Типовая структура экспертной системы

Современные экспертные системы включают, как правило, следующие компоненты (рис. 1):

• подсистему приобретения знаний;

• базу знаний;

• машину вывода;

• доску объявлений (рабочую память);

• интерфейс пользователя;

• подсистему объяснения;

• подсистему совершенствования вывода и «очищения» знаний.

Подобная структура обеспечивает пользователю возможность наполнения ЭС необходимыми данными и знаниями и проведение консультаций с системой при решении конкретных задач. При этом среда разработки используется создателем ЭС для введения и представления экспертных знаний, а среда консультации доступна пользователям (неэкспертам) для получения экспертных знаний и советов.

Рис. 1. Типовая структура экспертной системы

Подсистема приобретения знаний. Приобретение знаний – это сбор, передача и преобразование опыта решения проблем из некоторых источников знаний в компьютерные программы при их создании или расширении. Потенциальные источники знаний включают людей-экспертов, учебники, базы данных, исследовательские отчеты, собственный опыт пользователей.

Извлечение знаний из экспертов – сложная задача, представляющая узкое место в создании ЭС. Для построения базы знаний необходим инженер по знаниям, помогающий эксперту структурировать его знания о предметной области, интерпретируя и интегрируя ответы на вопросы, находя аналогии, предлагая контрпримеры и выявляя концептуальные трудности.

База знаний. Информация в базе знаний – это все необходимое для понимания, формирования и решения проблемы. Она содержит два основных элемента: факты (данные) из предметной области и специальные эвристики или правила, которые управляют использованием фактов при решении проблем.

База знаний часто включает метаправила (правила о правилах) для решения проблем и получения выводов. Эвристики выражают формальные суждения о предметной области. Именно знания, а не чистые факты являются первичным материалом для ЭС. Информация базы знаний инкорпорируется в компьютерную программу в процессе представления знаний.

Машина вывода. «Мозгом» ЭС является машина вывода, известная также как управляющая структура или интерпретатор правил (в ЭС, основанных на правилах).

Этот компонент – компьютерная программа, поддерживающая методологию обработки информации из базы знаний, получение и представление заключений и рекомендаций. Машина вывода посредством формирования и организации последовательности шагов, предпринимаемых для решения проблемы (так называемой «повестки» – agenda), управляет использованием системных знаний.

Основными элементами машины вывода являются:

• интерпретатор (интерпретатор правил в большинстве систем), который выполняет выбранную повестку, применяя соответствующие правила из базы знаний;

• планировщик, который управляет процессом выполнения повестки, оценивая эффект применения различных правил с точки зрения приоритетов или других критериев.

Доска объявлений (Blackboard) – область рабочей памяти, выделенной для описания текущей проблемы, специфицированной входными данными; используется также для записи промежуточных результатов. На доску объявлений записываются текущие гипотезы и управляющая информация: план – какая стратегия выбрана для решения проблемы; повестка – потенциальные действия, ожидающие выполнения; решения – гипотезы и альтернативные способы действий, сгенерированные системой.

Интерфейс пользователя. ЭС содержат языковой процессор для дружественного, проблемно-ориентированного общения между пользователем и компьютером. Это общение может быть организовано с помощью естественного языка, сопровождаться графи кой или многооконным меню.

Подсистема объяснения. Возможность проверки соответствия выводов их посылкам имеет важное значение как при передач опыта, так и при решении проблем. Подсистема объяснения может проследить это соответствие и объяснить поведение ЭС, интерактивно отвечая на вопросы типа: «Как было получено некоторое заключение?», «Почему некоторая альтернатива была отвергнута?» «Каков план получения решений?».

Совершенствование вывода и «очищение» знаний. Люди-эксперты могут анализировать свою собственную работу, опыт, знания и улучшать их. Аналогично такая оценка необходима и для компьютерной системы, чтобы программа была способна анализировать причины своего успеха или неудачи. Это приведет к улучшению представления знаний в базе знаний и совершенствованию логического вывода. Данные компоненты отсутствуют в настоящее время в коммерческих ЭС, однако они активно разрабатываются в рамках исследований по машинному обучению.

В процессе решения задачи ЭС проводит двусторонний диалог с пользователем, запрашивая его о фактах, касающихся конкретного случая. После получения ответов ЭС пытается получить заключение. Эта попытка осуществляется машиной вывода, решающей, какая стратегия эвристического поиска должна быть использована для определения порядка применения к данной проблеме знаний из базы знаний. Пользователь может запросить объяснение поведения ЭС и ее заключений. Качество вывода определяется методом, выбранным для представления знаний, объемом базы знаний и мощностью машины вывода. Приведенная структура ЭС является весьма обобщенной. Большинство ЭС не содержат, например, компоненты совершенствования вывода и «очищения» знаний. Кроме того, в содержании и возможностях каждой из компонент существует большое разнообразие.