ЕС як різновид систем штучного інтелекту

1. Структура ЕС.

                               

блоки інтерфейсу                        

2. Визначення знань і бази знань (БЗ).

Основним елементом БЗ є знання про предметну область, в якій повинна функціонувати ЕС.

Знання - це сукупність відомостей, що утворюють цілісний опис відповідне певного рівня обізнаності про описуваної проблеми.

Основне відмінність знань від даних в тому, що дані описують лише конкретний стан об'єктів або групи об'єктів в поточний момент часу, а знання крім даних містять відомості про те як оперувати цими даними.

У БЗ ЕС знання повинні бути обов'язково структуровані і описані термінами однієї з моделі знань. Вибір моделі знань - це найбільш складне питання в проектуванні ЕС, так як формальний опис знань має суттєвий вплив на кінцеві характеристики і властивості ЕС.

У рамках однієї БЗ всі знання повинні бути однорідне описані і простими для розуміння. Однорідність опису диктується тим, що в рамках ЕС повинна бути розроблена єдина процедура логічного висновку, що маніпулює знаннями на основі стандартних типових підходів. Простота розуміння визначається необхідністю постійних контактів з експертами предметної області, які не володіють достатніми знаннями в комп'ютерній техніці.

Знання підрозділяються з точки зору семантики на факти та евристики. Факти як правило вказують на усталені в рамках предметної області обставини, а евристики грунтуються на інтуїції та досвіді експертів предметної області.

За ступенем узагальненості опису знання поділяються на:

Поверхневі -- описують сукупності причинно-наслідкових відносин між окремими поняттями предметної області.

Глибинні -- відносять абстракції, аналогії, зразки, які відображають глибину розуміння всіх процесів, що відбуваються в предметній області.

Введення в базу глибинних уявлень дозволяє зробити систему більш гнучкої та адаптивної, так як глибинні знання є результатом узагальнення проектувальником або експертом первинних примітивних понять.

За ступенем відображення явищ знання поділяються на:

Жорсткі -- дозволяють отримати однозначні чіткі рекомендації при завданні початкових умов.

М'які -- допускають множинні розпливчасті рішення і багатоваріантні рекомендації.

Тенденції розвитку ЕС.

М

II I

П Г

III IV

Ж

М, Ж - м'які, жорсткі знання.

П, Г -- поверхневі, глибинні знання.

медицина, управління

психодіагностика, планування

діагностика несправностей різного виду

проектування різних видів пристроїв

Зазвичай при проектуванні БЗ проектувальник намагається користуватися стандартною моделлю знань (МЗ):

продукційна модель знань (системи продукції)

логічна МОЗ

фреймова МОЗ

реляційна МОЗ

За формою опису знання поділяються на:

Декларативні (факти) - це знання виду "А є А".

Процедурні -- це знання виду "Якщо А, то В".

Декларативні знання поділяються на об'єкти, класи об'єктів і відносини.

Об'єкт - це факт, який задається своїм значенням.

Клас об'єктів - Це ім'я, під яким об'єднується конкретна сукупність об'єктів-фактів.

Відносини -- визначають зв'язки між класами об'єктів і окремими об'єктами, що виникли в рамках предметної області.

До процедурних знань відносять сукупності правил, які показують, як вивести нові відмінні риси класів або відносини для об'єктів. У правилах використовуються всі види декларативних знань, а також логічні зв'язки. При обробці правил слід відзначити рекурсивного аналізу відносин, тобто одне правило викликає глибинний пошук всіх можливих варіантів об'єктів БЗ.

Межа між декларативними і процедурними знаннями дуже рухома, тобто проектувальник може описати одне й те саме як відношення або як правило.

У всіх видах моделей виділено ще один вид знань - метазнанія, тобто знання про дані. Метазнанія можуть задавати способи використання знань, властивості знань і т.д., тобто все, що необхідно для керування логічним висновком і навчанням ЕС.

3. Визначення понять логічного висновку.

Апарат логічного висновку призначений для формування нових понять, тобто рішень в рамках певної предметної області. Як правило логічний висновок тісно пов'язаний з конкретною моделлю знань і оперує термінологією цієї моделі. Є кілька загальних понять для всіх МОЗ:

стратегія виводу

керуюча структура

В ЕС застосовується стратегія виведення у вигляді прямого і зворотного ланцюжків міркування. Пряма стратегія веде від фактів до гіпотез, а зворотна намагається знайти дані для доведення або спростування гіпотези.

У сучасних ЕС застосовуються комбіновані стратегії, які на одних етапах використовують пряму, а на інших зворотний ланцюжка міркування.

Управляюча структура - це спосіб застосування або активізації правил в процесі формування рішень. Керуюча структура повністю залежить від обраної проектувальником моделі.

Наприклад, для продукційної моделі найбільш часто використовуються такі керуючі структури:

послідовний перебір правил

одне підмножина правил застосовується для вибору чергового правила

Незалежно від форми керуючої структури в процесі пошуку рішень в деяких точках пошуку виникає необхідність вибору подальшого напрямку пошуку. Використовується два методи:

"спочатку вглиб "

"спочатку вшир"

Важливою проблемою, яка вимагає обов'язкового рішення в рамках апарату логічного висновку, є підтвердження або оцінка достовірності формованих системою часткових або загальних рішень. Складність полягає в тому, що ЕС як правило, працюють з нечіткими, часто невизначеними поняттями, які повинні бути строго оцінені і мати чітку форму вираження.

Термін "Нечіткість" в ЕС недостатньо визначено і в інженерії знань використовується така класифікація нечіткості:

недетермінірованность виводу

багатозначність

ненадійність знань

неповнота

неточність

Під недетермінірованностью виведення мається на увазі можливість формування плану рішення задачі з певних правил методом проб і помилок, з поверненнями при необхідності для побудови інших, більш ефективних планів. З метою прискорення пошуку ефективного плану в систему вводять оціночні функції різного вигляд, а також евристичні значення експертів.

Багатозначність інтерпретації знань у процесі вироблення рішень усувається за рахунок включення в систему більш широкого контексту і семантичних обмежень.

Метод семантичних обмежень називається методом релаксації. Суть його в тому, що з допомогою циклічних операцій застосовуються локальні обмеження, які узгоджуються між собою на верхньому рівні.

Ненадійність. Для усунення ненадійності знань, яка досить часто використовується в ЕС, використовуються методи засновані на нечіткою логікою: розрахунок коефіцієнтів впевненості, метод Байеса і т.д. Нечітка логіка - різновид безперервної логіки, в якій логічні формули можуть приймати значення не тільки 0 або 1, а й усі дробові значення між 0 та 1 для зазначення часткової істини. Найбільш слабке місце в нечіткої логіки - це реалізація функції приналежності, тобто присвоювання передумов вагових значень експертами (залежить від конкретної людини).

Якщо tx і ty значення істинності передумов правил x і y, тоді при використанні логічних зв'язок "і/або" істинне значення передумови визначається наступним чином:

- при зв'язку "і" - Tпредпосилкі = min (tx, ty)

- при зв'язку "Або" - tпредпосилкі = max (tx, ty)

Якщо в загальному випадку tправіла є істинне значення, яке приписують правилом, то тоді tправіла визначається:

tправіла = min (tпредпосилкі, tдействія).

Методи нечіткої логіки:

Коефіцієнт впевненості - це різниця між двома заходами: мірою довіри і мірою недовіри.

КУ [h: e] = МД [h: e]-МНД [h: e]

КУ [h: e] -- коефіцієнт впевненості в гіпотезі h з урахуванням свідчень e, МД/МНД - міра довіри/недовіри.

Коефіцієнт впевненості може приймати значення від -1 (абсолютна брехня) до 1 (абсолютна істина), а також всі проміжні значення між ними. При цьому 0 означає повне незнання. Значення заходи довіри і заходи недовіри можуть змінюватися від 0 до 1.

Основний недолік: дуже важко відрізнити випадок суперечливих свідчень від випадку недостатньої інформації.

В основі методу Байеса лежить оцінка конкуруючих гіпотез. Основна розрахункова формула:

                

ОП [h: e] = Р [h: e]/Р [h ': e]

ОП - ставлення правдоподібності, яке визначається як ймовірність події або свідоцтва e за умови заданої гіпотези h, поділене на ймовірність цього свідоцтва за умови хибність даної гіпотези h.

Неповні знання характерні для реального світу і припускають наявність безлічі виключень і обмежень для конкретних висловлювань, які не приймаються до уваги, виходячи зі здорового глузду.

В ЕС передбачається робота з неповними знаннями. При проектуванні БЗ в базу вносяться завжди тільки вірні знання, а невизначені знання вважаються невірними - гіпотеза закритого світу.

5 - Неточність виведення присутня в ЕС і пов'язана з тим, що в реальному світі система працює з нечіткими множинами, тому для усунення неточності використовується теорія нечітких множин.

4. Організація інтерфейсу з користувачем в ЕС.

У блоці "Інтерпретатор запитів і пояснення результатів" призначений для функціонування системи в режимі експлуатації при роботі з постійним користувачем. Інтерпретатор запитів формує звернення користувачів до системі, а блок пояснення результатів коментує весь хід формування рішення в системі. За теорією ЕС обидва ці блоки повинні мати розвинені засоби спілкування з користувачем на мові, максимально наближеному до природного. У Нині цілий науковий напрям займається питаннями створення інтерфейсу природною мовою. Інтерпретатор запитів виробляє редагування звернення користувача та формує на його основі завдання для системи. У інтерпретаторі повинні бути передбачені кошти усунення невизначеності запитів, а також виробляються синтаксичний і семантичний аналіз запиту. Невизначеність породжується, як правило, некомпетентністю користувача. У деяких випадках об'єктивна оцінка цілого ряду факторів, що описують конкретну ситуацію, може бути об'єктивно неможлива. У інтерпретаторі запитів передбачається система уточнюючих запитань до користувачеві, а також розробляється спеціальний апарат, який дозволяє на основі аналізу контексту запиту призначити відсутні значення показників по замовчуванням. У запиті користувача використовується, як правило, декларативні знання, які обов'язково контролюють як на семантичному, так і на синтаксичному рівні. Інтерпретатор перетворює декларативні знання запитів в ті формалізму, які використовуються в моделі БЗ. Чим простіше користувачеві звертатися до системи на природній мові, тим складніше інтерпретатор запитів.

У блоці пояснення повинно бути передбачено повне текстове пояснення з використанням когнетівних функцій всього ходу рішення задачі, а також опис стратегії поведінки системи на складних етапах вироблення рішень.

Блок навчання функціонує в режимі актуалізації БЗ на етапі її проектування і експлуатації та взаємодіє з експертами предметної області. Його основна завдання - це формалізація знань отриманих від експерта відповідно до вибраної проектувальником моделлю знань. У цьому блоці об'єднуються функції інтерпретатора запитів і блоку пояснення. Блок пояснення повинен реалізувати спілкування з експертом природною мовою.

Список літератури

Для підготовки даної роботи були використані матеріали з сайту http://www.parny.by.ru/