ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ. ЭКСПЕРТНЫЕ СИСТЕМЫ
·
Интеллектуальные
ИС (информационные системы)
·
Общие понятия систем искусственного интеллекта
·
Терминология
·
Интеллектуальная деятельность
·
Человеческий интеллект
·
Системы искусственного интеллекта (СИИ)
·
Основные функции СИИ
·
Структура систем искусственного интеллекта
·
Виды интеллектуальных ИС (информационных систем)
§ Экспертные системы первого поколения
§ Второе поколение
экспертных интеллектуальных систем
§ Третье поколение
экспертных интеллектуальных систем
§ Принципы эффективного
использования ЭИС
Использование
ИТ (информационных технологий) в различных сферах
человеческой деятельности, экспоненциальный рост объемов информации и
необходимость оперативно реагировать в любых ситуациях потребовали поиска
адекватных путей решения возникающих проблем. Эффективнейшим из них является
путь интеллектуализации ИТ.
Под
интеллектуальными информационными технологиями обычно понимают такие ИТ, в которых предусмотрены следующие возможности...
Интеллектуальные информационные
системы
Возможности интеллектуальных
информационных технологий
·
наличие баз знаний, отражающих
опыт конкретных людей, групп, обществ, человечества в целом, в решении
творческих задач в выделенных сферах деятельности, традиционно считавшихся
прерогативой интеллекта человека (например, такие плохо формализуемые задачи,
как принятие решений, проектирование, извлечение смысла, объяснение, обучение и
т. п.);
·
наличие моделей мышления на основе баз знаний:
правил и логических выводов; аргументации и рассуждения; распознавания и
классификации ситуаций; обобщения и понимания и т. п.;
·
способность формировать вполне четкие решения на
основе нечетких, нестрогих, неполных, недоопределенных
данных;
·
способность объяснять выводы и решения, то есть
наличие механизма объяснений;
·
способность к обучению, переобучению и,
следовательно, к развитию.
Особенности интеллектуальных
информационных технологий (ИИТ)
Уникальная
особенность интеллектуальных информационных технологий (ИИТ) — их
«универсальность». Они практически не имеют ограничений по
применению в таких областях, как управление, проектирование, машинный перевод,
диагностика, распознавание образов, синтез речи и т. д. Их важность, и, в
первую очередь, экспертных систем и нейронных сетей, состоит в том, что данные
технологии существенно расширяют круг практически значимых задач, которые можно
решать на компьютерах, и их решение приносит значительный экономический эффект.
В то же время, технология экспертных систем является важнейшим средством в
решении глобальных проблем традиционного программирования: длительность и,
следовательно, высокая стоимость разработки приложений; высокая стоимость
сопровождения сложных систем; повторная используемость программ и т.п.
Кроме того, объединение технологий экспертных систем и нейронных
сетей с технологией традиционного программирования добавляет новые качества к
коммерческим продуктам за счет обеспечения динамической модификации приложений
пользователем, а не программистом, большей "прозрачности" приложения
(например, знания хранятся на ограниченном естественном языке, что не требует
комментариев к ним, упрощает обучение и сопровождение), лучших графических
средств, пользовательского интерфейса и взаимодействия.
Применение ИИТ
ИИТ также находят широкое применение для распределенного решения сложных задач, совместного проектирования изделий, построения виртуальных предприятий, моделирования больших производственных систем и электронной торговли, электронной разработки сложных компьютерных систем, управления системами знаний и информации и т. п. Еще одно эффективное применение — поиск информации в Internet и других глобальных сетях, ее структуризация и доставка заказчику.
Общие
понятия систем искусственного интеллекта
В этом
разделе мы рассмотрим:
Терминология систем
искусственного интеллекта
Достаточно
трудно дать точное определение, что такое интеллект человека, потому что
интеллект - это сплав многих навыков в области обработки и представления
информации. Интеллект ( intelligence ) происходит от латинского intellectus
— что означает ум, рассудок, разум; мыслительные способности человека. С
большой степенью достоверности интеллектом можно называть способность мозга
решать (интеллектуальные) задачи путем приобретения, запоминания и
целенаправленного преобразования знаний в процессе обучения на опыте и
адаптации к разнообразным обстоятельствам. Соответственно, искусственный
интеллект ( artificial
intelligence , AI, ИИ) - это наука о концепциях,
позволяющих ЭВМ делать такие вещи, которые у людей выглядят разумными.
Знания
В общем
случае знание — проверенный практикой результат познания
действительности, верное ее отражение в мышлении человека, обладание опытом и
пониманием, которые являются правильными и в субъективном, и в объективном
отношении, на основании которых можно построить
суждения и выводы, кажущиеся достаточно надежными для того, чтобы
рассматриваться как знание. Поэтому в контексте ИТ
термин знания - это информация, присутствующая при реализации интеллектуальных
функций. Обычно это отклонения, тенденции, шаблоны и зависимости, обнаруженные
в информации Другими словами, интеллектуальные системы являются в то же время
системами обработки знаний.
Интеллектуальная
деятельность (мышление)
Интеллектуальная
деятельность (мышление) - деятельность мозга (обладающего
интеллектом), направленная на решение интеллектуальных задач. Мышление —
внутреннее активное стремление овладеть своими собственными представлениями,
понятиями, побуждениями чувств и воли, воспоминаниями, ожиданиями и т. д.
Мышление, которое по своей структуре может быть познающим или эмоциональным,
состоит в постоянной перегруппировке всех возможных содержаний сознания и
образовании или разрушении существующих между ними связей.
Человеческий
интеллект
Человеческий
интеллект (мышления формы) — способы и виды формальной организации мыслительного
процесса, абстрагированные от его содержательного компонента. Интеллект и
мышление органически связаны с решением таких задач, как доказательство теорем,
логический анализ, распознавание ситуаций, планирование поведения, игры и
управление в условиях неопределенности. Характерными чертами интеллекта,
проявляющимися в процессе решения задач, являются способность к обучению,
обобщению, накоплению опыта (знаний и навыков) и адаптации к изменяющимся
условиям в процессе решения задач. Благодаря этим качествам интеллекта мозг
может решать разнообразные задачи, а также легко перестраиваться с решения
одной задачи на другую. Таким образом, мозг, наделенный интеллектом, является
универсальным средством решения широкого круга задач (в том числе неформализованных)
для которых нет стандартных, заранее известных методов решения.
Системы
искусственного интеллекта (СИИ)
Системы
искусственного интеллекта (СИИ) — это системы, созданные на базе ЭВМ,
которые имитируют решение человеком сложных интеллектуальных задач. В развитии
СИИ можно выделить три основных этапа...
Этапы развития СИИ
·
60-70-е годы. Это годы
осознания возможностей искусственного интеллекта и формирования социального
заказа на поддержку процессов принятия решений и управления. Наука отвечает на
этот заказ появлением первых персептронов (нейронных сетей), разработкой
методов эвристического программирования и ситуационного управления большими
системами (разработано в СССР)
·
70-80-е годы. На этом этапе
происходит осознание важности знаний для формирования адекватных решений;
появляются экспертные системы, в которых активно используется аппарат нечеткой
математики, разрабатываются модели правдоподобного вывода и правдоподобных
рассуждений.
80-90-е годы. Появляются интегрированные (гибридные) модели представления знаний, сочетающие в себе интеллекты: поисковый, вычислительный, логический и образный.
Основные
функции СИИ
Обоснование
Обоснование -
это доказательство или проверка того, что полученное системой решение не
противоречит знаниям, которые хранятся в памяти системы. Обоснование является
относительным - при изменении содержимого базы знаний или базы данных оно может
либо сохранить свою силу, либо стать неверным..
Объяснение
Объяснение.
Предоставляет пользователю информацию о том, как интеллектуальная система
получила выданное пользователю решение. В отличие от обоснования опирается лишь
на тот маршрут, который сохранился в памяти системы от процесса поиска решения.
Используя этот маршрут, интеллектуальная система формирует пользователю
объяснение на профессиональном естественном языке, позволяющее ему представить
все принципиальные шаги решения.
Оправдание
Оправдание. С
помощью оправдания некоторое решение системы обосновывается не путем логических рассуждений, или обращения к имеющимся в системе
знаниям, а путем обращения к имеющейся в системе ценностной структуре. О.
обосновывает положение о том, что данное решение не противоречит этой
ценностной структуре.
Обучение
Обучение –
это усвоение знаний, умений и навыков путем получения и восприятия информации
от учителя или обработки наблюдаемой информации с последующим построением на
основе этих наблюдений новых общих правил и закономерностей. Обе формы обучения
используются в СИИ для приобретения новых знаний.
Данные
Данные – это
отдельные факты, характеризующие объекты, процессы и явления предметной
области, а также их свойства.
Знания
Знания – это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.
Структура и
типы СИИ
Структура
систем искусственного интеллекта
Комплексы
вычислительных средств систем искусственного интеллекта
Структура СИИ
должна обязательно включать следующие три комплекса вычислительных средств:
исполнительная
система – это совокупность средств, обеспечивающих выполнение
сформированной программы, спроектированных с позиций эффективного решения
задач, имеет в ряде случаев проблемную ориентацию;
интеллектуальный
интерфейс - система программных и аппаратных средств, обеспечивающих
для конечного пользователя использование компьютера для решения задач, которые
возникают в среде его профессиональной деятельности либо без посредников
либо с незначительной их помощью. Это совокупность средств интеллектуального
интерфейса, имеющих гибкую структуру, которая обеспечивает возможность
адаптации в широком спектре интересов конечных пользователей.
база
знаний (БЗ) — информационная база, обеспечивающая использование
вычислительными средствами первых двух комплексов целостной и независимой от
обрабатывающих программ системы знаний о проблемной среде. База знаний занимает
центральное положение по отношению к остальным компонентам вычислительной системы
в целом, через БЗ осуществляется интеграция средств ВС, участвующих в решении
задач. База знаний, отражает опыт конкретных людей, групп, обществ,
человечества в целом, в решении творческих задач в выделенных сферах
деятельности, традиционно считавшихся прерогативой интеллекта человека.
Рисунок 1 Схема стандартной интеллектуальной системы
Наличие выше
перечисленных комплексов является обязательным, чтобы ИС могла бы называться
интеллектуальной ИС. В общем виде схематическое изображение СИИ
представлено на рисунке
Виды
интеллектуальных ИС (информационных систем)
Различают
следующие виды интеллектуальных ИС:
·
интеллектуальные информационно-поисковые
системы (системы типа «вопрос — ответ»), которые в
процессе диалога обеспечивают взаимодействие конечных
пользователей-непрограммистов с базами данных и знаний профессиональными
языками пользователей, близких к естественных;
·
расчетно-логические системы,
которые дают возможность конечным пользователям, которые не являются
программистами и специалистами в области прикладной математики, решать в режиме
диалога с ЭВМ свои задачи с использованием сложных методов и соответствующих
прикладных программ;
·
нейронные сети и "размытые" ( fuzzy ) логики;
·
естественно-языковые системы;
·
экспертные системы (ЭИС),
которые дают возможность проводить эффективную компьютеризацию сфер, где знания
могут быть представлены в экспертной описательной форме, но использования
математических моделей осложненное или невозможное.
Далее будут подробно рассмотрены только экспертные системы, как ИС обработки знаний, которые вбирают в себя знания, необходимые инженерам, юристам, ученым при разработке или создании нового продукта. Их работа заключается в создании новой информации и нового знания. Так, например, существующие специализированные рабочие станции по инженерному и научному проектированию позволяют обеспечить высокий уровень технических разработок.
Эволюция экспертных систем
Системы
искусственного интеллекта прошли долгий и тернистый путь: первые увлечения
(1960 год), лженаука (1960-65), успехи при решении головоломок и игр
(1965-1975), разочарование при решении практических задач (1970-1985), первые
успехи при решении ряда практических задач (1962-1992), массовое коммерческое
использование при решении практических задач (1993-1995). Но основу
коммерческого успеха по праву составляют экспертные системы и, в первую
очередь, экспертные системы реального времени. Именно они позволили
искусственному интеллекту перейти от игр и головоломок к массовому
использованию при решении практически значимых задач.
Инженер знаний
Исследователи
в области ЭИС для названия своей дисциплины часто используют также термин
"инженерия знаний", введенный Е.Фейгенбаумом
как "привнесение принципов и инструментария исследований из области
искусственного интеллекта в решение трудных прикладных проблем, требующих
знаний экспертов". Инженер знаний — человек, который проектирует или
создает экспертную систему. Обычно это специалист по информатике, имеющий опыт
применения прикладных методов искусственного интеллекта.
Первое поколение экспертных систем
Экспертные
системы первого поколения (1985—1996 гг.) в основном содержат исследовательские
прототипы для исследования и обоснования теоретических ос нов
искусственного интеллекта. Проводившиеся в этот период исследования носили
фундаментальный характер, направленный на исследование отдельных фрагментов
приобретения, представления и использования знаний, различных механизмов
вывода. По каждому фрагменту было создано множество исследовательских
прототипов. Исследования проводились для статичных условий, где во многих
ситуациях на блюдался
"тривиальный эффект", поэтому сами ЭИС являлись статически ми
системами. Провозглашалось, что технология ИИ при накоплении определенного
объема знаний позволяет самостоятельно решать различные задачи, при чем основное внимание своди лось к поиску универсальных
методов решения.
Искусственный интеллект (ИИ)
За эти годы
был накоплен солидный багаж методов и инструментальных средств, которые
составили основу ИИ как научной дисциплины. Однако многообразие задач
управления, для решения которых использовались вычислительные средства, и их
специфичность не позволили говорить о создании какой- либо универсальной
технологии. Постепенно усилившаяся тенденция к созданию прикладных систем
выявила неэффективность универсальных методов и потребовала притока новых идей,
идущих в первую очередь от реальных практических задач.
Экспертные системы первого поколения
Экспертные системы первого поколения представляли собой
системы с интеллектом пассивного ассистента пользователя: они располагали
только теми знания ми, которые были получены от экспертов, переработаны
"инженерами знаний" и введены в базу знаний в удобном для машины
виде. Система была способна манипулировать этими знаниями, имитируя процесс
логического вывода, и выдавать ответы на запросы пользователя. Система не имела
механизмов, которые позволяли бы ей критически оценивать вводимые в ее память
знания, выявлять в них противоречия, автоматически обнаруживать закономерности,
использовать их для предсказания и извлекать новые знания из данных.
Экспертные системы первого
поколения получили массовое распространение лишь в медицинской
диагностике. В них нашли отражение фундаментальные медицинские знания и опыт
врачей-профессионалов по учету существенных связей между болезнями и
симптомами. Такие системы являлись электронными справочниками, подготовленными
опытны ми профессионалами, и использовались для массового применения в процессе
обучения медицинского персонала. Дальнейшее развитие медицинских ЭИС было
связано с использованием в них нечетких выводов.
Значимость экспертных интеллектуальных
систем первого поколения
Значимость ЭИС первого поколения заключается в том, что в них отработаны теоретические основы искусственного интеллекта и экспертных систем, методы внутреннего представления внешнего мира и логического вывода решений. Приобретенный опыт по конкретизации и углублению накопленных знаний явился необходимым трамплином для массового развертывания дальнейших работ по прикладному применению средств и методов искусственного интеллекта.
Второе
поколение экспертных интеллектуальных систем (ЭИС)
ЭИС второго поколения – это динамические системы
реального времени (ЭИС РВ) составили основное направление работ по созданию ЭИС
в период 1996—2000 гг. Значимость инструментальных средств реального времени
определяется тем, что только с помощью подобных средств создаются стратегически
значимые приложения в таких областях, как управление непрерывными
производственными процессами в химии, фармакологии, производстве цемента,
продуктов питания и т.п., аэрокосмические исследования, транспортировка и
переработка нефти и газа, управление атомными и тепловыми электростанциями,
финансовые операции, связь и многие другие.
Классы задач, решаемых ИС (информационных систем) РВ
(реального времени), таковы: мониторинг в реальном масштабе времени,
системы управления верхнего уровня, системы обнаружения неисправностей,
диагностика, составление расписаний, планирование, оптимизация,
системы-советчики оператора, системы проектирования.
Требования,
предъявляемые к системам, работающим в реальном времени:
·
представлять изменяющиеся во времени данные,
поступающие от внешних источников, обеспечивать хранение и анализ изменяющихся
данных.
·
выполнять временные рассуждения о нескольких
различных асинхронных процессах одновременно (т.е. планировать в соответствии с
приоритетами обработку поступивших в систему процессов).
·
обеспечивать механизм рассуждения при
ограниченных ресурсах (время, память). Реализация этого механизма предъявляет
требования к высокой скорости работы системы, способности одновременно решать
несколько задач.
·
обеспечивать "предсказуемость"
поведения системы, т.е. гарантию того, что каждая задача будет запущена и
завершена в строгом соответствии с временными ограничениями. Например, данное
требование не допускает использования в экспертной системе реального времени
механизма "сборки мусора", свойственного языку LISP.
·
моделировать "окружающий мир",
рассматриваемый в данном приложении, обеспечивать создание различных его
состояний.
·
протоколировать свои
действия и действия персонала, обеспечивать восстановление после сбоя.
·
обеспечивать наполнение базы знаний для
приложений реальной степени сложности с минимальными затратами времени и труда
(необходимо использование объектно-ориентированной технологии, общих правил,
модульности и т.п.).
·
обеспечивать настройку системы на решаемые
задачи (проблемная/предметная ориентированность).
·
обеспечивать создание и поддержку
пользовательских интерфейсов для различных категорий пользователей.
·
обеспечивать уровень защиты информации (по
категориям пользователей) и предотвращать несанкционированный доступ.
Специфические
требования, предъявляемые к ЭИС РВ, приводят к тому, что их
архитектура отличается от архитектуры статических систем. В архитектуру ЭИС РВ
введены новые компоненты - подсистемы моделирования внешнего мира, связи с
внешним окружением, учета временной логики обрабатываемых событий. Эти системы
обладают более удобными средствами взаимодействия. Они стали "активными"
ЭИС, стали играть роль активного помощника пользователя (партнерские системы)
или исполнительного механизма в автоматизированных системах управления
(управленческие ЭИС).
Технология
построения современных АСУ уже предусматривает обработку комплекса
взаимоувязанных задач и потоков информации обрабатываемых процессов, что
определило применение в них динамических ЭИС, обрабатывающих динамическую
обстановку. Это потребовало более глубокой проработки методологических вопросов
создания и применения ЭИС. В динамических системах результаты измерений
множества параметров потоковой информации обрабатываются и выдаются оператору в
виде информации о ходе функционирования АСУ, меньшей по объему, но более
содержательной .
ЭИС РВ должны
обеспечивать выполнение временного интервала, в течение которого реакция ЭИС на
входное воздействие не превышает заданного значения (1 %, 5 % и т. д.),
определяемого необходимой точностью моделирования конкретной АСУ (так
называемого показателя постоянной реального времени — ПРВ). Так, например, для
бортовых ЭИС РВ эта постоянная находится в интервале микро- и миллисекунды, что
требует оптимизации построения ЭИС, максимального учета специфики системы и
решаемых в ней задач.
Данные
системы обладают средствами самостоятельного извлечения знаний из данных,
поступающих в систему в ходе ее создания и эксплуатации. На этом основании
системы второго поколения способны обнаруживать противоречия между имеющимися и
вновь поступающими знаниями и данными (проверка адекватности базы знаний) и частично
обладают средством извлечения, представления и обработки нечетких
неопределенных, неточных и недоопределенных знаний
(так называемых знаний с НЕ-факторами).
Обработка
нечетких знаний и создание нечетких ЭИС составляют основное содержание работ в области
ЭИС в настоящее время. Область управления явилась одной из предпосылок
возникновения идеи нечетких множеств, которая помогла решить проблему
надежности в экспертных системах. Почти все ЭИС управления обеспечивают
нечеткое управление. В области практического применения число нечетких ЭИС уже значительно превысило число традиционных
ЭИС.
Основным
отличием ЭИС РВ от экспертных систем первого поколения является
интегрированность. На основе объединения с традиционными
информационными технологиями они становятся гибридными системами
(интеллектуальными комплексами моделирования), включающими эвристический
компонент и комплекс имитационных моделей (расчетные методики, статистический
анализ, математические модели, базы данных), что значительно расширяет их
возможности и обеспечивает их синергетический (нелинейный) характер. Разработка
двух тенденций по интеграции и децентрализации знаний позволила реализовать
преимущество различных видов представления знаний и повысила качество и
универсальность систем.
Предпочтение,
отдаваемое схеме с использованием динамических моделей, объясняется, прежде
всего, возможностью управления процессами перманентных изменений больших
многоэлементных объектов, к которым можно отнести, например, регионы
государства с их сложной инфраструктурой, системы, органы и пункты управления и
др.
Создание
таких систем привело к разработке нового подхода к математическому
моделированию, позволяющему проводить качественное моделирование с
использованием информации в виде фактов и данных. Такие комплексы включают
расчетный (имитационный) компонент, обеспечивающий количественные решения, и
эвристический (логический) компонент, позволяющий успешно решать качественные
задачи.
Направление
гибридных экспертных интеллектуальных систем
Направление
гибридных ЭИС предполагает объединение процедурных методов моделирования с
недетерминированными методами вывода, используемыми в технологии ЭИС. Причем
ЭИС могут рассматриваться в составе моделирующих комплексов, а имитационные
программы — в составе ЭИС как инструмент решения. Такой подход к созданию
комплексов моделирования представляет новый подход к созданию и использованию
математического и программного обеспечения.
В настоящее
время при разработке ЭИС наметилась тенденция проведения их
разработки без инженера по знаниям. Повсеместное применение персональных ЭВМ,
повышение компьютерной грамотности экспертов-пользователей позволяют перейти к
созданию ЭИС самими экспертами.
Ожидается, что накопление знаний путем непосредственного диалога с экспертом без вмешательства промежуточного элемента в создании ЭИС — инженера по знаниям, а также извлечения их из протоколов экспериментов, использование устного диалога, статей, инструкций, руководств, чертежей, схем будут основным направлением формирования знаний при построении перспективных ЭИС.
Третье поколение
экспертных интеллектуальных систем (ЭИС)
Интеллектуальные интегрированные
комплексы моделирования
В наше время
происходит переход к разработке и применению ЭИС третьего поколения (2007—2010
гг.) - интеллектуальным интегрированным комплексам моделирования. Главный смысл
смены концепций (парадигмы) создания ЭИС и использования средств ИИ — это
переход от предположений, справедливых только для изолированных систем ИИ, и от
индивидуальных, автономных систем к распределенной обработке информации и
разработке мультиагентных ИС .
Главной
особенностью перспективных систем является их распределенность,
обеспечение обработки и применение распределенных знаний. Основой для создания
перспективных ЭИС являются результаты, имеющиеся в области методов обнаружения
закономерностей, распознавания образов, структурно-логического анализа данных и
знаний, математической лингвистики, а также достигнутый опыт в разработке ЭИС.
В создаваемых в настоящее время экспертных системах уже имеются отдельные
вышеуказанные элементы.
Перспективные
ЭИС (экспертные интеллектуальные системы) должны обеспечивать
обработку смыслов, а не только знаний и данных. Эти системы могут анализировать
фразы естественного языка и строить соответствующие их семантическому
содержанию сетевые структуры. ЭИС становится способной понимать смысл
сообщений, формируемых в естественной форме, и синтезировать фразы, относящиеся
к данной предметной области. Для этих целей актуальной задачей становится
разработка систем распознавания управленческих ситуаций. Важная ее особенность
заключается в том, что результат распознавания должен отражать смысл ситуации,
который в нее вкладывают пользователи, эксперты, лица, принимающие решение (ЛПР).
Для решения данной проблемы подготовлена хорошая теоретическая и практическая
базы в области искусственного интеллекта и накопленный опыт создания и
использования ЭИС, в том числе извлечения смысловой информации из Internet .
Перспективная
ЭИС (экспертная интеллектуальная система) должна строить модель
исследуемой проблемной области, т. е. создавать ее теорию, строить модель
пользователя (ученика, обучаемого) и модель самой себя, чтобы оптимизировать
процесс формирования модели исследуемой операции (ситуации) в сознании
обучаемого.
Логический
вывод перспективных ЭИС позволит имитировать человеческую способность
рассуждений по аналогии и находить близость анализируемой и эталонной ситуаций
(с помощью набора уже исследуемых ситуаций и хранящихся в памяти ЭВМ). Такой
прием позволяет существенно ускорить процесс логического вывода, особенно в
больших базах знаний.
Блок анализа
данных создаваемых систем должен обеспечивать обработку больших массивов
разнотипных данных, представленных в триаде "объект—свойство—время".
Программы распознавания позволяют в процессе обучения обнаруживать закономерные
связи между описывающими и целевыми характеристиками объектов и использовать
эти закономерности в процессе распознавания новых объектов. Перспективные ЭИС
должны иметь средства автоматической поддержки и даже улучшения своих рабочих
характеристик в ходе эксплуатации и поддержания гомеостатического состояния.
Главной
отличительной функцией интеллектуальной гибридной экспертной системы является
умение давать правильные предсказания, рекомендации на основе обработки
поступающих данных и выявления устойчивых (закономерных) связей между
характеристиками данных.
Возможный
вариант перспективной ЭИС приведен на рисунке.
Рисунок 2 Перспективная экспертная интеллектуальная система
В настоящее
время наблюдается этап активного развития интегрированных интеллектуальных
инструментальных средств. В такой системе объединяются возможности ключевых
современных информационных технологий:
·
методы искусственного интеллекта для полного и
адекватного представления экспертных знаний о процессах на основе
распределенной обработки знаний;
·
графический объектно-ориентированный язык для
описания моделей и проектов;
·
средства анимации и имитационного моделирования
исследуемых процессов.
Вариант
перспективной экспертной системы приведен на рисунке
Таким
образом, перспективная экспертная система представляет собой интегрированное
интеллектуальное средство. Это самодостаточная графическая среда для
разработки, внедрения и сопровождения в широком диапазоне условий. Для этих
систем характерны следующие требования:
·
простота использования;
·
полнота средств имитационного моделирования;
·
возможность стыковки со средствами разработки
приложений;
·
ускоренная разработка;
·
модульность построения;
·
возможность использования концепции открытых
систем.
Принципы
эффективного использования ЭИС (экспертных интеллектуальных систем)
Для
эффективного использования ЭИС в системах управления при их разработке реализуются
три основных принципа:
·
простота и понятность моделей знаний,
механизмов вывода и пользовательского интерфейса;
·
наличие разделяемых компонентов работы
со знаниями и с выводами;
универсализм — возможность выбора различных моделей знаний, процедур вывода решений, методов накопления знаний, комбинации тех или иных методов и моделей при поиске решения конкретных задач. Достигнутый уровень использования ЭИС в системах управления позволил определить уровни сочетания эвристических форма лизованных способов представления инженерных знаний в зависимости от детализации описания объекта (системы). Чем выше уровень АСУ, тем в большей степени необходимо использовать экспертные системы. Если же объект проектирования не всегда имеет адекватное модельное представление на определенном иерархическом уровне (среднее звено АСУ), программное обеспечение должно разрабатываться в сочетании "жестких" и "мягких" алгоритмов. На уровнях, допускающих строгую формализацию процессов (нижний уровень АСУ), структура программного обеспечения выполняется на основе четких "жестких" алгоритмов, реализованных в традиционных системах.
|