Экспертные системы — это системы, которые должны облегчить жизнь человеку при помощи каких-либо задач, связанных с наработкой опыта.
Термины «заменить» или «облегчить» можно объяснить на примере наиболее известной экспертной системы «Яндекс. Гуру», которая помогает пользователю выбрать подходящую для себя модель из предложенных вариантов техники. Другие примеры таких систем: MYCIN (для диагностики инфекционных заболеваний) и PROSPECTOR (используется для разведки полезных ископаемых). В разработке системы PROSPECTOR принимало участие 10 экспертов, в результате эта система нашла источник полезных ископаемых, которое ни один из этих экспертов найти самостоятельно не смог.
Хотя обычно, несмотря на все попытки экспертных систем работать на уровне среднего специалиста в своей области, они не могут заменить действующих профессиональных экспертов. С другой стороны, экспертные системы оказываются очень полезными в обучении начальных специалистов. Так же была попытка создания системы, которая является базой знаний всего. В ней используется мощный язык логики предикатов, который является более мощным, чем пролог.
Достоинства экспертных систем:
− постоянство и стабильность,
− простота передачи информации,
− устойчивость получаемых результатов,
− более низкая стоимость разработки и эксплуатации таких систем.
Недостатки экспертных систем:
− предназначены для узкой предметной области,
− качество работы зависит от качества БЗ,
− не способны к самообучению,
− необходимо обновлять программные средства.
Экспертная система может функционировать в 2-х режимах:
− режим ввода знаний.
− режим консультации.
Три группы людей, которые создают базы знаний экспертной системы:
− эксперты данной проблемной области,
− инженеры по знаниям, которые должны овладеть методами представления знаний,
− программисты.
Инженер по знаниям — формирует эту базу знаний. Рабочая память которой представляет пару значений. Соответственно процесс логического вывода — это поиск пространственных состояний. Где пространственное состояние — это состояние решения задачи, что составляет комбинацию рабочей памяти, а правило перехода — это правило базы знаний, которые дают нам переход из одного состояния в другое.
Классификация экспертных систем:
Рис. 1. Основные компоненты экспертных систем
База данных используется для хранения исходных и промежуточных данных решаемой задачи.
Базы знаний предназначены для хранения долгосрочных данных, которые описывают рассматриваемую предметную область, а так же правил, используемых для оперирования этими данными. Факты в базе знаний характеризуют объекты и явления, которые в данной предметной области являются постоянными.
Решатель формирует последовательность правил, которая обеспечивает решение поставленной задачи.
Интеллектуальный редактор базы знаний предназначен для автоматизации работы пользователя по наполнению экспертные системы новыми знаниями.
Подсистема объяснения выводит пояснение способа решения поставленной задачи и использованных для этого знаний.
Пользовательский интерфейс предназначен для организации общения такой системы с пользователями на всех этапах работы.
Характерные черты экспертных систем:
− наличие четко ограниченной предметной области
− возможность принятия решений в условиях неопределенности
− способность таких систем объяснять мотивы и результат принимаемого решения
− четкое разделение фактов и выводов
− возможность постоянного пополнения базы знаний и наращивания системы, а так же ее обучения в процессе эксплуатации
− вывод результата в форме рекомендаций по перечню конкретных действий
− ориентация на решение трудно формализуемых и не формализуемых задач принятия решений.
Необходимо отметить, что экспертные системы это реально работающие программное обеспечение, которое реально применяется на практике в различных областях. То есть это реально работающий продукт, который был и остается коммерчески выгодным. Экспертные системы можно интегрировать в работу сразу и просто всегда доверять ее выводам, а можно перепроверять их интуицией. Экспертная система объясняет, как и почему она пришла своими умозаключениями к данным выводам. Они до сих пор применяются в самых разных областях. Например, используется в медицине, юриспруденции, энергетике, геологоразведке и так далее. Однако не все знания, которые были заложены в таких системах будут актуальны всегда, так как требуется их постоянное обновление.
Система ограничены в использовании, потому что не они не могут быть применены к чему угодно. База знаний существуют в естественном виде в медицине. Например, в Западной медицине есть вполне конкретное критерий когда выставляются тот или иной диагноз и вполне конкретные рекомендации, какой анализ следует назначать пациенту. Данные протоколы выставляют страховые компании, которые оплачивают лечение в рамках этой программы.
В юриспруденции эта база просто есть. Потому что, юриспруденция всегда основывается на законах, вот эти законы, комментарии к ним, записки, прецеденты, это все формирует базу знаний. Она уже есть, ее нужно только запрограммировать. Но для того что бы написать эту базу с нуля и для того что бы эксперт переложил весь свой опыт в компьютерную систему нужно очень много времени, потому что как оказалось эксперты далеко не всегда могут сформулировать то, что они знают. Они просто знают это! Например, эксперт, просто видя автомобиль, говорит: нет, это не надежно, здесь плохо, здесь ненадежно, здесь не экономично, это никому не понравится, это надо переделать. Он знает это, но он не знает почему он это знает. Он часто не способен изложить свои компетенции, свои знания в таком сухом языке математической логики. И часто это просто невозможно, это неформализованный опыт, – опыт который нельзя просто так взять и записать. Более того оказалось, что разные эксперты дают разные базы знаний и разные базы правил, несовместимые друг с другом подчас противоречивые. Поэтому создать какие-то универсальные правила работы производства, инженерных знаний не удалось. Слишком долго, слишком трудно и каждый раз получается, что то новое. Здесь нет хорошо формализованного знания, настолько, насколько оно есть в медицине или в юриспруденции.
В инженерных производствах мир меняется настолько быстро, что эксперты за ним не успевают. Например, эксперт начал описывать свойства некоторой производственной линии. Он долго на ней проработал и он начал записывать в компьютерную программу те знания, которые он получил, а производственную линию взяли и заменили, пока он это делал. И эксперт может адаптироваться к этим изменениям, он может посмотреть на новую производственную линию, на новый производственный процесс. И через некоторое время он научится работать с этой производственной линией. А экспертная система самостоятельно этому не научится. Она потребует от эксперта, чтобы он снова вложи все свое знание в компьютерную программу. И пока он это делает, производственный процесс опять успеет устареть, выпустят новую производственную линию и так далее, и так далее. То есть реально оказывалось, что применение экспертных систем к инженерным производствам просто не оправдано. Мы не успеваем за быстро меняющемся миром. Пока мы пишем базу знаний, у нас успевает измениться мир о котором мы эти знания собираем.
И оказалось, что для физических задач, в том числе и для инженерных задач, этот подход просто не оптимален. В тоже время успешно создавались программы, которые позволяют моделировать механизмы и их свойства и исследовать с помощью моделирования как те или иные параметры этого механизма влияют на его работу. И оказалось, что подбор оптимальных параметров по такой методике гораздо лучше, гораздо эффективнее и быстрее чем построение экспертных систем. То есть узкоспециальное программное обеспечение, которое заточено именно на решение инженерных вопросов оказалось гораздо эффективнее, чем универсальное программное обеспечение, которое способно решить любую задачу, но которую нужно затачивать под эту задачу с помощью формирований баз знаний. Поэтому экспертные систему не прижились в этой области.
Каково настоящие экспертных систем: они продолжают применяться на практике, они применяются в своих традиционных областях. Кроме того они применяются в интернете, потому что интернет дает возможность неограниченному числу людей получать свободный доступ к компьютерным системам, а значит можно предложить этим людям услуги эксперта, услуги этого искусственно-интеллектуального эксперта. Кроме того в связи с развитием интернета, экспертные системы начинают применяться, например для технической поддержки. И эта техническая поддержка оказывается встроенной уже в операционную систему.
Конечно, это уже не те экспертные системы, которые создавались в 80-е., это небольшие программные продукты, с небольшим количеством правил. Зато в них иногда интегрированы средства не только постановки диагноза, но и решение проблем, как в случае с починкой интернета на компьютере средствами операционной системы. Иногда в этих системах нет как таковой базы правил, а просто запрограммировано дерево вопросов и ответов, это делает их работу более предсказуемой, но лишает систему способности к росту, потому что мы не можем просто взять и дописать туда новых правил, а нужно доработать дерево вопросов и ответов вручную. То есть экспертные системы это не только пример первого успеха искусственного интеллекта, это не только пример того, как можно использовать логику высказываний, но это рабочая идея, которая успешно применялась раньше и которая успешно применяется до сих пор.
Итак, экспертные системы важны для автоматизации многих процессов и значительно упрощают выполнение многих задач. Поэтому сейчас их создано огромное количество в различных сферах деятельности человека.
