La base de tout système expert intellectuel. Classes de systèmes d'experts

Systèmes experts - Ce sont des complexes logiciels complexes, accumulant des connaissances sur des spécialistes dans des domaines spécifiques et reproduisant cette expérience empirique pour consulter des utilisateurs moins qualifiés.

Les domaines d'application basés sur des connaissances basées sur les connaissances sont très divers: entreprises, production, applications militaires, médecine, sociologie, géologie, espace, agriculture, gestion, jurisprudence, etc.

Les systèmes basés sur la connaissance (POP) sont des systèmes logiciels, dont les principaux éléments structurels sont base de connaissances et le mécanisme de conclusions logiques. Parmi les POP peuvent être alloués:

• informations intelligentes et moteurs de recherche;
• systèmes d'experts (ES).

Les informations intelligentes et les moteurs de recherche diffèrent de la génération précédente de systèmes de récupération d'informations non seulement un fonds de référence et d'information beaucoup plus vaste, mais également la capacité la plus importante à former des réponses adéquates aux demandes des utilisateurs, même lorsque les demandes ne sont pas directement de caractère.

Les systèmes d'experts peuvent servir de systèmes d'experts capables de diagnostiquer des maladies, d'évaluer les dépôts minéraux potentiels, de traiter la langue naturelle, la parole et la reconnaissance d'images, etc. Les systèmes d'experts constituent la première étape de la mise en œuvre pratique des études dans le domaine de l'intelligence artificielle

La structure de base du système expert est illustrée dans la figure ci-dessous.

Les éléments structurels qui composent le système d'experts effectuent les fonctions suivantes.

Base de connaissances Implémente les fonctions de présentation des connaissances dans une zone spécifique et les contrôlent.

Mécanisme de conclusions logiques Effectue des conclusions logiques sur la base des connaissances disponibles dans la base de connaissances.

Interface utilisateur Nous sommes nécessaires pour une transmission appropriée des réponses à l'utilisateur, sinon utilisez le système est extrêmement gênant.

Acquisition des connaissances du module Nous sommes nécessaires pour obtenir des connaissances de l'expert, soutenir la base de connaissances et l'ajouter si nécessaire.

Module de réponse et d'explication Forme la conclusion du système d'experts et présente divers commentaires apportés à la conclusion et explique également les motifs de conclusion.

Structure du système d'experts.

Les éléments structurels énumérés sont la plupart caractéristiques, bien que dans de vrais systèmes d'experts de leurs fonctions puisse être renforcée ou étendue de manière appropriée.

La base de connaissances est présentée sous une forme spécifique et l'organisation de la base de connaissances leur permet de déterminer facilement, de modifier et de reconstituer. La résolution des problèmes à l'aide de la production logique basée sur les connaissances stockées dans la base de données est mise en œuvre par un mécanisme de sortie logique autonome. Bien que ces deux composants du système en termes de structure soient indépendants, ils sont en étroite connexion entre eux et la définition du modèle de représentation des connaissances impose des restrictions sur le choix du mécanisme approprié des conclusions logiques.

Avantages systèmes experts:

• Constance. Les systèmes d'experts n'oublient pas de quelque chose de contrairement à un expert d'une personne.
• Reproductibilité. Vous pouvez effectuer un nombre de copies du système d'experts et la formation de nouveaux experts prend beaucoup de temps et d'argent.
• Efficacité. Cela peut augmenter la productivité et réduire les coûts de personnel.
• Constance. En utilisant des systèmes d'experts, ces transactions sont traitées par la même méthode. Le système fera des recommandations comparables pour des situations similaires.
• Influence sur les gens. Nouvel effet (les informations les plus modernes ayant un impact sur le bon sens). L'effet principal (l'information précoce domine le bon sens).
• Documentation. Le système d'experts peut documenter le processus de décision.
• Complétude. Le système d'experts peut effectuer une vue d'ensemble de toutes les transactions, un expert en personne pourra examiner uniquement un échantillon distinct.
• Opportunité. Erreur dans des conceptions et - ou peut être trouvée en temps opportun.
• Latitude. La connaissance de nombreux experts peut être combinée, ce qui donne au système plus de latitude qu'une personne peut atteindre.
• Réduction de risque Effectuer des affaires grâce à la séquence de documentation et de compétence en décidant.

Inconvénients des systèmes d'experts:

• Bon sens. Outre les grandes connaissances techniques, l'expert a du bon sens. On ne sait pas encore comment poser du bon sens aux systèmes d'experts.
• Potentiel créatif. Un expert peut réagir de manière créative pour des situations inhabituelles, les systèmes d'experts ne peuvent pas.
• Formation. L'expert est automatiquement adapté à la modification du support; Les systèmes d'experts doivent être explicitement modifiés.
• Expérience rapide. L'expert possède une vaste gamme d'expériences sensorielles; Les systèmes d'experts sont actuellement basés sur l'entrée de caractères.

Les systèmes d'experts ne sont pas bons s'il n'y a pas de solutions ou lorsque le problème se situe en dehors de la zone de leur compétence.

La classe des systèmes experts aujourd'hui réunit plusieurs milliers de systèmes logiciels différents pouvant être classés selon divers critères: une tâche solide, une connexion en temps réel, un type d'ordinateur, le degré d'intégration.

Méthodologie pour le développement de systèmes d'experts

Le développement des systèmes d'information intelligents diffère de la création d'un logiciel ordinaire. L'expérience de développement de systèmes d'experts précoces a montré que l'utilisation de la technologie de programmation traditionnelle ou de retarder trop le processus de développement, ou conduit à un résultat négatif. Cela est principalement dû à la nécessité de modifier les principes et les méthodes de construction en tant que connaissances des développeurs sur la zone problématique augmente.

On sait que la plupart des connaissances dans une zone spécifique restent les biens personnels de l'expert. Le plus grand problème dans le développement du système d'experts est une procédure d'obtention de connaissances d'un expert et de les améliorer dans la base de connaissances, appelée l'extraction des connaissances. Cela n'arrive pas parce qu'il ne veut pas divulguer ses secrets, mais parce qu'il n'est pas capable de le faire - après tout, l'expert connaît beaucoup plus qu'il en est au courant. Pour identifier la connaissance de l'expert et de leur formalisation tout au long de la période de développement, l'ingénieur du savoir interagit avec elle.

Pour éviter des tentatives coûteuses et infructueuses, un ensemble de recommandations a été élaboré afin de déterminer si le problème convient à la résolution d'un système expert:

• La nécessité de la décision doit être conforme à ses coûts de développement. Les montants de coût et les avantages doivent être réalistes.
• Il est impossible d'utiliser la connaissance d'un expert de personne où il est nécessaire. Si la connaissance «expert» est généralisée, il est peu probable qu'il soit nécessaire de développer un système expert. Toutefois, dans des domaines tels que l'exploration pétrolière et la médecine, des connaissances spécialisées rares peuvent être peu coûteuses à fournir un système d'experts et de ne pas utiliser un expert très payé.
• Le problème peut être résolu à l'aide de méthodes de raisonnement symboliques.
• Le problème est bien structuré et ne nécessite pas l'utilisation de connaissances basées sur le bon sens. Les connaissances basées sur le bon sens sont bien connues. Ils n'ont donc pas besoin d'enregistrer et de soumettre.
• Le problème ne peut pas être facilement résolu en utilisant des méthodes informatiques plus traditionnelles. S'il y a une bonne solution algorithmique au problème, vous ne devez pas utiliser le système d'experts.
• Il existe des experts dans cette zone de problèmes. Étant donné que le système expert est conçu pour un travail réussi, il est très essentiel que les experts souhaitent aider à sa conception et n'appartenaient pas que leur travail menaçait. Besoin également de la prise en charge de l'administration et des utilisateurs potentiels.
• Le problème a une taille et une portée appropriées. En règle générale, le problème nécessite l'utilisation de connaissances d'experts hautement spécialisés, mais l'expert doit passer une courte période à sa décision, heure maximale.

Actuellement, il existe une séquence d'actions dans le développement de systèmes d'experts. Il comprend les étapes suivantes: identification, connaissances, conceptualisation, formalisation, exécution, tests et exploitation expérimentée.

Figure. 10.2. Technologie de développement du système d'experts

Identification

La phase d'identification est principalement associée à la compréhension des tâches que le futur système expert doit être adressé et la formation des exigences pour cela. À ce stade, il est prévu de développer un prototype de système, des sources de connaissances (livres, experts, techniques) sont déterminés, objectifs (distribution d'expérience, automatisation des opérations de routine), classes de tâches résolues, etc. Résultat Identificationest la réponse à la question de savoir ce qui doit être fait et quelles ressources doivent être utilisées.

L'acquisition de connaissances

Lors de la résolution du problème de l'obtention de connaissances, trois stratégies sont allouées: l'acquisition de connaissances, des connaissances d'apprentissage et de la détection des connaissances.

Sous l'acquisition (acquisition) des connaissances, la méthode de remplissage automatisée de remplissage de la base de connaissances via un dialogue expert et un programme spécial.

L'apprentissage (élicitation) de la connaissance s'appelle la procédure d'interaction de l'ingénieur du savoir avec une source de connaissances (expert, littérature spéciale, etc.) sans utiliser de technologie informatique.

Les termes de détection de découverte des connaissances et l'exploitation minière des données sont associés à la création de systèmes informatiques qui mettent en œuvre les méthodes de connaissances automatiques.

Conceptualisation

À l'étape conceptualisationune analyse significative de la zone problématique est effectuée, les concepts et leurs relations sont détectés, des méthodes de résolution de problèmes sont déterminées. Cette étape est complétée en créant un modèle de la zone, qui comprend des concepts et des relations de base. Le modèle est représenté comme graphique, table, graphiques ou texte.

Formalisation

À l'étape formalisationtous les concepts et relations clés sont exprimées dans certaines langues formelles, qui sont choisies parmi les personnes déjà existantes ou sont poursuivies. En d'autres termes, à ce stade, la composition des fonds et des méthodes de présentation des connaissances déclaratives et procédurales est déterminée, cette présentation est effectuée et une description de la solution du problème du système expert sur la sélection formellangue.

Exécution (mise en œuvre)

À l'étape exécutionun ou plusieurs prototypes de travail réellement du système d'experts sont créés. Pour accélérer ce processus, divers outils sont largement utilisés.

Essai

À ce stade, le programme prototype est également noté et vérifié afin de la mettre en ligne avec des demandes d'utilisateurs réelles. Le prototype est vérifié par les principales positions suivantes:

• la commodité et l'adéquation des interfaces d'E / S (la nature des problèmes dans le dialogue, la connectivité du texte texte résultant, etc.);
• l'efficacité de la stratégie de gestion (procédure pour l'extinction, l'utilisation de la sortie floue, etc.);
• l'exactitude de la base de connaissances (complétude et cohérence des règles).

Task Straty essai- Identification des erreurs et développement de recommandations sur la finition du prototype du système d'experts à une conception industrielle.

Exploitation expérimentée

À l'étape une autre opérationl'adéquation du système expert pour l'utilisateur final est vérifiée. La condition physique est déterminée principalement par la commodité et l'utilité du développement. Sous utilitaire est compris comme la capacité du système d'experts de déterminer au cours du dialogue des besoins de l'utilisateur, d'identifier et d'éliminer les causes des défaillances dans le travail, ainsi que de satisfaire les besoins de l'utilisateur spécifiés (résoudre les tâches définies). La commodité du travail implique le naturel de l'interaction avec le système expert, la flexibilité (capacité du système à régler sur divers utilisateurs, ainsi que de prendre en compte les modifications des qualifications du même utilisateur) et la stabilité du système à erreurs (la capacité n'est pas échoue avec des actions d'utilisateur erronées).

Après la réussite de la scène une autre opération Le système d'experts est classé comme système commercial, adapté non seulement à son utilisation, mais également à la vente de divers consommateurs.

Outils pour la construction de systèmes d'experts

Actuellement, il existe des moyens qui accélèrent la conception et le développement de ES. Ils s'appellent outils, ou juste des outils. En d'autres termes, sous outilscomprenez la combinaison du matériel et du logiciel qui vous permet de créer des systèmes appliqués en fonction des connaissances.

Parmi les logiciels outils Les grands groupes suivants sont distingués:

• langues de programmation symboliques (Lisp, Interlisp, Smalltalk);
• langues d'ingénierie du savoir, c'est-à-dire des langages de programmation qui vous permettent de mettre en œuvre l'une des façons de présenter des connaissances (OPS5, LOPS, KES, PRAGolog);
• les coquillages des systèmes experts (ou des systèmes d'experts vides), c'est-à-dire des systèmes qui ne contiennent pas de connaissances d'aucune matière (Emycine, ECO, Expert, EXSYSSYSBook, Créateur de système d'experts, etc.)

Système expert - Il s'agit d'un système d'intelligence artificielle, construit sur la base d'une connaissance approfondie de certaines personnes (reçues d'experts des spécialistes de cette zone). Les systèmes d'experts sont l'une des rares espèces de systèmes d'intelligence artificielle qui sont devenues généralisées et ont trouvé une application pratique. Il existe des systèmes d'experts dans les entreprises militaires, la géologie, l'ingénierie, l'informatique, la technologie spatiale, les mathématiques, la médecine, la météorologie, l'industrie, l'agriculture, la gestion, la physique, la chimie, l'électronique, la jurisprudence, etc. Et seul le fait que les systèmes d'experts restent très complexes, coûteux, et surtout, les programmes hautement spécialisés, retiennent leur répartition encore plus large.

La technologie des systèmes d'experts est l'une des directions de la nouvelle zone d'étude, qui a reçu le nom de l'intelligence artificielle (intelligence artificielle - AI). Des études dans ce domaine sont concentrées sur le développement et la mise en œuvre de programmes informatiques pouvant imiter (imiter, reproduire) ces zones d'activité humaine nécessitant une pensée, une compétence définie et une expérience accumulée. Celles-ci incluent les tâches de prendre des décisions, de la reconnaissance des images et de la compréhension de la langue humaine. Cette technologie a déjà été utilisée avec succès dans certaines régions d'ingénierie et de vie de la société - chimie organique, à la recherche de minéraux, de diagnostic médical. La liste des tâches typiques résolues par les systèmes d'experts comprend:

• supprimer des informations provenant des données primaires (telles que des signaux provenant de l'hydrolyateur);
• diagnostic des défauts (à la fois dans les systèmes techniques et dans le corps humain);
• analyse structurelle d'objets complexes (par exemple, composés chimiques);
• sélection de la configuration de systèmes multicomposants complexes (par exemple, des systèmes informatiques distribués);
• planification d'une séquence d'opérations menant à une cible donnée (par exemple, effectuée par des robots industriels).

Caractéristiques des systèmes experts

• compétence - Dans une zone spécifique, le système d'experts devrait atteindre le même niveau que les spécialistes; Dans le même temps, il devrait utiliser les mêmes techniques heuristiques, également profondément et largement refléter le sujet;

• raisonnement symbolique - Les connaissances sur lesquelles repose le système d'experts sont présents sous la forme de caractère du concept du monde réel, le raisonnement se produit également sous la forme de convertir des ensembles symboliques;

• profondeur - L'expertise devrait résoudre des tâches graves et non triviales caractérisées par la complexité de la connaissance que le système d'experts utilise, ou une abondance d'informations; Cela ne permet pas d'utiliser une option accablante complète en tant que méthode de résolution du problème et des forces à recourir à des méthodes heuristiques, créatives et informelles;

• conscience de soi - Le système d'experts devrait inclure un mécanisme permettant d'expliquer comment il s'agit de résoudre le problème.

Les systèmes d'experts sont créés pour résoudre divers types de problèmes, mais ils ont une structure similaire (Fig. 8); Les principaux types de leurs activités peuvent être regroupés dans la catégorie indiquée dans le tableau. 2.

Figure. 1. Schéma d'un système expert généralisé

Tableau 1. Catégories typiques de façons d'appliquer des systèmes d'experts

Fonctions effectuées par le système d'experts

Aucun système basé sur la connaissance ne peut être considéré comme expert. Le système d'experts devrait également pouvoir en quelque sorte explique Votre comportement et leurs décisions à l'utilisateur, tout comme l'expert. Ceci est particulièrement nécessaire dans les domaines pour lesquels l'incertitude, l'inexactitude des informations (par exemple, dans les diagnostics médicaux). Dans ces cas, la capacité d'expliquer est nécessaire pour augmenter le degré de confiance de l'utilisateur dans les conseils du système, ainsi que pour permettre à l'utilisateur de détecter un défaut éventuel dans les arguments du système. À cet égard, dans des systèmes d'experts, il est nécessaire de fournir une interaction amicale avec l'utilisateur, ce qui rend le processus de raisonnement du système "transparent" pour l'utilisateur.

Souvent, une exigence supplémentaire est présentée aux systèmes d'experts - la capacité de faire face à l'incertitude et à l'incomplétude. Les informations sur la tâche peuvent être incomplètes ou peu fiables; La relation entre les objets du sujet peut être approximative. Par exemple, peut ne pas être une confiance totale dans le patient certains symptôme ou dans le fait que les données obtenues pendant la mesure sont correctes; Le médicament peut provoquer des complications, bien que cela ne se produise généralement pas. Dans tous ces cas, le raisonnement est nécessaire en utilisant une approche probabiliste.

Dans l'affaire la plus générale, afin de créer un système d'experts, nous devons développer des mécanismes d'exécution des fonctions système suivantes:

• résoudre les tâches en utilisant des connaissances sur une zone spécifique - il est possible qu'il soit nécessaire de gérer l'incertitude;
• interaction avec l'utilisateur, y compris une explication des intentions et des solutions du système pendant et après la fin du processus de résolution du problème.

Chacune de ces fonctions peut être très compliquée et dépend de la zone appliquée, ainsi que de diverses exigences pratiques. Dans le processus de développement et de mise en œuvre, divers problèmes difficiles peuvent survenir. Ici, nous avons une infontration limitée des idées de base pour être plus détaillées et une amélioration.

Structure des systèmes d'experts

Fig.2. Architecture du système d'experts

Classes de systèmes d'experts

Selon le degré de complexité des tâches résolues, les systèmes d'experts peuvent être classés comme suit:

Selon la méthode de formation d'une solution, les systèmes d'experts sont divisés en deux classes: analytique et synthétique. Les systèmes analytiques impliquent le choix de solutions à partir de diverses alternatives connues (définition des caractéristiques d'objet) et des systèmes synthétiques - génération de solutions inconnues (formation d'objets).

Selon la méthode de comptabilisation d'un panneau temporaire, des systèmes d'experts peuvent être statique ou alors dynamique. Les systèmes statiques résolvent des problèmes avec les données et les connaissances immuables dans le processus, les systèmes dynamiques permettent de tels changements. Les systèmes statiques effectuent une solution continue monotone de la tâche d'entrer dans les données source au résultat final, les systèmes dynamiques prévoient la possibilité de réviser dans le processus de résolution des résultats et des données précédemment obtenus.

Par type de données utilisées et connaissances, les systèmes experts sont classés sur des systèmes. avec des connaissances déterministes (clairement définies) et connaissances incertaines. Sous l'incertitude des connaissances (données), il est compris comme leur infidèle (absence), une inexactitude (inexactitude de mesures), une ambiguïté (multilataise des concepts), des floues (évaluation de haute qualité au lieu de quantitatives).

Selon le nombre de sources de connaissances, des systèmes d'experts peuvent être construits avec en utilisant un ou alors beaucoup de sources de connaissances. Les sources de connaissances peuvent être alternatives (de nombreux mondes) ou complémentaires par l'autre (coopération).

Les es les plus célèbres / distribués

• Les clips sont un ES très populaire (domaine public)
• OPENCYC - CE dynamique puissant avec un modèle ontologique global et un soutien aux contextes indépendants
• Wolframalpha - Moteur de recherche, intellectuel "Connaissance du moteur informatique"
• MyCin est le système de diagnostic le plus connu destiné au diagnostic et à l'observation de la condition du patient lors de la méningite et des infections bactériennes.
• HASP / SIAP - un système d'interprétation qui détermine l'emplacement et les types de navires dans l'océan Pacifique selon

systèmes de suivi acoustique.

Étapes de la conception du système d'experts

Actuellement, il y a eu une certaine technologie pour le développement d'ES, qui comprend les six étapes suivantes:

• Récepteurs	La description
  1. Observation	L'ingénieur observe sans interférer, comme un expert résout la tâche réelle
  2. Discussion de la tâche	Un ingénieur dans un ensemble de tâches représentatif discute de manière informelle avec les données, les connaissances et les procédures d'experts
  3. Description de la tâche	L'expert décrit la résolution de tâches pour des demandes typiques.
  4. Analyse de la solution	L'expert a commenté les résultats du problème de la résolution du problème, détaillant le cours du raisonnement
  5. Vérification du système	L'expert propose un ingénieur une liste de tâches à résoudre (de simples à complexes), qui sont résolus par le système développé.
  6. Étude système	L'expert examine et critique la structure de la base de connaissances et le fonctionnement du mécanisme de sortie
  7. Évaluation du système	L'ingénieur propose de nouveaux experts pour estimer les solutions du système développé

  Tableau 2

  Les deux premières étapes du développement du système d'experts sont une étape logique qui n'est pas liée à l'utilisation d'un outil clairement défini. Des étapes ultérieures sont mises en œuvre dans le cadre de la création physique du projet sur la base de l'outil sélectionné. Dans le même temps, le processus de création d'un système d'experts, en tant que produit logiciel complexe, il est logique de procéder à une méthode de conception prototype, dont l'essence est réduite à l'extension constante de la base de connaissances, à partir de la scène logique.

Troisième étape. Le chargement est complet. Comme on peut le voir sur la fig.12.6, un nouvel onglet avec le nom "Processus avancé" a été ajouté à la pension d'outils.

Il rappelle le chargement des panneaux thématiques de la Visio. Cependant, l'arène n'est pas un "dessin", mais un outil puissant simulation.

Le programme Arena vous permet de créer des diagrammes reflétant le fonctionnement d'un processus. Le processus de création de diagrammes est en grande partie similaire à celui de MS Visio. La technologie a également utilisé ici Glisser déposer.Cependant, pour certains processus "dessin" dans MS Visio seront plus pratiques et préférés.

Composant central système expert Il s'agit d'une base de connaissances qui apparaît en relation avec d'autres composants en tant que sous-système de fond qui constitue une valeur de base.

Base de connaissances- Il s'agit d'une combinaison d'unités de connaissances, qui sont formalisées avec une certaine méthode présentations de la connaissance Le reflet des objets de la zone problématique et de leurs relations, des actions sur des objets et, éventuellement, les incertitudes avec lesquelles ces actions sont effectuées.

Comme méthodes présentations de la connaissance Le plus souvent, des règles ou des objets (cadres) sont utilisés ou leur combinaison. Les règles sont donc des structures:

Si un< условие > Cette<заключение> Cf (facteur de définition)<значение>

Comme des facteurs de définition (FC), en règle générale, sont soit probabilités conditionnelles Approche bayésienne (de 0 à 1), ou coefficients de confiance, logique floue (de 0 à 100).

Des exemples de règles ont le formulaire suivant.

Règle 1: Si le coefficient de rentabilité\u003e 0.2, alors la rentabilité \u003d "satisfaisant" cf 100.

Règle 2: Si la dette \u003d "Non" et rentabilité \u003d "satisfaisant", puis condition financière \u003d "satisfaisant" cf 80.

Règle 3: Si la condition financière \u003d "satisfaisant" et réputation \u003d "satisfaisant", alors la fiabilité de l'entreprise \u003d "satisfaisant" cf 90.

Les objets sont un ensemble d'attributs décrivant les propriétés et les relations avec d'autres objets. Contrairement aux entrées de base de données, chaque objet a un nom unique. Une partie des attributs reflètent des relations dactylographiées, telles que "tige - vue" (Sub-classe - Sous-classe), "Partie intrigante", etc. au lieu de valeurs spécifiques attributs des objets Les valeurs par défaut inhérentes dans des classes d'objet entières ou des procédures ci-jointes (processus) peuvent être définies.

Interface intelligente. L'échange de données entre l'utilisateur final et la CE effectue le programme de l'interface intelligente qui perçoit les messages de l'utilisateur et les convertit au formulaire de représentation de la base de connaissances et traduit, au contraire, la représentation interne du résultat de traitement dans le format utilisateur et donne un message au transporteur requis.

L'exigence la plus importante à l'organisation du dialogue utilisateur avec ES est naturelle, ce qui ne signifie pas littéralement formulation besoins de l'utilisateur Phrases naturelles, bien qu'il ne soit pas exclu dans certains cas.

Il est important que la séquence de résolution du problème soit flexible, respectée des idées de l'utilisateur et a été effectuée en termes professionnels.

Mécanisme de sortie. Cette boîte à outils logicielle reçoit une demande de l'interface intelligente à la représentation interne, génère un algorithme de résolution de problèmes spécifique à partir de la base de connaissances, effectue un algorithme et le résultat résultant est fourni par une interface intelligente pour délivrer une réponse à une demande d'utilisateur. L'utilisation de tout mécanisme de conclusion repose sur le processus de recherche conformément à l'objectif et à la description d'une situation spécifique (données de source) relatives à la décision des unités de connaissances (règles, objets, précédents, etc.) et la liaison de eux si nécessaire à la chaîne de raisonnement, conduisant à un certain résultat. Pour présentations de la connaissance Sous forme de règles, cela peut être une chaîne de raisonnement directe ou inverse (Fig.12.10 et Fig.11).

Pour orienté objet présentations de la connaissance Il est caractéristique de l'utilisation du mécanisme d'héritage des attributs, lorsque les valeurs d'attribut sont transmises par la hiérarchie des classes supérieures à l'aval. En outre, lors de la remplacement des attributs de trame, les données requises sont lancées sur l'exécution des procédures ci-jointes.

Mécanisme d'explication. Dans le processus ou par les résultats du problème du problème, l'utilisateur peut demander une explication ou une justification du cours de la solution. À cette fin, l'ES devrait fournir le mécanisme d'explication approprié.

Les capacités explicatives des ES sont déterminées par la possibilité que le mécanisme de sortie se souvienne de la manière de résoudre le problème. Alors les questions de l'utilisateur "Comment?" et pourquoi?" Une solution a été reçue ou demandée par certaines données, et le système peut toujours émettre une chaîne de raisonnement au point de contrôle souhaité, accompagnant la délivrance de l'explication des commentaires pré-préparés. En l'absence de solutions aux tâches, l'explication doit être délivrée à l'utilisateur automatiquement.

Il est utile de pouvoir et d'une explication hypothétique pour résoudre le problème lorsque le système répond aux questions qui seront d'une manière ou d'une autre. Cependant, l'utilisateur n'est pas toujours intéressé par une sortie complète d'une solution contenant de nombreux détails inutiles. Dans ce cas, le système devrait pouvoir choisir parmi les points clés de la chaîne uniquement en tenant compte de leur importance et de leur niveau de connaissances des utilisateurs. Pour ce faire, dans la base de connaissances, vous devez prendre en charge le modèle de connaissances et les intentions des utilisateurs.

Si l'utilisateur n'est toujours pas compris par la réponse reçue, le système doit être capable de dialogue en fonction d'un modèle de connaissances problématiques pris en charge pour former un utilisateur d'une manière ou d'une autre fragments de connaissances, c'est-à-dire Des concepts et des dépendances spéciaux sont décrits plus en détail, si même ces pièces ne sont pas utilisées directement dans la sortie.

Mécanisme d'acquérir des connaissances. La base de connaissances reflète les connaissances expert (spécialistes) dans cette zone de problèmes sur les actions dans diverses situations ou processus de résolution de tâches caractéristiques. Identifier ces connaissances et leur présentation ultérieure dans les experts de la base de connaissances sont engagés dans ingénieurs de la connaissance. Pour entrer les connaissances à la base de données et à leur mise à jour ultérieure, l'ES devrait avoir un mécanisme d'acquisition de connaissances. Dans le cas le plus simple, un éditeur intelligent est utilisé, ce qui vous permet d'entrer dans les unités de connaissances à la base de données et de mener à bien leur contrôle syntaxique et sémantique, par exemple pour la cohérence. Dans des cas plus complexes, l'ingénieur du savoir doit être dû à l'entrée des connaissances par des scénarios d'examen spéciaux, ou des exemples entrés de situations réelles, comme dans le cas de la production inductive, ou des textes, ou de l'expérience du travail lui-même. système intellectuel.

Classes de systèmes d'experts

Selon le degré de complexité des tâches résolues systèmes experts Peut être classé comme suit.

Selon la méthode de formation d'une solution systèmes experts divisé en deux classes: analytique et synthétique. Les systèmes d'analyse impliquent le choix des solutions provenant d'une variété d'alternatives connues (détermination de la synthèse des objets) et des systèmes synthétiques - génération de solutions inconnues (formation d'objets).

À titre de comptabilisation du signe temporaire systèmes experts Peut être statique ou alors dynamique. Les systèmes statiques résolvent des problèmes de non modifiables dans le processus de données et de connaissances dans le processus, systèmes dynamiques Ajuster de tels changements. Les systèmes statiques effectuent une solution continue monotone du problème de la saisie des données source au résultat final, systèmes dynamiques Fournir la possibilité de réviser dans le processus de résolution des résultats précédemment obtenus et des données.

Par type de données utilisées et connaissances systèmes experts classé sur des systèmes avec déterministe connaissance (clairement définie) et incertain connaissances. Sous l'incertitude des connaissances, il est compris par leur infidélité, leur manque de fiabilité, leur ambiguïté, leur flou.

Par le nombre de sources de connaissances systèmes experts Peut être construit en utilisant une ou plusieurs sources de connaissances. Les sources de connaissances peuvent être alternatives ou complémentaires

Conformément aux caractéristiques énumérées de la classification, les catégories de base des systèmes d'experts suivants sont attribuées (tableau 12.1.).

Classer les systèmes d'experts. Systèmes expertsLes tâches décisives de la reconnaissance des situations sont appelées classement, car elles déterminent l'appartenance de la situation analysée à une classe.

En tant que méthode principale de formation de solutions, une méthode de production déductive logique du commun à particulier, lorsque, en substituant les données initiales dans un ensemble de déclarations générales interdépendant, une conclusion privée est obtenue.

Selon les systèmes d'experts. Un type plus complexe de tâches analytiques sont des tâches résolues sur la base de données de base incertaines et de connaissances appliquées. Dans ce cas système expert Il devrait être de déterminer les connaissances manquantes et plusieurs solutions possibles peuvent être obtenues dans l'espace de la solution avec une probabilité ou une confiance différente dans la nécessité de leur exécution.

L'approche probabiliste bayésienne et la logique floue peuvent être utilisées comme méthodes de travail avec incertitude.

Dopenteux systèmes experts Peut utiliser plusieurs sources de connaissances pour former une solution. Dans ce cas, des techniques heuristiques La sélection des unités de connaissances de leur numéro de numérotation de conflit peut être utilisée, par exemple, sur la base de l'utilisation des priorités importantes, ou du degré de détermination du résultat, ou des valeurs des caractéristiques des préférences. , etc.

Pour que les tâches analytiques des types de classification et de pré-définition sont caractéristiques les zones suivantes.

1. L'interprétation des données - le choix des solutions d'un ensemble fixe d'alternatives basées sur les informations saisies sur la situation actuelle. L'objectif principal est de définir l'essence de la situation à l'étude, le choix des hypothèses, en fonction de leurs faits. Un exemple typique est système expert Analyse de la situation financière de l'entreprise.
2. Diagnostique - Identifier les raisons menant à l'émergence de la situation. Une interprétation préliminaire de la situation est requise suivie par la vérification des faits supplémentaires, par exemple, l'identification des facteurs permettant de réduire l'efficacité de la production.
3. Correction - Diagnostic, complété par la possibilité d'évaluation et de recommandations d'actions visant à corriger les écarts de l'état normal des situations à l'étude.

Transformer des systèmes d'experts. Contrairement aux systèmes d'experts statiques analytiques, synthétiser la dynamique systèmes experts Soutenir une conversion répétée de connaissances dans le processus de résolution des problèmes, associée à la nature du résultat, qui ne peut être prédéterminée à l'avance, ainsi que le dynamisme du problème lui-même.

Pour la synthèse des systèmes d'experts dynamiques, les éléments suivants applicables zones de problèmes.

1. Conception - Définition de la configuration des objets en termes d'atteinte de la valeur spécifiée critères d'efficacité et des restrictions, telles que la conception du budget de la société ou portefeuille d'investissement.
2. Prévision - Prédiction des conséquences du développement des situations actuelles fondées sur la modélisation mathématique et heuristique, par exemple, prédisant les tendances en matière de négociation des stocks.
3. Envoi - Distribution du travail dans le temps, élaboration des horaires, par exemple, planifiant un calendrier de développement des investissements en capital.
4. Planification - Sélectionnez la séquence des actions de l'utilisateur pour atteindre l'objectif, par exemple, planification des processus Livraisons de produits.
5. Surveillance - suivi de la situation actuelle avec une éventuelle correction ultérieure. Pour cela, les diagnostics sont effectués, prévisions et, si nécessaire, planification et correction des actions des utilisateurs, par exemple la surveillance des ventes de produits finis.
6. Contrôler - Surveillance, complétée par la mise en œuvre d'actions dans des systèmes automatiques, par exemple, en prenant des décisions en matière de négociation en actions.

Systèmes d'experts multiples. Pour de tels systèmes dynamiques, l'intégration est caractérisée dans la base de données de plusieurs sources de connaissances hétérogènes, échangeant les résultats obtenus sur une base dynamique, par exemple par le biais de la "carte d'exécution".

Pour les systèmes multi-agents, les fonctionnalités suivantes sont caractérisées:

• un raisonnement alternatif basé sur l'utilisation de diverses sources de connaissances avec le mécanisme d'élimination du PRO-Ratif;
• des problèmes de résolution distribués qui sont divisés en parallèlement à la résolution des soumissions correspondant à leurs propres sources de connaissances;
• application de stratégies multiples pour le mécanisme de sortie de conclusion en fonction du type de problème résolu;
• traitement de grandes matrices de données contenues dans la base de données;
• la possibilité d'interrompre les problèmes de résolution de problèmes en raison de la nécessité d'obtenir des données et des connaissances supplémentaires à partir d'utilisateurs, des modèles parallèles aux soumissions.

Selon le degré de complexité des tâches résolues, les systèmes d'experts peuvent être classés comme suit:

• Selon la méthode de formation d'une solution, les systèmes d'experts sont divisés en deux classes: analytique et synthétique. Les systèmes analytiques impliquent le choix de solutions à partir de diverses alternatives connues (définition des caractéristiques d'objet) et des systèmes synthétiques - génération de solutions inconnues (formation d'objets).
• Selon la méthode de comptabilisation d'une caractéristique temporaire, les systèmes d'experts peuvent être statiques ou dynamiques. Les systèmes statiques résolvent des problèmes avec les données et les connaissances immuables dans le processus, les systèmes dynamiques permettent de tels changements. Les systèmes statiques effectuent une solution continue monotone de la tâche d'entrer dans les données source au résultat final, les systèmes dynamiques prévoient la possibilité de réviser dans le processus de résolution des résultats et des données précédemment obtenus.
• Par types de données utilisées et des connaissances, les systèmes d'experts sont classés sur des systèmes avec des connaissances déterministes (clairement définies) et des connaissances incertaines. Sous l'incertitude des connaissances (données), il est compris comme leur infidèle (absence), une inexactitude (inexactitude de mesures), une ambiguïté (multilataise des concepts), des floues (évaluation de haute qualité au lieu de quantitatives).
• Selon le nombre de sources de connaissances, des systèmes d'experts peuvent être construits à l'aide d'une ou d'une multitude de sources de connaissances. Les sources de connaissances peuvent être alternatives (de nombreux mondes) ou complémentaires par l'autre (coopération).

Conformément aux caractéristiques énumérées de la classification, en règle générale, les quatre classes principales suivantes des systèmes d'experts sont attribuées.

Classer les systèmes d'experts. Les tâches analytiques sont principalement parmi les tâches de reconnaissance de diverses situations dans lesquelles l'essence d'une certaine situation est détectée sur l'ensemble des signes spécifiés (facteurs), en fonction de la sélection d'une certaine séquence d'actions. Ainsi, conformément aux conditions initiales, parmi les solutions alternatives, une, qui convient le mieux à l'objectif et aux restrictions.

Les systèmes d'experts, des tâches décisives de reconnaissance des situations, sont appelées classement, car elles déterminent l'identité de la situation analysée à une classe. En tant que méthode principale de formation de solutions, une méthode de production déductive logique du commun à particulier, lorsque, en substituant les données initiales dans un ensemble de déclarations générales interdépendant, une conclusion privée est obtenue.

Selon les systèmes d'experts. Un type plus complexe de tâches analytiques sont des tâches résolues sur la base de données de base incertaines et de connaissances appliquées. Dans ce cas, le système expert doit être comme pour consacrer les connaissances manquantes et plusieurs solutions possibles peuvent être obtenues dans l'espace de la solution avec une probabilité ou une confiance différente dans la nécessité de leur mise en œuvre. Approche probabiliste bayésienne, coefficients de confiance, la logique floue peut être utilisée comme méthodes de travail avec incertitude. Les systèmes d'experts Daugantic peuvent utiliser plusieurs sources de connaissances pour former une solution. Dans ce cas, des techniques heuristiques de choix des unités de connaissances de leur numéro de numérotation de conflit peuvent être utilisées, par exemple, sur la base de l'utilisation des priorités importantes, ou du résultat de la détermination du résultat, ou des valeurs des caractéristiques des préférences, etc. .

Pour les tâches analytiques des types de classification et de pré-définition, les zones suivantes sont caractérisées:

• L'interprétation des données est le choix des solutions d'un ensemble fixe d'alternatives basées sur les informations saisies sur la situation actuelle. L'objectif principal est de définir l'essence de la situation à l'étude, le choix des hypothèses, en fonction de leurs faits. Un exemple typique est un système expert pour analyser la situation financière de l'entreprise.
• Diagnostic - identification des raisons qui ont conduit à l'émergence de la situation. Une interprétation préliminaire de la situation est requise suivie par la vérification des faits supplémentaires, par exemple, l'identification des facteurs permettant de réduire l'efficacité de la production.
• Correction - Diagnostics complété par la possibilité d'évaluation et des recommandations d'actions visant à corriger les écarts de l'état normal des situations à l'étude.

Transformer des systèmes d'experts. Contrairement aux systèmes d'experts statiques analytiques, synthétisant des systèmes d'experts dynamiques suggère une conversion répétée de connaissances dans le processus de résolution de problèmes, associée à la nature du résultat, qui ne peut être prédéterminée à l'avance, ainsi qu'avec le dynamisme de la problème lui-même.

En tant que méthodes de résolution de problèmes dans la transformation des systèmes d'experts, des espèces de production hypothétique sont utilisées:

• la génération et les tests, lorsque, sur les données de source, la génération d'hypothèses est effectuée, puis testant les hypothèses formulées pour la confirmation des faits entrants;
• hypothèses et par défaut Lorsque la connaissance de classes similaires d'objets est sélectionnée pour des données incomplètes, qui sont encore adaptées dynamiquement à une situation spécifique en fonction de son développement;
• l'utilisation de modèles communs (métairectionnels) dans le cas de situations inconnues pour générer des connaissances manquantes.

Systèmes multi-agents. Pour de tels systèmes dynamiques, intégration dans la base de données de plusieurs sources de connaissances hétérogènes, échangeant les résultats obtenus sur une base dynamique, par exemple à travers la «Commission d'annonce».

Pour les systèmes multi-agents, les fonctionnalités suivantes sont caractérisées:

• Raisonnement alternatif basé sur l'utilisation de diverses sources de connaissances avec le mécanisme d'élimination des contradictions;
• Des problèmes de résolution distribués divisés en parallèlement à la résolution des soumissions correspondant à des sources de connaissances indépendantes;
• Application de stratégies multiples pour le mécanisme de sortie de conclusion en fonction du type de problème résolu;
• Traitement de grandes matrices de données contenues dans la base de données;
• L'utilisation de divers modèles mathématiques et de procédures externes stockées dans la base de données des modèles;
• La possibilité d'interrompre les problèmes de résolution de problèmes en raison de la nécessité d'obtenir des données et des connaissances supplémentaires à partir d'utilisateurs, des modèles parallèles aux soumissions.

Pour synthétisant la dynamique Les systèmes d'experts sont les plus applicables aux problèmes suivants:

• Conception - Détermination de la configuration des objets du point de vue de la réalisation des critères spécifiés d'efficacité et de restrictions, tels que la conception du budget de conception ou le portefeuille d'investissement.
• La prévision des conséquences du développement des situations actuelles fondées sur la modélisation mathématique et heuristique, par exemple, prédisant les tendances en matière de négociation en actions.
• L'expédition est la distribution du travail à temps, en établissant les horaires, par exemple, planifiant un calendrier pour le développement de l'investissement.
• La planification est la sélection de la séquence d'actions utilisateur pour atteindre l'objectif, par exemple, de planifier des processus de livraison de produits.
• Suivi - suivi de la situation actuelle avec une éventuelle correction ultérieure. Pour cela, les diagnostics sont effectués, prévisions et, si nécessaire, planification et correction des actions de l'utilisateur, telles que la surveillance des ventes de produits finis.
• La direction est surveillée, complétée par la mise en œuvre d'actions dans les systèmes automatiques, par exemple, de prendre des décisions en matière de négociation en actions.

Selon la publication, dans laquelle l'analyse de 12 500 systèmes d'experts existants est effectuée, la répartition des systèmes d'experts sur les zones problématiques a la forme suivante:

La base des systèmes d'auto-apprentissage est la méthode de classification automatique des exemples de situations de pratique réelles (apprentissage sur des exemples). Des exemples de situations réelles s'accumulent pendant une période historique et constituent un échantillon de formation. Ces exemples sont décrits par de nombreuses fonctionnalités de la classification. Et l'échantillon d'enseignement peut être:

• "Avec l'enseignant", lorsque pour chaque exemple est donné explicitement la valeur du signe de son appartenance à une certaine classe de situations (classe formelle);
• «Sans enseignants», lorsque le système de procédures de signes de classification, le système lui-même met en évidence les classes des situations.

1. La base de tout système expert intellectuel est ... la base de données du modèle brut de la connaissance des règles de résolution du système de contrôle de la tâche2. Dans les systèmes d'experts, des domaines sont nécessaires: médecine, pharmacologie, chimie, géologie, économie, jurisprudence et autres, dans laquelle la plupart des connaissances ... est l'expérience personnelle des spécialistes de haut niveau peut être réduite au système de machine Les commandes et mis en œuvre sur un ordinateur obtenu et vous pouvez refuser de la participation directe d'une personne et de transférer la possibilité de prendre la décision qu'un ordinateur nécessite les conclusions d'indicateurs optimaux pour une tâche spécifique de cette industrie3. Le stade final de l'existence du système expert est ... Prototype de système commercial prototype Système industriel4. Les systèmes d'experts sont utilisés lorsque ... Les données initiales sont bien formalisées, mais pour la prise de décisions, une connaissance approfondie des données d'experts est requise et pratique pour mettre en œuvre les indicateurs optimaux (par exemple, trouver les coûts minimaux ou la définition du bénéfice maximal. ) Les objets, les processus ou les phénomènes sont étudiés en construisant et en examinant des modèles pour déterminer ou clarifier les caractéristiques de l'original5. La similitude des systèmes d'experts avec d'autres programmes d'application est qu'elles sont ... destinées à résoudre un cercle donné, comme les principales méthodes de résolution du problème, les méthodes heuristiques de résolution du problème doivent former certains faits et contempler la pensée humaine, et pas la nature spécifique du sujet 66. L'application du système d'experts est souhaitable si ... il est nécessaire de résoudre le problème entouré d'hostile à la personne, il est nécessaire de résoudre un nombre limité d'experts coûteux pour résoudre ce cercle la tâche à l'aide d'une personne Expert moins de temps considérable et plus pleinement sur la couverture7. Le noyau du système d'experts n'est pas mis en œuvre sur ... Marquage linguistique hypertécéclastique Langues pour les langages de programmation programmatique sur la présentation des ontologies8. Une caractéristique de tout système expert, qui la distingue des autres systèmes d'information sur ordinateur est ... Capacité d'auto-absorption, échantillonnage de données sur les demandes d'utilisateurs de telles méthodes vous permettant de réduire toute tâche à un ensemble spécifique d'accès multiple de machine à l'information9. Les principales classes des systèmes d'experts sont ... Systèmes de diagnostic Défauts Systèmes de type Systèmes de systèmes de géolocalisation pour les bases de données de géolocalisation