Экспертные системы как самостоятельное направление в искусственном интеллекте сформировалось в конце 1970-х гг. История ЭС началась с сообщения японского комитета по разработке ЭВМ пятого поколения, в котором основное внимание уделялось развитию «интеллектуальных способностей» компьютеров с тем, чтобы они могли оперировать не только данными, но и знаниями, как это делают специалисты (эксперты) при выработке умозаключений. Группа по экспертным системам при Комитете British Computer Society определила ЭС как «воплощение в ЭВМ компоненты опыта эксперта, основанной на знаниях, в такой форме, что машина может дать интеллектуальный совет или принять решение относительно обрабатываемой функции». Одним из важных свойств ЭС является способность объяснить ход своих рассуждений понятным для пользователя образом [5].
Область исследования ЭС называют «инженерией знаний». Этот термин был введен Е. Фейгенбаумом и в его трактовке означает «привнесение принципов и инструментария из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов». Другими словами, ЭС применяются для решения неформализованных проблем, к которым относят задачи, обладающие одной (или несколькими) из следующих характеристик:
Методы принятия управленческих решений | Ч. 1 Теоретические основы принятия УР. Классификация УР.
• задачи не могут быть представлены в числовой форме;
• исходные данные и знания о предметной области обладают неоднозначностью, неточностью, противоречивостью;
• цели нельзя выразить с помощью четко определенной целевой функции;
• не существует однозначного алгоритма решения задачи;
• алгоритмическое решение существует, но его нельзя использовать по причине большой размерности пространства решений и ограничений на ресурсы (времени, памяти).
Обычно к ЭС относят системы, основанные на знании, т. е. системы, вычислительная возможность которых является в первую очередь следствием их наращиваемой базы знаний (БЗ) и только во вторую очередь определяется используемыми методами. Методы инженерии знаний (методы ЭС) в значительной степени инвариантны тому, в каких областях они могут применяться.
Области применения ЭС весьма разнообразны: военные приложения, медицина, электроника, вычислительная техника, геология, математика, космос, сельское хозяйство, управление, финансы, юриспруденция и т.д. Среди этих областей лидируют бизнес, производство, медицина, проектирование и системы управления. Более критичны методы инженерии знаний к типу решаемых задач. В настоящее время ЭС используются при решении задач следующих типов: принятие решений в условиях неопределенности (неполноты), интерпретация символов и сигналов, предсказание, диагностика, конструирование, планирование, управление, контроль и др.
Назначение и особенности ЭС. Знания, которыми обладает специалист в какой-либо области (дисциплине), можно разделить на формализованные (точные) и неформализованные (неточные). Формализованные знания формулируются в книгах и руководствах в виде общих и строгих суждений (законов формул, моделей, алгоритмов и т.п.), отражающих универсальные знания.
Экспертная оценка, расчет согласованности мнений экспертов
Неформализованные знания, как правило, не попадают в книги и руководства в связи с их неконкретностью, субъективностью и приблизительностью. Знания этого рода являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Они обычно представляют собой многообразие эмпирических (эвристических) приемов и правил.
В зависимости от того, какие знания преобладают в той или иной области (дисциплине), ее относят к формализованным (если преобладают точные знания) или к неформализованным (если преобладают неточные знания) описательным областям. Задачи, решаемые на основе точных знаний, называют формализованными, а задачи, решаемые с помощью неточных знаний, — неформализованными. Речь идет не о неформализуемых, а о неформализованных задачах, т.е. о задачах, которые, возможно, и формализуемы, но эта формализация пока неизвестна.
Как правило, неформализованные задачи обладают неполнотой, ошибочностью, неоднозначностью и (или) противоречивостью знаний (как данных, так и используемых правил преобразования).
Экспертные системы не отвергают и не заменяют традиционного подхода к программированию, они отличаются от традиционных программ тем, что ориентированны на решение неформализованных задач и обладают следующими особенностями:
алгоритм решений не известен заранее, а строится самой ЭС с помощью символических рассуждений, базирующихся на эвристических приемах;
ясность полученных решений, т. е. система «осознает» в терминах пользователя, как она получила решение;
способность анализа и объяснения своих действий и знаний;
способность приобретения новых знаний от пользователя-эксперта, не знающего программирования, и изменения в соответствии с ними своего поведения;
обеспечение «дружественного», как правило, естественно-языкового (ЕЯ) интерфейса с пользователем.
Главное отличие ЭС и систем искусственного интеллекта от систем обработки данных состоит в том, что в них используется символьный, а не числовой способ представления данных, а в качестве методов обработки информации применяются процедуры логического вывода и эвристического поиска решений.
Во многих случаях ЭС являются инструментом, усиливающим интеллектуальные способности эксперта. Кроме того, ЭС может выступать в роли:
• консультанта для неопытных или непрофессиональных пользователей;
• ассистента эксперта-человека в процессах анализа вариантов решений;
• партнера эксперта в процессе решения задач, требующих привлечения знаний из разных предметных областей.
Для классификации ЭС используются следующие признаки:
• способ формирования решения;
• способ учета временного признака;
• вид используемых данных и знаний;
• число используемых источников знаний.
По способу формирования решения ЭС можно разделить на анализирующие и синтезирующие. В системах первого типа осуществляется выбор решения из множества известных решений на основе анализа знаний, в системах второго типа решение синтезируется из отдельных фрагментов знаний.
В зависимости от способа учета временного признака ЭС делят на статические и динамические. Статические ЭС предназначены для решения задач с неизменяемыми в процессе решения данными и знаниями, а динамические ЭС допускают такие изменения.
По видам используемых данных и знаний различают ЭС с детерминированными и неопределенными знаниями. Под неопределенностью знаний и данных понимаются их неполнота, ненадежность, нечеткость.
ЭС могут создаваться с использованием одного или нескольких источников знаний.
В соответствии с перечисленными признаками можно выделить четыре основных класса ЭС (рис. 2.2):
Рис. 2.2. Основные классы ЭС
классифицирующие, доопределяющие, трансформирующие и мультиагентные.
Классифицирующие ЭС решают задачи распознавания ситуаций. Основным методом формирования решений в таких системах является дедуктивный логический вывод.
Доопределяющие ЭС используются для решения задач с не полностью определенными данными и знаниями. В таких ЭС возникают задачи интерпретации нечетких знаний и выбора альтернативных направлений поиска в пространстве возможных решений. В качестве методов обработки неопределенных знаний могут использоваться байесовский вероятностный подход, коэффициенты уверенности, нечеткая логика [5].
Трансформирующие ЭС относятся к синтезирующим динамическим экспертным системам, в которых предполагается повторяющееся преобразование знаний в процессе решения задач. В ЭС данного класса используются различные способы обработки знаний:
• генерация и проверка гипотез;
• логика предположений и умолчаний (когда по неполным данным формируются представления об объектах определенного класса, которые впоследствии адаптируются к конкретным условиям изменяющихся ситуаций);
• использование метазнаний (более общих закономерностей) для устранения неопределенностей в ситуациях.
Мультиагентные системы — это динамические ЭС, основанные на интеграции нескольких разнородных источников знаний. Эти источники обмениваются между собой получаемыми результатами в ходе решения задач. Системы данного класса имеют следующие возможности:
• реализация альтернативных рассуждений на основе использования различных источников знаний и механизма устранения противоречий;
• распределенное решение проблем, декомпозируемых на параллельно решаемые подзадачи с самостоятельными источниками знаний;
• применение различных стратегий вывода заключений в зависимости от типа решаемой проблемы;
• обработка больших массивов информации из баз данных;
• использование математических моделей и внешних процедур для имитации развития ситуаций.
Источник: studfile.net
Презентация на тему «Экспертные системы и системы поддержки принятия решений ЭС»
Помогите другим пользователям — будьте первым, кто поделится своим мнением об этой презентации.
Добавить свой комментарий
Аннотация к презентации
Интересует тема «Экспертные системы и системы поддержки принятия решений ЭС»? Лучшая powerpoint презентация на эту тему представлена здесь! Данная презентация состоит из 16 слайдов. Также представлены другие презентации по экономике. Скачивайте бесплатно.
Источник: pptcloud.ru
Большая Энциклопедия Нефти и Газа
Интеллектуальные решения имеют место тогда, когда на первый план выступает задача нахождения в ситуации скрытых, неявных альтернатив. В древности жил один мудрец, к которому пришли две женщины и каждая стала утверждать, указывая на одного и того же ребенка, что это именно ее сын. [1]
Хотя описанные основные идеи интеллектуального решения задач могут быть воплощены самыми разнообразными путями, все же отмечается появление нескольких принципов архитектуры систем. В настоящем контексте термин архитектура относится к научным основам и методу проектирования, которые определяют структуру экспертной системы. Выявляющиеся принципы архитектуры отражают текущее понимание наилучшего пути проектирования структур, обеспечивающих интеллектуальное решение задач. [2]
Центральным в представлении об интеллектуальном решении задач является то, что система должна конструировать решение, применяя к пространству альтернатив избирательные и эффективные процедуры. [4]
Этот простой пример уже иллюстрирует многие основные механизмы, применяемые символьными системами при интеллектуальном решении задач . Во-первых, каждое последующее выражение не порождается независимо, но порождается модификацией порожденного ранее. Во-вторых, эти модификации делаются не наугад, а зависят от информации двух разных типов. Они зависят от информации, постоянной для всего этого класса алгебраических задач, и поэтому встроенной в саму структуру генератора: все модификации выражений должны оставлять решения уравнения неизменными. Модификации также зависят от информации, изменяющейся на каждом шаге: обнаруженных различий в форме, которые еще остаются, между текущим выражением и желаемым выражением. Использование информации первого типа гарантирует, что действительно порождается лишь небольшое подмножество всех возможных выражений, но это подмножество содержит решение. Использование информации второго типа позволяет достичь решения посредством последовательных приближений, применяя простую — форму анализа соответствия средств и целей для направления поиска. [5]
Выбор структурных линий и определение их необходимого числа — это экспертная задача, требующая интеллектуального решения , определенной квалификации и представляющая определенные трудности для оператора. Измерение этих линий происходит с меньшей точностью, чем измерение точек сетки, так как оператор должен контролировать движение по трем координатам. [6]
Экспертная система — это воплощение в ЭВМ компоненты опыта эксперта, основанной на знаниях в такой форме, что машина может дать интеллектуальный совет или принять интеллектуальное решение относительно обрабатываемой функции. Желательно дополнительное свойство ( которое многие считают главным) — способность системы по требованию объяснять ход своих рассуждений понятным пользователю образом. [7]
Создание и использование экспертных систем является одним из концептуальных этапов развития информационных технологий. В основе интеллектуального решения проблем в некоторой предметной области лежит принцип воспроизведения знаний опытных специалистов — экспертов. [8]
Ясно, что перечисленные процессы весьма различаются между собой. Например, выделение процессов принятия решения в мышлении объясняется специфической формой интеллектуальных решений . Однако неясно, чем именно отличается этот процесс от процесса решения задач или любого другого сознательного решения. [9]
Хотя описанные основные идеи интеллектуального решения задач могут быть воплощены самыми разнообразными путями, все же отмечается появление нескольких принципов архитектуры систем. В настоящем контексте термин архитектура относится к научным основам и методу проектирования, которые определяют структуру экспертной системы. Выявляющиеся принципы архитектуры отражают текущее понимание наилучшего пути проектирования структур, обеспечивающих интеллектуальное решение задач . [10]
Косицкого, среди отрицательного влияния современных условий жизни необходимо выделить увеличение нервного напряжения, а также растущий поток информации, которую должен переработать и усвоить современный человек. Много и справедливо говорят о вреде отрицательных эмоций. Трудности, которые должен преодолеть член цивилизованного общества, требуют, как правило, не мышечного, а интеллектуального решения . [11]
Наличие баз знаний в различных предметных областях позволяет широкому кругу пользователей путем диалога с ЭВМ получать нужные сведения. Однако этим не ограничивается назначение перспективных экспертных систем. Более того, это не основное ее назначение. Главное состоит в том, что благодаря специальным программам логических выводов экспертные системы смогут давать интеллектуальные советы или принимать интеллектуальные решения , в том числе при распознавании неизвестных объектов или явлений. [12]
Требования эффективности и надежности стимулируют широкое развитие систем автоматизации таких базовых рабочих процессов. Когда менеджеры используют для этого первые попавшиеся решения, результатом является бурное размножение несовместимых между собой локальных систем. Каждая из таких независимых систем может сама по себе действовать гладко, но данные этих систем остаются изолированными друг от друга, и их интефация является весьма трудной задачей. При таком подходе отсутствует столь важный компонент, как связи между разными видами информации, похожие на соединения нейронов в человеческом мозге. Извлечение данных из рабочих процессов и их использование для решения содержательных задач остается одной из самых трудноразрешимых проблем бизнеса. Хотя любая автоматизация приносит положительный эффект, современные технологии способны сделать базовые операции краеугольным камнем гораздо более широких интеллектуальных решений общекорпоративного масштаба . [13]
Умеют ли животные подражать интеллектуальным действиям других животных. Не являются ли разумные, целесообразные операции обезьян просто усвоенными по подражанию решениями задач, которые сами по себе совершенно недоступны интеллекту этих животных. Опыты показали, что подражание животного строго ограничено его собственными интеллектуальными возможностями.
Иначе говоря, обезьяна ( шимпанзе) может по подражанию осмысленно выполнить только то, что она способна выполнить самостоятельно. Подражание не продвигает ее дальше в области ее интеллектуальных способностей. Правда, обезьяну можно путем дрессуры научить выполнять и неизмеримо более сложные операции, до которых она никогда не дошла бы собственным умом.
Но в этом случае операция выполнялась бы просто автоматически и механически как бессмысленный навык, а не как разумное и осмысленное решение. Зоопсихология установила ряд симптомов, которые позволяют отличить ингеллекгуальное, осмысленное подражание от автоматической копировки. В первом случае решение усваивается сразу, раз и навсегда, не требует повторений, кривая ошибок круто и сразу падает от 100 % до 0, решение явно обнаруживает все основные признаки, свойственные самостоятельному, интеллектуальному решению обезьяны : оно совершается с Помощью схватывания структуры поля и отношений между предметами. При дрессировке усваивание происходит путем проб и ошибок; кривая ошибочных решений падает медленно и постепенно, усвоение требует многократных повторений, процесс выучки не обнаруживает никакой осмысленности, никакого понимания структурных отношений, он совершается слепо и не структурно. [14]
Источник: www.ngpedia.ru