Печерский, Д. К. Основы экспертных систем / Д. К. Печерский, Н. А. Забенкова. — Текст : непосредственный // Молодой ученый. — 2021. — № 6 (348). — С. 31-33. — URL: https://moluch.ru/archive/348/78416/ (дата обращения: 26.06.2023).
В данной статье рассматриваются базовые характеристики экспертных систем, а также их применение на производстве. Рассматриваются значения базы данных и базы знаний для построения эффективной работы экспертной системы.
Ключевые слова: экспертная система, модель представления знаний, база данных, база знаний.
This article discusses the basic characteristics of expert systems, as well as their application in production. The values of the database and the knowledge base for building an effective expert system are considered.
Keywords: expert system, knowledge representation model, database, knowledge base.
Экспертные системы являются одним из разновидностей интеллектуальных систем, предназначенных для частично или полной замены специалиста-эксперта для решения каких-либо нестандартных проблем, в том числе при проверке качества продукта либо процесса его производства [2].
Экспертная система Витулкаса в программе Radar 10
Экспертные системы в том виде, в котором они нам известны были сформированы в 60х-70х годах XX века, однако предпосылки к их разработке появились еще в 1832 году и были предложены С. Н. Корсаковым. Начиная с 90х годов XX века развитие экспертных систем, как и развитие всей IT-сферы, получило огромное ускорение. Сегодня уже никого не удивишь интеллектуальной системой, установленной на предприятии, встроенной в телефон, следящей за включением светофора [3].
Любая экспертная система состоит из стандартных частей:
– Модель представления данных;
– Механизм логического вывода данных.
Базой данных является упорядоченная структура неких параметров, фактов, объяснений — информации. Обычно база данных представляет из себя набор таблиц, основной структурной единицей которых является запись. Запись в свою очередь раскладывается на поля — элементарные единицы данных. Поля могу иметь различный тип. Это могут быть численные значения, текстовые значения (для качественных характеристик), логические значения.
Данные являются основой для работы экспертной системы. Некоторые экспертные системы даже имеют возможность обучаться, получая какие-либо новые данные, либо давать прогнозы, основываясь на старых данных. [1]
Данные могут быть получены из 2х типов источников: — от эксперта, который обладает знаниями о состояниях системы, за которой обеспечивает наблюдение; — от датчиков, встроенные в технологические узлы, связанные с экспертной системой.
Базой знаний называют закономерности и правила, которыми между собой могут быть связаны данные. Обычно закономерности, которые могут возникать в технологическом процессе можно описать при помощи структуры построение программ «если …, то»; и обычно подразумевают под своим значением либо вычисления, либо действия.
Какие задачи решают экспертные системы? Душкин объяснит
Модель представления данных
Совокупность систем базы данных и базы знаний называется модель представления данных. Модель представления данных описывает в каком виде требуется хранить данные, какие свойства должны быть у этих данных, в какой момент данные становятся знаниями. Также модель представления данных описывает в каком виде данные и знания следует предоставлять пользователю.
Механизм логического вывода данных
Процессы анализа данных и получения новых знаний исходя из информации, которая уже есть в базе данных называется механизмом логического вывода данных. Данный механизм позволяет из каких-то старых данных, которые у нас уже имеются, получить новые данные, используя какие-либо закономерности, а также получить новые закономерности, связывающие старые или новые данные.
Виды моделей представления знаний
В зависимости о конечной цели применения экспертной системы, можно использовать 1 из 4х самых распространённых моделей представления знаний:
– Продукционная модель знаний — такая модель в основе которой лежит правило. Правило представляют из себя условие типа «если условие, то действие». Между собой подобные условия можно сочетать с помощью логических функций «и» и «или». Например: если температура равна 39, и кашель равно «есть», тогда бронхит. Особенность этих условий в том, что верность условий установлена заранее.
– Семантическая модель знаний — такая модель, в основе которой лежит понятия классов и свойств, а также отношения между классами. Отношения могут быть нескольких типов: часть — целое, класс — подкласс, элемент — количество, и тд. Такая модель представляет из себя неориентированный граф. Например: существует класс «автомобиль», у данного класса есть подкласс «двигатель», у этого класса есть свойства «мощность», «вес» и т. д.
– Фреймовая модель знаний — такая модель в основе которой лежит фрейм — некий шаблон описывающий объект предметной области при помощи его свойств, а каждое свойство при этом имеет какое-то действие. Например: свойство «кондиционер», значение «2», действие «включить».
– Формально-логическая модель — такая модель, которая основана на предикатах первого порядка. Предикат первого порядка выглядит как утверждение. Например: сегодня пасмурно, на улице холодно и др. В данной модели сочетать предикаты можно логическим действием «и». Отличие этой модели от продукционной состоит в том, что продукционная модель не требует логической связи между данными.
Экспертная система часто используется в производстве, в том числе и на пищевом производстве, для решения вопрос управления качеством продукции.
- О. П. Култыгин — «Экспертные системы анализа предметной области для проектирования информационных систем» — Прикладная информатика № 2 (86), 2020.
- И. Г. Благовещенский, Е. А. Назойкин, А. В. Татаринов — «Основы создания экспертных систем контроля качества пищевых продуктов с использованием интеллектуальных технологий» — Пищевая промышленность, 4/2017, с. 60–62.
- В. Б. Трофимов, И. О. Темкин — «Экспертные системы в АСУ ТП» — Инфро-инженерия, 2020. — 284 с.: ил., табл.
Основные термины (генерируются автоматически): экспертная система, база данных, модель представления данных, база знаний, данные, логический вывод данных, баз знаний, какой вид, класс, предикат первого порядка.
Источник: moluch.ru
Экспертные системы
Экспертная система (ЭС) – компьютерная система, предназначенная для частичной замены специалиста-эксперта в разрешении проблемной ситуации.
ЭС разрабатывались с 1970-х гг. исследователями искусственного интеллекта. Прообраз ЭС был предложен в 1832 г. С.Н. Корсаковым, который создал механические устройства, называемые интеллектуальными машинами, которые позволяли находить решения по заданным условиям (например, позволяли определить нужные лекарства по симптомам заболевания).
В начале 1980-х гг. в рамках исследований по искусственному интеллекту было сформировано самостоятельное направление, которое и получило название экспертных систем. Основное назначение ЭС состоит в разработке программных средств, которые получают при решении задач результаты, не уступающие по качеству и эффективности решениям человека-эксперта. ЭС используют для решения задач, не поддающихся формализации, например в следующих случаях:
Сдай на права пока
учишься в ВУЗе
Вся теория в удобном приложении. Выбери инструктора и начни заниматься!
- задачи невозможно задать в числовой форме;
- цель нельзя выразить с помощью точно определенной целевой функции;
- невозможно составить алгоритм решения задачи;
- если алгоритм составить можно, то его использование невозможно из-за ограниченности ресурсов (времени, памяти).
Определение 2
Таким образом, экспертная система – это программное средство, которое использует знания экспертов для обеспечения высокоэффективного решения неформализованных задач в узкой предметной области.
Замечание 1
В основе ЭС лежит база знаний (БЗ) о предметной области, которая способна накапливаться в процессе построения и эксплуатации ЭС. Важнейшим свойством всех экспертных систем является накопление и организация знаний.
«Экспертные системы»
Готовые курсовые работы и рефераты
Решение учебных вопросов в 2 клика
Помощь в написании учебной работы
Структура экспертных систем
- Пользователь;
- Интерфейс пользователя;
- Редактор базы знаний;
- Инженер по знаниям;
- Эксперт;
- Оперативная память;
- База знаний – содержит правила анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от своей направленности, выводит рекомендации по разрешению проблемы. База знаний экспертной системы включает факты (статические сведения о предметной области) и правила – набор инструкций, с помощью которых из уже существующих фактов можно получать новые факты.
- Механизм логического вывода;
- Подсистема объяснений.
Режимы функционирования
Существует 2 режима, в которых может работать экспертная система:
- Режим ввода знаний – эксперт совместно с инженером по знаниям с помощью редактора базы знаний вводит данные о предметной области в базу знаний экспертной системы.
- Режим консультации – пользователь в диалоговом режиме сообщает экспертной системе сведения о текущей задаче и получает рекомендации ЭС. Например, по введенным сведениям о физическом состоянии больного экспертная система сообщает о диагнозе в виде списка заболеваний, которые являются наиболее вероятными при данных симптомах.
Классификация экспертных систем
Статические ЭС решают задачи в условиях, когда исходные данные и знания не изменяются во времени.
Квазидинамические ЭС объясняют ситуацию, которая изменяется с течением времени (некоторое фиксированное значение интервала времени)
Динамические ЭС решают задачи в условиях, когда исходные данные и знания изменяются во времени.
Этапы разработки экспертной системы
- Этап идентификации проблем – этап определения задач, подлежащих решению, выявления целей разработки, определение экспертов и типов пользователей.
- Этап извлечения знаний – проведение содержательного анализа проблемной области, выявление используемых понятий и их взаимосвязей, определение методов решения задач.
- Этап структурирования знаний – выбор ИС и определение способов представления всех видов знаний, формализация основных понятий, определение способов интерпретации знаний, моделирование работы системы, оценка адекватности целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
- Этап формализации – наиболее важный и трудоемкий этап разработки ЭС, на котором база знаний наполняется экспертом. Процесс приобретения знаний делится на получение знаний от эксперта, организацию знаний, которая обеспечивает эффективную работу системы, и представление знаний в понятном для ЭС виде.
Наиболее известные экспертные системы
CLIPS – достаточно популярная оболочка для построения экспертных систем.
OpenCyc – мощная динамическая экспертная система.
MYCIN – достаточно известная диагностическая система, предназначенная для диагностики и наблюдения за состоянием больного менингитом и бактериальными инфекциями.
HASP/SIAP – интерпретирующая система, определяющая местоположение и тип судна в Тихом океане по данным, полученным с акустических систем слежения.
Акинатор – интернет-игра, в которой игрок загадывает персонаж, а программа должна его отгадать, задавая вопросы.
IBM Watson – суперкомпьютер фирмы IBM, который может понимать вопросы на естественном языке и отвечать на них.
Источник: spravochnick.ru
1. Экспертные системы, их особенности
1.1. Определение экспертных систем, достоинство и назначение
Экспертные системы — это яркое и быстро прогрессирующее направление в области искусственного интеллекта.
Искусственный интеллект — самое молодое научное направление. Появление его было подготовлено развитием мощности вычислительных машин.
Искусственный интеллект занимает исключительное положение. Это связано со следующим:
часть функций программирования в настоящее время оказалось возможным передать машине. При этом общение с машиной происходит на языке, близком к разговорному. Для этого в ЭВМ закладывают огромную базу знаний, способы решения, процедуры синтеза, программы, а также средства общения, позволяющие пользователю легко общаться с ЭВМ.
· в связи с внедрением ЭВМ во все сферы человеческой жизни становится возможным переход к безбумажной технологии обработки информации.
· если раньше производство ориентировалось на обязательное участие человека, то в настоящее время находят применение безлюдные технологии, основанные на роботизации и автоматизации системы управления.
· интеллектуальные системы в настоящее время начинают занимать ведущее положение в проектировании образцов изделий. Часть изделий невозможно спроектировать без их участия.
Системы, относящиеся к системам искусственного интеллекта в настоящее время:
· экспертные системы. Первые системы, которые нашли широкое применение. Их элементы используются в системах проектирования, диагностики, управления и играх. Основаны на вводе знаний высококвалифицированных специалистов (экспертов) в ЭВМ и разработке специальной системы по их использованию.
· системы естественно-языкового общения (подразумевается письменная речь). Данные системы позволяют производить обработку связанных текстов по какой-либо тематике на естественном языке.
· системы речевого общения.
· системы обработки визуальной информации. Находят применение в обработке аэрокосмических снимков, данных, поступающих с датчиков.
· системы машинного перевода. Подразумеваются естественные языки человеческого общения.
Экспертная система — это набор программ или программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. Экспертная система, как и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы экспертных систем, определённым образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы.
Экспертные системы выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, экспертные системы решают задачи в узкой предметной области (конкретной области экспертизы) на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путём привлечения эвристик, то есть правил, взятых «с потолка», что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.
Главное достоинство экспертных систем — возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.
Практическое применение искусственного интеллекта на машиностроительных предприятиях и в экономике основано на экспертных системах, позволяющих повысить качество и сохранить время принятия решений, а также способствующих росту эффективности работы и повышению квалификации специалистов.
Источник: studfile.net