Критерій застосовності ЕС

Застосовні	Непридатні
Не можуть бути побудовані строгі алгоритми або процедури, але існують евристичні методи рішення	Є ефективні алгоритмічні методи
Є експерти, здатні вирішити завдання	Відсутні експерти або їх число недостатньо
По своєму характеру завдання відносяться до сфери діагностики, інтерпретації або прогнозування	Завдання носять обчислювальний характер
Доступні дані “зашумлені”	Відомі точні факти і строгі процедури
Завдання вирішуються методом формальних міркувань	Завдання вирішуються процедурними методами, за допомогою аналогії або інтуїтивно
Знання статичні (незмінні).	Знання динамічні (міняються з часом)

 

В цілому ЕС не рекомендується застосовувати для вирішення наступних типів завдань:

· математичних, вирішуваних звичайним шляхом формальних перетворень і процедурного аналізу;

· завдань розпізнавання, оскільки в загальному випадку вони вирішуються чисельними методами;

· завдань, знання про методи рішення яких відсутні (неможливо побудувати БЗ).

Сфери застосування експертних систем. Сфери застосування систем, заснованих на знаннях, можуть бути згруповані в декілька основних класів: медична діагностика, контроль і управління, діагностика несправностей в механічних і електричних пристроях, навчання.

а) Медична діагностика

Діагностичні системи застосовуються для встановлення зв'язку між порушеннями функціонування організму й їх можливими причинами. Найбільш відома діагностична система MYCIN, призначена для діагностики і спостереження за станом хворого при менінгіті й бактерійних інфекціях. Її перша версія була розроблена в Стенфордськом університеті усередині 70-х років минулого століття. В теперішній час ця система ставить діагноз на рівні лікаря-фахівця. Вона має розширену БЗ, дякуючи чому може застосовуватися і в інших галузях медицини.

б) Прогнозування

Прогнозуючі системи передбачають можливі результати або події на основі даних про поточний стан об'єкта. Програмна система “Завоювання Уолл-стріта” може проаналізувати кон'юнктуру ринку і з допомогою статистичних методів алгоритмів розробити план капіталовкладень на перспективу. Вона не належить до систем, заснованих на знаннях, оскільки використовує процедури і алгоритми традиційного програмування. Хоча поки що відсутні ЕС, здатні за рахунок своєї інформації про кон'юнктуру ринку допомогти збільшити капітал, що прогнозують системи вже сьогодні можуть передбачати погоду, врожайність і потік пасажирів. Навіть на ПК, встановивши просту систему, засновану на знаннях, можна одержати місцевий прогноз погоди.

в) Планування та організація виробництва

Планують системи, призначені для досягнення конкретної мети при рішенні задач з великим числом змінних. Так, Дамаська фірма Informat вперше в торговій практиці надає у розпорядження покупців 13 робочих станцій, встановлених в холі свого офісу, на яких проводяться безкоштовні 15-хвилинні консультації з метою допомогти покупцям вибрати комп'ютер, що найбільшою мірою відповідає їх потребам і бюджету. Крім того, компанія Boeing застосовує ЕС для проектування космічних станцій, а також для виявлення причин відмов літакових двигунів і ремонту вертольотів. Експертна система XCON, створена фірмою DEC, служить для визначення або зміни конфігурації комп'ютерних систем типу VAX і відповідно до вимог покупця. Фірма DEC розробляє могутнішу систему XSEL, що включає БЗ системи XCON, з метою надання допомоги покупцям при виборі обчислювальних систем з потрібною конфігурацією. На відміну від XCON, система XSEL є інтерактивною.

Система підтримки прийняття рішень “Super Finance 2“ (“SF 2“) являє собою програмну оболонку загального користування, призначену для проведення консультацій користувача в спроектованій БЗ (рис. 2.31). СППР “SF2“ базується на правилах та побудована у вигляді продукційної системи, модель якої генерує граф пошуку. Оболонка системи запрограмована мовою Visual Prolog та дозволяє реалізувати цільовий пошук згідно з метою.

Рис. 2.31. Вигляд інтерфейсу користувача системи “SF2”

Фахівець з питань знань (експерт) спочатку забезпечує систему інформацією в вигляді БЗ залежно від сфери використання системи. Запис діалогу під час створення БЗ відтворюється у “вікнах” та записується у файл для подальшого користування та консультацій. Створена фахова консультація підключається через “меню“ консультацій (рис. 2.32).

 

Рис. 2.32. Меню вибору консультаційної бази системи

Розроблена система перевірялась для аналізування та загального оцінення деяких показників фінансового стану модельованого підприємства, виявлення причин погіршення можливостей використання ресурсів, прискорення обігу засобів і зміцнення фінансового стану.

Основним джерелом даних для БЗ системи є звітний бухгалтерський баланс та додатки, звіт про фінансові результати, рух статутного капіталу інші звітні форми, які деталізують зміст балансу та дозволяють досліджувати чинники впливу на фінансові показники.

Функціональна структура ЕС “SF 2” приведена на рис. 2.33.

Рис. 2.33. Функціональна структура експертної системи “SF 2”

Діалог – це форма консультації з ЕС “SF 2”. На деякі питання користувач відповідає з допомогою вибору з “меню”; в інших випадках користувачу необхідно надрукувати відповіді. Консультація завершується висновком, виданим системою, та поясненням послідовності висновку, що привела до цього твердження. Система розпізнає непорозуміння, виникле або через помилку, або на принциповій основі, та реагує відповідним чином на цю ситуацію. Наприклад, при введенні перевіряється тип змінних. Система інтерфейсу використовує мовний інтерпретатор системи, діалоговий процесор та механізм висновку. Механізм висновку повертає знання, виведені з БЗ, та через інтерфейс передає їх назад користувачу в зручній формі. Інтерфейс з користувачем та оболонка системи можуть розглядатися як “додаток” до БЗ.

Діалоговий процесор створює в системі питання для користувача та забезпечує обґрунтовані висновки системи, відповіді та необхідні конкретні пояснення результатів консультацій (рис. 2.34).

Рис. 2.34. Приклад поради діалогового процесора системи “SF 2”

Ядром ЕС є БЗ, яка містить знання з аналізування та загального оцінення деяких показників фінансового стану підприємства. База знань – центральна частина ЕС, що складається з фактичних знань. Вона містить модель знань – правила, що описують відносини або явища, методи і знання для вирішення задач з ПрО системи.

Механізм висновку містить принципи і правила роботи та визначає, як використовувати БЗ так, щоб можна було одержувати висновки, що адекватно узгоджуються. На протязі консультації, механізм висновку будує граф вирішення задачі та визначає, які правила потрібно викликати, і організує доступ до БЗ. Результат пошуку та прийняте рішення передається користувачу.

База знань містить факти, або твердження та правила. Факти є короткостроковою інформацією в тому сенсі, що вони можуть змінюватися, наприклад, після консультації. Правилами є більш довготривала інформація про те, як породжувати нові факти або гіпотези враховуючи відомі факти.

Метод представлення знань, використовуваний в системі, об'єднує декларативне та процедурне представлення знань. Декларативне представлення знань описує власний логічний висновок. У зв'язку з цим декларативна частина знань володіє достатньою гнучкістю, дозволяє описувати логічну частину знань сфери практичного використання системи. Процедурна частина знань дозволяє задати набір дій, які необхідно зробити в тій або іншій ситуації. При цьому висновки про відповідність деякої ситуації робляться за допомогою декларативної частини знань. Процедурна частина знань дозволяє повністю і зручно описати набір дій, які може надати експерт.

База знань консультацій є змінною частиною системи та може поповнюватися і модифікуватися. Спосіб представлення знань – у вигляді конкретних фактів і правил, з яких можуть бути виведені нові, використовуючи “меню” системи. В більш простіших випадках факт виражається значенням параметра атрибута, або простим твердженням, яке може бути істинним або помилковим, наприклад:

parameter koef 'коефіцієнт власного капіталу'

type text

explanation 

'завдяки цим пказникам можна передбачити банкрутство наперед'

rules

'на початку року' if vlast < 60,

'на кінець періода' if vlast >=60 and vlast < 100,

question ' Ну як згодні з отриманим результатом ?' ,

'invisible'.

В БД pictures.dba зберігаються рисунки типів: метафайли Windows, залежні точкові малюнки (DDB) і незалежні точкові рисунки (DIB). Система використовує ім'я рисунка як посилання. База даних рисунків підтримує загальні функції БД: додавання, редагування, видалення (рис. 2.35).

 

 

Рис. 2.35. “Меню” редагування бази рисунків

Правила в БЗ призначені для представлення евристичних знань, тобто неформальних правил міркування, що виробляються експертом на основі досвіду його діяльності. Дії, що входять до складу правил, можуть містити нові факти. При використанні таких правил ці факти стають відомі системі і стають робочою множиною (рис. 2.36).

 

   

 

Рис. 2.36. Меню редагування параметрів графа бази знань

Якщо система не може вивести деякий факт, істинність або помилковість якого необхідно встановити, система питає про нього користувача. Факти в БЗ записуються у вершині графу у вигляді параметрів за допомогою “меню” (рис. 2.37), а висновки в вигляді правил:

 

 

Рис. 2.37. Меню редагування правил графа бази знань

section manevr : ' розрахунок робочого капіталу'

assign m1:=z1/p1

assign m2:=z2/p2

if m1>m2 advice ' На кінець звітного періоду запаси у '& m2& ' разів менше робочого капіталу'

if m1< m2 advice ' На кінець звітного періоду запаси у '& m2& ' разів більше робочого капіталу '

else …

Інтерпретатор системи “SF 2” – це модуль з багаторівневим лінгвістичним процесором, складеним з лексичного аналізатора, блоку визначення слів, чисел та констант, блоку трансляції у внутрішню формальну мову, використовує системні бібліотеки Visual Prolog та призначений для моделювання діалогу користувача і системи.

Модель БЗ в “SF2” має структуру в вигляді “дерева-графа”. Система автоматично рисує граф БЗ та дозволяє підключати, за потреби, модулі зовнішніх баз різних форматів у внутрішній формат програми, що робить систему гнучкою та незалежною від формата зовнішніх даних. Структура БЗ задається у вигляді направленого графу (рис. 2.38), вузли якого – модулі обробки даних, а ребра задають напрям і послідовність пошуку відповіді.

Рис. 2.38. Приклад структурного “дерева” бази знань

Процедури пошуку рішень залежать від особливостей предметної області та вимог, які пред'являють користувачі до цих рішень. Фахова предметна експертна область характеризується розміром, мінливістю її в часі та просторі, повнотою моделі, визначеністю даних про поставлену задачу, кількістю необхідних рішень (одне застосовне, або всі допустимі), обмеженнями на результат та параметри, засобом його отримання.

Метод пошуку рішення в просторі станів визначаємо трійкою , де  – безліч початкових станів системи (запит);  – безліч операторів, що відображають одні стани в інші;  – безліч кінцевих цільових станів системи.

Процес консультації в системі – це визначення такої послідовності операторів , які дозволять перетворити початковий стан системи в кінцевий. Процес консультації представляється у вигляді графу , де розуміють пару , де  – безліч вершин графу, кожна з яких пов'язана з певними станами.  — безліч пар  належить множині . В системі використано орієнтований граф, тобто для кожної пари  є порядок, а пара  – є дуга. У цьому разі пошук рішення задачі є шляхом на орієнтованому графі, де пари   належать , який приводить з початкового стану до цільового. В системі дугам графу можна надати евристичні вагові характеристики, які відображають їх пріоритетність в процесі обробки запиту. В цьому разі вибір шляху зводиться до мінімізації (максимізації) суми вагових характеристик дуг, котрі створюють цей шлях: .

Таким чином, граф задає простір можливих станів ПрО. Побудова простору консультацій здійснюється з допомогою “розкриттям вершин”: береться деяка вершина з безлічі початкових станів і до неї застосовуються всі можливі оператори, що породжують дочірні вершини. Цей процес продовжується до тих пір, поки не буде знайдена вершина, відповідна одному із цільових станів.

Пошук може здійснюватися або в глибину, або в горизонталі залежно від моделі знань. Процес розбиття задач на підзадачі представляється у вигляді орієнтованого графа  – “і/або” – граф. Кожна вершина “і/або” – графа є задачею (підзадачею) і може бути кон'юнктивною (“і” – вершиною) або диз'юнктивною (“або” – вершиною). Кон'юнктивні вершини разом з своїми дочірніми вершинами зводять рішення задачі до рішення всіх її підзадач, відповідних дочірнім вершинам.

В наступних версіях системи з метою скорочення часу пошуку рішень, передбачається використовувати евристичні методи пошуку та введення в БЗ системних правил. Системні правила можуть включати ступінь надійності, що забезпечує можливість евристичного пошуку рішення. Для цього в кожній вершині передбачається використання евристичної інформації, яка перед розкриттям вершини дозволяє визначити ступінь її перспективності для реалізації певного запиту. Оцінка перспективності визначається на основі обраної функції оцінювання, в якій задаються різного роду семантичні обмеження.

Редактор БЗ, необхідний для підтримки БЗ її доповнення, аналізування помилок програми, перевірки коректності синтаксису правил на несуперечність при змінах, автоматизує процеси редагування та придбання знань, що здійснюються користувачем-експертом, та записує базу в файл.

Редактор відображає граф моделі бази на екрані монітора, параметри вершин графу, надає користувачу можливість редагувати програми, пов'язані з вершинами, та їх трансляцію. Трансляція початкової програми здійснюється в проміжний код, оскільки це дозволяє істотно прискорити логічний висновок в цілому.

При створенні вершини графу редактор перевіряє синтаксис змінних, діагностує помилки, зберігає і трасує граф знань. Знання при цьому розділяються на декларативні і процедурні. Для запису декларативних та процедурних знань створення графу застосована спеціалізована внутрішня мова інтерпретатора системи “SF 2”. Семантичні мовні інструкції та функції інтерпретатора “SF 2” приведені в табл. 2.6.

Таблиця 2.6

⇐ Предыдущая234567891011Следующая ⇒

Поделиться: