Искусственный интеллект и экспертные системы

     По  мнению ведущих специалистов, в недалекой  перспективе ЭС найдут следующее  применение:

 ЭС  будут играть ведущую роль  во всех фазах проектирования, разработки, производства, распределения,  продажи, поддержки и оказания услуг;

 технология  ЭС, получившая коммерческое распространение,  обеспечит революционный прорыв  в интеграции приложений из  готовых интеллектуально-взаимодействующих  модулей.

     ЭС  предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного  подхода к разработке программ, ориентированного на решение формализованных задач.

Неформализованные задачи обычно обладают следующими особенностями:

 ошибочностью, неоднозначностью, неполнотой и  противоречивостью исходных данных;

 ошибочностью, неоднозначностью, неполнотой и  противоречивостью знаний о проблемной  области и решаемой задаче;

 большой  размерностью пространства решения,  т.е. перебор при поиске решения весьма велик;

 динамически  изменяющимися данными и знаниями.³

     Следует подчеркнуть, что неформализованные  задачи представляют большой и очень  важный класс задач. Многие специалисты  считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.

Экспертные  системы и системы искусственного интеллекта отличаются от систем обработки  данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод  и эвристический поиск решения (а не исполнение известного алгоритма).

       По степени сложности решаемых  задач экспертные системы можно  классифицировать следующим образом:

• По способу формирования решения экспертные системы разделяются на два класса: аналитические и синтетические. Аналитические системы предполагают выбор решений из множества известных альтернатив (определение характеристик объектов), а синтетические системы - генерацию неизвестных решений (формирование объектов).
• По способу учета временного признака экспертные системы могут быть статическими или динамическими. Статические системы решают задачи при неизменяемых в процессе решения данных и знаниях, динамические системы допускают такие изменения. Статические системы осуществляют монотонное непрерываемое решение задачи от ввода исходных данных до конечного результата, динамические системы предусматривают возможность пересмотра в процессе решения полученных ранее результатов и данных.
• По видам используемых данных и знаний экспертные системы классифицируются на системы с детерминированными (четко определенными) знаниями и неопределенными знаниями. Под неопределенностью знаний (данных) понимается их неполнота (отсутствие), недостоверность (неточность измерения), двусмысленность (многозначность понятий), нечеткость (качественная оценка вместо количественной).⁴

     По  числу используемых источников знаний экспертные системы могут быть построены  с использованием одного или множества  источников знаний. Источники знаний могут быть альтернативными (множество  миров) или дополняющими друг друга (кооперирующими). Классифицирующие экспертные системы. К аналитическим задачам прежде всего относятся задачи распознавания различных ситуаций, когда по набору заданных признаков (факторов) выявляется сущность некоторой ситуации, в зависимости от которой выбирается определенная последовательность действий.

                              2.1 ВИДЫ ЭКСПЕРТНЫХ СИСТЕМ

     Экспертные  системы, решающие задачи распознавания ситуаций, называются классифицирующими, поскольку определяют принадлежность анализируемой ситуации к некоторому классу. В качестве основного метода формирования решений используется метод логического дедуктивного вывода от общего к частному, когда путем подстановки исходных данных в некоторую совокупность взаимосвязанных общих утверждений получается частное заключение.

     Доопределяющие  экспертные системы. Более сложный тип аналитических задач представляют задачи, которые решаются на основе неопределенных исходных данных и применяемых знаний. В этом случае экспертная система должна как бы доопределять недостающие знания, а в пространстве решений может получаться несколько возможных решений с различной вероятностью или уверенностью в необходимости их выполнения. В качестве методов работы с неопределенностями могут использоваться байесовский вероятностный подход, коэффициенты уверенности, нечеткая логика. Доопределяющие экспертные системы могут использовать для формирования решения несколько источников знаний. В этом случае могут использоваться эвристические приемы выбора единиц знаний из их конфликтного набора, например, на основе использования приоритетов важности, или получаемой степени определенности результата, или значений функций предпочтений и т.д.

     Для аналитических задач классифицирующего  и доопределяющего типов характерны следующие проблемные области:

• Интерпретация данных - выбор решения из фиксированного множества альтернатив на базе введенной информации о текущей ситуации. Основное назначение - определение сущности рассматриваемой ситуации, выбор гипотез, исходя их фактов. Типичным примером является экспертная система анализа финансового состояния предприятия.
• Диагностика - выявление причин, приведших к возникновению ситуации. Требуется предварительная интерпретация ситуации с последующей проверкой дополнительных фактов, например, выявление факторов снижения эффективности производства.
• Коррекция - диагностика, дополненная возможностью оценки и рекомендации действий по исправлению отклонений от нормального состояния рассматриваемых ситуаций.

     Трансформирующие экспертные системы. В отличие от аналитических статических экспертных систем синтезирующие динамические экспертные системы предполагают повторяющееся преобразование знаний в процессе решения задач, что связано с характером результата, который нельзя заранее предопределить, а также с динамичностью самой проблемной области.

В качестве методов решения задач в трансформирующих экспертных системах используются разновидности  гипотетического вывода:

• генерации и тестирования, когда по исходным данным осуществляется генерация гипотез, а затем проверка сформулированных гипотез на подтверждение поступающими фактами;
• предположений и умолчаний, когда по неполным данным подбираются знания об аналогичных классах объектов, которые в дальнейшем динамически адаптируются к конкретной ситуации в зависимости от ее развития;
• использование общих закономерностей (метауправления) в случае неизвестных ситуаций, позволяющих генерировать недостающее знание.

          Многоагентные системы. Для таких динамических систем характерна интеграция в базе знаний нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе, например, через "доску объявлений"

Для многоагентных  систем характерны следующие особенности:

• Проведение альтернативных рассуждений на основе использования различных источников знаний с механизмом устранения противоречий;
• Распределенное решение проблем, которые разбиваются на параллельно решаемые подпроблемы, соответствующие самостоятельным источникам знаний;
• Применение множества стратегий работы механизма вывода заключений в зависимости от типа решаемой проблемы;
• Обработка больших массивов данных, содержащихся в базе данных;
• Использование различных математических моделей и внешних процедур, хранимых в базе моделей;
• Способность прерывания решения задач в связи с необходимостью получения дополнительных данных и знаний от пользователей, моделей, параллельно решаемых подпроблем.

Для синтезирующих динамических экспертных систем наиболее применимы следующие проблемные области:

• Проектирование - определение конфигурации объектов с точки зрения достижения заданных критериев эффективности и ограничений, например, проектирование бюджета предприятия или портфеля инвестиций.
• Прогнозирование - предсказание последствий развития текущих ситуаций на основе математического и эвристического моделирования, например, прогнозирование трендов на биржевых торгах.
• Диспетчирование - распределение работ во времени, составление расписаний, например, планирование графика освоения капиталовложений.
• Планирование - выбор последовательности действий пользователей по достижению поставленной цели, например, планирование процессов поставки продукции.
• Мониторинг - слежение за текущей ситуацией с возможной последующей коррекцией. Для этого выполняется диагностика, прогнозирование, а в случае необходимости планирование и коррекция действий пользователей, например, мониторинг сбыта готовой продукции.⁵

              2.2  ОБЛАСТИ ПРИМЕНЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ

      Экспертные  системы применяются для решения  только трудных практических (не игрушечных) задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают «прозрачностью», т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление ) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

Следует обратить внимание на то, что некоторые  специалисты (как правило, специалисты  в программировании, а не в ИИ) продолжают утверждать, что ЭС и СИИ не оправдали возлагавшихся на них ожиданий и умерли. Причины таких заблуждений состоят в том, что эти авторы рассматривали ЭС как альтернативу традиционному программированию, т.е. они исходили из того, что ЭС в одиночестве (в изоляции от других программных средств) полностью решают задачи, стоящие перед заказчиком. Надо отметить, что на заре появления ЭС специфика используемых в них языков, технологии разработки приложений и используемого оборудования (например, Lisp-машины) давала основания предполагать, что интеграция ЭС с традиционными, программными системами является сложной и, возможно, невыполнимой задачей при ограничениях, накладываемых реальными приложениями.  
 
 
 
 

ЗАКЛЮЧЕНИЕ

     Так возможен ли всё-таки искусственный интеллект? Если под этим термином понимать разумную электронную машину, способную мыслить подобно человеку, то, скорее всего, нет, по крайней мере на сегодняшний день. Во-первых, недостаточно изучены устройство человеческого мышления, механизмы функционирования интеллекта. Во-вторых, технология ещё не располагает достаточными вычислительными мощностями для реализации столь сложной системы, и, к тому же, сомнителен сам факт возможности создания искусственного разума на базе широко используемых на сегодня машин с двоичным представлением информации.

     Если  искусственный интеллект считать  вычислительной программой, решающей интеллектуальные задачи математически, путём расчленения нестандартной  задачи до элементарных инструкций, то можно сказать, что фундамент искусственного интеллекта уже заложен, и последний достаточно широко применяется. 

     Повсеместное  использование искусственного интеллекта создаёт предпосылки для перехода на качественно новую ступень  прогресса, даёт толчок новому витку  автоматизации производства, а значит и повышению производительности труда. 

  Экспертные  системы являются наиболее известным  и распространённым видом интеллектуальных систем.

  Как и любые другие системы, они имеют  ряд своих особенностей:

  ·          экспертные системы ориентированы на решение широкого круга задач в неформализованных областях, на приложения, которые до недавнего времени считались малодоступными для вычислительной техники.

  ·          с помощью экспертных систем специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что позволяет резко расширить сферу использования вычислительной техники.

  ·          при решении практических задач экспертные системы достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащённых ЭВМ.

  Особенно  широкое применение экспертные системы  получили в медицине, математике, машиностроении, химии, геологии, вычислительной технике, бизнесе, законодательстве, обороне.

  А также в настоящее время особенно актуально использование экспертных систем в таких приложениях, как образование, психолого-педагогическая диагностика и тестирование.