Třetí etapa. Načítání je dokončeno. Jak je vidět na obr. 12.6, přibylo menu nástrojů nová vložka s názvem „Pokročilý proces“.

Je to podobné jako načítání panelů motivů ve Visiu. ARENA však není „kreslící aplikace“, ale výkonný nástroj simulační modelování.

Program ARENA umožňuje vytvářet diagramy, které odrážejí fungování konkrétního procesu. Proces vytváření diagramů je v mnoha ohledech podobný jako v MS Visio. I zde se využívá technologie Drag and Drop, pro některé však bude pohodlnější a výhodnější proces „kreslení“ v MS Visio.

Centrální součást expertní systém je znalostní báze, která působí ve vztahu k ostatním komponentám jako smysluplný subsystém, který tvoří hlavní hodnotu.

Znalostní základna- jedná se o soubor jednotek znalostí, které reprezentují formalizované pomocí nějaké metody reprezentace znalostí reflexe objektů problémové oblasti a jejich vztahů, působení na předměty a případně nejistoty, se kterými jsou tyto akce prováděny.

Jako metody reprezentace znalostí Nejčastěji se používají buď pravidla nebo objekty (rámce) nebo jejich kombinace. Takže pravidla jsou konstrukce:

Li< условие >Že<заключение>CF (faktor jistoty)<значение>

Faktory jistoty (CF) jsou zpravidla buď podmíněné pravděpodobnosti Bayesovský přístup (od 0 do 1) nebo koeficienty spolehlivosti fuzzy logiky (od 0 do 100).

Příklady pravidel jsou následující.

Pravidlo 1: pokud je poměr ziskovosti > 0,2, pak ziskovost = „uspokojivý“ CF 100.

Pravidlo 2: pokud dluh = „ne“ a ziskovost = „uspokojivý“, pak finanční stav = „uspokojivý“ CF 80.

Pravidlo 3: pokud finanční stav = „uspokojivý“ a pověst = „uspokojivý“, pak spolehlivost podniku = „uspokojivý“ CF 90.

Objekty jsou sbírkou atributů, které popisují vlastnosti a vztahy s jinými objekty. Na rozdíl od databázových záznamů má každý objekt jedinečný název. Některé atributy odrážejí typizované vztahy, například „rod – druh“ (nadtřída – podtřída), „celek – část“ atd. Místo konkrétních hodnot atributy objektu Výchozí hodnoty lze zadat pro celé třídy objektů nebo připojené procedury (proces ).

Inteligentní rozhraní. Výměna dat mezi koncovým uživatelem a ES je prováděna programem inteligentního rozhraní, který přijímá uživatelské zprávy a převádí je do formy reprezentace znalostní báze a naopak převádí interní reprezentaci výsledku zpracování do uživatelského formátu a výstupem zprávy do požadované médium.

Nejdůležitějším požadavkem pro organizaci dialogu mezi uživatelem a ES je přirozenost, což neznamená doslova formulovat uživatelské potřeby věty přirozeného jazyka, i když to v některých případech není vyloučeno.

Je důležité, aby sled řešení problému byl flexibilní, odpovídal představám uživatele a byl proveden profesionálně.

Výstupní mechanismus. Tato softwarová sada nástrojů přijme dotaz převedený na interní reprezentaci z inteligentního rozhraní, vygeneruje specifický algoritmus pro řešení problému ze znalostní báze, spustí algoritmus a výsledný výsledek je poskytnut inteligentnímu rozhraní, aby vydalo odpověď na uživatelovu žádost. Aplikace jakéhokoli vyvozovacího mechanismu je založena na procesu hledání, v souladu s cílem a popisem konkrétní situace (výchozí data), relevantních pro řešení jednotek znalostí (pravidel, objektů, precedentů atd.) a propojování je v případě potřeby do řetězce úvah vedoucích k určitému výsledku. Pro reprezentace znalostí ve formě pravidel může jít o přímý nebo obrácený řetězec uvažování (obr. 12.10 a obr. 12.11).

Pro objektově orientované reprezentace znalostí Typické je použití mechanismu dědičnosti atributů, kdy se hodnoty atributů předávají v hierarchii z vyšších tříd do nižších. Také, když jsou atributy rámce vyplněny nezbytnými daty, spustí se připojené procedury ke spuštění.

Mechanismus vysvětlení. Během procesu nebo výsledků řešení problému si uživatel může vyžádat vysvětlení nebo zdůvodnění řešení. Za tímto účelem musí SE poskytnout vhodný vysvětlující mechanismus.

Vysvětlovací schopnosti ES jsou určeny schopností inferenčního mechanismu zapamatovat si cestu k řešení problému. Poté uživatelovy otázky „Jak?“ a proč?" bylo přijato rozhodnutí nebo byly vyžádány určité údaje a systém může vždy vydat řetězec odůvodnění až k požadovanému kontrolnímu bodu, který doprovází vydání vysvětlení s předem připravenými připomínkami. Pokud se problémy nevyřeší, mělo by být uživateli automaticky poskytnuto vysvětlení.

Užitečná je možnost hypotetického vysvětlení řešení problému, kdy systém odpovídá na otázky, co se bude dít v konkrétním případě. Ne vždy však uživatele zajímá kompletní výstup řešení, který obsahuje mnoho zbytečných detailů. V tomto případě by měl být systém schopen vybrat pouze klíčové body z řetězce s ohledem na jejich důležitost a úroveň znalostí uživatele. K tomu je nutné podporovat model uživatelských znalostí a záměrů ve znalostní bázi.

Pokud uživatel stále nerozumí obdržené odpovědi, pak by měl být systém schopen naučit uživatele určité fragmenty znalostí v dialogu na základě podporovaného modelu znalostí problému, tzn. odhalit podrobněji jednotlivé pojmy a závislosti, i když tyto detaily nebyly v závěru přímo použity.

Mechanismus získávání znalostí. Znalostní báze odráží znalosti Odborníci(specialisté) v dané problémové oblasti o jednání v různých situacích nebo procesech řešení charakteristických problémů. Identifikaci takových znalostí a jejich následnou prezentaci ve znalostní bázi provádějí specialisté tzv znalostní inženýři. Pro vkládání znalostí do databáze a jejich následnou aktualizaci musí mít ES mechanismus pro získávání znalostí. V nejjednodušším případě je použit inteligentní editor, který umožňuje zadávat jednotky znalostí do databáze a provádět jejich syntaktickou a sémantickou kontrolu, například kvůli konzistenci. Ve složitějších případech musí znalostní inženýr extrahovat znalosti prostřednictvím speciálních scénářů dotazování odborníků nebo ze vstupních příkladů reálných situací, jako je tomu v případě induktivní inference, nebo z textů nebo ze samotné pracovní zkušenosti. inteligentní systém.

Třídy expertních systémů

Podle stupně složitosti řešených úloh expertní systémy lze klasifikovat následovně.

Podle způsobu tvorby roztoku expertní systémy jsou rozděleny do dvou tříd: analytické a syntetický. Analytické systémy zahrnují výběr řešení z různých známých alternativ (určení vlastností objektů) a syntetické systémy zahrnují generování neznámých řešení (tvorba objektů).

Podle způsobu účtování dočasného znaku expertní systémy může být statický nebo dynamický. Statické systémy řeší problémy s daty a znalostmi, které se během procesu řešení nemění, dynamické systémy takové změny povolit. Statické systémy provádějí monotónní průběžné řešení problému od zadání počátečních dat až po konečný výsledek, dynamické systémy poskytují možnost revize dříve získaných výsledků a dat během rozhodovacího procesu.

Podle typu použitých dat a znalostí expertní systémy klasifikovány do systémů s deterministický(dobře definované) znalosti a nejistý znalost. Nejistotou znalostí se rozumí jejich neúplnost, nespolehlivost, nejednoznačnost a vágnost.

Podle počtu použitých zdrojů znalostí expertní systémy lze konstruovat pomocí jednoho nebo více zdrojů znalostí. Zdroje znalostí mohou být alternativní nebo doplňkové

Podle uvedených klasifikačních kritérií se rozlišují následující hlavní třídy expertních systémů (tabulka 12.1).

Klasifikace expertních systémů. Expertní systémyřešení problémů rozpoznávání situací se nazývá klasifikace, protože určují, zda analyzovaná situace patří do určité třídy.

Hlavní metodou utváření rozhodnutí je metoda logického deduktivního vyvozování z obecného na konkrétní, kdy se konkrétní závěr získá dosazením výchozích dat do určitého souboru vzájemně souvisejících obecných výroků.

Dále definování expertních systémů. Složitějším typem analytických problémů jsou ty, které jsou řešeny na základě nejistých výchozích dat a aplikovaných znalostí. V tomto případě expertní systém by měly, jak to bylo, dodatečně určit chybějící znalosti a v prostoru řešení několik možné řešení s různou pravděpodobností nebo důvěrou v nutnost jejich realizace.

Jako metody pro práci s nejistotami lze použít Bayesovský pravděpodobnostní přístup a fuzzy logiku.

Definování expertní systémy může použít několik zdrojů znalostí k formulaci řešení. V tomto případě lze použít heuristické techniky pro výběr znalostních jednotek z jejich konfliktní množiny, například na základě využití priorit důležitosti, nebo výsledné míry jistoty výsledku, nebo hodnot preferenčních funkcí apod.

Charakteristické jsou analytické problémy klasifikačního a doplňkového definičního typu následující problémové oblasti.

1. Interpretace dat- výběr řešení z pevně dané množiny alternativ na základě zadaných informací o aktuální situaci. Hlavním účelem je určit podstatu uvažované situace, vybrat hypotézy na základě jejich faktů. Typickým příkladem je expertní systém analýza finanční situace podniku.
2. Diagnostika- identifikace důvodů, které vedly k situaci. Vyžaduje se předběžná interpretace situace, po níž následuje ověření dalších skutečností, např. identifikace faktorů snižujících efektivitu výroby.
3. Oprava- diagnostika, doplněná o schopnost vyhodnotit a doporučit opatření k nápravě odchylek od běžného stavu posuzovaných situací.

Transformativní expertní systémy. Na rozdíl od analytických statických expertních systémů, které syntetizují dynamické expertní systémy zahrnují opakovanou transformaci znalostí v procesu řešení problémů, což souvisí s povahou výsledku, který nelze předem předem určit, i s dynamikou samotné problémové oblasti.

Pro syntézu dynamických expertních systémů jsou nejvhodnější následující: problémové oblasti.

1. Design- stanovení konfigurace objektů z hlediska dosažení zadaného výkonnostní kritéria a omezení, například navrhování podnikového rozpočtu nebo investiční portfolio.
2. Prognózování- předpovídání důsledků vývoje současných situací na základě matematického a heuristického modelování, např. předpovídání trendů v obchodování s akciemi.
3. Dispečink- rozložení práce v čase, sestavování harmonogramů, např. plánování harmonogramu rozvoje kapitálových investic.
4. Plánování- výběr posloupnosti uživatelských akcí k dosažení cíle, např. plánování procesu dodávky produktů.
5. Sledování- sledování aktuální situace s případnou následnou nápravou. K tomu se provádí diagnostika, prognóza a v případě potřeby plánování a korekce uživatelských akcí, například sledování prodeje hotových výrobků.
6. Řízení- monitoring doplněný o provádění akcí v automatických systémech, např. rozhodování při obchodování na burze.

Multiagentní expertní systémy. Takové dynamické systémy se vyznačují integrací do znalostní báze několika heterogenních zdrojů znalostí, které si vzájemně vyměňují získané výsledky na dynamickém základě, například prostřednictvím „nástěnky“.

Multiagentní systémy se vyznačují následujícími vlastnostmi:

• vedení alternativního uvažování založeného na použití různé zdroje znalosti s mechanismem pro odstraňování rozporů;
• distribuované řešení problémů, které jsou rozděleny do paralelně řešených podproblémů odpovídajících nezávislým zdrojům znalostí;
• použití více strategií pro fungování mechanismu inference v závislosti na typu řešeného problému;
• zpracování velkého množství dat obsažených v databázi;
• schopnost přerušit řešení problémů z důvodu potřeby získat další data a znalosti od uživatelů, modelů a paralelně řešených dílčích problémů.

1. Základem každého inteligentního expertního systému je... znalostní báze, matematický model, systém pravidel pro řešení daného problému, řídicí systém2. Expertní systémy jsou potřeba v předmětových oblastech: lékařství, farmakologie, chemie, geologie, ekonomie, právo atd., ve kterých je většina znalostí... osobní zkušenost specialisty na vysoké úrovni lze redukovat na systém strojových příkazů a implementovat na počítači již bylo získáno a lze opustit přímou lidskou participaci a přenést schopnost rozhodování na počítač vyžaduje nalezení optimálních ukazatelů pro; konkrétní úkol v daném odvětví3. Konečnou fází existence expertního systému je... komerční systémový výzkum prototyp operační prototyp průmyslový systém 4. Expertní systémy se používají, když... jsou výchozí data dobře formalizovaná, ale rozhodování vyžaduje speciální rozsáhlé znalosti, výchozí data jsou kompaktní a vhodná pro implementaci na počítači, je třeba najít optimální ukazatele; minimální náklady nebo stanovení maximálního zisku se studují objekty, procesy nebo jevy konstruováním a studiem modelů k určení nebo objasnění charakteristik originálu5. Podobnost expertních systémů s jinými aplikačními programy je v tom, že... jsou navrženy k řešení určitého okruhu problémů používají jako hlavní metody řešení problému ve fázi řešení problému, tvoří určité skutečnosti; a závěry modelují lidské myšlení, nikoli konkrétní povahu předmětová oblast 6. Použití expertního systému je vhodné, pokud... je nutné řešit problém v prostředí nepřátelském, úkol je potřeba řešit v omezeném počtu k řešení daného problému; rozsah problémů s pomocí lidského odborníka je méně časově náročný a komplexnější v pokrytí7. Jádro expertního systému není implementováno v... hypertextových značkovacích jazycích, deklarativních programovacích jazycích, imperativních programovacích jazycích, jazycích reprezentace ontologie8. Charakteristický rys každého expertního systému, který jej odlišuje od jiného počítače informační systémy, je... schopnost vlastního vývoje, třídění, získávání dat podle požadavků uživatelů, pomocí metod, které umožňují redukovat řešení jakéhokoli problému na konkrétní sadu strojových příkazů, zajišťující vícenásobný přístup k informacím9. Hlavní třídy expertních systémů jsou... systémy pro diagnostiku poruch, meteorologické systémy, systémy pro správu databází, geolokační systémy

Expertní systémy - jedná se o komplexní softwarové systémy, které shromažďují znalosti specialistů v konkrétních tematických oblastech a replikují tyto empirické zkušenosti, aby poskytovaly rady méně kvalifikovaným uživatelům.

Oblasti použití znalostních systémů jsou velmi rozmanité: obchod, výroba, vojenské aplikace, medicína, sociologie, geologie, vesmír, zemědělství, management, právo atd.

Znalostní systémy (KBS) jsou softwarové systémy, jejichž hlavní konstrukční prvky jsou znalostní báze A inferenční motor. Mezi POPs patří:

• inteligentní systémy vyhledávání informací;
• expertní systémy (ES).

Inteligentní systémy vyhledávání informací se od předchozí generace systémů vyhledávání informací liší nejen mnohem rozsáhlejším referenčním a informačním fondem, ale také nejdůležitější schopností generovat adekvátní odpovědi na požadavky uživatelů i v případě, že požadavky nejsou přímé.

Nejznámějším praktickým příkladem POPs jsou expertní systémy schopné diagnostikovat onemocnění, hodnotit potenciální ložiska nerostů, provádět zpracování přirozeného jazyka, rozpoznávání řeči a obrazu atd. Expertní systémy jsou prvním krokem v praktické realizaci výzkumu v oboru umělá inteligence

Základní struktura expertního systému je znázorněna na obrázku níže.

Konstrukční prvky, které tvoří expertní systém, plní následující funkce.

Znalostní základna implementuje funkce reprezentace znalostí v konkrétní předmětové oblasti a jejich řízení.

Inferenční mechanismus provádí logické závěry na základě znalostí dostupných ve znalostní bázi.

Uživatelské rozhraní je nezbytný pro správný přenos odpovědí uživateli, jinak je používání systému krajně nepohodlné.

Modul získávání znalostí nutné získat znalosti od odborníka, udržovat znalostní základnu a v případě potřeby ji doplňovat.

Modul odpovědí a vysvětlení tvoří závěr expertního systému a předkládá různé komentáře připojené k závěru a také vysvětluje důvody závěru.

Struktura expertního systému.

Uvedené konstrukční prvky jsou nejtypičtější, i když v reálných expertních systémech lze jejich funkce vhodně posílit či rozšířit.

Znalosti ve znalostní bázi jsou prezentovány ve specifické formě a organizace znalostní báze umožňuje snadno definovat, upravovat a rozšiřovat. Řešení problémů pomocí logické inference na základě znalostí uložených ve znalostní bázi je realizováno mechanismem autonomního logického inference. Přestože jsou obě tyto složky systému nezávislé z hlediska jeho struktury, jsou spolu úzce spjaty a definice modelu reprezentace znalostí klade omezení na volbu vhodného inferenčního mechanismu.

Výhody expertní systémy:

• Stálost. Expertní systémy na nic nezapomínají, na rozdíl od lidského experta.
• Reprodukovatelnost. Můžete vytvořit libovolný počet kopií expertního systému, ale školení nových odborníků zabere spoustu času a peněz.
• Účinnost. Může zvýšit produktivitu a snížit personální náklady.
• Stálost. Pomocí expertních systémů jsou obdobné transakce zpracovávány stejným způsobem. Systém poskytne srovnatelná doporučení pro podobné situace.
• Dopad na lidi. Nový efekt (nejmodernější informace, které mají dopad na zdravý rozum). Hlavní efekt (včasné informace dominují zdravému rozumu).
• Dokumentace. Proces rozhodování může dokumentovat expertní systém.
• Úplnost. Expertní systém může kontrolovat všechny transakce, ale lidský expert může kontrolovat pouze jeden vzorek.
• Včasnost. Chyby v návrzích a/nebo mohou být nalezeny včas.
• Zeměpisná šířka. Znalosti mnoha odborníků lze zkombinovat, což dává systému větší šířku, než by pravděpodobně dosáhla jediná osoba.
• Snížení rizika podnikání díky důslednosti rozhodování, dokumentace a kompetence.

Nevýhody expertních systémů:

• Selský rozum. Kromě širokých technických znalostí má lidský expert i zdravý rozum. Zatím se neví, jak zabudovat zdravý rozum do expertních systémů.
• Kreativní potenciál. Odborník může kreativně reagovat neobvyklé situace expertní systémy nemohou.
• Vzdělání. Lidští experti se automaticky přizpůsobují změnám v prostředí; expertní systémy je třeba explicitně upravit.
• Smyslová zkušenost. Lidský expert má širokou škálu smyslových zkušeností; expertní systémy jsou v současnosti založeny na zadávání znaků.

Expertní systémy nejsou dobré, pokud neexistuje řešení nebo problém leží mimo oblast jejich odbornosti.

Třída expertních systémů dnes zahrnuje několik tisíc různých softwarové systémy, které lze klasifikovat podle různých kritérií: řešený problém, souvislost s reálný čas, typ počítače, stupeň integrace.

Metodika vývoje expertních systémů

Vývoj inteligentních informačních systémů se liší od vytváření konvenčních softwarový produkt. Zkušenosti z vývoje raných expertních systémů ukázaly, že použití tradičních programovacích technologií buď nadměrně zdržuje vývojový proces, nebo obecně vede k negativnímu výsledku. To je způsobeno především potřebou modifikovat principy a metody návrhu s tím, jak se zvyšují znalosti vývojářů o problémové doméně.

Je známo, že většina znalostí v určité oblasti zůstává osobním vlastnictvím odborníka. Největším problémem při vývoji expertního systému je postup získávání znalostí od experta a jejich vkládání do znalostní báze, tzv. extrakce znalostí. Neděje se tak proto, že by nechtěl prozradit svá tajemství, ale proto, že toho není schopen – odborník přece ví mnohem víc, než si sám uvědomuje. Znalostní inženýr s ním komunikuje, aby identifikoval expertovy znalosti a formalizoval je po celou dobu vývoje.

Aby se předešlo nákladným a neúspěšným pokusům, byla vyvinuta sada pokynů pro určení, zda je problém vhodný pro řešení pomocí expertního systému:

• Potřeba řešení musí odpovídat nákladům na jeho vývoj. Dosažené náklady a přínosy musí být reálné.
• Nelze využít znalosti lidského odborníka tam, kde je to potřeba. Pokud jsou „expertní“ znalosti rozšířené, pak je nepravděpodobné, že by stálo za to vyvinout expertní systém. V oblastech, jako je průzkum ropy a medicína, však mohou existovat vzácné specializované znalosti, které lze levně dodat expertnímu systému bez potřeby velmi dobře placeného odborníka.
• Problém lze vyřešit pomocí technik symbolického uvažování.
• Problém je dobře strukturovaný a nevyžaduje použití znalostí zdravého rozumu. Znalosti zdravého rozumu jsou dobře známé, a proto je není třeba zaznamenávat ani prezentovat.
• Problém nelze snadno vyřešit pomocí tradičnějších výpočetních metod. Pokud existuje dobré algoritmické řešení problému, neměli byste používat expertní systém.
• V této problematice existují odborníci. Vzhledem k tomu, že expertní systém je navržen tak, aby úspěšně fungoval, je nezbytné, aby odborníci byli ochotni pomáhat s jeho návrhem a neměli pocit, že je jejich práce ohrožena. Dále je nutná podpora ze strany administrace a potenciálních uživatelů.
• Problém je správné velikosti a rozsahu. Problém obvykle vyžaduje použití znalostí vysoce specializovaných odborníků, ale lidský expert musí jeho řešením věnovat krátkou dobu, maximálně hodinu.

V současné době existuje sled akcí ve vývoji expertních systémů. Zahrnuje následující fáze: identifikace, získávání znalostí, konceptualizace, formalizace, provádění, testování a zkušební provoz.

Rýže. 10.2. Technologie vývoje expertních systémů

Identifikace

Etapa identifikace je spojena především s pochopením úkolů, které bude muset budoucí expertní systém řešit, as tvorbou požadavků na něj. V této fázi se plánuje vývoj prototypového systému, určují se zdroje znalostí (knihy, odborníci, metody), cíle (šíření zkušeností, automatizace rutinních operací), třídy problémů k řešení atd. Výsledek identifikace je odpovědí na otázku, co je potřeba udělat a jaké zdroje použít.

Získávání znalostí

Při řešení problému získávání znalostí existují tři strategie: získávání znalostí, extrakce znalostí a objevování znalostí.

Získávání znalostí je chápáno jako metoda automatizovaného naplňování znalostní báze prostřednictvím dialogu mezi odborníkem a speciálním programem.

Extrakce znalostí (elicitace) je postup interakce mezi znalostním inženýrem a zdrojem znalostí (odborníkem, odbornou literaturou atd.) bez použití výpočetní techniky.

Pojmy „objevování znalostí“, stejně jako Dolování dat spojené s tvorbou počítačové systémy, implementující metody pro automatické získávání znalostí.

Konceptualizace

Na jevišti konceptualizace je provedena smysluplná analýza problémové oblasti, identifikovány používané pojmy a jejich vztahy a stanoveny metody řešení problémů. Tato fáze končí vytvořením modelu domény, který zahrnuje základní pojmy a vztahy. Model je prezentován ve formě grafu, tabulky, diagramu nebo textu.

Formalizace

Na jevišti formalizace všechny klíčové pojmy a vztahy jsou vyjádřeny nějakým formálním jazykem, který je vybrán z existujících nebo nově vytvořený. Jinými slovy, na v tomto stádiu je stanovena skladba prostředků a metod pro reprezentaci deklarativních a procesních znalostí, tato reprezentace je provedena a ve výsledku je vytvořen popis řešení problému expertního systému na vybraném formální Jazyk.

Provedení (implementace)

Na jevišti provedení je vytvořen jeden nebo více skutečně fungujících prototypů expertního systému. Pro urychlení tohoto procesu se v současnosti hojně používají různé nástroje.

Testování

V této fázi je práce prototypového programu hodnocena a testována, aby byla v souladu se skutečnými požadavky uživatelů. Prototyp je kontrolován z hlediska následujících hlavních bodů:

• pohodlnost a přiměřenost vstupně-výstupních rozhraní (povaha otázek v dialogu, koherence výstupního textu výsledku atd.);
• účinnost strategie řízení (pořadí výčtu, použití fuzzy inference atd.);
• správnost znalostní báze (úplnost a konzistence pravidel).

Jevištní úkol testování- identifikace chyb a vypracování doporučení pro doladění prototypu expertního systému na průmyslový design.

Zkušební provoz

Na jevišti zkušební provoz Ověřuje se vhodnost expertního systému pro koncového uživatele. Vhodnost je dána především pohodlností a účelností provedení. Užitečnost je chápána jako schopnost expertního systému určit během dialogu potřeby uživatele, identifikovat a odstranit příčiny neúspěchů v práci a také uspokojit zadané potřeby uživatele (řešit zadané úkoly). Snadné použití předpokládá přirozenou interakci s expertním systémem, flexibilitu (schopnost systému přizpůsobit se různým uživatelům a také zohlednit změny v kvalifikaci stejného uživatele) a odolnost systému proti chybám (schopnost selhání v případě chybných akcí uživatele).

Po úspěšném dokončení etapy zkušební provoz Expertní systém je klasifikován jako komerční systém vhodný nejen pro vlastní potřebu, ale i pro prodej různým spotřebitelům.

Nástroje pro budování expertních systémů

V současné době existují nástroje, které urychlují návrh a vývoj ES. Se nazývají instrumentální prostředky nebo jen nástroje. Jinými slovy, pod instrumentální prostředky porozumět kombinaci hardwaru a softwaru, která umožňuje vytváření aplikačních systémů založených na znalostech.

Mezi software nástroje Rozlišují se tyto velké skupiny:

• symbolické programovací jazyky (LISP, INTERLISP, SMALLTALK);
• znalostní inženýrské jazyky, tedy programovací jazyky, které umožňují implementovat jeden ze způsobů reprezentace znalostí (OPS5, LOOPS, KES, Prolog);
• shelly expertních systémů (nebo prázdných expertních systémů), tedy systémů, které neobsahují znalosti o žádné předmětové oblasti (EMYCIN, ECO, EXPERT, EXSYS RuleBook, Expert System Creator atd.)

Expertní systém je systém umělé inteligence vybudovaný na základě hlubokých odborných znalostí o určité oblasti (získaných od expertů v této oblasti). Expertní systémy jsou jedním z mála typů systémů umělé inteligence, které se rozšířily a našly praktické uplatnění. Existují expertní systémy ve vojenské vědě, geologii, strojírenství, informatice, vesmírné technologii, matematice, medicíně, meteorologii, průmyslu, zemědělství, managementu, fyzice, chemii, elektronice, právu atd. A jen to, že expertní systémy zůstávají velmi složité, drahé a hlavně vysoce specializované programy, brzdí jejich ještě širší rozšíření.

Technologie expertních systémů je jednou z oblastí nového pole výzkumu zvaného umělá inteligence (AI). Výzkum v této oblasti se zaměřuje na vývoj a implementaci počítačové programy, schopný emulovat (simulovat, reprodukovat) ty oblasti lidské činnosti, které vyžadují myšlení, určitou dovednost a nasbírané zkušenosti. Patří mezi ně úkoly při rozhodování, rozpoznávání vzorů a porozumění lidské řeči. Tato technologie se již úspěšně používá v některých oblastech techniky a společenského života – organická chemie, průzkum nerostů, lékařská diagnostika. Seznam typických problémů řešených expertními systémy zahrnuje:

• extrahování informací z nezpracovaných dat (jako jsou sonarové signály);
• diagnostika závad (jako např technické systémy a v lidském těle);
• strukturní analýza složitých objektů (například chemických sloučenin);
• výběr konfigurace složitých vícesložkových systémů (například distribuované počítačové systémy);
• plánování posloupnosti operací vedoucích k danému cíli (například prováděných průmyslovými roboty).

Vlastnosti expertních systémů

• kompetence – v konkrétní předmětové oblasti musí expertní systém dosahovat stejné úrovně jako lidští experti; zároveň musí používat stejné heuristické techniky a také hluboce a široce reflektovat předmětnou oblast;

• symbolické usuzování - poznatky, na kterých je založen expertní systém, představují koncepty reálného světa v symbolické podobě, uvažování se vyskytuje i ve formě transformace symbolických množin;

• hloubka - odbornost musí řešit závažné, netriviální problémy, vyznačující se složitostí znalostí, které expertní systém využívá, nebo nadbytkem informací; to neumožňuje použití úplného hledání možností jako metody řešení problému a nutí člověka uchýlit se k heuristickým, kreativním, neformálním metodám;

• sebeuvědomění - expertní systém musí obsahovat mechanismus pro vysvětlení, jak k řešení problému dospívá.

Expertní systémy jsou vytvářeny pro řešení různých typů problémů, ale mají podobnou strukturu (obr. 8); hlavní typy jejich činností lze seskupit do kategorií uvedených v tabulce. 2.

Rýže. 1. Schéma zobecněného expertního systému

Tabulka 1. Typické kategorie aplikací expertních systémů

Funkce prováděné expertním systémem

Ne každý znalostní systém lze považovat za expertní systém. Expertní systém musí také nějak umět vysvětlit jejich chování a rozhodnutí vůči uživateli, stejně jako to dělá lidský expert. To je nutné zejména v oblastech charakterizovaných neurčitostí a nepřesností informací (například v lékařské diagnostice). V těchto případech je potřebná vysvětlovací schopnost, aby se zvýšila důvěra uživatele v rady systému a také aby mohl uživatel odhalit možnou chybu v uvažování systému. V tomto ohledu by expertní systémy měly poskytovat uživatelsky přívětivou interakci, díky níž je proces uvažování systému pro uživatele „transparentní“.

Na expertní systémy je často kladen další požadavek – schopnost vypořádat se s nejistotou a neúplností. Informace o daném úkolu mohou být neúplné nebo nespolehlivé; vztahy mezi doménovými objekty mohou být přibližné. Například nemusí existovat úplná jistota, že pacient má konkrétní symptom nebo že data získaná z měření jsou správná; lék může způsobit komplikace, i když k tomu obvykle nedochází. Ve všech těchto případech je vyžadováno uvažování pomocí pravděpodobnostního přístupu.

V nejobecnějším případě, abychom mohli vybudovat expertní systém, musíme vyvinout mechanismy pro provádění následujících systémových funkcí:

• řešení problémů s využitím znalostí o konkrétním předmětu – může být nutné vypořádat se s nejistotou;
• interakce s uživatelem, včetně vysvětlení záměrů a rozhodnutí systému během a po dokončení procesu řešení problémů.

Každá z těchto funkcí může být velmi složitá a závisí na oblasti použití a různých praktických požadavcích. Během procesu vývoje a implementace mohou nastat různé obtížné problémy. Zde jsme se omezili na nastínění hlavních myšlenek, které jsou předmětem dalších podrobností a vylepšení.

Struktura expertních systémů

Obr.2. Architektura expertního systému

Třídy expertních systémů

Expertní systémy lze klasifikovat podle stupně složitosti problémů, které řeší takto:

Podle způsobu tvorby řešení se expertní systémy dělí do dvou tříd: analytická A syntetický. Analytické systémy zahrnují výběr řešení z různých známých alternativ (určení vlastností objektů) a syntetické systémy zahrnují generování neznámých řešení (tvorba objektů).

Podle způsobu zohlednění dočasného znaku mohou být expertní systémy statický nebo dynamický. Statické systémy řeší problémy s daty a znalostmi, které se v průběhu řešení nemění dynamické systémy takové změny umožňují. Statické systémy provádějí monotónní, kontinuální řešení problému od zadání počátečních dat až po konečný výsledek dynamické systémy poskytují možnost revidovat dříve získané výsledky a data v průběhu procesu řešení.

Podle typů použitých dat a znalostí se expertní systémy dělí na systémy s deterministickými (dobře definovanými) znalostmi A nejisté poznání. Nejistotou znalostí (dat) se rozumí jejich neúplnost (absence), nespolehlivost (nepřesnost měření), nejednoznačnost (nejednoznačnost pojmů), vágnost (kvalitativní hodnocení místo kvantitativního).

Podle počtu použitých zdrojů znalostí lze sestavit expertní systémy pomocí jednoho nebo více zdrojů znalostí. Zdroje znalostí mohou být alternativní (mnoho světů) nebo doplňkové (spolupracující).

Nejznámější/nejrozšířenější ES

• CLIPS je velmi populární ES (public domain)
• OpenCyc je výkonný dynamický ES s globálním ontologickým modelem a podporou nezávislých kontextů
• WolframAlpha - vyhledávací systém, inteligentní „výpočetní znalostní stroj“
• MYCIN je nejznámější diagnostický systém, který je určen k diagnostice a sledování stavu pacienta s meningitidou a bakteriálními infekcemi.
• HASP/SIAP je interpretační systém, který určuje umístění a typy cév v Tichý oceán podle

akustické sledovací systémy.

Etapy návrhu expertního systému

V současné době byla vyvinuta určitá technologie pro vývoj ES, která zahrnuje následujících šest fází:

• Techniky	Popis
  1. Pozorování	Inženýr bez zasahování sleduje, jak odborník řeší skutečný problém
  2. Diskuse o problému	Inženýr neformálně diskutuje o datech, znalostech a postupech řešení s odborníkem na reprezentativní soubor problémů.
  3. Popis úkolu	Expert popisuje řešení problémů pro typické dotazy
  4. Analýza řešení	Odborník komentuje získané výsledky řešení problému, upřesňuje průběh uvažování
  5. Kontrola systému	Expert nabídne inženýrovi seznam úloh k řešení (od jednoduchých po složité), které řeší vyvinutý systém
  6. Systémový výzkum	Expert zkoumá a kritizuje strukturu znalostní báze a fungování inferenčního mechanismu
  7. Hodnocení systému	Inženýr pozve nové odborníky, aby zhodnotili řešení vyvinutého systému

  tabulka 2

  První dvě fáze vývoje expertního systému představují logickou fázi, která nezahrnuje použití jasně definovaného nástroje. Následné etapy jsou realizovány v rámci fyzické tvorby projektu na základě zvoleného nástroje. Zároveň má smysl realizovat proces tvorby expertního systému jako komplexního softwarového produktu metodou prototypového návrhu, jehož podstata spočívá v neustálém rozšiřování znalostní báze, počínaje logickou fází.

Fyzické médium nebo objekt, který se používá k připojení počítačů v síti, se běžně nazývá...

Komunikační linka

2 kostky jsou vrženy. Pravděpodobnost hodu alespoň 11 bodů je...

Distribuční funkce spojité náhodné veličiny X má tvar:

Potom hodnota hustoty distribuce s rovným...

Chcete-li během prezentace zvýraznit určité body nebo zdůraznit hlavní myšlenky prezentace, můžete použít ...

Kreslení na diapozitivy

K extrakci dat z tabulek a jejich prezentaci uživateli ve vhodné formě slouží databázový objekt...

Žádost

Daná sada . Pak jsou pravdivá následující tvrzení:

Nastavit rozdíl A A B, to je A B, stínované v diagramech...

+

Vyčištění disku umožňuje smazat soubory z...

Přípona.tmp

1. Základem každého inteligentního expertního systému je...

3. Konečnou fází existence expertního systému je...

5. Podobnost mezi expertními systémy a jinými aplikačními programy je v tom, že...

6. Použití expertního systému je vhodné, pokud...

7. Jádro expertního systému není implementováno na …

9. Hlavní třídy expertních systémů jsou...

2. Konstrukce většiny počítačů je založena na následujících principech formulovaných Johnem von Neumannem: princip řízení programu, princip uniformity paměti a princip ...

4. Za úspěchem rodiny počítačů IBM PC stojí především ...

6. Z uvedených CD, aby si uživatel mohl vypálit své soubory není zamýšleno …

8. BIOS (Basic Input Output System) je...

11. Most efektivní způsob ochrana místní počítač před neoprávněným přístupem, když je zapnutý...

12. Abyste si zapamatovali 8 bajtů informací, budete potřebovat ___ spouštěčů.

14. K hlavním parametrům laserové tiskárny neplatí …

15. Mikroprocesory se od sebe liší...

17. Výkon zařízení pro ukládání informací se vyznačuje...

19. Elektronické Počítací stroj(počítač) je...

20. Jedním z parametrů pevného disku je tvarový faktor, což znamená...

22. Maloobjemová vysokorychlostní vyrovnávací paměť pro ukládání příkazů a dat je...

24. Účelem vytvoření „páté generace počítačů“ bylo...

Řešení:
V roce 1981 zveřejnil Japonský výbor pro vědecký výzkum v oblasti počítačů projekt, podle kterého se předpokládalo, že do roku 1991 budou vytvořeny zásadně nové počítače zaměřené na řešení problémů umělé inteligence. Bylo plánováno implementovat kvalitativní přechod od ukládání a zpracování dat k ukládání a zpracování znalostí. Pro počítače páté generace by nebylo potřeba psát programy, ale stačilo by „téměř přirozeným“ jazykem vysvětlit, co se od nich vyžaduje. Vzhledem ke složitosti realizace úkolů zadaných páté generaci je docela dobře možné ji rozdělit na viditelnější a lépe pociťované etapy, z nichž první byla z velké části realizována v rámci aktuální čtvrté generace.

Obrázek ukazuje funkční schéma Počítač navrhl...

27. Konstrukce většiny počítačů je založena na následujících principech formulovaných Johnem von Neumannem: princip řízení programu, princip uniformity paměti a princip ...

29. Automatické šifrování a dešifrování informací při zápisu na média poskytuje souborový systém …

31.Periferní zařízení plní funkci...

33. Informace na magnetických discích se zaznamenávají...

35. Elektronický čip EPROM je...

37. Multimediální počítač musí obsahovat...

39. Myšlenka mechanického stroje byla spojena s myšlenkou programového ovládání...

40. Základní pojmy hierarchická struktura jsou...

41. Pro zvýšení rychlosti provádění matematických operací v PC,...

43. Architektura osobní počítač, jehož hlavními rysy jsou přítomnost společné informační sběrnice, modulární konstrukce, kompatibilita nových zařízení a software S předchozí verze Podle principu „shora dolů“ se nazývá...

45. Dynamická paměť slouží jako základ pro budování...

46. ​​Nejvyšší rychlost výměny informací mezi uvedená zařízení Má to …

48. Mezi počítačové architektury existují...

49. Automatické šifrování a dešifrování informací při zápisu na média zajišťuje souborový systém...

51. K propojení počítače jedním komunikačním kanálem se používá zařízení...

53. Když vypnete napájení počítače, informace neuloženo v paměťovém zařízení...

2. Učitel pracoval ve složce
D:\Materiály pro výuku\Skupina 11\Laboratorní práce.
Poté jsem se přesunul na vyšší úroveň ve stromu složek a šel dolů do složky Přednášky a smazal z něj soubor Úvod. Celý název souboru, který učitel smazal, bude...

3. Na některém pevném disku je velikost clusteru 512 bajtů. Tento disk obsahuje čtyři soubory o velikosti 100, 200, 1000 a 2500 bajtů. K uložení všech čtyř souborů potřebujete ___________ cluster(y).

5. Název souboru nové hry666.exe neuspokojuje maska ​​názvu souboru...

7. Jako název souboru nepřijatelný použít posloupnost znaků...

9. Soubory jsou uloženy v určité složce:

Názvy všech těchto souborů splňují masku...

11. Určitá složka obsahuje seznam souborů, zpočátku uspořádaných podle data:

Soubory jsou seřazeny podle názvu ve vzestupném pořadí. Poslední soubor v seznamu bude...

1. V základní ____ číselné soustavě se desetinné číslo 26 zapisuje jako 101.

množství v desítkové soustavě čísel se rovná...

5. Desetinné číslo odpovídá hexadecimálnímu číslu...

7. Hodnota součtu čísel v osmičkové číselné soustavě je ...

9. Rozdíl mezi binárními čísly je...

2. Hardware místní síť zahrnuje...

4. Zařízení, které zajišťuje spojení mezi administrativně nezávislými komunikačními sítěmi je...

6. Nastavení adresy E-mailem na internetu – [e-mail chráněný] . Ve jménu poštovní služby obsahuje...

8. Brána je zařízení, které...

9. Síťový protokol je …

12. Na serveru grafika.sc existuje soubor obrázek.gif, přístupný přes protokol ftp. Správně napsaná adresa zadaný soubor je …

15. Dokument je požadován z webové stránky univerzity na následující adrese: http://university.faculty.edu/document.txt. Doménové jméno Počítač, na kterém je dokument umístěn, je...

18. Pro prohlížení webových stránek použijte...

20. Most je zařízení spojující...

21. Za účelem zřízení burzy emailem, mající digitální podpis, musí být předány příjemci zpráv...

22. Lokální topologie počítačové sítě jsou...

23. Nejúčinnější způsob ochrany místního počítače před neoprávněným přístupem, když je zapnutý, je...

24. Počítač připojený k internetu může mít následující dvě adresy:

26. Internetový systém rychlých zpráv se nazývá...

28. Nejúčinnější způsob ochrany místního počítače před neoprávněným přístupem, když je zapnutý, je...

29. Jak víte, IP adresa počítače se skládá ze čtyř čísel oddělených tečkami. Každé číslo v IP adrese může nabývat desítkových hodnot od 0 do...

31. Pro zřízení výměny elektronických zpráv s digitálním podpisem je nutné přenést na příjemce zpráv...

32. K vytváření webových aplikací nepoužívá Jazyk …

2. BIOS (Basic Input Output System) je...

1. Zahrnuto v systému software zahrnuta...

4. Aplikační software obsahuje...

6. Aplikační software obsahuje...

1. Objekt v objektově orientovaném programování je...

2. V technologickém řetězci řešení úloh na počítači

chybějící položka...