Geum.ru

Понятия: информация, данные, знания; количество и качество информации

Вид материалаДокументы

Содержание


2.3. База знаний
Атрибут объект значение).
Правила в базе знаний имеют вид: ЕСЛИ А ТО S, где А- условие
ЭС предметно-ориентированные
Подобный материал:
1   2   3   4   5

2.3. База знаний


База знаний- наиболее важная компонента экспертной системы, на которой основаны ее «интеллектуальные способности». В отличие от всех остальных компонент ЭС, база знаний- «переменная » часть системы, которая может пополняться и модифицироваться инженерами знаний и опыта использование ЭС, между консультациями (а в некоторых системах и в процессе консультации). Существует несколько способов представления знаний в ЭС, однако общим для всех них является то, что знания представлены в символьной форме (элементарными компонентами представления знаний являются тексты, списки и другие символьные структуры). Тем самым, в ЭС реализуется принцип символьной природы рассуждений, который заключается в том, что процесс рассуждения представляется как последовательность символьных преобразований.

Наиболее распространенный способ представления знаний - в виде конкретных фактов и правил, по которым из имеющихся фактов могут быть выведены новые. Факты представлены, например, в виде троек:

(АТРИБУТ ОБЪЕКТ ЗНАЧЕНИЕ).

Такой факт означает, что заданный объект имеет заданный атрибут (свойства) с заданным значением. Например, тройка (ТЕМПЕРАТУРА ПАЦИЕНТ1 37.5) представляет факт «температура больного, обозначаемого ПАЦИЕНТ1, равна 37.5». В более простых случаях факт выражается неконкретным значением атрибута, а каким либо простым утверждением, которое может быть истинным или ложным, например: «Небо покрыто тучами». В таких случаях факт можно обозначить каким-либо кратким именем (например, ТУЧИ) или использовать для представления факта сам текст соответствующей фразы.

Правила в базе знаний имеют вид:

ЕСЛИ А ТО S, где А- условие; S- действие. Действие S исполняется, если А истинно. Наиболее часто действие S, так же, как и условие, представляет собой утверждение, которое может быть выведено системой (то есть становится ей известной), если истинно условие правила А.

Правила в базе знаний служат для представления эвристических знаний (эвристик), т.е. неформальных правил рассуждения, вырабатываемых экспертом на основе опыта его деятельности.

Простой пример правила из повседневной жизни:

ЕСЛИ небо покрыто тучами

ТО скоро пойдет дождь.

В качестве условия A может выступать либо факт(как в данном примере), либо несколько фактов A1,...,AN, соединенные логической операцией и:

A1 и A2 и ... и AN.

В математической логике такое выражение называется коньюнкцией. Оно считается истинным в том случае, если истинны все его компоненты. Пример предыдущего правила с более сложным условием:

ЕСЛИ

небо покрыто тучами и барометр падает

ТО

скоро пойдет дождь. (Правило 1).

Действия, входящие в состав правил, могут содержать новые факты. При применении таких правил эти факты становятся известны системе, т.е. включаются в множество фактов, которое называется рабочим множеством. Например, если факты «Небо покрыто тучами» и «Барометр падает» уже имеются в рабочем множестве, то после применения приведенного выше правила в него также включается факт «Скоро пойдет дождь».

Если система не может вывести некоторый факт, истинность или ложность которого требуется установить, то система спрашивает о нем пользователя. Например:

ВЕРНО ЛИ, ЧТО небо покрыто тучами?

При получении положительного ответа от пользователя факт «Небо покрыто тучами» включается в рабочем множество.

Существуют динамические и статические базы знаний. Динамическая база знаний изменяется со временем. Ее содержимое зависит и от состояния окружающей. Новые факты, добавляемые в базу знаний, являются результатом вывода, который состоит в применении правил к имеющимся фактам.

В системах с монотонным выводом факты, хранимые в базе знаний, статичны, то есть не изменяются в процессе решения задачи. В системах с немонотонным выводом допускается изменение или удаление фактов из базы знаний. В качестве примера системы с немонотонным выводом можно привести ЭС, предназначенную для составления перспективного плана капиталовложения компании. В такой системе по вашему желанию могут быть изменены даже те данные, которые после вывода уже вызвали срабатывание каких-либо правил. Иными словами имеется возможность модифицировать значения атрибутов в составе фактов, находящихся в рабочей памяти. Изменение фактов в свою очередь приводит к необходимости удаления из базы знаний заключений, полученных с помощью упомянутых правил. Тем самым вывод выполняется повторно для того, чтобы пересмотреть те решения, которые были получены на основе подвергшихся изменению фактов.



  1. Система поддержки принятия решений и ее состав. Компоненты системы поддержки принятия решений. Внешние данные, система управления данными и ее возможности. Модели: стратегические, тактические, оперативные, математические.

Область применения СППР – это слабоструктурированные проблемы. Для таких задач характерна неопределенность, делающая невозможным отыскание единственного объективно наилучшего решения. Поэтому при принятии решений в таких ситуациях должен использоваться более тонкий инструментарий определения системы предпочтений, более глубокий сопоставительный анализ альтернативных вариантов. Для выработки альтернативных вариантов решений и их оценки могут быть использованы эксперты. СППР представляют собой реализацию современных управленческих технологий, основанных на широком использовании возможностей современных ЭВМ. Основная задача СППР – повышение эффективности принимаемых ЛПР решений на основании оценочной, аналитической и информационной работы эксперта при подготовке решения. При подготовке альтернативных вариантов решений оцениваются качественные и количественные параметры, характерезующие объект принятия решений, определяется единственный предпочтительный либо несколько лучших альтернативных вариантов, осуществляется полное либо частичное упорядочение по предпочтительности альтернативных вариантов, альтернативные варианты разбиваются на классы и т.д.

Поддержка процесса принятия управленческих решений предусматривает разделение его на три основные ступени: интеллектуальную ступень, конструирование и выбор. Термин «поддержка» подразумевает различные шаги и задачи на каждом этапе процесса принятия решений


Прецедент — это описание проблемы или ситуации в сово­купности с подробным указанием действий, предпринимаемых в данной ситуации для решения данной проблемы. Прецедент вклю­чает: проблемную ситуацию, которая описывает состояние исследуемого процесса, когда про­изошел прецедент; решение этой проблемы, а также результат, который описывает состояние исследуемого процесса после произошедшей проблемной ситуации. Вывод, основанный на прецедентах, существенно отличается от других подходов искусственного интеллекта: вместо манипулирования общими знаниями в прикладной области базы знаний прецедентов использует специфи­ческие знания относительно кон­кретных проблемных ситуаций из предыдущего опыта. Решение в новой проблемной ситуации осуществляется путем нахожде­ния похожего прецедента в про­шлом, и затем это решение мно­гократно используется в после­дующих проблемных ситуациях. Проблемная ситуация из предыдущего опыта, которая была зафиксирована и изучена таким образом, что она может многократно использоваться в ре­шении будущих проблем, в сово­купности с принятым решением, представляет собой предыдущий или сохраняемый прецедент. Очевидно, новый или нерешенный прецедент — описание новой проблемы, которая будет решена. Вывод, основанный на прецедентах, — циклический и интегрирован­ный процесс решения проблемы, изучение опыта принятия решений.

Если при решении задачи определена проблем­ная ситуация, то прецедент сохраняется в БЗ для решения похожих проблем. Если попытка решения задачи ошибочна, то причина ошибки иден­тифицируется и запоминается в БЗ для исключе­ния похожей ошибки в будущем.

В зависимости от назначения СППР можно выделить стратегические модели предсказывающие развитие событий в будущем, тактические представляющие методику действий в предполагаемых ситуациях, оперативную модель подсказывающую каким образом поступить в настоящее время и математические представляющие события в виде связанных математических формул.


  1. Экспертные системы, их разновидности и классификация. Экспертные системы как инструмент интеллектуализации процессов обработки информации. Области применения экспертных систем.


Бесспорно совершенно, что для принятия обоснованных решений необходимо опираться на опыт, знания и интуицию специалистов. После второй мировой войны в рамках теории управления (менеджмента) стала развиваться самостоятельная дисциплина - экспертные оценки.

Методы экспертных оценок - это методы организации работы со специалистами-экспертами и обработки мнений экспертов, выраженных в количественной и/или качественной форме с целью подготовки информации для принятия решений ЛПР - лицами, принимающими решения.

Для проведения работы по методу экспертных оценок создают Рабочую группу (сокращенно РГ), которая и организует по поручению ЛПР деятельность экспертов, объединенных (формально или по существу) в экспертную комиссию (ЭК).

Существует масса методов получения экспертных оценок. В одних с каждым экспертом работают отдельно, он даже не знает, кто ещ› является экспертом, а потому высказывает свое мнение независимо от авторитетов. В других экспертов собирают вместе для подготовки материалов для ЛПР, при этом эксперты обсуждают проблему друг с другом, учатся друг у друга, и неверные мнения отбрасываются. Но не всегда есть возможность прибегнуть к услугам экспертов поэтому с появлением так называемого искусственного интеллекта стали разрабатываться программы, называемых экспертными системами (ЭС). Отличительной чертой этих программ является способность накапливать знания и опыт квалифицированных професионалов (экспертов) в какой-либо узкой предметной области. Затем при помощи знаний, накопленных в ЭС, специалисты с не очень высокой квалификацией могут решать сложные задачи на столь же высоком уровне, как и эксперты, иными словами, данные программы поддерживают средствами автоматизации не только и не столько вычислительные функции, сколько функции мыслительные, интеллектуальные, помогая пользователю принимать решения в сложных неоднозначных ситуациях.

Единого строгого определения ЭС пока нет. Чаще всего в литературе и среди специалистов используется понимание экспертной системы - как компьютерной программы, созданной для выполнения тех видов деятельности, которые под силу только человеку - эксперту, например проектирование, планирование, перевод, выдача рекомендаций. Эти программы моделируют образ мышления человека-эксперта на основе механизмов логического вывода и эвристических методов.

Определение, одобренное Комитетом по экспертным системам Британского компьютерного общества, гласит, что под экспертной системой понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить РАЗУМНЫЙ СОВЕТ или осуществить РАЗУМНОЕ РЕШЕНИЕ поставленной задачи. Такая система должна уметь объяснять ход своих рассуждений в понятной форме.

Все экспертные системы являются системами искусственного интеллекта, но не все системы искусственного интеллекта являются ЭС. Например, программа распознования печатного текста или голосовых сообщений относится к интеллектуальным системам, но не является экспертной системой, поскольку решение подобной задачи под силу любому человеку. Для ЭС характерно наличие цели функционирования, состоящей в решении сложных проблем, решение которых под силу специалисту высокой квалификации - эксперту.

На основе приведенных определений выделим характерные черты ЭС:
  • алгоритмы функционирования ЭС имитируют подход к решению проблемы со стороны человека;
  • умение объяснять свои действия в понятной для человека форме;
  • наличие естественно - языкового интерфейса.

Различают ЭС предметно-ориентированные и ЭС-оболочки, предназначенные для наполнения любым предметным знанием. Экспетные системы могут строиться на основе представления знаний в виде набора правил (rule - based - подход) и на базе адаптивного подхода, основанного на обучении системы на примерах (case - based - подход).

Экспертные системы первого поколения строились преимущественно на основе правилоориентированного подхода. Такие экспертные системы назывались правилоориентированными или продукционными.

В ЭС, основанных на правилах, предметные знания представляются набором правил, которые проверяются через набор фактов или знаний о текущей ситуации.

Специализированные продукционные системы нашли широкое приминение в различных областях человеческой деятельности. Однако наиболее популярными ЭС являются оболочки Guru, KEE, LOOPS, которые могут быть наполнены любым предметным знанием.