Экспертные системы 2

Федеральное государственное образовательное учреждение среднего профессионального образования

“Омский промышленно-экономический колледж”

Доклад на тему

Экспертные системы

по дисциплине «Основы построения автоматизированных информационных систем»

Содержание

1) Основные понятия и определения

2) Структуру экспертной системы

3) Классификация экспертных систем

1. Основные понятия и определения

Экспертные системы (ЭС) – это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.

В нашей стране современное состояние разработок в области экспертных систем можно охарактеризовать как стадию всевозрастающего интереса среди широких слоев экономистов, финансистов, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. К сожалению, этот интерес имеет пока достаточно слабое материальное подкрепление – явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций искусственного интеллекта, ограниченное финансирование исследований в этой области, слабый отечественный рынок программных продуктов для разработки экспертных систем.

Поэтому распространяются “подделки” под экспертные системы в виде многочисленных диалоговых систем и интерактивных пакетов прикладных программ, которые дискредитируют в глазах пользователей это чрезвычайно перспективное направление. Процесс создания экспертной системы требует участия высококвалифицированных специалистов в области искусственного интеллекта, которых пока выпускает небольшое количество высших учебных заведений страны.

Современные экспертные системы широко используются для тиражирования опыта и знаний ведущих специалистов практически во всех сферах экономики. Традиционно знания существует в двух видах:

· Коллективный опыт;

· Личный опыт;

Если большая часть знаний в предметной области представлена в видеколлективного опыта(например, высшая математика), эта предметная область не нуждается в экспертных системах.

Если в предметной области большая часть знаний являетсяличным опытомспециалистов высокого уровня, если эти знания по каким-либо причинам слабо структурированы, такая предметная область, скорее всего, нуждается в экспертной системе.

2. Структуру экспертной системы

пользователь – специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны ЭС.

Инженер по знаниям – специалист по искусственному интеллекту, выступающий в роли промежуточного буфера между экспертом и базой знаний.

Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с ЭС как на стадии ввода информации, так и получение результатов.

База знаний - ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором языке, приближенном к естественному). Параллельно такому как “ человеческому” представлению существует БЗ во внутреннем “машинном” представлении.

Решатель – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ.

Подсистема объяснений – программа, позволяющая пользователю получить ответ на вопрос (например: вопрос “Почему система приняла такое решение?” ответ “почему” - ссылка на умозаключение, непосредственно предшествовавшее полученному решению, т.е. отход на один шаг назад).

Интеллектуальный редактор БЗ – программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. Включает в себя систему:

a) Вложенное меню;

b) Шаблонов языка представления знаний;

c) Подсказок (“помощь”).

В коллектив разработчиков ЭС входит как минимум четыре человека:

- эксперт;

- инженер по знаниям;

- программист;

- пользователь.

3. Классификация экспертных систем

Классификация по решаемой задаче:

Интерпретация данных. Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными.

Например: обнаружения и идентификация различных типов судов (SIAP).

Диагностика. Под ней понимается обнаружение неисправности в некоторых систем.

Например: диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ (CRIB).

Мониторинг. Основная задача мониторинга является непрерывная интерпретация данных в реальном масштабе времени и предупреждение о выходе тех или иных параметров за допустимые пределы.

Например: контроль за работой электростанций (СПРИНТ).

Проектирование. Это подготовка спецификаций на создание объектов с заранее определенными свойствами.

Например: проектирование конфигураций ЭВМ (VAX).

Прогнозирование. Они логически выводят вероятные следствия из заданных ситуаций.

Например: прогнозы в экономике (ECCON), предсказания погоды (WILLARD).

Планирование. Под ним понимается нахождения планов действий, относящийся к объектам, способным выполнять некоторые функции.

Например: планирование промышленных заказов (ISIS).

Обучение. Система диагностирует ошибки при изучении какой-либо дисциплины с помощью ЭВМ, и подсказывают правильные решения.

Например: обучение языку программирования Паскаль.

Квалификация по связи с реальным временем:

Статические. Разрабатываются в предметных областях, в которых БЗ и данные не меняются во времени, они стабильные.

Например: диагностика неисправности в автомобиле.

Квазидинамические. Интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Динамические. Работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступаемых данных.