Шпаргалка: Предмет и объект прикладной информатики
База знаний – ядро экспертной системы, совокупность знаний предметной области, записанная на машинном носителе в форме, понятной эксперту и пользователю.
Интеллектуальный редактор базы знаний – программа, представляющая инженеру-когнитологу и программисту возможность создавать базу знаний в диалоговом режиме. Включает в себя системы вложенных меню, шаблонов языка представления знаний, подсказок (help – режим) и других сервисных средств, облегчающих работу с базой знаний.
Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с экспертной системой на стадии как ввода информации, так и получения результатов.
Решатель – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в базе знаний. Существуют синонимы: дедуктивная машина, блок логического вывода.
Подсистема объяснений – программа, позволяющая пользователю получать ответы на вопросы: «Как была получена та или иная рекомендация ?» и «Почему система приняла такое решение ?» Ответ на вопрос «как ?» – это трассировка всего процесса получения решения с указанием исполняющих фрагментов базы знаний, т.е. всех шагов цепи умозаключений. Ответ на вопрос «почему ?» – ссылка на умозаключение, непосредственно предшествовавшее полученному решению, т.е. отход на один шаг назад.
В коллектив разработчиков экспертной системы входит : эксперт; инженер-когнитолог; программист; пользователь.
Возглавляет коллектив инженер-когнитолог. Это ключевая фигура при разработке систем, основанных на знаниях. Обычно это руководитель проекта, в задачу которого входит организация всего процесса создания экспертной системы. С одной стороны, он должен быть специалистом в области искусственного интеллекта, а с другой – разбираться в предметной области, общаться с экспертом, извлекая и формализуя его знания, передавать их программисту, кодирующему и помещающему их в базу знаний экспертной системы. Процесс обучения экспертной системы может производиться автоматически с помощью обучающего алгоритма либо путем вмешательства инженера-когнитолога, выполняющего роль учителя.
Экспертная система работает в двух режимах: приобретения знаний и решения задач или консультаций.
В режиме приобретения знаний происходит формирование базы знаний.
В режиме решения задач общение с экспертной системой осуществляет конечный пользователь.
Системы продукций - это набор правил, используемый как база знаний, поэтому его еще называют базой правил. В Стэндфордской теории фактор уверенности CF (certainty factor) принимает значения от +1 (максимум доверия к гипотезе) до -1 (минимум доверия). Продукционная система - способ представления знаний в виде:
- неупорядоченной совокупности продукционных правил;
- рабочей памяти; и
- механизма логического вывода
Этапы и технология разработки
В процессе разработки экспертные системы проходят определенные стадии, в результате которых создаются различные версии, называемые прототипами:
Демонстрационный прототип – экспертная система, которая решает часть требуемых задач, демонстрируя жизнеспособность метода инженерии знаний. Демонстрационный прототип работает имея в базе знаний всего 50 – 100 правил. Время разработки такой экспертной системы – от 1 месяца до 1 года.
Исследовательский прототип – экспертная система, которая решает все требуемые задачи, но неустойчива в работе и не полностью проверена. База знаний содержит 200 – 500 правил. Разработка занимает 3 – 6 месяцев.
Действующий прототип – надежно решает все задачи, но для решения сложных задач может потребоваться много времени и памяти. Количество правил – 500 – 1000. Время разработки этапа – 6 – 12 месяцев.
Промышленная экспертная система обеспечивает высокое качество решения всех задач при минимуме времени и памяти, что достигается переписыванием программ с использованием более совершенных инструментальных средств и языков низкого уровня. База знаний содержит 1000 – 1500 правил. Время разработки – 1-1,5 года.
Коммерческая экспертная система отличается от промышленной тем, что помимо собственного использования она может продаваться различным потребителям. База знаний содержит 1500 – 3000 правил. Время разработки – 1,5 – 3 года. Стоимость – 0,3 – 5 млн. дол.
В настоящее время уже сложилась определенная технология разработки экспертных систем, которая состоит из следующих этапов, схематически изображенных на рис. 2.5:
1. Идентификация (постановка задачи). На этапе устанавливаются задачи, которые подлежат решению, выявляются цели разработки, требования к экспертной системе, ресурсы, используемые понятия и их взаимосвязи, определяются методы решения задач. Цель этапа – сформулировать задачу и охарактеризовать поддерживающую ее базу знаний и таким образом обеспечить начальный импульс для развития базы знаний.
2. Концептуализация. Проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
3. Формализация . Определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, оценивается адекватность целям системы зафиксированных понятий, методов решения, средств представления и манипулирования знаниями.
4. Выполнение. Осуществляется наполнение экспертом базы знаний. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном экспертной системе. Из-за эвристического характера знаний их приобретение является весьма трудоемким.
5. Тестирование. Эксперт и инженер по знаниям в интерактивном режиме, используя диалоговые и объяснительные средства, проверяют компетентность экспертной системы. Процесс тестирования продолжается до тех пор, пока эксперт не решит, что система достигла требуемого уровня компетентности.
6. Опытная эксплуатация. Проверяется пригодность экспертной системы для конечных пользователей. По результатам этого этапа может потребоваться модификация экспертной системы.
7. Модификация. В ходе создания экспертной системы почти постоянно производится ее модификация: переформулирование понятий и требований, переконструирование представления знаний и усовершенствование прототипа.