состоит в подготовке спецификаций на создание "объектов" с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов – чертеж, пояснительная записка и т.д. Основные проблемы здесь – получение четкого структурного описания знаний об объекте и проблема "следа". Для организации эффективного проектирования и, в еще большей степени, перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

Примеры

* проектирование конфигураций ЭВМ VAX – 11/780 в системе XCON (или R1), проектирование БИС – CADHELP;

* синтез электрических цепей – SYN и др.

Прогнозирование. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров "подгоняются" под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

Примеры

* предсказание погоды – система WILLARD;

* оценки будущего урожая – PLANT;

* прогнозы в экономике – ECON и др.

Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.

Примеры

* планирование поведения робота – STRIPS;

* планирование промышленных заказов – ISIS;

* планирование эксперимента – MOLGFN и др.

Обучение. Системы обучения диагностируют ошибки при изучении какой–либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом "ученике" и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

Примеры

* обучение языку программирования Лисп в системе "Учитель Лиспа";

* система PROUST – обучение языку Паскаль и др.

В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключается в следующем: если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально строится из решений компонентов или подпроблем. Задача анализа – это интерпретация данных, диагностика; к задачам синтеза относятся проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование.

Классификация по связи с реальным временем:

Статические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.

Диагностика неисправностей в автомобиле.

Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Микробиологические ЭС, в которых снимаются лабораторные измерения с технологического процесса один раз в 4 – 5 ч (производство лизина, например) и анализируется динамика полученных показателей по отношению к предыдущему измерению.

Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступаемых данных.

Управление гибкими производственными комплексами, мониторинг в реанимационных палатах и т.д. Пример инструментария для разработки динамических систем – G2[5].

Классификация по типу ЭВМ

На сегодняшний день существуют:

* ЭС для уникальных стратегически важных задач на суперЭВМ (Эльбрус, CRAY, CONVEX и др.);

* ЭС на ЭВМ средней производительности (типа ЕС ЭВМ, mainframe);

* ЭС на символьных процессорах и рабочих станциях (SUN, APOLLO);

* ЭС на мини– и супермини–ЭВМ (VAX, micro–VAX и др.);

* ЭС на персональных компьютерах (IBM PC, MAC II и подобные).

Классификация по степени интеграции с другими программами:

Автономные ЭС работают непосредственно в режиме консультаций с пользователем для специфически "экспертных" задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).

Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над ППП или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем являет собой задачу, на порядок более сложную, чем разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей.