5.2. Классификация интеллектуальных систем.

ИС можно условно разделить на три группы (рис.5.2)

ИС

³ АСЭО

² СППР

¹ ИИ

Рис. 5.2 Классификация интеллектуальных систем

1. Искусственный интеллект - ИИ – задачи, связанные с решением проблем, в которых участвует интеллект:

- обработка сенсорных данных;

• создание сложных систем хранения и извлечения данных;

• обработка естественных языков;

• системы представления знаний (экспертные системы – ЭС).

(Примеры - нейронные сети PERCEPTRON, эвристический поиск – GPS, обучающие машины EURISKO). Более подробно мы рассмотрим ЭС.

2. СППР – системы поддержки принятия решений.

3. АСЭО – автоматизированные системы экспертного оценивания.

Рассмотрим указанные направления более детально.

5.2.1. Экспертные системы – эс.

ЭС относятся к числу ИС, предназначенных для массового использования. Знания высококвалифицированного эксперта ложатся в основу ЭС, благодаря чему становятся достоянием широкого круга пользователей. Первые ЭС появились в медицине. Важной особенностью ЭС является, что любая выданная рекомендация может быть объяснена. В параграфе 5.1. были упомянуты главные блоки ЭС, напомним, что это БД и БЗ, база программ (решатель), диалоговый компонент (интерфейс) и система объяснений. Остановимся подробнее на некоторых из них.

- База знаний обладает более широкими возможностями, чем БД, и она обладает возможностью пополнения. Однако БЗ является узким местом для ЭС и в целом для ИС. Причины (Л.9):

А) экспертные знания слабоструктурированы, их трудно формализовать, преобладают качественные и неопределенные факторы;

Б) разработка надежных количественных моделей, как правило, затруднена или невозможна;

В) трудность переноса в БЗ значительного объема знаний эксперта в связи с их конкретным характером;

Г) необходимость процедур структуризации.

Создание ЭС тем не менее стало возможным благодаря разработке эвристического аппарата прямых и обратных цепочек рассуждений. При прямой цепочке рассуждения ведутся от данных к гипотезе, а при обратной от гипотезы, которую надо принять или опровергнуть, к данным. Прямая цепочка формирует вопросы к пользователю, обратная – вопросы, касающиеся одинаковых проблем, но без повторов. Наиболее удачные ЭС сочетают области подхода. Кроме того появились способы работы с нечеткими множествами. (Основоположник лингвистических переменных Л. Заде 1976 г, Орловский С.А. ПР при нечеткой исходной информации). Совокупность нечетких предположительных вероятностных суждений может приводить к правильным заключениям. (Пример: ЭС – ЭКСПЕРТ – ИЗИ, база данных строится на примерах, с помощью которых идентифицируются представления и опыт эксперта. ЭС – МИЦИН использует утверждения типа если,…то, и коэффициенты уверенности от +1 до –1). Общепризнанно, что знания редкий и дорогой ресурс, поэтому необходимо разрабатывать более корректные методы извлечения и кодирования экспертных знаний. Единственно, что следует дополнить, что создана уже высокопроизводительная РС Prologe – машина и ведутся работы по созданию языка, для работы с логическим построениями.

– блоки интерфейса и объяснений, позволяющие ЭС в любой момент объяснить почему сделано то или иное заключение или вывод, представить пользователю цепочку рассуждений и фактов, приводящих к нему. Действия ЭС не должны носить необъяснимый характер, предоставлять «когнитивное окно для человека». (Пример с атомным реактором в Пенсильвании, когда система была излишне усложнена и специалисты не могли определить нарушение).

ЭС могут быть предметно-ориентированными и предметно – независимыми («пустыми»), то есть оболочку для предметного наполнения.

ЭС характеризуется набором признаков:

1. Тип системы (собственно ЭС, системы основанные на знаниях без некоторых черт ЭС, расчетно-логические, комбинированные).

2. Назначение системы. ЭС могут предназначаться для решения задач оценивания, диагностики, обучения, выбора альтернативных вариантов решения.

3. Степень предметной ориентации (предметно-ориентированная, инструментальная, с помощью которой разрабатывается оболочка, пустая ЭС или оболочка).

4. Форма представления знаний (семантические сети, цепочки рассуждений).

5. Используемый язык.

6. Степень дружелюбия.

В настоящее время ЭС применяются во все время расширяющемся диапазоне. Непрерывно совершенствуются методы формирования баз знаний на основе:

1. Коллективных суждений при разработке зон единодушия и конфликтов.

2. При неполных и неопределенных знаниях, предполагающих контроль совместимости новых знаний с уже имеющимся в ЭС.

3. Порождения новых знаний как на основе знаний 1-го рода (книги, справочники, Internet), так и знаний 2-го рода (интуитивные соображения, логическое переосмысление знаний, имеющихся в ЭС баз непосредственного обращения к эксперту).

4. Синтеза знаний (координатных об аспектах и синтетических – о проблеме в целом и разработки условий их согласования. Тут возможно отметить три задачи:

Прямую – получение знаний о проблеме в целом по знаниям об отдельных аспектах и условиям согласования.

Обратную – по знаниям о системе в целом получать знания о подсистемах.

Согласования, решение прямой задачи при условии равновесия, компромисса и справедливости.

Возрастающая сложность ЭС ставит на повестку дня проблему создания сетей ЭС, самообучающихся баз знаний, создание иерархических гипертекстовых систем. То есть ЭС – перспективный инструментарий во всех областях принятия решений.