Рекомендации по выбору экспертной системы

Рекомендации по выбору экспертной системы

На этапе реализации экспертной системы происходит физическое наполнение базы знаний и настройка всех программных механизмов в рамках выбранного инструментального средства, а при необходимости - и программирование специализированных модулей.

Особенности реализации экспертной системы во многом определяются характером инструментального средства, в качестве которого могут выступать программные оболочки (shells), генераторы (интегрированные среды), языки представления знаний (языки программирования).

Оболочки имеют реализованные механизмы вывода, накопления, объяснения знаний, диалоговый компонент, что, с одной стороны, упрощает разработку программной части экспертной системы, поскольку не требуется программирование, а с другой стороны, усложняет разработку базы знаний вследствие возможного несоответствия системы требованиям структуры.

Использование языков представления знаний, таких как язык логического программирования PROLOG, язык функционального программирования LISP, язык объектно-ориентированного программирования SmallTalk, язык продукционных правил ОPS5 и другие, повышает гибкость разрабатываемой системы и одновременно увеличивает трудоемкость разработки.

Скелетные оболочки. Наиболее распространенными инструментальными средствами для создания экспертных систем являются генераторы или интегрированные среды разработки, например, G2 (фирма Gensym, дистрибьютор фирма ArgusSoft), ART-Enterprise (фирма Inference, дистрибьютор фирма "Метатехнология"), GURU (фирма MDBS, дистрибьютор фирма "ЦПС", Тверь).

Указанные среды позволяют настраивать программные средства на особенности проблемных областей. При необходимости предоставляют возможность программировать на встроенных языках и осуществлять эффективный экспорт/импорт данных с другими инструментальными средствами.

Проблемно- и предметно-ориентированные системы. Преимущество предметно-ориентированных систем заключается в более простой адаптации к конкретной предметной области, а следовательно, и в сокращении затрат на разработку. Например, интеллектуальная система для разработки финансовых приложений Cogensys Judgment Software (Cogensys Corp) стоит 200 тыс. долл.

Экспертные системы реального времени. Среди специализированных инструментальных средств интеллектуальных систем основной удельный вес занимают экспертные системы реального времени, позволяющие динамически управлять непрерывными процессами (70% рынка).

Бесспорным лидером в разработке экспертных систем реального времени является фирма Gensym с инструментальным средством G2 (дистрибьютор в России - фирма ArgusSoft), имеющая внедрения в таких компаниях, как IBM, NASA, General Electric, Nissan и др.

На базе G2, в свою очередь, созданы такие проблемно-ориентированные комплексы, как GDA для решения задач диагностики, разработки, ReThink для моделирования бизнес-процессов (бизнес-реинжиниринга), NeurOnline для поддержки нейронной сети, IPS для решения задач динамического планирования, FaultExpert для управления телекоммуникациями и др.

Например, G2 (фирма Gensym, дистрибьютор фирма ArgusSoft), ART-Enterprise (фирма Inference, дистрибьютор фирма "Метатехноло-гия"), GURU (фирма MDBS, дистрибьютор фирма "ЦПС", Тверь), которые позволяют настраивать программные средства на особенности проблемных областей, при необходимости предоставляют возможность программировать на встроенных языках и осуществлять эффективный экспорт/импорт данных с другими инструментальными средствами.

Отечественные экспертные системы. Среди отечественных разработок следует отметить экспертную оболочку ЭКО (ArgusSoft) и программный комплекс SIMER-MIRAGE (Исследовательский центр искусственного интеллекта ИПС РАН), который предоставляет инструментальные средства как автоматизации разработки, так и поддержки экспертных систем.

В процессе жизненного цикла разработки экспертной системы инструментальные средства могут сменять друг друга по мере расширения базы знаний. Так, на этапе проектирования прототипа требуется его быстрая разработка в ущерб производительности, в то время как на этапе разработки промышленной версии на первый план выходит обеспечение эффективности функционирования.

На выбор инструментальных средств экспертной системы, в основе которых лежит определенный метод представления знаний, ос-новное влияние оказывает класс решаемых задач (проблемных областей). И прежде всего, характер полученной концептуальной модели, определяющий множество требований в части отображения объектов, действий над объектами, методов обработки неопределенностей, механизмов вывода.

Инструментальные средства, в свою очередь, характеризуются определенными возможностями по реализации этих требований.

Сущность алгоритма выбора инструментальных средств сводится к наложению требований проблемной области на возможности инструментальных средств и определению наилучших по заданным ограничениям (таблица 12.2).

В таблице 12.3. оценки инструментальных средств для решения различных классов задач заданы в рангах.

В качестве других критериев, по которым можно судить о возможности создания экспертной системы, следует отметить следующие:

• наличие экспертов, компетентных в избранном круге вопросов, которые согласны сотрудничать при создании ЭС;
• поставленная проблема должна быть достаточно важной и актуальной. Это могут быть проблемы, требующие высокого уровня экспертизы, либо простые, но трудоемкие, многократно повторяющиеся проверки. Нет смысла тратить время на решение проблем, которые возникают редко и могут быть разрешены человеком с обычной квалификацией;
• необходимо четко ограничивать круг решаемых задач, т. е. предметная область выбирается достаточно узкой, чтобы избежать "комбинаторного взрыва" объема информации, необходимой для компетентного решения поставленной задачи;
• необходима согласованность мнений экспертов о том, как следует решать поставленные задачи, какие факты необходимо использовать и каковы общие правила вынесения суждений. В противном случае невозможно расширить базу знаний за пределы опыта одного человека и осуществить синтез экспертных знаний из нескольких областей;
• должно быть достаточно исходных данных для проверки работоспособности экспертной системы в выбранной предметной обла-сти, чтобы разработчики смогли убедиться в достижимости некоторого заданного уровня ее функционирования;
• должна обеспечиваться возможность постепенного наращивания системы. База знаний должна легко расширяться и коррек-тироваться, так как правила часто меняются с появлением новых фактов.