Экспертные системы и их структура

КУРС «КОМПЬЮТЕРНЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ»

ТЕМА 7a

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА. РЕИНЖИНИРИНГ БИЗНЕС-ПРОЦЕССОВ

Понятие искусственного интеллекта

Интеллект – ум, рассудок, разум, мыслительные способности человека, способность решать задачи, в том числе и те, способ решения которых заведомо неизвестен.

Искусственный интеллект – свойство автоматизированных систем брать на себя отдельные функции интеллекта человека.

Искуственный разум – агрегат, который имеет мотивировку действий, осознает себя, рефлексирует.

Нейронная сеть – это класс аналитических методов, построенных на (гипотетических) принципах обучения мыслящих существ и функционирования мозга и позволяющих прогнозировать значения некоторых переменных в новых наблюдениях по данным других наблюдений (для этих же или других переменных) после прохождения этапа так называемого обучения на имеющихся данных.

Широкий круг задач, решаемый нейронными сетями, не позволяет в настоящее время создавать универсальные, мощные сети, вынуждая разрабатывать специализированные нейронные сети, функционирующие по различным алгоритмам.

Модели нейронных сетей могут быть программного или аппаратного исполненияю. В дальнейшем речь пойдет в основном о первом типе.

Клетки мозга называются нейронами. Каждый нейрон имеет примерно 100-1000 входов и один выход (аксон), который разветвляется. Таким образом, один нейрон взаимодействует с множеством других. Взаимодействующие нейроны образуют скопления и отвечают за определенные функции. Несмотря на существенные различия, отдельнные типы нейронных сетей обладают несколькими общими чертами. Так в основу каждой нейронной сети составляют относительно простые, в большинстве случаев - однотипные, элементы (ячейки), иммитирующие работу нейронов мозга.

Далее под нейроном будет подразумеваться исскуственный нейрон, то есть ячейка нейронной сети. Каждый нейронхарактеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены или заторможены. Он обладает группой синапсов - однонаправленных входных связей, соединенных с выходами других нейронов, а также имеет аксон - выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Общий вид нейрона приведен на рис. 1. Каждый синапс характеризуется величиной синаптической связи или ее весом , который по физическому смыслу эквивалентен электрической проводимости.

Применение нейронных сетей

1. Прогнозирование на фондовом рынке. Колебания цен на акции - пример сложного, многомерного, в определенных ситуациях, частично прогнозируемого явления. Многие финансовые аналитики используют нейронные сети для прогнозирования цен акций на основе многочисленных факторов, например прошлого поведения цен этих и других акций в совокупности с различными другими экономическими показателями.

2. Предоставление кредита, автоматическое считывание чеков и финансовых документов, проверка достоверности подписей.

3. Распознавание состояния больного, анализ рентгенограмм.

4. Служба безопасности, распознавание лиц, голосов, отпечатков пальцев.

Экспертные системы и их структура

Под экспертной системой понимают систему искусственного интеллекта, которая включает базу знаний с набором правил и механизмом вывода, позволяющую на основании этих правил и предоставляемых пользователем фактов распознавать ситуацию, ставить диагноз, формулировать решение или давать рекомендации для выбора действия.

Иногда вместо определения данного понятия дают следующий перечень свойств экспертных систем:

1) экспертная система ограничена определенной сферой экспертизы;

2) она способна рассуждать при сомнительных данных;

3) она способна объяснять цепочку рассуждений понятным. способом;

4) факты и механизм вывода четко отделены друг от друга:

5) она строится так. чтобы имелась возможность постепенного развития и наращивания системы;

6) чаще всего она основана на использовании правил;

7) на выходе она выдает;

8) она экономически выгодна.

Целесообразность применения экспертных систем (ЭС) вытекает из следующего:

1. Технология ЭС существенно расширяет круг практически значимых задач, решение которых с использованием современных средств вычислительной техники приносит значительный экономический эффект;

2. Технология ЭС является важнейшим средством в преодолении глобальных проблем традиционного программирования, таких как: длительность и высокая стоимость разработки сложных приложений; высокая стоимость сопровождения сложных систем;

низкий уровень повторной используемости программ и т.п.;

3. ЭС предназначены для неформализованных задач.

К неформализованным относят задачи, которые обладают одной или несколькими из следующих характеристик:

1) Задачи не могут быть заданы в числовой форме;

2) Цели не могут быть выражены в терминах точно определенной целевой функции;

3) Не существует алгоритмического решения задач;

4) Алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов (время, память).

Неформализованные задачи обладают следующими особенностями:

1) ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;

2) большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик; деятельности. Причины такого успеха следующие;

Полностью оформленная статическая экспертная система имеет шесть существенных компонент:

1) машину логического вывода (решатель, интерпретатор);

2) базу данных (рабочую память);

3) базу знаний;

4) компоненты приобретения знании;

5) объяснительный компонент;

6) диалоговый компонент.

База знаний (БЗ) – содержит факты (или утверждения) и правила. Факты предстанляют собой краткосрочную информацию в том отношении, что они могут изменяться, например, в ходе консультации. Правила представляют более долговременную информацию о том, как порождать новые факты или гипотезы из того, что сейчас известно.

В настоящее время часто понятие базы знаний пытаются -заменить базой данных, Основное их различие состоит в том, что база знаний обладает большими творческими возможностями, а база данных обычно пассивна: данные либо там есть, либо и.ч нет. База знаний, с другой стороны, активно пополняется новой и недостающей информацией.

Логическая машина вывода, используя исходные данные из рабочей памяти и базы знаний, формирует такую последовательность правил, которая, приводит к решению задачи. Машина вывода связана с цепочкой рассуждений, которые используются в качестве стратегии для логического вывода.

Различают прямую цепочку рассуждений и обратную.

Прямая цепочка рассуждений – это цепочка, которая ведет от данных к гипотезам, при этом в процессе диалога до получения ответа может быть задано неограниченное количество вопросов.

Обратная цепочка рассуждений является попыткой найти данные для доказательства или опровержения некоторой гипотезы.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями.

Источник таких знаний - эксперт (либо группа таковых).

Объяснительный компонент разъясняет пользователю, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован ни организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

База данных (БД) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи.

На ряду с понятием базы знании широко используется понятие банка данных.