Конспект лекций дисципліни "Інформаційні технології в менеджменті"

Вид материалаКонспект
Назначение экспертных систем, их особенности и сфера применения. (2-с.429-431)
Основные сферы применения ЭС
Данные + алгоритм = система обработки данных.
Структура экспертной системы. (2-с.431-432)
Механизм логического вывода –
База данных (рабочая память)
Объяснительная подсистема
Консультирующая подсистема
Интерфейс эксперта
Основные компоненты экспертной системы. (2-с.433-439)
Логика предикатов.
Логика предикатов
Семантические сети.
Механизм логического вывода
Прямой вывод
Обратный вывод
Подсистема обретения знаний.
Подсистема объяснения.
Подобный материал:
1   2   3   4

Назначение экспертных систем, их особенности и сфера применения. (2-с.429-431)

Экспертная система – компьютерная программа, способная накапливать знания и моделировать процесс экспертиз. Сформировался новый раздел информатики – инженерия знаний, целью которой создание технологий выявления знаний и наполнение ими экспертной системы. Они могут быть полезными только тогда, когда хорошо известными есть способы поиска решения и эксперт может точно описать логику решения задачи.

Основные сферы применения ЭС:
  • Диагностика – определение состояния ЭС. Наипопулярнейшими являются медицинские системы диагностики, которые устанавливают связь между фактами нарушения деятельности организма и возможными причинами возникновения нарушений.
  • Интерпретация – установление сущности данных на основании экспериментальных;
  • Прогнозирование – установление последствий ситуации. Прогнозирующие системы предвидят возможные результаты или события на основании данных о текущем состоянии объекта.
  • Планирование – решают задачи с большим числом переменных
  • Контроль и управление - мониторинг и контролинг развития ситуации. Помогают принимать решения в критических ситуациях.
  • Обучение – приобретение определенных знаний и оценивание результатов.

Одной из основных проблем в процессе разработки систем искусственного интеллекта есть моделирование умственной деятельности людей при решении сложных задач из разных сфер человеческой деятельности. Поэтому основным направлением развития искусственного интеллекта стало разработка систем, которые имитируют действия и мышление эксперта в узкой ПС.

Появление экспертных систем ознаменовала переход от сугубо теоретической сферы искусственного интеллекта к прикладной. Экспертные системы стали коммерческим продуктом на рынке HIT благодаря своей полезности при решении сложных тяжело структурированных и формализованных задач из сферы бизнеса, управление, планирование и диагностики.

Экспертные системы - компьютерные программы, способные накапливать знания и моделировать процесс экспертизы.

Сформировался новый раздел информатики - инженерия знаний, задачей которой есть создание технологии выявление знаний и наполнение ними EC. Они могут быть полезными только тогда, если хорошо известными являются способы поиска решение и эксперт может точно описать логику решения задачи. В таблицы приведены критерии применимости EC.


Таблица - Критерии применимости EC


Применимые EC

Неприменимые EC

Логический характер задач

Вычислительный характер задач

Наличие квалифицированных экспертов

Отсутствие экспертов

Эвристические методы

Алгоритмические методы

Наличие неопределенности и отсутствие точных данных

Наличие точных данных и строгих процедур

Метод формальных соображений

Процедурный метод



Экспертная система - это компьютерная система, которая воплощает в себе опыт эксперта, который грунтуется на его знаниях в определенной области. Экспертная система на основе обработки этих знаний может давать интеллектуальные советы, принимать решение на равные эксперта-профессионала, а также по желанию пользователя объяснять ход решения в случае отыскания того ли другого решения.

Основные характеристики экспертной системы такие.

1. Экспертная система, как правило, ограниченная определенной предметной областью.

2. ЕС может уметь принимать решение за неполных или неточных данных.

3. ЕС может уметь объяснять свои действия при решении задачи.

4. Система должна иметь свойство расширения и наращивание функций.

5. ЕС может уметь имитировать деятельность высококвалифицированного специалиста (эксперта).

6. ЕС при решении задач использует, как правило, не точные алгоритмы, а так называемые эвристики, то есть методы, которые опираются на опыт и знание эксперта.

Главные отличия систем обработки данных от экспертных систем, которые грунтуются на обработке знаний, состоят вот в чем.

1. На выходе экспертной системы пользователь получает не машино- ли відеограму, которая представленная в табличном виде, а интеллектуальный совет, который имеет вид текста.

2. В основу ЕС положена технология обработки символьной информации, которая большей частью подается в форме правил.

3. В обобщенном виде системы обработки данных можно подать такой конструкцией:

ДАННЫЕ + АЛГОРИТМ = СИСТЕМА ОБРАБОТКИ ДАННЫХ.

Структурно в обобщенном виде ЕС можно изобразить так: ЗНАНИЕ + УМСТВЕННЫЙ ВЫВОД = ЭКСПЕРТНАЯ СИСТЕМА.

4. Экспертная система имеет архитектуру, которая также отличается от архитектуры традиционных систем обработки данных. Отличия состоят в наличия в экспертной системе таких блоков: 1) базы знаний; 2) объяснений; 3) накопление знаний.

Найперспективнішими направлениями относительно создания практических программных систем считают:

- интеграцию EC с традиционными пакетами (табличные процессоры, СУБД) и создание гибридных EC. Такой подход дает возможность использовать EC как внешнюю управляющую программу, которая осуществляет подключение ее к нужному пакету в зависимости от вида решаемой задачи, дает возможность учесть качественные факторы в процессе решения количественных или аналитических задач;

- создание EC реального времени при управлении непрерывными процессами. Они оказывают содействие повышению надежности и эффективност управление технологическими линиями, ядерными реакторами и др.;

- построение распределенных EC, в которых может выполняться согласованная обработка разнородных знаний. Взаимодействие между автономными частями EC осуществляется передачей сообщений через специальный блок (доску объявлений). Работа распределенной EC имитирует коллективные решения сложной проблемы группой специалистов, любой из которых владеет лишь одним ее аспектом;

- разработка динамических EC. Системы этого класса дают возможность моделировать динамические ПС. Изменения, которые происходят в таких сферах после начала решения задачи, влияют на окончательный вывод и потому должны учитываться непосредственно в процессе формирования вывода. Появление динамических EC обеспечивает автоматизацию важных задач мониторингу, которые не могут быть разрешимые с помощью традиционных EC.

Основные сферы применения EC:

Диагностика - определение состояния EC. Известнейшими являются медицинские диагностические системы, которые используются для установления связи между фактами нарушения деятельности организма и возможными причинами возникновение нарушений.

Интерпретация - определение сущности данных, которые наблюдаются. Інтерпретувальні системы могут строить определенные заключения на основании результатов наблюдение.

Прогнозирование - определение следствий ситуации. Прогнозирующие системы предусматривают возможные результаты или события на основании данных о текущем состоянии объекта.

Планирование - определение программы дои соответственно определенному критерию. Планировочные системы предназначены для достижения конкретных целей при решении задач с большим числом сменных.

Контроль и управление - мониторинг и контролінг развития ситуации. Интеллектуальные системы могут принимать решение, анализируя данные, что поступают с нескольких источников. Такие системы применяют в управлении финансовой деятельностью предприятия, оказывают содействие принятию решений в кризисных ситуациях.

Обучение - получение определенных знаний и оценивания результатов. EC могут входить как составная часть к компьютерным системам обучения. EC получает информацию о деятельности лица, которое учится, и оценивает данные, анализируя ее поведение.

Основная разность традиционных СППР от экспертных систем (ЕС).

Сравнительные признаки

СППР

ЕС

Назначение

Содія мужчине в принятии решения

Дублирование функций эксперта и замена его

Кто принимает решение (дает рекомендации)

Человек и /или принятие решений

Система

Основная ориентация

Принятие решений

Обмен опытом (человек-машина-человек) и виробітка рекомендаций

Особенности запроса

Человек приглашает машину

Машина приглашает человека

Метод манипулирования данными

Количественный

Символьный

Предметная область

Комплексная, широкая

Узька, специализированная

Тип задач

Уникальные

Повторяющаяся

Содержание базы данных

Фактические данные (факты)

Факты и процедуры их использования

Способность к раздумыванию

Нет

ЕСТЬ, ограниченная

Способность к объяснению

Ограниченная

ЕСТЬ



  1. Структура экспертной системы. (2-с.431-432)
  • База знаний – используется для сохранения знаний. Знания могут быть закодированы в разных формах, в зависимости от формы их использования. В отличии от обычной базы данных в базе знаний сохраняются не только факты, но и правила, которые дают возможность устанавливать новые знания.
  • Механизм логического вывода – имитирует размышление эксперта. В этом механизме используется сопоставление с образцом или механизм перебора логических частей.
  • Объяснительная система – позволяет пользователю получить цепочку рассуждений и выводов.
  • Подсистема пользователя – дает возможность пользователю получить совет для дальнейших действий.
  • Подсистема получения знаний – пополняет и модифицирует БЗ.
  • Интерфейс эксперта – используется для доступа к БЗ в консультационном режиме.

Основні компоненти структури EC подано на рис.





Рис. - Структура EC

База знаний используется для сохранения знаний про специализированную ПС. Знание может быть закодировано в разных формах в зависимости от используемой схемы его представления. БЗ может также включать метазнання, то есть знание о знании (способ мышление эксперта). В отличие от обычной БД, в ней сохраняются не только факты, а и правила, которые дают возможность установить новые факты.

База данных (рабочая память) используется для сохранения основных фактов, переданных пользователем, и текущего состояния проблемы с выведенными фактами.

Механизм логического вывода (МЛВ) имитирует соображение эксперта так же, как БЗ имитирует его память. В этом механизме используется сопоставление с образцом или поисковый

подход для сужения полного перебора или избежание комбинаторного взрыва в отличие от обычных вычислительных алгоритмов. Он может включать разные стратегии поиска в просторные состояний задачи: прямой поиск (от фактов к цели), обратный поиск (от цели к фактам) и прочие стратегии.

Объяснительная подсистема дает возможность пользователю на вопрос ЧЕМУ узнать, по какой причине система постановила самое такое решение, а на вопрос КАК выяснить, каким образом система приходила к такому выводу.

Консультирующая подсистема дает пользователю совет, что необходимо сделать за конкретного результата решения задачи.

Подсистема получения знаний дает возможность пополнить или модифицировать БЗ.

Интерфейс эксперта используется для доступа к БЗ через модуль получения знаний, а интерфейс пользователя дает возможность пользователям системы иметь доступ к ней в консультационном режиме или в режиме объяснений.

  1. Основные компоненты экспертной системы. (2-с.433-439)
  • База знаний – одной из сложных задач является построение ЭС. Этот процесс проводится в интерактивном режиме с возможным возвращением с следующего этапа на предыдущий. БЗ содержит три типа знаний:
  • структурированные знания – статичные знания, которые не изменяются после их сохранения
  • структурированные динамические знания – знания, которые могут изменяться в связи с обновлением информации.
  • Рабочие знания – знания, которые используются для развязывания конкретной задачи или проведения консультации.
  • Логика предикатов. В основе знаний средствами предикатов является язык математической логики. Факт – доказанное утверждение. Фактами являются физические объекты, понятия, действия, события. Правило действует по правилу (условие - вывод)
  • Семантические сети –


База знаний. Одной из найскладніших задач построения EC есть задача построения БЗ - системы, которое охватывает разработка и заполнение структуры БЗ.

Процесс формирования БЗ есть ітерактивним с возможным возвращением из дальнейшего этапа проектирования на предшествующий. Одним из найскладніших моментов процесса формирование БЗ, которое предопределяет ітерактивні возвращение, есть получение знаний от эксперта с их дальнейшей формализацией. Поскольку много выводов эксперт считает очевидными, а некоторые использует интуитивно, бывает очень тяжело получить от него связную, логически последовательную информацию о процессе решения задачи.

В любой момент времени в системе фигурируют три типа знаний:

- структурированные знания - статические знания про ПС. После того как эти знания выявлены, они уже не изменяются;

- структурированные динамические знания - сменные знания про ПС. Они возобновляются по мере выявления новой информации;

- рабочие знания - знание, которое применяются для решения конкретной задачи или проведения консультации. На современном этапе развития EC используется несколько форм представления знаний в информационной модели EC, три из них считают основными: логика предикатов, семантические сети и фреймы.

Выделяют также:

- декларативные (предметные) знание – это факты,то есть классы объектов и связи между ними. Они не содержат в явном виде описания процедур преобразование знаний.

- процедурные знания – представляют собой набор определенных процедур преобразования знаний как данных.

Логика предикатов. В основе представления знаний средствами логики предикатов есть язык математической логики, которая дает возможность формально описывать понятия ПС и связь между ними в виде фактов и правил.

Факт - это доказанное утверждение относительно объекту ПС. За широкого трактования объекта в EC фактами являются физические объекты, понятие, действия, события. Каждый объект описывается свойствами, атрибутами, например баланс (код строки, сумма, дата). Все факты в БЗ делятся на статические и динамические. Первые описывают неизменные объекты, вторые - объекты, атрибуты которых изменяются в времени.

Правило есть импликацией, представленной в такой форме:

ЕСЛИ <условие>, ТО <вывод>.

Истинность вывода зависит от истинности условий, причем условия могут быть простыми и сложными, связанными отношениями І, ИЛИ, НИ. Например: "фирма А є конкурентом фирмы В, если обе они продают один и один и тот же товар X в одном и одном и том же регионе Y".

С каждым утверждением может быть связанное определенное число в интервале от -1 к +1, которое отображает меру уверенности в истинности значения, которое есть неформальной оценкой надежности фактов.

К преимуществам представления знаний в виде фактов и правил належат упрощения конструкции EC, модульный принцип построения, возможность изменения и расширение БЗ, организация розпаралелювання соображений.

Семантические сети. Это древнейшая форма представления знаний в теории искусственного интеллекта. Семантическая сеть отображает совокупность объектов ПС и отношения между ними. Объектами являются вершины (узлы) сети, а отношениями - дуги, которые соединяют их.

В семантическую сеть включают только необходимые для решения прикладных задач объекты ПС. Ними могут быть события, действия, обобщенные понятия или свойства объектов.

Вершины сети соединяются дугой, если соответствующие объекты ПС находятся в определенном отношении. Наиболее распространенными являются такие типы отношений:

БЫТЬ - означает, что объект належит к определенному классу;

ИМЕТЬ - дает возможность задавать свойству объектов;

БЫТЬ СЛЕДСТВИЕМ - отображает причинно-следственные связи. В EC не устанавливаются ограничение на форму и особенности связей. Связанная структура может быть древовидной, мережкой, иметь циклы и петли.

Семантическая сеть пригодная для представления не только фактической информации, а и правил логического вывода. Для логического вывода в ней нужно создать причинно-на-слідкові связи.

Основное преимущество семантических сетей - наглядность - становится недостатком за значительного увеличения объема БЗ. Для преодоления такой трудности используется метод ієрархіїзації мереж (выделение на них локальных підмереж).

Фреймы. БЗ коммерческих EC содержат свыше тысячи правил. В связи с этим процесс обновления состава правил и контроль связей между ними становятся сложными, поскольку правила, которые прибавляются, могут дублировать те, которые существуют, или вступать с ними у противоречия. Для выявления таких фактов можно использовать программные средства, но включение их в работу системы приводит к потере роботоздатності системы, поскольку инженер теряет представление о том, как взаимодействуют правила. Сеть, которая отображает взаимосвязи правил в таких ситуациях, становится громоздкой и запутанной.

Представление знаний, которое грунтуется на фреймах, есть альтернативным относительно логики предикатов: оно дает возможность сохранять родовидову иерархию понятий в БЗ в явной форме. Фрейм - это структура для описания стереотипной ситуации, которая состоит из характеристик этой ситуации и их значений. Характеристики называют слотами, а значение - заполнителями слотів. Слот может содержать не только конкретное значение, а и имя процедуры, которая дает возможность вычислить его за заданным алгоритмом, а также установить одно или несколько правил, с помощью которых это значение можно найти.

Совокупность фреймов, который моделирует какой-нибудь ПС, есть иерархической структурой, в которой фреймы соединяются с помощью родовидових связей.

Системы фреймов есть статическими и динамическими. В статических системах фреймы не могут быть изменены в процессе решения задачи, в динамических это допустимое. Системы программирования, которые грунтуются на фреймах, есть объектно-ориентированными, поскольку каждый фрейм отвечает конкретному объекту ПС, а слоти содержат данные, которые описывают этот объект. Фрейм может быть представлен в виде перечня свойств, за использование средств БД - в виде записи.

Преимуществом фреймов есть реализация в них декларативных (набор безусловных и условных утверждений) и процедурных (алгоритмы поведения в определенной ситуации) знаний. Удобные фреймы также для построения могущественных графических интерфейсов с наглядным представлением глубоких причинно-наслідко-вих связей.

Механизм логического вывода. Этот механизм осуществляет поиск решения построением цепочек логических доведений. МЛВ - это программа, которая работает с БД, выполняя логические и арифметические операции. Он имитирует процесс соображений эксперта так же, как БЗ имитирует его память.

В процессе формирования логического вывода МЛВ формулирует собственное вывод и руководит ним. Вывод ограничивается обработкой правил, учитывая существующие правила и факты из рабочей памяти и прибавляя у нее новые факты при срабатывании определенного правила. Действие компонента вывода грунтуется на применении правила вывода. Его суть состоит в формуле: пусть известно, что истинным есть утверждение А й существует правило вида "ЕСЛИ А, ТО У" тогда утверждения В также есть истинной. Правило отрабатывает за количества фактов, которые удовлетворяют его левую часть: если условие истинная, то может быть истинной также вывод.

Управляющий компонент включает последовательность и принципы выполнения правил. Этот механизм руководит процессом консультации, сохраняя для пользователя информацию о добытых выводах, и спрашивает у него информацию, если для срабатывания очередного правила в базы фактов не хватает данных. Управляющий компонент выполняет такие функции:

1. Сопоставление (если образец правила сопоставляется с имеющимися фактами).

2. Выбор (если в конкретной ситуации могут быть применены сразу несколько правил, то из них выбирают одно, которое лучше всего отвечает заданному критерию - решению конфликта).

3. Срабатывание (если образец правила при сопоставлении совпал с определенными фактами с БД, то правило отрабатывает).

4. Действие (рабочая память испытает изменение приданием у нее вывода из правила, которое сработало. Если в правой части правила есть указание на определенное действие, то оно выполняется. Это, например, происходит в системах обеспечения безопасности информации).

Механизм логического вывода работает циклически. В каждом цикле он пересматривает все правила, чтобы обнаружить среди них те, условия которых совпадают с известными на данный момент фактами из рабочей области. МЛВ определяет также порядок применения правил. После выбора правило отрабатывает, его вывод заносится в рабочую память (базу фактов). Потом цикл повторяется снова.

Большинство реальных проблем - слабо структурированные, то есть определение начального и окончательного состояний, выбор операторов есть частью проблемы, пространство решений - не ограниченный. Из всех проблем МЛВ главными есть:

- определение точки, из которой нужно начинать процесс соображения;

- как действовать, если на определенном шаге возможные несколько линий соображений.

Простейшими методами решения первой проблемы есть прямая цепочка (от фактов к цели) и обратный (от цели к фактам) цепочка соображений.

Прямой вывод более общий, поскольку он дает возможность просмотреть все дерево возможных решений и найти все промежуточные вершины. При этом, очевидно, теряется одна из основных преимуществ EC - возможность быстрого нахождения решения в большому просторные поиска. В этом случае необходимо предусмотреть аппарат отсечения отдельных ветвей дерева решение с целью сокращения пространства поиска, который нередко может оказаться бесконечной.

Обратный вывод служит механизмом проверки гипотез и потому всегда приводит к решению об истинности или ошибочности гипотезы. Однако, если пространство вероятных гипотез большой и отсутствуют предостережения про их приемлемость, то обратный вывод не ефективніший от прямых. На практике в процессе решения задач в реальных ПС целесообразно объединять на разных этапах работы прямой и обратный МЛВ.

Для решения второй проблемы используют поиск "в глубину" и "вширь". В первом случае процесс развивается по одной из ветвей дерева решение к терминальных (конечных) вершин. Если выявленные вершины не будут решением, то исследуется следующая ветвь (как правило, слева направо), и процесс продолжается в режиме "відкату с забыванием". Второй

режим управления выводом сводится к исследованию всех ветвей дерева решений, которые выходят из начального пункта длиной в один маршрут.

Найдоцільнішим есть объединение поиска "вширь" с поиском "в глубину", что сводится к просмотру каждой ветви дерева решение продвижением не на один шаг, а на число шагов, установленное самой EC. В объединении с отсечением ветвей по результатам просмотра этот метод, как и объединение прямого и обратного выводов, есть найоптимальнішим.

Логический вывод делится на монотонный и немонотонный. За монотонного вывода добытые в процессе работы системы факты не пересматривают, то есть считаются истинными к окончанию ее работы. За немонотонного вывода факты не сохраняют свою истинность в процессе работы системы. Немонотонность вывода важная при работе EC с динамическим внешней средой, в особенности при функционировании в реальном масштабе времени.

Подсистема обретения знаний. Эта подсистема предназначена для придания в БЗ новых правил и модификации существующих, ее задачей есть сведение правил к такому состоянию, которое дает возможность МЛВ применять их в процессе работы. В простейшем случае такая подсистема может действовать как обычного редактора или текстовый процессор, который просто заносит правила в файл. В более сложных системах предусмотрен специальный интерфейс инженера знаний и эксперта. Конкретная реализация подсистемы зависит от:

- структуры и емкости БЗ;

- средств реализации БЗ;

- требований пользователя;

- особенностей разработчиков EC.

В зависимости от структуры БЗ подсистема транслирует знание в разные формы файловых структур. С учетом конкретных требований разработчики могут наделить подсистему обретения знаний, кроме транслюючих, некоторыми аналитическими функциями. Наиболее распространенными из них есть функции проверки нового элемента БЗ на непротиворечивость с существующими знаниями, проверки на отсутствие циклов в работе МЛВ, проверки полноты БЗ.

Подсистема объяснения. Компьютерная программа, которая не способная объяснить свои действия и убедить пользователя в правильности выводов, не считается EC. Подсистема объяснения может ответить на вопрос, как выведен логический вывод и как EC намеревается его в дальнейшем использовать.

Развитая подсистема объяснения состоит из компонентов:

- активного, что включает набор информационных сообщений, которые выдаются пользователю в процессе работы;

- пассивного, ориентированного на ініціювальні действия пользователя.

Активный компонент подсистемы объяснение есть развернутым комментарием, который сопровождает добытые системой действия и результаты. Пассивный компонент, кроме развитой системы HELP, имеет средства объяснений решение задачи.

Система объяснения в EC реализуется разными способами. Это может быть:

- набор информационных справок о состоянии системы на момент прекращения ее работы;

- полное или частичное описание преодоленного системой пути по дереву решений;

- список гипотез, которые проверяются (основы для их формирования и результаты проверки);

- список целей, которые руководят работой системы, и путей их достижения.

Важной особенностью развитой подсистемы объяснения есть использование в ней естественного языка общения с пользователем. Широкое применение систем меню дает возможность не только дифференцировать информацию, а и судить об уровне подготовленности пользователя, формируя его психологический портрет.