Экспертные системы

1. Экспертная система
Экспертная система (ЭС) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. [1] Современные экспертные системы начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х годах получили коммерческое подкрепление. Предшественники экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например, определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.
Для того чтобы совершать подвиги обычного человеческого интеллекта, экспертная система опирается на два компонента: базу знаний и механизм вывода. База знаний - это организованная коллекция фактов о предметной области системы. Механизм вывода интерпретирует и оценивает факты в базе знаний, чтобы дать ответ. Типичные задачи для экспертных систем включают классификацию, диагностику, мониторинг, проектирование, составление графиков и планирование специализированных мероприятий.
Факты для базы знаний должны быть получены от человеческих экспертов через интервью и наблюдения. Затем эти знания обычно представляются в виде правил «если-то» (правил производства): «Если какое-то условие истинно, то можно сделать следующий вывод (или предпринять какое-либо действие)». База знаний крупной экспертной системы включает в себя тысячи правил. Фактор вероятности часто прилагается к заключению каждого правила производства и к окончательной рекомендации, потому что заключение не является достоверным. Например, система диагностики заболеваний глаз может указывать, на основе предоставленной информации, 90-процентную вероятность того, что у человека глаукома, и может также перечислять выводы с более низкой вероятностью. Экспертная система может отображать последовательность правил, с помощью которой она пришла к своему выводу; отслеживание этого потока помогает пользователю оценить достоверность его рекомендаций и является полезным инструментом обучения для студентов.
Специалисты часто используют эвристические правила или «практические правила» в дополнение к простым правилам производства, таким как те, которые взяты из технических руководств. Таким образом, кредитный менеджер может знать, что соискатель с плохой кредитной историей, но с хорошей репутацией с момента получения новой работы, на самом деле может быть хорошим кредитным риском. Экспертные системы включают в себя такие эвристические правила и все чаще имеют возможность учиться на опыте. Экспертные системы остаются вспомогательными, а не заменяют человеческих экспертов.

2. Структура и режимы функционирования экспертной системы
2.1 Структура
Структура экспертной системы (ЭС) состоит из следующих компонентов:
− Интерфейс пользователя;
− Пользователь;
− Интеллектуальный редактор базы знаний;
− Эксперт;
− Инженер по знаниям;
− Рабочая (оперативная) память;
− База знаний;
− Решатель (механизм логического вывода (МЛВ));
− Подсистема объяснений.
База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от направленности ЭС, даёт рекомендации по разрешению проблемы. [2]
Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.
В рамках логической модели базы знаний могут основываться, например, на языке программирования Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщённых и конкретных сведений, а также конкретных и обобщённых запросов к базам данных и базам знаний.
Конкретные и обобщённые запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщённые и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.
Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. [3] Характеристики, значения которых зависят от условий конкретной задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти. Например, в медицинской ЭС факт «У здорового человека 2 ноги» хранится в базе знаний, а факт «У пациента одна нога» — в рабочей памяти.
База знаний ЭС создаётся при помощи трёх групп людей:
1 Эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;
2 Инженеры по знаниям, являющиеся специалистами по разработке ИИС;
3 Программисты, осуществляющие реализацию ЭС.
2.2 Режимы функционирования
ЭС может функционировать в 2-х режимах.
− Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС;
− Режим консультации — пользователь ведёт диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.
4
3. Классификация и этапы разработки экспертных систем
3.1 Классификация
Классификация ЭС по решаемой задаче:
− Интерпретация данных;
− Диагностирование;
− Мониторинг;
− Проектирование;
− Прогнозирование;
− Сводное планирование;
− Оптимизация;
− Обучение;
− Управление;
− Ремонт;
− Отладка.
Классификация ЭС по связи с реальным временем:
− Статические — решающие задачи в условиях не изменяющихся во времени исходных данных и знаний;
− Квазидинамические — интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени; [4]
− Динамические — решающие задачи в условиях изменяющихся во времени исходных данных и знаний.
3.2 Этапы разработки
− Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей;
− Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач;
− Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями;
− Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоёмким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач;
− Реализация ЭС — создаётся один или несколько прототипов ЭС, решающие требуемые задачи;
− Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.


4. Наиболее известные экспертные системы
4.1 CLIPS
CLIPS - это общедоступный программный инструмент для построения экспертных систем. Название является аббревиатурой от «Интегрированная производственная система языка C». Синтаксис и название были вдохновлены OPS5 Чарльза Форги. Первые версии CLIPS были разработаны, начиная с 1985 года в космическом центре НАСА имени Джонсона, и до середины 1990-х годов, когда обязанности группы разработчиков перестали концентрироваться на технологии экспертных систем. [5] Первоначальное название проекта - «Язык искусственного интеллекта НАСА» (NAIL). CLIPS, вероятно, является наиболее широко используемым инструментом экспертной системы. Сам CLIPS написан на C, расширения могут быть написаны на C, а CLIPS может быть вызван из C. Его синтаксис напоминает синтаксис языка программирования Lisp. CLIPS включает в себя полный объектно-ориентированный язык для написания экспертных систем. COOL объединяет парадигмы программирования процедурного, объектно-ориентированного и логического (доказательство теорем) языков.

4.1 Wolfram Alpha
WolframAlpha (также называется Wolfram | Alpha) - это вычислительный механизм знаний или механизм ответов, разработанный Wolfram Alpha LLC, дочерней компанией Wolfram Research. Это онлайн-сервис, который отвечает на фактические запросы напрямую, вычисляя ответ из «кураторских данных» из внешних источников, а не предоставляет список документов или веб-страниц, которые могут содержать ответ, как это может сделать поисковая система.
WolframAlpha, выпущенная 18 мая 2009 года, основана на более раннем флагманском продукте Wolfram Wolfram Mathematica, вычислительной платформе или инструментарии, включающем возможности компьютерной алгебры, символьных и числовых вычислений, визуализации и статистики. Дополнительные данные собираются как с академических, так и с коммерческих веб-сайтов, таких как ЦРУ, The World. Factbook, Геологическая служба США, публикация библиотеки Корнелльского университета под названием «Все о птицах», Биографический словарь Chambers, Dow Jones, Каталог жизни, CrunchBase, Best Buy, FAA и, опционально, учетная запись Facebook пользователя.

Заключение
Замена существующих прикладных программ экспертными системами кардинально повысит эффективность компьютеров и улучшит современный мир.
Создание ЭС массового применения могли бы сильно повысить производительность труда во всех областях деятельности человека.
В не очень далекой перспективе развития ЭС, можно представить, что каждый человек сможет получить неограниченные возможности заинтересованного и активного персонального общения, которые сегодня обеспечивают коммерческий успех социальный сетей и поисковых программ Интернет. Общение с виртуальными интеллектуальными личностями кардинально изменят не только парадигму общения человека с компьютером, но и сами основы экономической деятельности общества.

Экспертная система, компьютерная программа, которая использует методы искусственного интеллекта для решения проблем в специализированной области, которая обычно требует человеческих знаний. Первая экспертная система была разработана в 1965 году Эдвардом Фейгенбаумом и Джошуа Ледербергом из Стэнфордского университета в Калифорнии, США. Дендраль, как позже стало известно об их экспертной системе, был разработан для анализа химических соединений. Экспертные системы в настоящее время имеют коммерческое применение в таких разных областях, как медицинская диагностика, нефтяное машиностроение и финансовые инвестиции.

Введение​3
1. Экспертная система​4
2. Структура и режимы функционирования экспертной системы​6
2.1 Структура​6
2.2 Режимы функционирования​7
3. Классификация и этапы разработки экспертных систем​8
3.1 Классификация​8
3.2 Этапы разработки​8
4. Наиболее известные экспертные системы​10
4.1 CLIPS​10
4.1 Wolfram Alpha​10
Заключение​12
Список использованной литературы​13