Компьютерная программа воплощающая в себе компоненты опыта экспертов в такой форме что данная

Экспертная система (ЭС, expert system) — компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям [2.33 — 2.38].

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Похожие действия выполняет такой программный инструмент, как Мастер (Wizard). Мастера применяются как в системных программах, так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от ЭС— отсутствие базы знаний — все действия жёстко запрограммированы. Это просто набор форм для заполнения пользователем.

Видеопрезентация.

Другие подобные программы— поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

В течение последних десятилетий в рамках исследований по искусственному интеллекту (ИИ) сформировалось самостоятельное направление — экспертные системы (ЭС), или инженерия знаний. В задачу этого направления входят исследование и разработка программ (устройств), использующих знания и процедуры вывода для решения задач, являющихся трудными для людей-экспертов. В отличие от специализированных систем ИИ экспертные системы могут быть отнесены к системам ИИ общего назначения — системам, которые не только исполняют заданные процедуры, но на основе метапроцедур поиска генерируют и используют процедуры решения новых конкретных задач.

В настоящее время экспертной считают систему искусственного интеллекта, которая включает знания об определённой слабо структурированной и трудно формализуемой узкой предметной области, способная предлагать и объяснять пользователю разумные решения. Экспертная система состоит из базы знаний, механизма логического вывода и подсистемы объяснений. Её основным компонентом является база знаний. База знаний — это семантическая модель, описывающая предметную область и позволяющая отвечать на такие вопросы из этой предметной области, ответы на которые в явном виде не присутствуют в базе. База знаний является основным компонентом интеллектуальных и экспертных систем [2.39].

Огромный интерес к ЭС со стороны пользователей вызван, по крайней мере, тремя причинами:

во-первых, они ориентированы на решение широкого круга задач в неформализованных областях, на приложения, которые до недавнего времени считались малодоступными для вычислительной техники;

Лекция 6. Методы и модели принятия управленческих решений

во-вторых, с помощью ЭС специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что позволяет резко расширить сферу использования вычислительной техники;

в-третьих, ЭС при решении практических задач достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащённых ЭВМ.

Экспертные системы, как самостоятельное направление в искусственном интеллекте, сформировались 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 рас- суждений понятным для пользователя образом [2.40, 2.41].

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:

• • задачи не могут быть представлены в числовой форме;
• • исходные данные и знания о предметной области обладают неоднозначностью, неточностью, противоречивостью;
• • цели нельзя выразить с помощью чётко определённой целевой функции;
• • не существует однозначного алгоритмического решения задачи;
• • алгоритмическое решение существует, но его нельзя использовать по причине большой размерности пространства решений и ограничений на ресурсы (времени, памяти).

Для построения базы знаний необходим интеллектуальный редактор базы знаний. Интеллектуальный редактор базы знаний — это программа, предоставляющая инженеру по знаниям возможность создавать базу знаний в интерактивном режиме. Интеллектуальный редактор включает в себя систему шаблонов языка представления знаний, подсказки и другие сервисные средства, облегчающие работу с базой.

Основной режим работы экспертной системы — консультационный режим. Консультационный режим — это интерактивный режим эксплуатации базы знаний, при котором пользователь продвигается к решению задачи.

Вторым существенным компонентом ЭС является машина логического вывода или дедуктивная машина (или блок логического вывода, или решатель). Машина логического вывода — это программа, моделирующая механизм рассуждений и оперирующая знаниями и данными с целью получения новых данных из знаний и других данных, имеющихся в рабочей памяти. Обычно машина логического вывода использует программно реализованный механизм дедуктивного логического вывода или механизм поиска решения в сети фреймов или семантической сети.

Для контакта с пользователем ЭС должна обладать подсистемой общения и подсистемой объяснений. Подсистема общения — это программа:

• • входящая в состав экспертной системы;
• • служащая для ведения диалога с пользователем, в ходе которого ЭС запрашивает у пользователя необходимые факты для процесса рассуждения;
• • предоставляющая возможность пользователю в определённой степени контролировать и корректировать ход рассуждений экспертной системы.

Система объяснений — это программа, позволяющая пользователю получить ответы на вопросы:

• • «Как было получено то или иное решение?»; обычно ответ на этот вопрос представляет собой трассировку всего процесса вывода решения с указанием использованных фрагментов базы знаний; и
• • «Почему было принято такое решение?»; обычно ответ на этот вопрос есть ссылка на умозаключение, непосредственно предшествовавшее полученному решению.

Хорошо если ЭС обладает подсистемой приобретения знаний. Подсистема приобретения знаний — это программа, предназначенная для корректировки и пополнения базы знаний.

Подсистема приобретения знаний — в простейшем случае — интеллектуальный редактор базы знаний. Подсистема приобретения знаний — в более сложных случаях — средства для извлечения знаний:

• • из баз данных;
• • из неструктурированного текста;
• • из графической информации и т.д.

ЭС создаётся и существует для пользователя. Пользователь — это проблемный специалист, для которого предназначена экспертная система. Считается, что квалификация пользователя недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны экспертной системы.

ЭС является системой, основанной на знаниях. Система, основанная на знаниях, — это система искусственного интеллекта, в которой предметные знания представлены в явном виде и отделены от прочих знаний системы.

Источник: studref.com

Ый учебный вопрос. Методы экспертных оценок.

Методы экспертных оценок относятся к числу наиболее часто применяемых в настоящее время, и, по всей видимости, эта тенденция сохранится в ближайшем будущем. Считается, что при исследовании сложных объектов экспертные оценки являются обязательным инструментом анализа или самостоятельным методом, либо сочетаются с другими методами.

Метод экспертных оценок используется тогда, когда формальные методы не могут дать ответа на поставленный вопрос, так как еще не ясны не только зависимости между процессами и явлениями, но иногда и существо самой проблемы. Только в сочетании со статистическими методами и методами моделирования данный метод дает высокие результаты.

Большое значение придается вопросам организации коллективной экспертизы, с тем, чтобы обеспечить в зависимости от конкретных условий ее проведения следующие требования:

1) анонимность экспертных заключений;

2) обратная связь;

3) многотуровость (итеративность);

Важно сформировать экспертную комиссию, состоящую из компетентных специалистов по всем аспектам анализируемой проблемы, желательно имеющих опыт работы в качестве экспертов.

При сравнительной оценке вариантов возможны 2 ситуации:

1) могут использоваться специально разработанные оценочные системы, особенно в случае многокритериального оценивания;

2) разработка оценочной системы может предусматриваться в процессе проводимой экспертизы.

Метод экспертных оценок эффективен в задачах с достаточным информационным потенциалом, в условиях неопределённости его применение может оказаться проблематичным, так как правильным может стать мнение одного эксперта, даже если оно сильно отличается от мнения всех остальных экспертов.

Качественно новый этап в использовании компьютеров для принятия решений наступил с появлением экспертных систем – компьютерных программ, воплощающих в себе компоненты опыта экспертов в такой форме, что данная программа на основе обрабатываемой информации может дать пользователя варианты или рекомендовать решение.

Возрастающий интерес к экспертным системам объясняется:

1) экспертные системы ориентированы на решение широкого круга задач в ранее не формализуемых областях, которые считались малодоступными для использования компьютерных методов;

2) экспертные системы предназначены для решения задач в диалоговом режиме с людьми, от которых не требуется специального знания языков программирования, что резко расширяет сферу применения компьютерной техники в задачах принятия решений;

3) специалист, использующий экспертную систему при решении своих задач, может достигать, а иногда и превосходить по результатам возможности экспертов в данной области знаний, что позволяет резко повысить квалификацию рядовых специалистов за счет аккумуляции знаний в экспертной системе.

В практике принятия решений ни один метод в чистом виде, как правило, не применяется. Чаще всего используется совокупность методов, объединенных в комплексный метод, например, факторный, функциональный, системный анализ.

При выборе методов формирования решений рекомендуется исходить из следующих требований:

1) практической применимости метода, т.е. простоты, адекватности описания реальности, наличия кадров, умеющих использовать данный метод;

2) эффективности метода, которая определяется исходя из времени, затрачиваемого на получение результата, и расходов на применение метода;

3) достаточности информации для использования метода;

4) высокой вероятности предсказываемого результата;

5) стабильности решения;

6) совместимости с другими методами.

Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:

Источник: studopedia.ru

1.2.2. Экспертные системы

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 [15].

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:

• 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 целе­ вой функции;

• не существует однозначного алгоритмического решения задачи; • алгоритмическое решение существует, но его нельзя исполь­ зовать по причине большой размерности пространства решений и ограничений на ресурсы (времени, памяти). 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. ЭС охватывают самые разные предметные области (рис. 1.2), среди которых лидируют бизнес, производство, медицина, про­ектирование и системы управления [4, 6, 11, 12, 15, 17]. 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 вариан­ тов решений;

Транспортные системы Космонавтика Наука Системы управления Горная промышленность Военное дело Метрология Медицина Математика Производство Юриспруденция Управление информацией Обработка изображений Геология Окружающая среда Инженерия Электроника Образование Компьютерные системы Коммуникации Химия Бизнес Сельское хозяйство 50 100 150 200 250 300 350 Рис. 1.2. Области применения экспертных систем 2425• 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. 1.3): классифицирующие, доопределяющие, трансформирующие и мультиагентные [12]. 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 главу 3). Трансформирующие ЭС относятся к синтезирующим динами­ческим экспертным системам, в которых предполагается повто­ряющееся преобразование знаний в процессе решения задач. В Рис. 1.3. Основные классы экспертных систем 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 усло­ виям 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 исполь­ зования различных источников знаний и механизма устранения противоречий;
• распределенное решение проблем, декомпозируемых на па­ раллельно решаемые подзадачи с самостоятельными источника­ ми знаний;
• применение различных стратегий вывода заключений в за­ висимости от типа решаемой проблемы;
• обработка больших массивов информации из баз данных;
• использование математических моделей и внешних про­ цедур для имитации развития ситуаций.

26 27

Источник: studfile.net