6.2. Экспертные системы.

Идея практического применения экспертных систем заключается в следу­ющем: можно воспользоваться накопленным человеческим опытом, готовыми знаниями, методами, навыками решения задач в некоторой конкретной предметной области, формализовать их и заложить их в компьютер в виде соответствующей программы. Экспертные системы (ЭС) имитируют с помощью компьютера мышление человека при решении задач, исполняя роль эксперта-консультанта для пользователей на основе компьютерной программы и базы знаний.

Экспертные системы являются системами, основанными на знаниях. Знания — это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. С точки зрения искусственного интеллекта (в контексте ЭС) знания можно определить как формализованную информацию, на которую ссылаются в процессе логического вывода .

В отличие от базы данных, база знаний ЭС содержит не только факты (и идеи), но и дополнительные данные, отражающие логические правила с целью получения новых знаний, т.е. отражающими логический вывод новых фактов.

Во многих случаях человеческие рассуждения могут быть представлены в виде последовательности предложений, каждое из которых записывается в виде: ЕСЛИ (условие) ТО (действие), где под “условием” понимается один или несколько фактов, соединенных логическими связками И, ИЛИ, НЕ, а под “действием” – одна или несколько операций по обработке данных, выполняемых, если в рассматриваемой ситуации “условие” истинно. Большинство ЭС построены на использовании правил логического вывода такого типа. Например, правило «ЕСЛИ процентные ставки падают, ТО уровень цен на бирже растет» позволяет при наличии факта “процентные ставки падают” вывести новый факт “уровень цен растет”.

Пример. Данные: марка автомобиля – ВАЗ21053, неисправность – двигатель останавливается на холостом ходу. Знание (закономерность): ЕСЛИ двигатель останавливается на холостом ходу и зажигание вставлено правильно, ТО возможная причина неисправности – засорены жиклеры холостого хода.

В целом процесс функционирования ЭС можно представить следующим образом. Пользователь посылает запрос ( содержащий соответствующую информацию) к ЭС. ЭС генерирует и выдает пользователю подходящую рекомендацию, объясняя ход своих рассуждений. При необходимости ЭС в ходе решения задачи запрашивает у пользователя необходимую дополнительную информацию.

Существуют ЭС, работающие в автономном режиме, в том числе управляющие сложными технологическими процессами, например, работой атомной электростанцией. Подобная система получает информацию от большого числа датчиков, практически мгновенно анализирует ее и формирует управляющие воздействия для поддержания работы в штатном режиме. В принципе, вмешательство человека не требуется.

Примеры задач, для решения которых используются экспертные системы:

Класс задач	Примеры задач
Интерпретация данных	- обнаружение и идентификация различных типов океанских судов по результатам аэрокосмического сканирования; - определение основных свойств личности по результатам психодиогностического тестирования.
Диагностика	диагностика в медицине; -диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ.
Мониторинг	- контроль работы электростанций; - контроль аварийных датчиков на химическом заводе.
Проектирование	- проектирование конфигураций ЭВМ; - проектирование БИС; - синтез электрических цепей
Прогнозирование	- предсказание погоды; - прогнозирование урожая; прогнозирование экономики.
Планирование	- планирование поведения робота; планирование заказов; - планирование эксперимента.
Обучение	- например, обучение языку Паскаль
Управление	- управление предприятием; - управление проектами.
Поддержка принятия решений	- выбор стратегии выхода фирмы из кризисной ситуации; - помощь в выборе страховой компании или инвестора.

ЭС оценки знаний студента

В качестве примера приведем фрагмент (набор правил) ЭС, позволяющей оценивать на зачетах студента, отвечающего на три вопроса. В ЭС хранятся знания о существующих в институте правилах оценивания уровня подготовленности обучаемых.

10 ЕСЛИ по одному из вопросов получена оценка 2, ТО итоговая оценка не может быть выше 3.

20 ЕСЛИ по двум и более вопросам получены оценки 2, ТО итоговая оценка 2

30 ЕСЛИ по итогам ответов на основные вопросы обучаемый набрал 14 баллов, то необходимо задать дополнительный вопрос.

40 ЕСЛИ по дополнительному вопросу получено 5, ТО итоговая оценка - 5

Таким образом, знания в ЭС выражены в форме набора фактов, существенных для рассматриваемой области (например, “по одному из вопросов получена оценка 2”), и набора правил логического вывода, связывающих эти факты и позволяющих из наличия одних фактов вывести новые факты (например, правило 10 позволяет, если верно утверждение “по одному из вопросов получена оценка 2”), вывести новый факт “итоговая оценка не может быть выше 3” .

Прямая и обратная цепочки рассуждений. Различают два типа логического вывода: прямой вывод (прямая цепочка рассуждений и обратный вывод (обратная цепочка рассуждений) .

В первом случае строится цепочка выводов, связывающая верные начальные факты с результатом вывода (выведенные факты). В процессе вывода по известным фактам находим правила, содержащие эти факты в левой части правила ЕСЛИ.

Идея механизма обратного вывода заключается в проверке справедливости некоторой гипотезы (факта Х), которая выдвигается пользователем и проверяется ЭС. При этом находим правила, содержащие факт Х в правой части ТО. После чего переходим к фактам в левой части.

Пример прямой цепочки рассуждений. ЭС биржи

Для учебной экспертной системы фондовой биржи можно было бы воспользоваться, например, такими правилами:

10 ЕСЛИ процентные ставки падают,    ТО уровень цен на бирже растет

20 ЕСЛИ процентные ставки растут,     ТО уровень цен на бирже падает

30 ЕСЛИ валютный курс доллара падает,  ТО процентные ставки растут  40 ЕСЛИ валютный курс доллара растет, ТО процентные ставки падают

           Предположим, что валютный курс доллара падает по отношению к основным валютам других стран. Цель пользователя, очевидно, заключается в выборе правильного поведения на бирже. В системе, реализующей прямую цепочку рассуждений, прогнозы выполняются следующим образом: если возникшая ситуация удовлетворяет условной части правила (части ЕСЛИ), делается логический вывод, определённый в констатирующей части (части ТО). Для приведённого примера необходимо, чтобы в условной части какого-либо правила содержалось бы условие:   “валютный курс доллара падает “.  Такое условие содержится только в правиле 30.

В соответствии с этим правилом можно сделать вывод о росте процентных ставок. О валютном курсе доллара упоминается еще, в правиле 40. Но условие, записанное в этом правиле, (“40 ЕСЛИ валютный курс доллара растет” ) не соответствует исходному состоянию падения валютного курса доллара, и поэтому правило 40 в дальнейших рассуждениях не будет участвовать. Рассуждения ещё не закончены, так как правило 40 в свою очередь порождает новую ситуацию: “процентные ставки растут”.

Необходимо проверить, не приведёт ли она к другим выводам. Видно, что в правиле 10 ( “10 ЕСЛИ процентные ставки падают,    ТО уровень цен на бирже растет”) подходящего условия нет, а в правиле 20 (“ 20 ЕСЛИ процентные ставки растут,    ТО уровень цен на бирже падает”)

есть. Возникает новая ситуация: “ уровень цен на бирже падает” и рассуждения продолжаются.           Ещё раз выполняется проверка всех правил, но ни в одном правиле в условной части не упоминается уровень цен на бирже, и на этом рассуждения заканчиваются. Результатом работы ЭС является: "Когда обменный курс доллара падает, растут процентные ставки и уровень цен на бирже падает".

Рассмотренный пример иллюстрирует работу типичной системы прямых рассуждений:           1. Система содержит описание ряда ситуаций (фактов).

(Пример факта – падение курса доллара.)           2. Для каждой ситуации система ищет в базе знаний правила, в условной (левой части) части которых содержится соответствующее условие. (В рассмотренном выше примере – по факту “падение курса доллара” находим правило номер 30.)           3. В соответствии с констатирующей правой частью (частью ТО) каждое правило может генерировать новые факты, которые добавляются к уже существующим.

(В рассмотренном примере правило 30 позволяет вывести новый факт – рост процентных ставок, содержащийся в правой части правила.)           4. Система обрабатывает каждую вновь сгенерированную ситуацию.

Обратная цепочка рассуждений. В случае обратной цепочки известен результат, явившийся следствием выполнения некоторых (пока неизвестных) условий. Осталось определить эти условия, т.е. найти причины, по которым результат (последствие) произошел. Например, известно, что автомобиль не поехал (последствие), необходимо определить условия (он не завелся и у него сел аккумулятор) . Обратной цепочка рассуждений называется потому, что начинается с уже происшедшего события и идет к его истокам. Программные средства, работающие по принципу обратной цепочки рассуждений, предназначены для поиска причин по уже известному результату.

Широкое использование ЭС обусловлено:

- ориентированностью на решение широкого круга задач в ранее неформализуемых областях, которые считались малодоступными для использования ЭВМ;

- диалоговым режимом использования без требования знания программирования;

- высоким качеством результатов за счет использования знаний экспертов высшей квалификации.

В зависимости от назначения, ЭС варьируются от дешевых, реализуемых на персональном компьютере (например, ЭС диагностики группы заболеваний, поиска неисправностей в автомобиле ) до очень дорогостоящих, требующих мощной аппаратной и программной базы (ЭС управления корпорацией в режиме реального времени, ЭС автоматического управления сложным технологическим процессом (например, работой атомной электростанции)).

ЭС охватывают самые разнообразные предметные области, среди которых лидирует бизнес, производство, медицина, проектирование и системы управления. Среди конкретных приложений можно назвать медицинский диагноз и консультации по лечению, автоматическое программирование, проверку и анализ программного обеспечения, проектирование сверхбольших интегральных схем, диагностику неисправностей в устройствах и выработку рекомендаций по ремонту, интерпретацию геологических данных и выработку рекомендаций по обнаружению полезных ископаемых, прогнозирование, планирование, интерпретацию, анализ рисков в политике и экономике, контроль и управление, охранные системы, обучение и пр.

Большинство ЭС сочетает несколько типов. Например, обучающая система может осуществлять диагностику (определяет знания обучающегося) и планирование (с учетом полученных данных составляет учебный план).

Использование ЭС дает возможность существенным образом снизить уровень требований к профессиональной квалификации пользователей, что может дать значительный экономический эффект.

В отличие от традиционных программ, предназначенных для ре­шения математически строго определенных задач по точным разреша­ющим алгоритмам, с помощью экспертных систем решаются задачи, строго логическое решение которых невозможно. Алгоритмические решения таких задач не существуют в силу неполноты, неопределенно­сти, неточности, расплывчатости рассматриваемых ситуаций и зна­ний. В таких случаях ЭС используют так называемые эвристики – правила, основанные на опыте эксперта и, возможно, не имеющие строгого обоснования. Эвристики применяются также в случае задач, строгое решение которых возможно, но слишком трудоемко.

Следует отметить, что от систем поддержки принятия решений (СППР), не использу­ющих экспертных методов, ЭС отличаются тем, что первые опираются больше на математические методы и модели, а экспертные системы в значительной степени базируются на эвристических, эм­пирических знаниях, оценках, методах, которые получены от экспер­тов, и, кроме того, способны анализировать и объяснять пользовате­лю свои действия и знания.