Содержание
Введение
1. Моделирование знаний
2. Некоторые известные ЭС
3. Особые черты ЭC
3.1 Основные компоненты
3.2 Преимущества ЭС
3.3 Отличие от систем принятия решений
3.4 Информационная модель ЭС
4. Типы ЭС
4.1 По назначению
4.2 По объему базы знаний
4.3 Поисковые ЭС
4.4 Гибридные ЭС
5. Возможности некоторых ЭС
Вывод
Список использованных электронных ресурсов
Введение
Тема реферата «Экспертные системы».
Усложнение информации, структурное изменение и увеличение ее объемов порождают новые требования к обработке, и, как следствие, скорости решения некоторых задач, которые неразрешимы без специальных знаний. Однако не каждая компания может себе позволить держать в своем штате экспертов по всем связанным с ее деятельностью проблемам или даже приглашать их каждый раз, когда возникают проблемы.
Одно из решений - применение экспертных систем (ЭС).
Моделирование знаний
Главная идея технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и при необходимости извлекать их из памяти компьютера. Являясь одним из основных приложений искусственного интеллекта, ЭС представляют собой компьютерные программы, преобразующие опыт экспертов в какой-либо области знаний в форму эвристических правил (эвристик).
Затронув тему экспертных систем, через их определение сразу стоит очертить тот спектр вопросов, которые будут рассмотрены в этой главе. Из множества определений ЭС остановимся на определении практической направленности: «экспертная система - это программное обеспечение, которое заменяет эксперта в той или иной области». ЭС предназначены для моделирования, или имитации поведения экспертов при решении задач по узко специализированной тематике. Они призваны оказывать помощь специалистам, когда их собственных знаний, опыта и интуиции не хватает для самостоятельного решения возникающих проблем.
Принцип действия ЭС состоит в моделировании знания и опыта человека-эксперта, которыми могут воспользоваться другие люди после компьютерной обработки этих знаний и опыта. ЭС должна уметь «рассуждать» при неполных и противоречивых данных, объяснять последовательность и логику рассуждений, а механизм вывода советов и рекомендаций должен быть четко определен. При этом структура ЭС должна обеспечивать возможность наращивания базы знаний.
Основу ЭС составляет база знаний, хранящая множество фактов и набор правил, полученных от экспертов и введенных из специальной и справочной литературы.
База знаний - это формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой-либо предметной области. Знания представлены в описательной форме и для этого не используются четкие математические модели.
Чем отличается база знаний от базы данных? В базе данных элементы представляют собой не связанные друг с другом сведения, а в базе знаний те же элементы связаны определенными отношениями как между собой, так и с понятиями внешнего мира, и сами содержат в себе эти отношения. Можно выделить следующие основные классы задач, для решения которых создаются ЭС:
- интерпретация данных;
- диагностика;
- контроль;
- прогнозирование;
- планирование;
- проектирование.
Некоторые известные ЭС
DENDRAL.
Распознавания структуры сложных органических молекул по результатам их спектрального анализа (первая в мире ЭС).
MOLGEN.
Генерирование гипотез о структуре ДНК на основе экспериментов с ферментами.
XCON.
Проектирование вычислительных комплексов VAX-11 в корпорации DEC в соответствии с заказом покупателя MICIN. Комплексная медицинская диагностика PUFF. Диагностика легочных заболеваний DART. Диагностика больших жестких дисков корпорации IBM PROSPECTOR. Консультации при поиске залежей полезных ископаемых РОММЕ. Рекомендации по уходу за яблоневым садом.
ЭСПЛАН.
Планирование производства на нефтеперерабатывающем заводе.
МОДИС.
Диагностика различных форм гипертонии.
МИДАС.
Оказание помощи диспетчеру в оперативном управлении энергосистемой.
GPRS Консультант.
Анализ сеансов связи в реальном масштабе времени и оценка параметров качества сервиса сетей GPRS (General Packet Radio Services)
CARE.
Диагностика критического состояния больного с выделением более 30 синдромов.
«Маньяк».
Поддержка принятия решений при раскрытии серийных убийств, совершенных на сексуальной почве.
Особые черты ЭC
Основные компоненты
В отличие от систем традиционного программирования, в ЭС можно выделить три основных компонента систем обработки знаний:
- база знаний (описание объекта);
- блок общения (постановка цели (запроса), выдача и объяснение результата (совета));
- блок обработки знаний (алгоритмы решения). При этом нужно помнить о следующем:
- экспертиза может проводиться только в одной конкретной области;
- задачи решаются дедуктивным методом;
- ход решения задачи осуществляется понятным пользователю способом;
- модульный принцип позволяет наращивать базы знаний.
ЭС имеют определенные преимущества перед человеком-экспертом:
- у них нет предубеждений.
- они не делают поспешных выводов.
- они выбирают наилучшую альтернативу (оптимальное решение) из всех возможных.
- они устойчивы к «помехам», так как не «обременены» знаниями из других областей.
- их база знаний может быть очень большой и никогда не потеряется.
Преимущества ЭС
ЭС позволяют:
- неспециалистам и специалистам широкого профиля заменить собой экспертов, уменьшая тем самым количество людей, занятых в бизнес-процессе;
- сократить штат сотрудников, сэкономить время, снизить уровень бюрократии;
- данные, а также правила их вывода, касающиеся той или иной предметной области, хранятся в памяти компьютера и застрахованы от чьего-либо влияния, их нельзя потерять или «забыть»;
- сэкономить финансовые ресурсы проектов и эксплутационные расходы. Вот несколько примеров. American Express сократила свои потери на $27 млн. в год благодаря ЭС, определяющей целесообразность выдачи или отказа в кредите той или иной фирме. Компания DEC ежегодно экономит $70 млн., используя систему XCON/XSEL, которая по заказу покупателя составляет конфигурацию вычислительной системы VAX. Компания Sira сократила затраты на строительство трубопровода в Австралии на $40 млн. за счет ЭС, управляющей трубопроводом. Бортовая ЭС на транспортном самолете позволяет снизить эксплутационные расходы до $150 млн. за весь срок его эксплуатации.
Отличие от систем принятия решений
Сходство технологий, используемых в ЭС и системах поддержки принятия решений (СППР), состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Но в то же время имеются и существенные различия.
Во-первых, решение проблемы в СППР отражает уровень ее понимания пользователем и его возможности получить и осмыслить решение (рассчитаны на пользователя-эксперта), а ЭС предлагает пользователю принять решение, превосходящее его возможности (рассчитаны на пользователя-неэксперта).
Во-вторых, ЭС могут пояснять свои рассуждения в процессе получения решения, причем часто эти пояснения оказываются более важными для пользователя, чем само решение.
В-третьих, ЭС менее гибки, так как состав базы знаний и принятый механизм логического вывода накладывают определенные ограничения на круг решаемых задач.
В-четвертых, разработка ЭС с учетом неполноты и нечеткости знаний требует очень больших затрат высоко интеллектуального труда и времени.