Понятие экспертных систем (стр. 1 из 4). Система экспертизы включает в себя

Понятие и назначение экспертной системы

Понятие и назначение экспертной системы (ЭС).

В начале 80-х годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Основным назначением ЭС является разработка программных средств, которые при решении задач, трудных для человека, получают результаты, не уступающие по качеству и эффективности решения, решениям получаемым человеком-экспертом. ЭС используются для решения так называемых неформализованных задач, общим для которых является то, что:

задачи не могут быть заданы в числовой форме;

цели нельзя выразить в терминах точно определённой целевой функции;

не существует алгоритмического решения задачи;

если алгоритмическое решение есть, то его нельзя использовать из-за ограниченности ресурсов (время, память).

Кроме того, неформализованные задачи обладают ошибочностью, неполнотой, неоднозначностью и противоречивостью как исходных данных, так и знаний о решаемой задаче.

Экспертная система - это программное средство, использующее экспертные знания для обеспечения высокоэффективного решения неформализованных задач в узкой предметной области. Основу ЭС составляет база знаний (БЗ) о предметной области, которая накапливается в процессе построения и эксплуатации ЭС. Накопление и организация знаний - важнейшее свойство всех ЭС.

Знания являются явными и доступными, что отличает ЭС от традиционных программ, и определяет их основные свойства, такие, как:

1) Применение для решения проблем высококачественного опыта, который представляет уровень мышления наиболее квалифицированных экспертов в данной области, что ведёт к решениям творческим, точным и эффективным.

2) Наличие прогностических возможностей, при которых ЭС выдаёт ответы не только для конкретной ситуации, но и показывает, как изменяются эти ответы в новых ситуациях, с возможностью подробного объяснения каким образом новая ситуация привела к изменениям.

3) Обеспечение такого нового качества, как институциональная память, за счёт входящей в состав ЭС базы знаний, которая разработана в ходе взаимодействий со специалистами организации, и представляет собой текущую политику этой группы людей. Этот набор знаний становится сводом квалифицированных мнений и постоянно обновляемым справочником наилучших стратегий и методов, используемых персоналом. Ведущие специалисты уходят, но их опыт остаётся.

4) Возможность использования ЭС для обучения и тренировки руководящих работников, обеспечивая новых служащих обширным багажом опыта и стратегий, по которым можно изучать рекомендуемую политику и методы.

Познакомившись с тем, что такое экспертные системы и каковы их основные характеристики, попробуем теперь ответить на вопрос: "Кто участвует в построении и эксплуатации ЭС? ".

К числу основных участников следует отнести саму экспертную систему, экспертов, инженеров знаний, средства построения ЭС и пользователей. Их основные роли и взаимоотношение приведены на рис.2.

Экспертная система — это программное средство, использующее знания экспертов, для высокоэффективного решения задач в интересующей пользователя предметной области. Она называется системой, а не просто программой, так как содержит базу знаний, решатель проблемы и компоненту поддержки. Последняя из них помогает пользователю взаимодействовать с основной программой.

Эксперт — это человек, способный ясно выражать свои мысли и пользующийся репутацией специалиста, умеющего находить правильные решения проблем в конкретной предметной области. Эксперт использует свои приёмы и ухищрения, чтобы сделать поиск решения более эффективным, и ЭС моделирует все его стратегии.

Инженер знаний — человек, как правило, имеющий познания в информатике и искусственном интеллекте и знающий, как надо строить ЭС. Инженер знаний опрашивает экспертов, организует знания, решает, каким образом они должны быть представлены в ЭС, и может помочь программисту в написании программ.

Средство построения ЭС — это программное средство, используемое инженером знаний или программистом для построения ЭС. Этот инструмент отличается от обычных языков программирования тем, что обеспечивает удобные способы представления сложных высокоуровневых понятий.

Пользователь — это человек, который использует уже построенную ЭС. Так, пользователем может быть юрист, использующий для квалификации конкретного случая; студент, которому ЭС помогает изучать информатику и т. д. Термин пользователь несколько неоднозначен. Обычно он обозначает конечного пользователя. Однако из рис.2 следует, что пользователем может быть:

создатель инструмента, отлаживающий средство построения ЭС;

инженер знаний, уточняющий существующие в ЭС знания;

эксперт, добавляющий в систему новые знания;

клерк, заносящий в систему текущую информацию.

Важно различать инструмент, который используется для построения ЭС, и саму ЭС. Инструмент построения ЭС включает как язык, используемый для доступа к знаниям, содержащимся в системе, и их представления, так и поддерживающие средства – программы, которые помогают пользователям взаимодействовать с компонентой экспертной системы, решающей проблему.

Классификация ЭС. Архитектура и принципы построения ЭС.

Основой любой ЭС является совокупность знаний, структурированная в целях упрощения процесса принятия решения. Для специалистов в области искусственного интеллекта термин знания означает информацию, которая необходима программе, чтобы она вела себя "интеллектуально". Эта информация принимает форму фактов и правил. Факты и правила в ЭС не всегда либо истинны, либо ложные. Иногда существует некоторая степень неуверенности в достоверности факта или точности правила. Если это сомнение выражено явно, то оно называется "коэффициентом доверия".

Коэффициент доверия — это число, которое означает вероятность или степень уверенности, с которой можно считать данный факт или правило достоверным или справедливым.

Многие правила ЭС являются эвристиками, то есть эмпирическими правилами или упрощениями, которые эффективно ограничивают поиск решения. ЭС используют эвристики, так как задачи, которые она решает, трудны, не до конца понятны, не поддаются строгому математическому анализу или алгоритмическому решению. Алгоритмический метод гарантирует корректное или оптимальное решение задачи, тогда как эвристический метод даёт приемлемое решение в большинстве случаев.

Знания в ЭС организованы так, чтобы знания о предметной области отделить от других типов знаний системы, таких как общие знания о том, как решать задачи или знание о том, как взаимодействовать с пользователем. Выделенные знания о предметной области называются базой знаний, тогда как общие знания о нахождении решений задач называются механизмом вывода. Программные средства, которые работают со знаниями, организованными таким образом, называются системами, основанными на знаниях.

БЗ содержит факты (данные) и правила (или другие представления знаний), использующие эти факты как основу для принятия решений. Механизм вывода содержит:

интерпретатор, определяющий как применять правила для вывода новых знаний на основе информации, хранящейся в БЗ;

диспетчер, устанавливающий порядок применения этих правил.

Такие ЭС получили название статических ЭС и имеют структуру, аналогичную рис.3. Эти ЭС используются в тех приложениях, где можно не учитывать изменения окружающего мира за время решения задачи.

Однако существует более высокий класс приложений, где требуется учитывать динамику изменения окружающего мира за время исполнения приложения. Такие экспертные системы получили название динамических ЭС и их обобщённая структура будет иметь вид, приведённый на рис.4.

По сравнению со статической ЭС в динамическую вводится два компонента: подсистема моделирования внешнего мира; подсистема сопряжения с внешним миром.

Динамические ЭС осуществляет связи с внешним миром через систему контроллеров и датчиков. Кроме того компоненты БЗ и механизма вывода существенно изменяются, чтобы отразить временную логику происходящих в реальном мире событий.

К разряду таких динамических сред разработки ЭС относится семейство программных продуктов фирмы Gensym Corp. (США). Один из таких продуктов система G2 – базовый программный продукт, представляющий собой графическую, объектно-ориентированную среду для построения и сопровождения экспертных систем реального времени, предназначенных для мониторинга, диагностики, оптимизации, планирования и управления динамическим процессом.

Технология разработки ЭС, включает в себя шесть этапов (рис.5): этапы идентификации, концептуализации, формализации, выполнения, тестирования, опытной эксплуатации. Рассмотрим более подробно последовательности действий, которые необходимо выполнить на каждом из этапов.

На этапе идентификации необходимо выполнить следующие действия: определить задачи, подлежащие решению и цели разработки, определить экспертов и тип пользователей.

На этапе концептуализации: проводится содержательный анализ предметной области, выделяются основные понятия и их взаимосвязи, определяются методы решения задач.

На этапе формализации: выбираются программные средства разработки ЭС, определяются способы представления всех видов знаний, формализуются основные понятия.

На этапе выполнения (наиболее важном и трудоёмком) осуществляется наполнение экспертом БЗ, при котором процесс приобретения знаний разделяют: на "извлечение" знаний из эксперта, на организацию знаний, обеспечивающую эффективную работу ЭС, на представление знаний в виде, понятном для ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе деятельности эксперта. На этапе тестирования эксперт и инженер по знаниям с использованием диалоговых и объяснительных средств проверяют компетентность ЭС. Процесс тестирования продолжается до тех пор, пока эксперт не решит, что система достигла требуемого уровня компетентности. На этапе опытной эксплуатации проверяется пригодность ЭС для конечных пользователей. По результатам этого этапа возможна существенная модернизация ЭС. Процесс создания ЭС не сводится к строгой последовательности этих этапов, так как в ходе разработки приходится неоднократно возвращаться на более ранние этапы и пересматривать принятые там решения.

Режимы работы экспертных систем

Экспертная система работает в двух основных режимах:

1) в режиме приобретения знаний;

2) в режиме решения задачи (называемом также режимом консультаций, или режимом использования экспертной системы).

Это логично и понятно, ведь сначала необходимо как бы загрузить экспертную систему информацией из той предметной области, в которой ей предстоит работать, это и есть режим «обучения» экспертной системы, режим, когда она получает знания. А уже после загрузки всей необходимой для работы информации следует и сама работа. Экспертная система становится готовой для эксплуатации, и ее теперь можно использовать для консультаций или для решения каких-либо задач.

Рассмотрим более подробно режим приобретения знаний.

В режиме приобретения знаний работу с экспертной системой осуществляет эксперт при посредничестве инженера по знаниям. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями (данными), которые, в свою очередь, позволяют системе в режиме решения уже без участия эксперта решать задачи из данной предметной области.

Следует отметить, что режиму приобретения знаний в традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые непосредственно программистом. Отсюда следует, что в отличие от традиционного подхода в случае экспертных систем разработку программ осуществляет не программист, а эксперт, естественно, с помощью экспертных систем, т. е. по большому счету человек, не владеющий программированием.

А теперь рассмотрим второй режим функционирования экспертной системы, т. е. режим решения задач.

В режиме решения задачи (или так называемом режиме консультации) общение с экспертными системами осуществляет непосредственно конечный пользователь, которого интересует концевой итог работы и иногда способ его получения. Необходимо отметить, что в зависимости от назначения экспертной системы пользователь не обязательно должен быть специалистом в данной проблемной области. В этом случае он обращается к экспертным системам за результатом, не имея достаточных знаний для получения результатов. Или все же пользователь может обладать уровнем знаний, достаточным для достижения необходимого результата самостоятельно. В этом случае пользователь может сам получить результат, но обращается к экспертным системам с целью либо ускорить процесс получения результата, либо возложить на экспертные системы монотонную работу. В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из базы данных формирует решение задачи. Экспертные системы при решении задачи не только исполняют предписанную последовательность конкретной операции, но и предварительно формирует ее. Это делается для случая, если реакция системы не совсем понятна пользователю. В этой ситуации пользователь может потребовать объяснения о том, почему данная экспертная система задает тот или иной вопрос или почему данная экспертная система не может выполнить данную операцию, как получен тот или иной результат, поставляемый данной экспертной системой.

Применение ЭС в экономике.

ЭС нашли применение и уже активно используются в следующих отраслях:

бухгалтерский учет и управление финансами – разрешение на предоставлении кредитов, консультации по вопросам налогообложения и инвестиций.
стратегия – консультация юристов по поводу планирования приобретений; планирование проекта; анализ результатов.
производство - процессы мониторинга и контролирования качества продукции; анализ неисправностей в больших системах; планирование размещения оборудования.
HRM - обучение в отдельных областях; определение квалификации кандидатов на получение должности.
маркетинг – определение приемлемых скидок для покупателей, выбор модели долгосрочного прогнозирования сбыта.

Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

а) Медицинская диагностика.

Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.

б) Прогнозирование.

Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.

в) Планирование.

Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле своего офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной.

г) Интерпретация.

Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

д) Контроль и управление.

Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

е) Диагностика неисправностей в механических и электрических устройствах.

В этой сфере системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.

ж) Обучение.

Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д.Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).

studfiles.net

Экспертиза технических систем

Рейтинг: 5 (100%) - Оценок: 1

Услуги современных экспертных организаций предполагают оказание помощи при решении многих актуальных проблем. Все чаще востребованной становится экспертиза технических систем, благодаря которой становится возможным определить истинное состояние относительно безопасности промышленных объектов, инженерных, технических устройств.

Порядок действий

Проведение исследований включает в себя оценку: насколько технологическое оборудование соответствует существующим требованиям. Наряду с этим экспертиза технических систем призвана установить соответствие нормативно-технической документации, что особенно важно для производственных объектов, представляющих опасность.

Для проведения исследований на надлежащем уровне, следует выбрать профессионалов своего дела, которые смогут выполнить все работы максимально быстро, исходя из строго установленных сроков.

Кто проводит исследования?

Особого внимания при этом заслуживает слаженная и четкая работа специалистов АНО «Центр Технических Экспертиз», прежде всего из экспертного технического отдела.

Преимуществом такого сотрудничества становится получение компетентного заключения, с подробным и полным описанием всех результатов экспертизы технических систем. Важно четко понимать, именно независимое суждение квалифицированных экспертов поможет принять верное решение при определении возможности дальнейшего использования различного оборудования, либо определить необходимость проведения ремонтных работ. Возможно, придется полностью заменить все системы, либо частично отдельные участки, в полном соответствии с решением экспертной комиссии.

tehexp.ru

Экспертные системы

2010/05/25 16:49:34

Экспертная система (ЭС, Expert system) — предиктивная система, включающая в себя знания об определенной слабо структурированной и трудно формализуемой узкой предметной области и способная предлагать и объяснять пользователю разумные решения. Экспертная система состоит из базы знаний, механизма логического вывода и подсистемы объяснений. Экспертная система включает в себя большое число структурных составляющих меньшего размера.

Экспертные системы представляют собой прямой пример того, как наука может быть полезна для бизнеса.

Развитие ЭС

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «экспертные системы» (ЭС). Целью исследований в этом новом направлении была разработка программ, которые при решении задач, сложных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Для обозначения этой дисциплины также часто используют термин «инженерия знаний», введенный Е.Фейгенбаумом как «привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов». На протяжении 1960—1985 гг. успехи в деле освоения искусственного интеллекта (ИИ) касались в основном исследовательских разработок, которые демонстрировали пригодность ИИ для практического использования. В 1988—1990 гг. экспертные системы стали активно применяться в коммерческих приложениях. На заре появления используемые для их создания языки программирования, технологии разработки приложений и используемого делали интеграцию ЭС с традиционными программными системами довольно сложной, а порой даже невыполнимой задачей. Однако в настоящее время средства разработки ЭС используются в полном соответствии с современными технологическими тенденциями традиционного программирования, что решает проблемы, возникающие при создании составных приложений.

Место в ИТ-инфрастрктуре

Назначение

Схема статичной Экспертной системы

Само название «Экспертные системы» подразумевает возможность замены эксперта-человека программным решением. Это позволяет предприятиям сокращать затраты на оплату труда специалистов, а самим специалистам обращаться при решении любых вопросов в рамках своей деятельности непосредственно к программе. Такие возможности сокращают время решения проблемы и позволяют молодым специалистам обучаться прямо на своем рабочем месте. Примером простейшей экспертной системы могут служить виртуальные «помощники» в пакетах ПО операционных систем компьютеров. Такие алгоритмы решения типовых вопросов избавляют разработчиков от излишней, непомерной и неоправданной нагрузки по общению с конечным пользователем.

Экспертные системы и системы искусственного интеллекта имеют основное отличие от систем обработки данных тем, что в них в основном используются символьный способ представления, символьный вывод и эвристический поиск решения. Экспертные системы предназначены для решения только сложных практических задач. По качеству и эффективности решения экспертные системы не должны уступать решениям эксперта-человека. Решения экспертных систем. могут быть объяснены пользователю на качественном уровне, то есть обладают прозрачностью. Прозрачность экспертных систем обеспечивается их способностью рассуждать о результатах своей работы и базах знаний. Важным свойством экспертных систем является и то, что они способны обучаться. ЭС решают задачи:

интерпретации
предсказаний
диагностики
планирования
конструирования
контроля
отладки
инструктажа
управления

Такие задачи возникают в самых разных областях научных, деловых и промышленных областях. Программные средства, основанные на технологии экспертных систем, получили значительное распространение в мире. Важность экспертных систем состоит в следующем:

существенно расширяют круг практически значимых задач, решение которых приносит значительный экономический эффект
являются важнейшим средством сокращения длительности и, следовательно, высокой стоимости разработки сложных приложений
объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет обеспечения динамичной модификации приложений пользователем, а не программистом, большей «прозрачности» приложения, лучшей графики, интерфейса и взаимодействия.

Неформализованные задачи

Особое внимание следует уделить неформализованным задачам, потому что именно для их решения и создавались экспертные системы. Неформализованные задачи обычно обладают следующими свойствами:

ошибочность, неоднозначность, неполнота и противоречивость исходных данных
ошибочность, неоднозначность, неполнота и противоречивость знаний о проблемной области и решаемой задаче
большая размерность пространства решения, то есть перебор при поиске решения может быть очень большим
динамически изменяющиеся данные и знания

Неформализованные задачи представляют большой и очень важный класс задач. Задачи такого плана являются наиболее массовым классом задач, решаемых ЭВМ.

Архитектура клиент-сервер

Существуют инструментальные средства искусственного интеллекта, поддерживающие распределенные вычисления по архитектуре клиент-сервер. Это предоставляет следующие преимущества:

снижение стоимости оборудования, используемого в приложениях
возможность децентрализовать приложения
повышение надежности и общей производительности
сокращение количества информации, пересылаемой между оборудованием

Преимущества

Существует ряд преимуществ экспертных систем как перед человеком-оператором, так и перед обычными алгоритмическими базами данных:

интегрируемость. Существуют инструментальные средства, легко входящие в состав других информационных технологий и средств
открытость и переносимость: у них нет предубеждений и они устойчивы к различным помехам;
отсутствие поспешных выводов;
выдача оптимального решения
неограниченные размеры базы знаний.
постоянное хранение данных: эксперт может что-то забыть, машина — никогда.

Перспективы развития

По мнению ведущих специалистов в области программирования, в недалекой перспективе ЭС будут играть важную роль в таких сферах, как:

все фазы проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг
интеграция приложений из готовых интеллектуально-взаимодействующих модулей в основные крупные программные решения
решение неформализованных задач

Связанные темы

Ссылки

www.tadviser.ru

Что такое комплексная экспертиза

Комплексная судебная экспертиза в УПК РФ и АПК РФ - судебная экспертиза, в производстве которой участвуют эксперты разных специальностей (ч. 1 ст. 201 УПК РФ, ч. 1 ст. 85 АПК РФ). Аналогичное определение содержится в ст. 23 ФЗ о ГСЭД. В ч. 1 ст. 82 ГПК РФ закреплено, что комплексная экспертиза назначается судом, если установление обстоятельств по делу требует одновременного проведения исследований с использованием различных областей знания или с использованием различных научных направлений в пределах одной области знания.

В Постановлении Пленума ВС о судебной экспертизе по уголовным делам указано, что в необходимых случаях, когда исследование выходит за пределы компетенции одного эксперта или комиссии экспертов, в соответствии со ст. 201 УПК РФ может быть назначено производство комплексной экспертизы, осуществляемой несколькими экспертами на основе использования разных специальных знаний (п. 12). Эксперты при этом составляют совместное заключение, в котором должно быть указано, какие исследования провел каждый эксперт, какие факты лично он установил и к каким пришел выводам.

Каждый эксперт, участвующий в производстве комплексной экспертизы, подписывает ту часть заключения, которая содержит описание проведенных им исследований, и несет за нее ответственность (ст. 23 ФЗ о ГСЭД, ч. 2 ст. 201 УПК РФ, ч. 2 ст. 85 АПК РФ). Промежуточные выводы, формулируемые этими экспертами, находят свое отражение в исследовательской части заключения.

Эксперты, компетентные в оценке полученных результатов, на основе проведенных исследований и промежуточных выводов формулируют в синтезирующей части (наличие которой является особенностью заключения, составляемого после проведения комплексной экспертизы) общий вывод и имеют право подписать общее заключение. Последнее положение закреплено в ФЗ о ГСЭД (ст. 23), АПК РФ (ч. 3 ст. 85) и ГПК РФ (ч. 2 ст. 82), но отсутствует в УПК РФ, что подвергается критике. Ю.Г. Корухов по этому поводу пишет: «При такой редакции статья теряет свой смысл. Озаглавив ст. 201 «Комплексная судебная экспертиза», законодатель выхолостил из ее содержания самое главное - возможность комплексирования экспертами разных специальностей полученных ими результатов».

Как уже отмечалось, комплексная экспертиза - это экспертиза, при производстве которой решение вопроса невозможно без одновременного совместного участия специалистов в различных областях знания для формулирования общего вывода. Комплексная экспертиза предопределяется общностью вещественных доказательств, а главным ее признаком является решение пограничных вопросов разного рода экспертиз

Комплексное исследование может проводиться и в рамках экспертизы одного рода или вида («моноэкспертизы») при исследовании одних и тех же объектов разными методами, однако такое исследование не является комплексной экспертизой, поскольку выполняется с использованием комплекса методов в рамках методики одного и того же рода (вида) судебной экспертизы (или, если точнее, - в рамках одной экспертной специальности).

Таким образом, любая комплексная экспертиза представляет собой комплексное исследование, но не любое комплексное исследование является комплексной экспертизой.

Не является комплексной экспертизой и исследование одних и тех же объектов (группы объектов) экспертами разных специальностей для решения вопросов, относящихся к разным родам экспертиз, если эксперты решали эти вопросы без совместных исследований и оценки полученных результатов. В этом случае речь идет о комплексе экспертиз.

Комплексный характер экспертизы не определяется лишь единством исследуемого объекта.

Дискуссионным в настоящее время является вопрос об обязательной комиссионности комплексной экспертизы. Как уже было указано выше, в процессуальных Кодексах и в ФЗ о ГСЭД закреплено, что комплексная экспертиза должна производиться несколькими экспертами (комиссией). Поэтому вопрос, точнее, состоит в следующем: следует ли законодательно закрепить возможность проведения единоличной комплексной экспертизы? Утвердительный и отрицательный ответы основываются на сложившихся двух различных взглядах на природу комплексной экспертизы.

Согласно одной точке зрения, комплексная экспертиза - это в первую очередь правовое понятие, поскольку закрепление в уголовно-процессуальном законодательстве указанных выше особенностей ее назначения и производства обеспечивает прежде всего достоверность выводов, получаемых несколькими экспертами разных специальностей в результате проведения совместного исследования. Особая процедура проведения комплексной экспертизы решает возникающую при ее производстве проблему личной ответственности эксперта за проведенные исследования.

Другая точка зрения исходит из того, что категория комплексности должна пониматься с позиции гносеологии, то есть основной признак комплексной экспертизы заключается в том, что при ее проведении происходит интеграция знаний разных родов судебных экспертиз.

Первый шаг на пути законодательного закрепления возможности единоличного проведения комплексной экспертизы сделан в Постановлении Пленума ВС о судебной экспертизе по уголовным делам, в п. 12 которого сказано: «Если эксперт обладает достаточными знаниями, необходимыми для комплексного исследования, он вправе дать единое заключение по исследуемым им вопросам».

Конечно, несмотря на то, что любая комплексная экспертиза с гносеологической точки зрения является комплексным исследованием, Пленум Верховного Суда не может изменить законодательную норму об обязательной комиссионности комплексной судебной экспертизы.

Однако история развития законодательного регулирования института судебных экспертиз свидетельствует о том, что характер экспертного обеспечения расследования и рассмотрения дел претерпевает не только «количественные» изменения (расширение возможности использования специальных знаний, вовлечение новых объектов в сферу экспертного исследования, приобретение знаниями, ранее считавшимися «общеизвестными», статуса «специальных»), но и изменения «качественные». Последние, в частности, выражаются во взаимопроникновении методов разных родов судебных экспертиз, что позволяет дать суду и следствию наиболее полную информацию об интересующих их объектах.

Действительно, в тех случаях, когда несколько экспертов, обладающих разными специализациями, производят одну экспертизу, требуется особый порядок, обеспечивающий формулирование объективного общего вывода и соблюдение компетенции каждого эксперта. Однако в такой особой процессуальной форме отпадает необходимость, если эксперт достаточно компетентен, чтобы произвести комплексную экспертизу самостоятельно: он будет нести ответственность за все проведенное им исследование и за все сделанные на его основе выводы. Такое комплексное исследование, как и при комплексном исследовании в рамках «моноэкспертизы», не порождает процессуальных проблем и не имеет процессуальных особенностей.

Учитывая сказанное выше, целесообразно изложение ст. 201 УПК РФ в следующей редакции:

«Статья 201. Комплексная судебная экспертиза

1. Судебная экспертиза, производство которой поручено экспертам разных специальностей или эксперту, обладающему двумя или более экспертными специальностями, является комплексной.

2. Если комплексную судебную экспертизу проводит комиссия экспертов разных специальностей, то в заключение экспертов указывается, какие исследования и в каком объеме провел каждый эксперт, какие факты он установил и к каким выводам пришел. Каждый эксперт, участвовавший в производстве комплексной судебной экспертизы, подписывает ту часть заключения, которая содержит описание проведенных им исследований, и несет за нее ответственность.Общий вывод делают эксперты, компетентные в оценке полученных результатов и формулировании данного вывода. Если основанием общего вывода являются факты, установленные одним или несколькими экспертами, это должно быть указано в заключении. В случае возникновения разногласий между экспертами каждый из них или эксперт, который не согласен с другими, дает отдельное заключение.

3. Если эксперт обладает достаточными знаниями, он вправе провести комплексную экспертизу единолично. В этом случае он дает заключение только от своего имени и единолично несет за него ответственность».

Аналогичная норма о единоличной комплексной экспертизе может быть добавлена и в ФЗ о ГСЭД как ст. 23.1. Изменения в этом случае также должны коснуться ст. 85 АПК РФ и ст. 82 ГПК РФ.

Следует добавить, что основанием различения однородных и комплексных экспертиз в таком случае следует считать не состав исполнителей, а состав применяемых специальных знаний.

Итак, в связи с тем, что судебные экспертизы обладают единой природой независимо от вида процесса, в рамках которого они производятся, следует признать необходимой унификацию их правового регулирования во всех процессуальных законах: АПК РФ, ГПК РФ, КоАП РФ и УПК РФ.

Так, в ч. 1 ст. 87 ГПК РФ следует закрепить отсутствующее основание назначения дополнительной судебной экспертизы - возникновение новых вопросов в отношении ранее исследованных обстоятельств дела. В ч. 2 ст. 87 ГПК РФ одно из оснований назначения повторной судебной экспертизы должно быть дополнено: следует предусмотреть наличие противоречий не только в заключениях нескольких экспертов, но и в одном экспертном заключении.

В процессуальном законодательстве должен быть унифицирован перечень субъектов, имеющих право решать вопрос о комиссионном (в т.ч. комплексном) характере судебной экспертизы. За основу следует взять абз. 2 ст. 21 ФЗ о ГСЭД. Таким образом, помимо суда, иных органов и должностных лиц, в него должен быть включен руководитель судебно-экспертного учреждения, что сэкономит время при решении вопроса о комиссионном характере судебной экспертизы, если он возник уже после назначения экспертного исследования судом, иным органом или должностным лицом.

Поскольку в КоАП РФ вообще отсутствует регулирование дополнительной, повторной, комиссионной и комплексной экспертиз, следует рекомендовать включение необходимых норм в гл. 26 данного Кодекса.

Также предложено внесение в ст. 201 УПК РФ определенных изменений, состоящих в первую очередь во включении в текст статьи положения о возможности проведения комплексной экспертизы единолично при наличии у эксперта необходимых знаний (при обладании им двумя или более экспертными специальностями), а также в закреплении в рассматриваемой статье нормы о формулировании общего вывода при комиссионном производстве комплексной экспертизы.

Единоличный порядок производства комплексной экспертизы, следовательно, не требует никакой процедуры формулировки общего вывода и предполагает единоличную ответственность эксперта за этот вывод. При внесении данных изменений потребуется также дополнить аналогичной нормой ФЗ о ГСЭД (например, в качестве ст. 23.1), ст. 85 АПК РФ и ст. 82 ГПК РФ. В этом случае основанием различения однородных и комплексных экспертиз следует считать не состав исполнителей, а состав применяемых специальных знаний.

Источники:

1) Артюшенко Д.В. Некоторые процессуальные аспекты классификации судебных экспертиз.2) Виноградов И.В., Кочаров Г.И., Селиванов Н.А. Экспертизы на предварительном следствии. Изд. 2-е, перераб. и доп. М.: Юрид. лит., 1967. 248 с.3) Корухов Ю.Г. Проблема комплексности в судебной экспертизе (к вопросу о законодательной регламентации) // Теория и практика судебной экспертизы. 2009. N 3(15). С. 10 - 17.4) Орлов Ю.К. Судебная экспертиза как средство доказывания в уголовном судопроизводстве: Научное издание. М.: Институт повышения квалификации Российского федерального центра судебной экспертизы, 2005. 264 с.5) Россинская Е.Р. Проблемы законодательной регламентации судебной экспертизы и некоторые пути их разрешения // Законы России: опыт, анализ, практика. 2011. N 12. С. 3 - 12.6) Россинская Е.Р. Судебная экспертиза в гражданском, арбитражном, административном и уголовном процессе. 3-е изд., доп. М.: Норма; ИНФРА-М, 2011. 736 с.7) Шляхов А.Р. Судебная экспертиза: организация и проведение. М.: Юрид. лит., 1979. 168 с.8) Шляхов А.Р. Теория и практика комплексных исследований в судебно-экспертных учреждениях системы МЮ СССР // Проблемы организации и проведения комплексных экспертных исследований: Материалы Всесоюзной науч.-практич. конференции (Рига, 5 - 6 декабря 1984 г.). М.: ВНИИСЭ, 1985. С. 3 - 20.

ceur.ru

Понятие экспертных систем

Содержание:

1. Введение………………………………………………………………………......3

2. Применение экспертных систем в медицине…………………………………....4

2.1. Компьютерная диагностика. Развитие экспертных систем на основе продукта MYCIN…………..………………………………….………………4

2.2. Самообучающиеся интеллектуальные системы …………..………….10

2.3. Использование при разработке экспертных систем технологии Data Mining...............................................................................................................15

3. Заключение……………………………………………………………………....22

4. Список используемой литературы……………………………………………..23

1. Введение.

Экспертная система - это программа, которая ведет себя подобно эксперту в некоторой прикладной области. Типичные сферы применения экспертных систем включают в себя такие задачи, как медицинская диагностика, интерпретация результатов измерений и предложение методов борьбы с различными заболеваниями. Экспертные системы должны решать задачи, требующие для своего решения экспертных знаний в некоторой конкретной области, поэтому они должны обладать этими знаниями. Их также называют системами , основанными на знаниях . Однако не всякую систему, основанную на знаниях, можно рассматривать как экспертную. Экспертная система должна также уметь каким-то образом объяснять свое поведение и свои решения пользователю, так же, как это делает эксперт-человек. Это особенно необходимо в медицине, для которой характерна неопределенность, неточность информации. [1]

В медицинских учреждениях все более актуальным становится создание автоматизированных рабочих мест, наличие которых делает работу врача-специалиста более продуктивной. Невозможно представить себе обследование сердечнососудистой системы без получения электрокардиограммы, ультразвукового исследования без получения отпечатка, биохимического исследования без бланка с данными анализа. В микроскопии до сих пор результат выглядел как словесное описание изображения. Не было простого и эффективного способа документирования (получения твердой копии), если не считать трудоемкий и сложный процесс микрофотографирования, проявления пленки и печати фотографий. Однако сейчас разработаны и предлагаются к использованию различные экспертные системы, некоторые из которых не требуют применения компьютера, что делает их более экономичными простыми для использования даже без специальной подготовки.[2]

2. Применение экспертных систем в медицине.

2.1. Компьютерная диагностика. Развитие экспертных систем на основе продукта MYCIN .

За последние 20 лет уровень применения компьютеров в медицине чрезвычайно возрос. Практическая медицина становится все более и более автоматизированной.

Сложные современные исследования в медицине не мыслимы без применения вычислительной техники. К таким исследованиям можно отнести компьютерную томографию, томографию с использованием явления ядерно-магнитного резонанса, ультрасонографию, исследования с применением изотопов. Количество информации, которое получается при таких исследованиях, так огромно, что без компьютера человек был бы неспособен ее воспринять и обработать.

Компьютерная томография, к примеру, представляет собой метод рентгенографического исследования, позволяющий при помощи специальной технологии получать рентгенограммы человеческого тела по слоям и удерживать эти снимки в памяти компьютера после специальной обработки; она дает возможность установить локализацию патологического процесса, оценить результаты лечения, в том числе лучевой терапии, выбрать подходы и объем оперативного вмешательства. Для этой цели используются специальные аппараты с вращающейся рентгеновской трубкой, которая перемещается вокруг неподвижного объекта, «построчно» обследуя все тело или его часть. Так как органы и ткани человека поглощают рентгеновское излучение в неравной степени, изображения их выглядят в виде «штрихов» – установленного ЭВМ коэффициента поглощения для каждой точки сканируемого слоя.

Компьютерные томографы позволяют выделить слои от 2 до 10 мм при скорости сканирования одного слоя 2–5 секунд с моментальным воспроизведением изображения в черно-белом или цветном варианте.

В медицине широко применяются экспертные системы, основное назначение которых – медицинская диагностика. Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна экспертная диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за заболеваниями крови. Ее первая версия была разработана в Стэнфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.[3]

Программа EMYCIN (1981) позволяет использовать архитектуру системы MYCIN в приложении к другим областям медицины. На базе EMYCIN были разработаны экспертные системы как для медицины (например, система PUFF для диагностики легочных заболеваний), так и для других областей знаний, например программа структурного анализа SACON.

Однако Автор системы EMYCIN Ван Мелле (Van Melle) одним из первых подчеркнул, что оболочки экспертных систем отнюдь не являются универсальной архитектурой для решения проблем. Разработанная им система EMYCIN ориентирована на проблемы диагностирования с большими объемами данных, которые поддаются решению с помощью дедуктивного подхода в предположении, что пространство диагностических категорий стационарно.

Но если речь идет конкретно об оболочках, то уже сейчас нужно отметить, что большинство коммерческих продуктов этого типа подходит только для тех проблем, в которых пространство поиска невелико. Как правило, в них применяется метод исчерпывающего поиска с построением обратной цепочки вывода и ограниченными возможностями управления процессом. Некоторые современные оболочки, например М.4 (механизм построения цепочки обратных рассуждений, заимствованный в EMYCIN, объединен с фреймоподобной структурой данных и дополнительными средствами управления ходом рассуждений), как утверждают их создатели, могут применяться для решения широкого круга задач, поскольку они поддерживают множество функций представления знаний и управления, включая и моделирование прямой цепочки логического вывода, процедуры, передачу сообщений и т.п.

Простота языков представления знаний, применяемых в большинстве оболочек, является, с одной стороны, достоинством, а с другой – недостатком такого рода систем.

Использованный в EMYCIN формализм порождающих правил затрудняет разделение разных видов знаний – эвристических, управляющих, знаний об ожидаемых значениях параметров. Недостаточная структурированность набора правил в EMYCIN также затрудняет и восприятие новых знаний, поскольку добавление в базу знаний нового правила требует внесения изменений в различные компоненты системы. Например, нужно вносить изменения в таблицы знаний, содержащие информацию о медицинских параметрах. Это одна из проблем, решением которой гордятся создатели системы TEIRESIAS.

В программе TEIRESIAS можно выделить три уровня обобщения:

- знания об объектах данных, специфические для предметной области;

- знания о типах данных, специфические для метода представления знаний;

- знания, независимые от метода представления.

Эксперт может использовать программу TEIRESIAS для взаимодействия с экспертной системой, подобной MYCIN, и следить с ее помощью за тем, что делает экспертная система и почему. Поскольку на этапе разработки экспертной системы мы всегда имеем дело с неполным набором правил, в котором к тому же содержится множество ошибок, можно задать вопрос эксперту: «Что вы знаете такого, что еще не знает программа?» Решая конкретную проблему, эксперт может сосредоточить внимание на корректности правил, вовлеченных в этот процесс, из числа тех, что ранее введены в систему, их редактировании при необходимости или включении в систему новых правил.

В составе TEIRESIAS имеются и средства, которые помогают оболочке EMYCIN следить за поведением экспертной системы в процессе применения набора имеющихся правил.

Режим объяснения (EXPLAIN) . После выполнения каждого очередного задания – консультации – система дает объяснение, как она пришла к такому заключению. Распечатываются каждое правило, к которому система обращалась в процессе выполнения задания, и количественные параметры, связанные с применением этого правила, в том числе и коэффициенты уверенности.

Режим тестирования (TEST) . В этом режиме эксперт может сравнить результаты, полученные при прогоне отлаживаемой программы, с правильными результатами решения этой же задачи, хранящимися в специальной базе данных, и проанализировать имеющиеся отличия. Оболочка EMYCIN позволяет эксперту задавать системе вопросы, почему она пришла к тому или иному заключению и почему при этом не были получены известные правильные результаты.

Режим просмотра (REVIEW) . В этом режиме эксперт может просмотреть выводы, к которым приходила система при выполнении одних и тех же запросов из библиотеки типовых задач. Это помогает просмотреть эффект, который дают изменения, вносимые в набор правил в процессе наладки системы. В этом же режиме можно проанализировать, как отражаются изменения в наборе правил на производительности системы.

Основным методом формирования суждений в EMYCIN является построение обратной цепочки вывода. При этом используется множество правил мета- и объектного уровня. В результате очень сложно формировать исчерпывающее и понятное для пользователя пояснение. Те решения, которые принимаются на этапе программирования правил, в частности касающиеся порядка и количества выражений в антецедентной части, могут разительным образом повлиять на путь поиска в пространстве решений в процессе функционирования системы.

mirznanii.com

Экспертные системы, их особенности

Определение экспертных систем. Главное достоинство и назначение экспертных систем.

Экспертные системы (ЭС)- это яркое и быстро прогрессирующее направление в области искусственного интеллекта(ИИ). Причиной повышенного интереса, который ЭС вызывают к себе на протяжении всего своего существования является возможность их применения к решению задач из самых различных областей человеческой деятельности. Пожалуй, не найдется такой проблемной области, в которой не было бы создано ни одной ЭС или по крайней мере, такие попытки не предпринимались бы.

ЭС- это н

абор программ или программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. ЭС, как и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы.

ЭС выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы)на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т. е. правил, взятых “с потолка”, что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.

Главное достоинство ЭС- возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

Практическое применение искусственного интеллекта на машиностроительных предприятиях и в экономике основано на ЭС, позволяющих повысить качество и сохранить время принятия решений, а также способствующих росту эффективности работы и повышению квалификации специалистов.

Отличие экспертных систем от других программных продуктов.

Основными отличиями ЭС от других программных продуктов являются использование не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи. Поэтому применение алгоритма обработки знаний может привести к получению такого результата при решении конкретной задачи, который не был предусмотрен. Более того, алгоритм обработки знаний заранее неизвестен и строится по ходу решения задачи на основании эвристических правил. Решение задачи в ЭС сопровождается понятными пользователю объяснениями, качество получаемых решений обычно не хуже, а иногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила (или эвристики), по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний пытается вывести заключение из этих фактов (см.. рис.1).

рис.1

Качество ЭС определяется размером и качеством базы знаний (правил или эвристик). Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоение новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов (рис.2). Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

В любой момент времени в системе существуют три типа знаний:

- Структурированные знания- статические знания о предметной области. После того как эти знания выявлены, они уже не изменяются.

- Структурированные динамические знания- изменяемые знания о предметной области. Они обновляются по мере выявления новой информации.

- Рабочие знания- знания, применяемые для решения конкретной задачи или проведения консультации.

Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

ðèñ.2 Ñõåìà ðàáîòû ÝÑ.

Отличительные особенности. Экспертные системы первого и второго поколения.

1. Экспертиза может проводиться только в одной конкретной области. Так, программа, предназначенная для определения конфигурации систем ЭВМ, не может ставить медицинские диагнозы.

2. База знаний и механизм вывода являются различными компонентами. Действительно, часто оказывается возможным сочетать механизм вывода с другими базами знаний для создания новых ЭС. Например, программа анализа инфекции в крови может быть применена в пульманологии путем замены базы знаний, используемой с тем же самым механизмом вывода.

3. Наиболее подходящая область применения- решение задач дедуктивным методом. Например, правила или эвристики выражаются в виде пар посылок и заключений типа “если-то”.

4. Эти системы могут объяснять ход решения задачи понятным пользователю способом. Обычно мы не принимаем ответ эксперта, если на вопрос “Почему ?” не можем получить логичный ответ. Точно так же мы должны иметь возможность спросить систему, основанную на знаниях, как было получено конкретное заключение.

5. Выходные результаты являются качественными (а не количественными).

6. Системы, основанные на знаниях, строятся по модульному принципу, что позволяет постепенно наращивать их базы знаний.

Компьютерные системы, которые могут лишь повторить логический вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

В экспертных системах первого поколения знания представлены следующим образом:

1) знаниями системы являются только знания эксперта, опыт накопления знаний не предусматривается.

2) методы представления знаний позволяли описывать лишь статические предметные области.

3) модели представления знаний ориентированы на простые области.

Представление знаний в экспертных системах второго поколения следующее:

1) используются не поверхностные знания, а более глубинные. Возможно дополнение предметной области.

2) ЭС может решать задачи динамической базы данных предметной области.

Области применения экспертных систем.

а) Медицинская диагностика. Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.

б) Прогнозирование. Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.

в) Планирование. Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле своего офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной.

г) Интерпретация. Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

д) Контроль и управление. Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

е) Диагностика неисправностей в механических и электрических устройствах. В этой сфере системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.

ж) Обучение. Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д.Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год.

Критерий использования ЭС для решения задач.

Существует ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами. При определении целесообразности применения таких систем нужно руководствоваться следующими критериями.

1. Данные и знания надежны и не меняются со временем.

2. Пространство возможных решений относительно невелико.

3. В процессе решения задачи должны использоваться формальные рассуждения. Существуют системы, основанные на знаниях, пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

4. Должен быть по крайней мере один эксперт, который способен явно сформулировать свои знания и объяснить свои методы применения этих знаний для решения задач.

В таблице один приведены сравнительные свойства прикладных задач, по наличию которых можно судить о целесообразности использования для их решения ЭС.

Таблица 1. Критерий применимости ЭС.

В целом ЭС не рекомендуется применять для решения следующих типов задач:

- математических, решаемых обычным путем формальных преобразований и процедурного анализа;

- задач распознавания, поскольку в общем случае они решаются численными методами;

- задач, знания о методах решения которых отсутствуют (невозможно построить базу знаний).

Ограничения в применение экспертных систем..

Даже лучшие из существующих ЭС, которые эффективно функционируют как на больших, так и на мини-ЭВМ, имеют определенные ограничения по сравнению с человеком-экспертом.

1. Большинство ЭС не вполне пригодны для применения конечным пользователем. Если вы не имеете некоторого опыта работы с такими системами, то у вас могут возникнуть серьезные трудности. Многие системы оказываются доступными только тем экспертам, которые создавали из базы знаний.

2. Вопросно-ответный режим, обычно принятый в таких системах, замедляет получение решений. Например, без системы MYCIN врач может (а часто и должен) принять решение значительно быстрее, чем с ее помощью.

3. Навыки системы не возрастают после сеанса экспертизы.

4. Все еще остается проблемой приведение знаний, полученных от эксперта, к виду, обеспечивающему их эффективную машинную реализацию.

5. ЭС не способны обучаться, не обладают здравым смыслом. Домашние кошки способны обучаться даже без специальной дрессировки, ребенок в состоянии легко уяснить, что он станет мокрым, если опрокинет на себя стакан с водой, однако если начать выливать кофе на клавиатуру компьютера, у него не хватит “ума” отодвинуть ее.

6. ЭС неприменимы в больших предметных областях. Их использование ограничивается предметными областями, в которых эксперт может принять решение за время от нескольких минут до нескольких часов.

7. В тех областях, где отсутствуют эксперты (например, в астрологии), применение ЭС оказывается невозможным.

8. Имеет смысл привлекать ЭС только для решения когнитивных задач. Теннис, езда на велосипеде не могут являться предметной областью для ЭС, однако такие системы можно использовать при формировании футбольных команд.

9. Человек-эксперт при решении задач обычно обращается к своей интуиции или здравому смыслу, если отсутствуют формальные методы решения или аналоги таких задач.

Системы, основанные на знаниях, оказываются неэффективными при необходимости проведения скрупулезного анализа, когда число “решений” зависит от тысяч различных возможностей и многих переменных, которые изменяются во времени. В таких случаях лучше использовать базы данных с интерфейсом на естественном языке.

Преимущества ЭС перед человеком - экспертом.

Системы, основанные на знаниях, имеют определенные преимущества перед человеком-экспертом.

1. У них нет предубеждений.

2. Они не делают поспешных выводов.

3. Эти системы работают систематизировано, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных.

4. База знаний может быть очень и очень большой. Будучи введены в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.

5. Системы, основанные на знаниях, устойчивы к “помехам”. Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены “шумам”. Со временем системы, основанные на знаниях, могут рассматриваться пользователями как разновидность тиражирования- новый способ записи и распространения знаний. Подобно другим видам компьютерных программ они не могут заменить человека в решении задач, а скорее напоминают орудия труда, которые дают ему возможность решат задачи быстрее и эффективнее.

6. Эти системы не заменяют специалиста, а являются инструментом в его руках.

История развития экспертных систем.

1. Основные линии развития ЭС.

2. Проблемы, возникающие при создании экспертных систем. Перспективы развития.

Наиболее известные ЭС, разработанные в 60-70-х годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.

1. META-DENDRAL.Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.

3. PROSPECTOR-KAS. PROSPECTOR- предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для PROSPECTOR.

4. CASNET-EXPERT. Система CASNET- медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностических систем.

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.

6. Системы AM (Artifical Mathematician- искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.

В систему AM первоначально было заложено около 100 правил вывода и более 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. Сначала результаты работы системы были весьма многообещающими. Она могла сформулировать понятия натурального ряда и простых чисел. Кроме того, она синтезировала вариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можно представить в виде суммы двух простых чисел. До сих пор не удалось ни найти доказательства данной гипотезы, ни опровергнуть ее. Дальнейшее развитие системы замедлилось и было отмечено, что несмотря на проявленные на первых порах “математические способности”, система не может синтезировать новых эвристических правил, т.е. ее возможности определяются только теми эвристиками, что были в нее изначально заложены.

При разработке системы EURISCO была предпринята попытка преодолеть указанные недостатки системы AM. Как и в начале эксплуатации AM, первые результаты, полученные с помощью EURISCO, были эффективными. Сообщалось, что система EURISCO может успешно участвовать в очень сложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов. Согласно одному из них, например предлагалось взрывать свои корабли, получившие повреждения. При этом корабли, оставшиеся неповрежденными, получает необходимое пространство для выполнения маневра.

Однако через некоторое время обнаружилось, что система не всегда корректно переопределяет первоначально заложенные в нее правила. Так, например, она стала нарушать строгое предписание обращаться к программистам с вопросами только в определенное время суток. Т.о., система EURISCO, так же как и ее предшественница, остановилась в своем развитии, достигнув предела, определенного в конечном счете ее разработчиком.

С 1990 года доктор Ленат во главе исследовательской группы занят кодированием и вводом нескольких сот тысяч элементов знаний, необходимых, по его мнению, для создания “интеллектуальной” системы. Этот проект назван Cyc (“Цик”, от английского слова enciklopaedia).

Проблемы, возникающие при создании ЭС. Перспективы разработки.

С 70-х годов ЭС стали ведущим направлением в области искусственного интеллекта. При их разработке нашли применение методы ИИ, разработанные ранее: методы представления знаний, логического вывода, эвристического поиска, распознавания предложений на естественном языке и др. Можно утверждать, что именно ЭС позволили получить очень большой коммерческий эффект от применения таких мощных методов. В этом - их особая роль.

Каталог ЭС и инструментальных программных средств для их разработки, опубликованный в США в 1987 году, содержит более 1000 систем (сейчас их уже значительно больше). В развитых зарубежных странах сотни фирм занимаются их разработкой и внедрением. Имеются и отечественные разработки ЭС, в том числе - нашедший промышленное применение.

Однако уже на начальных этапах выявились серьезные принципиальные трудности, препятствующие более широкому распространению ЭС и серьезно замедляющие и осложняющие их разработку. Они вполне естественных и вытекают из самих принципов разработки ЭС.

Первая трудность возникает в связи с постановкой задач. Большинство заказчиков, планируя разработку ЭС, в следствие недостаточной компетентности в вопросах применения методов ИИ, склонна значительно преувеличивать ожидаемые возможности системы. Заказчик желает увидеть в ней самостоятельно мыслящего эксперта в исследуемой области, способного решать широкий круг задач. Отсюда и типичные первоначальные постановки задачи по созданию ЭС: “Разработать ЭС по обработке изображения”; “Создать медицинские ЭС по лечению заболеваний опорно-двигательного аппарата у детей”. Однако, как уже отмечалось, мощность эвристических методов решения задач при увеличении общности их постановки резко уменьшается. Поэтому наиболее целесообразно (особенно при попытке создания ЭС в области, для которой у разработчиков еще нет опыта создания подобных систем) ограничиться для начала не слишком сложной обозримой задачей в рассматриваемой области, для решения которой нет простого алгоритмического способа (то есть неочевидно, как написать программу для решения этой задачи, не используя методы обработки знаний). Кроме того, важно, чтобы уже существовала сложившаяся методика решения этой задачи “вручную” или какими-либо расчетными методами. Для успешной разработки ЭС необходимы не только четкая и конкретная постановка задач, но и разработка подробного (хотя бы словесного) описания “ручного” (или расчетного) метода ее решения. Если это сделать затруднительно, дальнейшая работа по построению ЭС теряет смысл.

Вторая и основная трудность - проблема приобретения (усвоения) знаний. Эта проблема возникает при “передаче” знаний, которыми обладают эксперты-люди, ЭС. Разумеется для того, чтобы “обучить” им компьютерную систему, прежде всего требуется сформулировать, систематизировать и формализовать эти знания “на бумаге”. Это может показаться парадоксальным, но большинство экспертов (за исключением, может быть, математиков), успешно используя в повседневной деятельности свои обширные знания, испытывают большие затруднения при попытке сформулировать и представить в системном виде хотя бы основную часть этих знаний: иерархию используемых понятий, эвристики, алгоритмы, связи между ними. Оказывается, что для подобной формализации знаний необходим определенный систематический стиль мышления, более близкий математикам и программистам, чем, например, юристам и медикам. Кроме того, необходимы, с одной стороны, знания в области математической логики и методов представления знаний, с другой - знания возможности ЭВМ, из программного обеспечения, в частности, языков и систем программирования.

Таким образом, выясняется, что для разработки ЭС необходимо участие в ней особого рода специалистов, обладающих указанной совокупностью знаний и выполняющих функции “посредников” между экспертами в предметной области и компьютерными (экспертными) системами. Они получили название инженеры знаний (в оригинале - knowledge engineers), а сам процесс разработки ЭС и других интеллектуальных программ, основанных на представлении и обработке знаний - инженерией знаний (knowledge engineering).

вверх

expsys.narod.ru