Войти на сайт

или
Регистрация

Навигация


2.4. Технология разработки экспертных систем

 

Этапы разработки

Разработка программных комплексов экспертных систем как за рубежом, так и в нашей стране находится на уровне скорее искусства, чем науки. Это связано с тем, что долгое время системы искусственного интеллекта внедрялись в основном во время фазы проектирования, а чаще всего разрабатывалось несколько прототипных версий программ, прежде чем был получен конечный продукт. Такой подход действует хорошо в исследовательских условиях, однако в коммерческих условиях он является слишком дорогим, чтобы оправдать коммерчески жизненный продукт.

Процесс разработки промышленной экспертной системы, опираясь на традиционные технологии, можно разделить на шесть более или менее независимых этапов, практически не зависимых от предметной области.

Последовательность этапов дана для общего представления о создании идеального проекта. Конечно, последовательность эта не вполне фиксированная. В действительности каждый последующий этап разработки экспертной системы приносит новые идеи, которые могут повлиять на предыдущие решения и даже привести к их переработке. Именно поэтому многие специалисты по информатике весьма критично относятся к методологии экспертных систем. Они считают, что расходы на разработку таких систем очень большие, время разработки слишком длительное, а полученные в результате программы ложатся тяжёлым бременем на вычислительные ресурсы.

В целом за разработку экспертных систем целесообразно браться организации, где накоплен опыт по автоматизации рутинных процедур обработки информации, например:

·          информационный поиск;

·          сложные расчёты;

·          графика;

·          обработка текстов.

Решение таких задач, во-первых, подготавливает высококвалифицированных специалистов по информатике, необходимых для создания интеллектуальных систем, во-вторых, позволяет отделить от экспертных систем неэ

Этап 1: выбор подходящей проблемы

Этот этап включает деятельность, предшествующую решению начать разрабатывать конкретную экспертную систему. Он включает:

·          определение проблемной области и задачи;

·          нахождение эксперта, желающего сотрудничать при решении проблемы, и назначение коллектива разработчиков;

·          определение предварительного подхода к решению проблемы;

·          анализ расходов и прибыли от разработки;

·          подготовку подробного плана разработки.

Правильный выбор проблемы представляет, наверное, самую критическую часть разработки в целом. Если выбрать неподходящую проблему, можно очень долгое время искать решение спроектированных задач. Неподходящая проблема может также привести к созданию экспертной системы, которая стоит намного больше, чем экономит. Дело будет обстоять ещё хуже, если разработать систему, которая работает, но не приемлема для пользователей. Даже если разработка выполняется самой организацией для собственных целей, эта фаза является подходящим моментом для получения рекомендаций извне, чтобы гарантировать удачно выбранный и осуществимый с технической точки зрения первоначальный проект.

При выборе области применения следует учитывать, что если знание, необходимое для решения задач, постоянное, чётко формулируемое и связано с вычислительной обработкой, то обычные алгоритмические программы, по всей вероятности, будут самым целесообразным способом решения проблем в этой области.

Экспертная система ни в коем случае не устранит потребность в реляционных базах данных, статистическом программном обеспечении, электронных таблицах и системах текстовой обработки. Но если результативность задачи зависит от знания, которое является субъективным, изменяющимся, символьным или вытекающим частично из соображений здравого смысла, тогда область может обоснованно выступать претендентом на экспертную систему.

Рассмотрим некоторые факты, свидетельствующие о необходимости разработки и внедрения экспертных систем:

·          нехватка специалистов, расходующих значительное время для оказания помощи другим;

·          потребность в многочисленном коллективе специалистов, поскольку;

·          сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть (за отведённое время) все эти условия;

·          большое расхождение между решениями самых хороших и самых плохих исполнителей;

·          наличие конкурентов, имеющих преимущество в том, что они лучше справляются с поставленной задачей.

Подходящие задачи имеют следующие характеристики:

·          являются узкоспециализированными;

·          не зависят в значительной степени от общечеловеческих знаний или соображений здравого смысла;

·          не являются для эксперта слишком лёгкими, ни слишком сложными (время, необходимое эксперту для решения проблемы, может составлять от трех часов до трех недель);

·          условия исполнения задачи определяются самим пользователем системы;

·          имеет результаты, которые можно оценить.

Обычно экспертные системы разрабатываются путём получения специфических знаний от эксперта и ввода их в систему. Некоторые системы могут содержать стратегии одного индивида. Следовательно, найти подходящего эксперта - это ключевой шаг в создании экспертных систем.

В процессе разработки и последующего расширения системы инженер по знаниям и эксперт обычно работают вместе. Инженер по знаниям помогает эксперту структурировать знания, определять и формализовать понятия и правила, необходимые для решения проблемы.

Во время первоначальных бесед они решают, будет ли их сотрудничество успешным. Это немаловажно, поскольку обе стороны будут работать вместе по меньшей мере в течение одного года. Кроме них в коллектив разработчиков целесообразно включить потенциальных пользователей и профессиональных программистов.

Предварительный подход к программной реализации задачи определяется исходя из характеристик задачи и ресурсов, выделенных на ее решение. Инженер по знаниям выдвигает обычно несколько вариантов, связанных с использованием имеющихся на рынке программных средств. Окончательный выбор возможен лишь на этапе разработки прототипа.

После того как задача определена, необходимо подсчитать расходы и прибыли от разработки экспертной системы. В расходы включаются затраты на оплату труда коллектива разработчиков. В дополнительные расходы включают стоимость приобретаемого программного инструментария, с помощью которого разрабатывается экспертная система.

Прибыль возможна за счёт снижения цены продукции, повышения производительности труда, расширения номенклатуры продукции или услуг или даже разработки новых видов продукции или услуг в этой области. Соответствующие расходы и прибыли от системы определяются относительно времени, в течение которого возвращаются средства, вложенные в разработку. На современном этапе большая часть фирм, развивающих крупные экспертные системы, предпочли разрабатывать дорогостоящие проекты, приносящие значительные прибыли.

Наметились тенденции разработки менее дорогостоящих систем, хотя и с более длительным сроком возвращаемости вложенных в них средств, так как программные средства разработки экспертных систем непрерывно совершенствуются.

После того как инженер по знаниям убедился, что:

·          данная задача может быть решена с помощью экспертной системы;

·          экспертную систему можно создать предлагаемыми на рынке средствами;

·          имеется подходящий эксперт;

·          предложенные критерии производительности являются разумными;

·          затраты и срок их возвращаемости приемлемы для заказчика,

он составляет план разработки. План определяет шаги процесса разработки необходимые затраты, а также ожидаемые результаты.

Этап 2: разработка прототипной системы

Понятие прототипной системы

Прототипная система является усечённой версией экспертной системы, спроектированной для проверки правильности кодирования фактов, связей и стратегий рассуждения эксперта. Она также даёт возможность инженеру по знаниям привлечь эксперта к активному участию в разработке экспертной системы и, следовательно, к принятию им обязательства приложить все усилия для создания системы в полном объёме.

Объём прототипа - несколько десятков правил, фреймов или примеров. Выделяют шесть стадий разработки прототипа. Рассмотрим краткую характеристику каждой из стадий.

Сроки приведены условно, так как зависят от квалификации специалистов и особенностей задачи.

Идентификация проблемы

Уточняется задача, планируется ход разработки прототипа экспертной системы, определяются:

·          необходимые ресурсы (время, люди, ЭВМ и так далее.);

·          источники знаний (книги, дополнительные эксперты, методики);

·          имеющиеся аналогичные экспертные системы;

·          цели (распространение опыта, автоматизация рутинных действий и другие);

·          классы решаемых задач и так далее.

Идентификация проблемы - знакомство и обучение коллектива разработчиков, а также создание неформальной формулировки проблемы.

Средняя продолжительность 1 - 2 недели.

Извлечение знаний

Происходит перенос компетентности экспертов на инженеров по знаниям с использованием различных методов:

·          анализ текстов;

·          диалоги;

·          экспертные игры;

·          лекции;

·          дискуссии;

·          интервью;

·          наблюдение и другие.

Извлечение знаний - получение инженером по знаниям наиболее полного представления предметной области и способах принятия решения в ней.

Средняя продолжительность 1 - 3 месяца.

Структурирование или концептуализация знаний

Выявляется структура полученных знаний о предметной области, то есть определяются:

·          терминология;

·          список основных понятий и их атрибутов;

·          отношения между понятиями;

·          структура входной и выходной информации;

·          стратегия принятия решений;

·          ограничения стратегий и так далее.

 Концептуализация знаний – разработка неформального описания знаний о предметной области в виде графа, таблицы, диаграммы или текста, которое отражает основные концепции и взаимосвязи между понятиями предметной области.

Средняя продолжительность этапа 2 – 4 недели.

Формализация

Строится формализованное представление концепций предметной области на основе выбранного языка представления знаний (ЯПЗ). Традиционно на этом этапе используются:

·          логические методы (исчисления предикатов порядка и другие); продукционные модели (с прямым и обратным выводом); семантические сети;

·          фреймы;

·          объектно-ориентированные языки, основанные на иерархии классов, объектов и другие.

Формализация знания - разработка базы знаний на языке, который, с одной стороны, соответствует структуре поля знаний, а с другой - позволяет реализовать прототип системы на следующей стадии программной реализации.

Всё чаще на этой стадии используется симбиоз языков представления знаний, например, в системе ОМЕГА фреймы + семантические сети + полный набор возможностей языка исчисления предикатов.

Средняя продолжительность 1 - 2 месяца.

Реализация

Создаётся прототип экспертной системы, включающий базу знаний и остальные блоки, при помощи одного из следующих способов:

·          программирование на традиционных языках типа Паскаль, Си и других; программирование на специализированных языках, применяемых в задачах искусственного интеллекта: LISP, FRL, SmallTalk и другие;

·          использование инструментальных средств разработки экспертных систем типа СПЭИС, ПИЭС;

·          использование «пустых» экспертных систем или «оболочек» типа ЭКСПЕРТ, ФИАКР и др.

Реализация - разработка программного комплекса, демонстрирующего жизнеспособность подхода в целом. Чаще всего первый прототип отбрасывается на этапе реализации действующей экспертной системы.

Средняя продолжительность 1 - 2 месяца.

Тестирование

Оценивается и проверяется работа программ прототипа с целью приведения в соответствие с реальными запросами пользователей. Прототип проверяется на:

·          удобство и адекватность интерфейсов ввода-вывода (характер вопросов в диалоге, связность выводимого текста результата и другое);

·          эффективность стратегии управления (порядок перебора, использование нечёткого вывода и другое);

·          качество проверочных примеров;

·          корректность базы знаний (полнота и непротиворечивость правил).

Тестирование - выявление ошибок в подходе и реализации прототипа и выработка рекомендаций по доводке системы до промышленного варианта.

Средняя продолжительность 1 - 2 недели.

Этап 3: развитие прототипа до промышленной экспертной системы

При неудовлетворительном функционировании прототипа эксперт и инженер по знаниям имеют возможность оценить, что именно будет включено в разработку окончательного варианта системы.

Если первоначально выбранные объекты или свойства оказываются неподходящими, их необходимо изменить. Можно сделать оценку общего числа эвристических правил, необходимых для создания окончательного варианта экспертной системы. Иногда при разработке промышленной системы выделяют дополнительные этапы для перехода: демонстрационный прототип - исследовательский прототип - действующий прототип - промышленная система.

Однако чаще реализуется плавный переход от демонстрационного прототипа к промышленной системе, при этом, если программный инструментарий выбран удачно, необязательна перепись другими программными средствами.

Понятие же коммерческой системы в нашей стране входит в понятие промышленный программный продукт, или промышленной экспертной системы в этой работе (табл. 1).


Таблица. 1. Переход от прототипа к промышленной экспертной системе

Демонстрационный прототип ЭС Система решает часть задач, демонстрируя жизнеспособность подхода (несколько десятков правил или понятий).
Исследовательский прототип ЭС Система решает большинство задач, но не устойчива в работе и не полностью проверена (несколько сотен правил или понятий).
Действующий прототип ЭС Система надёжно решает все задачи на реальных примерах, но для сложной задачи требует много времени и памяти.
Промышленная система Система обеспечивает высокое качество решений при минимизации требуемого времени и памяти; переписывается с использованием более эффективных средств представления знаний.
Коммерческая система Промышленная система, пригодная к продаже, то есть хорошо документирована и снабжена сервисом.

Основное на третьем этапе заключается в добавлении большого числа дополнительных эвристик. Эти эвристики обычно увеличивают глубину системы, обеспечивая большее число правил для трудноуловимых аспектов отдельных случаев. В то же время эксперт и инженер по знаниям могут расширить охват системы, включая правила, управляющие дополнительными подзадачами или дополнительными аспектами экспертной задачи (метазнания).

После установления основной структуры экспертной системы инженер по знаниям приступает к разработке и адаптации интерфейсов, с помощью которых система будет общаться с пользователем и экспертом. Необходимо обратить особое внимание на языковые возможности интерфейсов, их простоту и удобство для управления работой экспертной системой. Система должна обеспечивать пользователю возможность лёгким и естественным образом спрашивать непонятное, приостанавливать работу и т.д. В частности, могут оказаться полезными графические представления.

На этом этапе разработки большинство экспертов узнают достаточно о вводе правил и могут сами вводить в систему новые правила. Таким образом начинается процесс, во время которого инженер по знаниям передаёт право собственности и контроля за системой эксперту для уточнения, детальной разработки и обслуживания.

Этап 4: оценка системы

·          После завершения этапа разработки промышленной экспертной системы необходимо провести её тестирование в отношении критериев эффективности. К тестированию широко привлекаются другие эксперты с целью апробирования работоспособности системы на различных примерах. Экспертные системы оцениваются главным образом для того, чтобы проверить точность работы программы и её полезность. Оценку можно проводить, исходя из различных критериев: критерии пользователей (понятность и «прозрачность» работы системы, удобство интерфейсов и другие.);

·          критерии приглашённых экспертов (оценка советов-решений, предлагаемых системой, сравнение её с собственными решениями, оценка подсистемы объяснений и другие.);

·          критерии коллектива разработчиков (эффективность реализации, производительность, время отклика, дизайн, широта охвата предметной области, непротиворечивость БЗ, количество тупиковых ситуаций, когда система не может принять решение, анализ чувствительности программы к незначительным изменениям в представлении знаний, весовых коэффициентах, применяемых в механизмах логического вывода, данных и так далее).

Этап 5: стыковка системы

На этом этапе осуществляется стыковка экспертной системы с другими программными средствами в среде, в которой она будет работать, и обучение людей, которых она будет обслуживать. Иногда это означает внесение существенных изменений. Такое изменение требует непременного вмешательства инженера по знаниям или какого-либо другого специалиста, который сможет модифицировать систему. Под стыковкой подразумевается также разработка связей между экспертной системой и средой, в которой она действует.

Когда экспертная система уже готова, инженер по знаниям должен убедиться в том, что эксперты, пользователи и персонал знают, как эксплуатировать и обслуживать её. После передачи им своего опыта в области информационной технологии инженер по знаниям может полностью предоставить её в распоряжение пользователей.

Для подтверждения полезности системы важно предоставить каждому из пользователей возможность поставить перед экспертной системой реальные задачи, а затем проследить, как она выполняет эти задачи. Чтобы система была одобрена, необходимо представить её как помощника, освобождающего пользователей от обременительных задач, а не как средство их замещения.

Стыковка включает обеспечение связи экспертной системы с существующими базами данных и другими системами на предприятии, а также улучшение системных факторов, зависящих от времени, чтобы можно было обеспечить её более эффективную работу и улучшить характеристики её технических средств, если система работает в необычной среде (например, связь с измерительными устройствами).

Пример. Успешно состыкована со своим окружением система PUFF - экспертная система для диагностики заболеваний лёгких. После того, как PUFF была закончена и все были удовлетворены её работой, систему перекодировали с LISP на Бейсик. Затем систему перенесли на ПК, которая уже работала в больнице. В свою очередь, эта ПК была связана с измерительными приборами. Данные с измерительных приборов сразу поступают в ПК. РUFF обрабатывает эти данные и печатает рекомендации для врача. Врач в принципе не взаимодействует с РUFF. Система полностью интегрирована со своим окружением - она представляет собой интеллектуальное расширение аппарата исследования лёгких, который врачи давно используют.

Этап 6: поддержка системы

При перекодировании системы на язык, подобный Си, повышается её быстродействие и увеличивается переносимость, однако гибкость при этом уменьшается. Это приемлемо лишь в том случае, если система сохраняет все знания проблемной области и это знание не будет изменяться в ближайшем будущем. Однако если экспертная система создана именно из-за того, что проблемная область изменяется, то необходимо поддерживать систему в инструментальной среде разработки.

Пример. Примером экспертной системы, внедрённой таким образом, является ХСON (R1) – экспертная система, которую фирма DЕС использует для комплектации ЭВМ семейства VАХ. Одна из ключевых проблем, с которой столкнулась фирма DЕС, - необходимость постоянного внесения изменений для новых версий оборудования, новых спецификаций и так далее. Для этой цели ХСON поддерживается в программной среде ОРS5.


Заключение

 

Экспертные системы являются наиболее известным и распространённым видом интеллектуальных систем.

Как и любые другие системы, они имеют ряд своих особенностей:

·          экспертные системы ориентированы на решение широкого круга задач в неформализованных областях, на приложения, которые до недавнего времени считались малодоступными для вычислительной техники.

·          с помощью экспертных систем специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что позволяет резко расширить сферу использования вычислительной техники.

·          при решении практических задач экспертные системы достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащённых ЭВМ.

Особенно широкое применение экспертные системы получили в медицине, математике, машиностроении, химии, геологии, вычислительной технике, бизнесе, законодательстве, обороне.

А также в настоящее время особенно актуально использование экспертных систем в таких приложениях, как образование, психолого-педагогическая диагностика и тестирование.

Экспертные системы строятся для решения широкого круга проблем в таких областях, как:

·          прогнозирование – проектирование возможных последствий данной ситуации.

·          диагностика – определение причин неисправностей в сложных ситуациях на основе наблюдаемых симптомов.

·          проектирование – нахождение конфигурации компонентов системы, которая удовлетворяет целевым условиям и множеству проектных ограничений.

·          планирование – разработка последовательности действий для достижения множества целей при данных начальных условиях и временных ограничениях.

·          мониторинг – сравнение наблюдаемого поведения системы с её ожидаемым поведением.

·          инструктирование – помощь в образовательном процессе по изучению технической области.

·          управление – управление поведением сложной среды.

 Таким образом, проблема разработки и использования экспертных систем является весьма актуальной в современном обществе.


Литература

1.    Гаскаров, Д. Б. Интеллектуальные информационные системы. – М.: Высшая школа, 2003.

2.    Долин, Г. Что такое ЭС. – М.: Компьютер Пресс, 1992.

3.    Острейковский, В. А. Информатика. – М.: Высшая школа, 1999.

4.    Убейко, В. Н. Экспертные системы.- М.: МАИ, 1992.

5.    Ясницкий, Л. Н. Введение в искусственный интеллект. – М.: Академия, 2005.


Информация о работе «Экспертные системы как прикладная область искусственного интеллекта»
Раздел: Информатика, программирование
Количество знаков с пробелами: 78776
Количество таблиц: 2
Количество изображений: 5

Похожие работы

Скачать
46891
1
1

... распределения – сегодня одна из главных проблем производственных организаций. Таким образом, необходима автоматизация интеллектуальной деятельности человека в производственных системах управления. 2. Представление знаний в ПСИИ Важное место в теории искусственного интеллекта занимает проблема представления знаний, являющаяся, по мнению многих исследователей, ключевой. Что же представляют собой ...

Скачать
64295
0
0

... структуры. PROSPECTOR — экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.   2. Перспективы и тенденции развития AI Сообщения об уникальных достижениях специалистов в области искусственного интеллекта (ИИ), суливших невиданные возможности, пропали со страниц научно-популярных изданий много лет назад. Эйфория, связанная с первыми ...

Скачать
29648
0
0

... , математики, инженеры. Такой интерес к задаче стимулировался фантастическими перспективами широкого практического использования результатов теоретических исследований: читающие автоматы, системы искусственного интеллекта, ставящие медицинские диагнозы, проводящие криминалистическую экспертизу и т. п., а также роботы, способные распознавать и анализировать сложные сенсорные ситуации. В 1957 г. ...

Скачать
45176
0
0

... их исследований - моделирование социального поведения, общения, человеческих эмоций, творчества. 3.2 Итоги и проблемы Проблемы ИИ, связанные с ресурсами Сообщения об уникальных достижениях специалистов в области искусственного интеллекта (ИИ), суливших невиданные возможности, пропали со страниц научно-популярных изданий много лет назад. Эйфория, связанная с первыми практическими успехами в ...

0 комментариев


Наверх