Экспертные системы: искусственный интеллект как научное направление

Лекция № 9

Центральная парадигма интеллектуальных технологий сегодня — это обработка знаний. Системы, ядром которых является база знаний или модель предметной области, описанная на языке сверхвысокого уровня, приближенном к естественному, называют интеллектуальными. Будем называть такой язык сверхвысокого уровня — языком представления знаний (ЯПЗ). Чаще всего интеллектуальные системы (ИС) применяются для решения сложных задач, где основная сложность решения связана с использованием слабо-формализованных знаний специалистов-практиков и где логическая (или смысловая) обработка информации превалирует над вычислительной. Например, понимание естественного языка, поддержка принятия решения в сложных ситуациях, постановка диагноза и рекомендации по методам лечения, анализ визуальной информации, управления диспетчерскими пультами и др.

Наиболее распространенным видом ИС являются экспертные системы.

Экспертные системы (ЭС) — это наиболее распространенный класс ИС, ориентированный на тиражирование опыта высококвалифицированных специалистов в областях, где качество принятия решения традиционно зависит от уровня экспертизы, например, медицина, юриспруденция, геология, экономика, военное дело и др.

ЭС эффективны лишь в специфических «экспертных» областях, где важен эмпирический опыт специалистов. Ежегодно крупные фирмы разрабатывают десятки ЭС типа «in-house» для внутреннего пользования. Эти системы интегрируют опыт специалистов компании по ключевым и стратегически важным технологиям. В начале 90-х годов появилась новая наука — «менеджмент знаний» (knowledge management), ориентированный на методы обработки и управления корпоративными знаниями.

Современные ЭС — это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и распространяющие этот эмпирический опыт для консультирования менее квалифицированных пользователей. Разработка экспертных систем, как активно развивающаяся ветвь информатики, направлена на использование ЭВМ для обработки информации в тех областях науки и техники, где традиционные математические методы моделирования малопригодны. В этих областях важна смысловая и логическая обработка информации, важен опыт экспертов.

Приведем некоторые условия, которые могут свидетельствовать о необходимости разработки и внедрения экспертных систем (частично из [Уотерман, 1989]):

· нехватка специалистов, затрачивающих значительное время для оказания помощи другим;

· выполнение небольшой задачи требует многочисленного коллектива специалистов, поскольку ни один из них не обладает достаточным знанием;

· сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть (за отведенное время) все эти условия;

· большое расхождение между решениями самых хороших и самых плохих исполнителей;

· наличие конкурентов, имеющих преимущество в силу того, что они лучше справляются с поставленной задачей.

Подходящие задачи имеют следующие характеристики:

· являются узкоспециализированными;

· не зависят в значительной степени от общечеловеческих знаний или соображений здравого смысла;

· не являются для эксперта ни слишком легкими, ни слишком сложными. (Время, необходимое эксперту для решения проблемы, может составлять от трех часов дол трех недель.)

Экспертные системы достаточно молоды — первые системы такого рода, MYCIN [Shortliffe, 1976] и DENDRAL [Buchanan, Feigenbaum, 1978], появились в США в середине 70-х годов. В настоящее время в мире насчитывается несколько тысяч промышленных ЭС, которые дают советы:

· при управлении сложными диспетчерскими пультами, например сети распределения электроэнергии, — Alarm Analyser [Walker, Miller, 1987];

· при постановке медицинских диагнозов — ARAMIS [Shortliffe, Buchanan, Feigenbaum, 1979], NEUREX [Reggia, 1988];

· при поиске неисправностей в электронных приборах, диагностика отказов контрольно-измерительного оборудования — Intelligence Ware [Slagle, Gardiner, Kyungsook, 1990], Plant Diagnostics [Уотерман, 1989], FOREST [Finin, McAdams, Kleinosky, 1984];

· по проектированию интегральных микросхем — DAA [Сойер, Фостер, 1988], NASL[Walker, Miller, 1988], QO [Pega, Sticklen, Bond, 1993];

· по управлению перевозками — AIRPLAN [Masui, McDermott, 1983];

· по прогнозу военных действий — ANALYST [Bonasso, 1984], BATTLE [Slagle, Gaynor, 1983];

· по формированию портфеля инвестиций, оценке финансовых рисков — RAD [Kestelyn, 1992]; налогообложению — RUNE [Durkin, 1998] и т. д.

Главное отличие ИС и ЭС от других программных средств — это наличие базы знаний (БЗ), в которой знания хранятся в форме, понятной специалистам предметной области, и могут быть изменены и дополнены также в понятной форме. Это и есть языки представления знаний — ЯПЗ.

До последнего времени именно различные ЯПЗ были центральной проблемой при разработке ЭС. Сейчас существуют десятки языков или моделей представления знаний. Наибольшее распространение получили следующие модели:

· продукции (OPS [Forgy, 1981], ROSIE [Fain, Hayes-Roth, Sowizral, Waterman, 1982]);

· семантические сети (SIMER+MIR [Осипов, 1997]; NET [Цейтин, 1985]);

· логическое программирование (ПРОЛОГ [Макалистер, 1990; Стерлинг, Шапиро, 1990]);

· объектно-ориентированные языки (SNALLTALK [Goldberg, Robson, 1983; Буч, 1993], CLOS [Pega, Sticklen, Bond, 1993]).

Для перечисленных выше моделей существует соответствующая математическая нотация, разработаны системы программирования, реализующие эти ЯПЗ, и имеется большое количество реальных коммерческих ЭС.

Современное состояние разработок в области ЭС в России можно охарактеризовать как стадию все возрастающего интереса среди широких слоев специалистов — финансистов, топ-менеджеров, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. В последние годы этот интерес имеет пока достаточно слабое материальное подкрепление — явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций, ограниченное финансирование исследований в этой области, слабы отечественный рынок программных продуктов для разработки ЭС.

Поэтому появляется возможность распространения «подделок» под экспертные системы в виде многочисленных диалоговых систем и интерактивных пакетов прикладных программ, которые дискредитируют в глазах пользователей это чрезвычайно перспективное направление специалистов в области искусственного интеллекта, которых пока выпускают небольшое количество высших учебных заведений страны.

Наибольшие трудности в разработке ЭС вызывают сегодня не процесс машинной реализации систем, а домашинный этап анализа знаний и проектирования базы знаний. Этим занимается специальная наука — инженерия знаний.