Экспертные и обучающие системы. Перспективы развития информационных технологий

• автоматизирования работы бухгалтера (финансиста, маркетолога).
• Программные пакеты: "1С: Предприятие", "Парус", "Офис 2000".
• обучающие программы.

Возникновение и назначение
Интенсивные исследования создания систем искусственного интеллекта (СШИ) проводятся с начала 60-х годов. Основной целью являлась разработка математических и программных средств моделирования процессов человеческого мышления для автоматического решения различных прикладных и теоретических задач. До 80-х годов пришло понимание того, что эффективность систем такого рода зависит от знаний, которыми они владеют. Эти знания не только чисто эмпирические (полученные эмпирическим путем), но и эвристические - набор правил и рекомендаций, которыми следует пользоваться в той или иной ситуации, возникающей в данной предметной области. Такого рода эмпирические правила (эвристики) поставляются экспертами, в связи с чем системы получили название экспертных систем (ЭС). В самом общем виде ЕС - это программная система, способная в данной предметной области вырабатывать решения, которое по эффективности конкурирует с решениями эксперта. Задачи, которые целесообразно решать с помощью ЕС, могут быть охарактеризованы следующими свойствами:
? невозможность алгоритмического решения (в силу плохого формализации задач или огромных затрат машинного времени);
? противоречивость, неполнота, возможна ложность исходных данных и знаний в предметной области;
? огромное размерность данных и знаний, плохо представлен в какой-либо наглядной форме;
? динамично меняющийся состав данных и знаний (в силу постоянного их пополнения, изменения и развития);
? необходимость широкого использования в процессе решений эвристических и эмпирических процедур, сформулированных экспертами;
? необходимость участия в процессе решения человека (пользователя), что путем ответа на вопрос, который задают дополнительно привносит дополнительную информацию и выбирает альтернативные пути принятия решения.
В первом приближении ЕС можно представить себе как собрание огромного числа данных (факторов) и некоторых эмпирических правил (знаний), получения определенных выводов из этих данных. В процессе получения ответа на поставленный вопрос пользователь дает дополнительную информацию и участие в процессе принятия решения. Особенность ЕС, которая заключается в ее возможности давать ответы на заранее непредсказуемые и неформализованные вопросы и в ее ориентации на "плавающий" состав пользователей, делает особенно важной для нее создание языка общения "Эс-пользователь". Еще большее значение имеет "прозрачность" для пользователя выводов ЕС. Действительно, так однозначны алгоритмические выводы отсутствуют (как правило), то необходимо иметь возможность контроля хода логических выводов. ЕС, что соответствует система называется - "подсистема объяснений".
Итак, выделим следующие основные составляющие (подсистемы) ЕС: 1) база знаний (БЗ) 2) редактор базы знаний, 3) машина (механизм) логического вывода, 4) интерфейс с пользователем, основанный на псевдоистотний языке, 5) подсистема объяснений. Отметим, что обязательными для любой ЭС являются первые три подсистемы. В ближайшее время ожидается бурное развитие рынка ЕС и сопутствующих им компонент. Среди последних выделяют программные средства, включая языки программирования типа ПРОЛОГ и ЛИСП; инструментальные средства разработки ЭС; автоматизированные рабочие места ЕС (АРМ ЕС) и специальные ЭВМ для решения задач искусственного интеллекта (ИИ) интеллектуальные роботы (ИР).
Представление знаний в экспертных системах
Четкого определения понятия "знание" не существует: оно отличается от понятия «данные» следующими особенностями:
? активность - в классическом программировании процедуры первичные над данными. Для человека - наоборот: те или иные процедуры он использует потому, что возникла определенная ситуация. Такая активность базы данных (БД) позволяет ЕС формировать мотивы, цели и процедуры их решения;
? связность означает возможность установления между информационными единицами разнообразных отношений, определяющих их семантику и др..;
? структурированность - определяет порядок между информационными единицами, возможность их объединения и расчленения и др..
Машина логического вывода
Машина позволяет выдвигать и проверять различные гипотезы, вырабатывать новые знания; формировать запросы на ввод новых данных и знаний формировать решения. Механизм вывода, конечно, определяется используемой концепцией и структурой базы знаний (БЗ). Однако существуют некоторые общие подходы к организации логического вывода, важнейшие из которых следующие. Сам вывод может осуществляться в прямом и обратном направлении: от данных (посылок) - цели или назад. Наличие различных вариантов решений приводит к "дерева ветвления решений", может просматриваться "внутрь" и "вширь". Неполноту, неточность, недостоверность, субъективность данных учитывают методами оценки неопределенности, основанными на теории вероятности, математической статистики и др.. В результате в ЕС манипулируют такими понятиями, как "коэффициент уверенности", "размыта множество" и др.. Различают монотонный и немонотонный выводы. В первом случае полученные в процессе вывода результаты не пересматриваются, во втором - могут пересматриваться.
Подсистема объяснения
Важнейшее значение эта система имеет в ЕС, предназначенных для обучения. Для "ученика" она играет роль "учителя", справочника, спарринг - партнера. Она раскрывает механизм и последовательность выводов, аргументирует их фактическими данными и объяснениями. В деловых ЕС подсистема дает возможность убедиться в правильности и обоснованности решений. Различают два компонента подсистемы: активную и пассивную. Первая - стандартная, обычная для программных систем: спрашивает исходные данные, предлагает подсказки и др.. Ее деятельность регламентирована "Меню", HELP, подсказками и др.. Пассивный компонент специфический для ЕС. Подсистема должна в любой момент времени прекращать работу ЕС, сообщать параметры ее состояния и информацию о пройденном пути выводов, предоставлять возможность возвращения на любую ее участок; получать ответы на вопросы типа "почему", "как", "зачем" и др..
Средство разработки ЕС
Можно выделить четыре вида средств;
1. алгоритмические языки программирования (BASIC, FORTRAN, С / С + +, PASCAL, их трудности программирования, кроме языка системного программирования С / С + +, остальные считаются бесперспективными)
2. языки логического и функционального программирования (PROLOG, LISP) наиболее пригодны для ЕС в силу заложенных в них принципов математической логики;
3. инструментальные средства создания ЕС, «оболочки» ЕС (SHELL-системы).
Остановимся сначала на "оболочках" ЕС. Это пустые ЕС, в которых базы знаний не заполнены. Проектирование ЕС на базе имеющейся оболочки являются непродолжительным и нетрудоемким. Однако приходится "втискиваться" в имеющиеся ограничения, что делает ЕС неэффективной, негибкой для данной предметной области. Для того чтобы избежать слишком больших ограничений, налагаемых оболочками, в последнее время стала развиваться концепция инструментальных средств ЕС. Она позволяет создавать отдельные компоненты ЕС за счет предоставления удобного инструментария: интерпретаторы и компиляторы для обработки знаний; механизм логического вывода; средства управления базами знаний, средства построения интерфейса с пользователем средства для объяснения выводов ЕС. Этот инструментарий позволяет с меньшими затратами создавать оболочки ЕС, более подходящих для данной предметной области. Как пример можно назвать ABC, ART, KEE, разработку РАН "ПИЭС".

Контрольные вопросы
1. Когда возникли ЕС?
2. Для чего назначении ЕС?
3. Перечислите основные составляющие (подсистемы) ЕС.
4. Что значит «Подсистема объяснения»?
5. Какие ЕС должны иметь «Подсистема объяснений»?
6. Перечислите основные средства разработки ЭС.