W003257 Курсовая работа Развитие технологий разработки экспертных систем

Введение

Проблемы принятия решений существуют во всех областях деятельности человека. Люди принимают решения абсолютно во всех жизненных ситуациях. При выборе в какой магазин пойти, при покупке мебели, какую книгу почитать перед сном и во многих других ситуациях. Решение, принимаемое человеком, должно быть самым лучшим из возможных, тем не менее рассмотреть все детали, влияющие на определенный выбор и принять очевидное и в то же время разумное и правильное решение бывает проблематично без стороннего вмешательства.

Процедура принятия решений очень сложна и связана с обработкой огромных объемов информации, а также её структурированием, в этом, компьютер прекрасно дополняет человека. Например при вычислении большого объема вероятных исходов лучше подойдет компьютер, а человек больше разбирается в целях и конечной идее.

Рост информационных технологий привел к созданию систем принятия правильных решений, а в частности экспертных систем. В настоящее время, ИИ успешно развивается, в связи с этим появляется возможность получения новых результатов в данной области, а появление новых технических средств позволяет использовать эти возможности.

Цель работы - проектирование и моделирование экспертной системы для управления антропоморфным персонажем.

Теоретические задачи:

1. Рассмотреть теоретические основы экспертных систем

2. Рассмотреть теоретические основы баз знаний

3. Изучить технологии разработки экспертных систем

Аналитические задачи:

1. Принципы проектирования и разработки модели экспертной системы

2. Классификация экспертных систем (функции)

3. Возможные способы логического вывода

4. Требования дружественного интерфейса

5. Средства разработки

Проектные задачи:

Экспертная система управления антропоморфным персонажем.

1. Анализ состояний и проектирование правил вывода.

2. Моделирование персонажа.

Сокращения:

ЭС - экспертная система

ИИ - искусственный интеллект

ИТ - информационные технологии

БЗ - база знаний

Глава 1.

1.1 Определение понятий экспертных систем

Экспертная система - система искусственного интеллекта, предназначенная помочь эксперту-человеку в решении узконаправленных задач, которые не имеют четкой логики. Эти системы начали разрабатываться еще в 60-х годах и понимались как искусственный интеллект специального типа.

Первые разработки экспертных систем содержали в себе исключительно знания эксперта-человека, т.е. знания недоступные для большинства. С течением времени эта концепция постепенно сглаживалась и сейчас под понятием ЭС подразумеваются системы не только наполненные только экспертными знаниями, но и могут быть простые знания доступные всем.

Главная их особенность в том, что они должны уметь “объяснить” свое решение пользователю, также как и эксперт может рассказать почему он поступил именно так в данной ситуации. Это требуется, когда есть вероятность ошибки в системе при тестировании новых знаний, или когда система находиться в области для которой характерна некая неточность, неполнота начальных данных, требующих решение задачи. Поэтому наличие “дружеского” и “прозрачного” пользовательского интерфейса заметно облегчит работу с такой ЭС.

Преимущества ЭС перед человеком-экспертом:

1. Они не делают поспешных выводов, которые могли бы привести к нежелательным результатам,

2.  ЭС работают систематизировано, рассматривая вопрос во всех мельчайших деталях, выбирая наилучшую альтернативу из возможных,

3. База знаний может быть достаточно большой и стабильной. После введения в машину один раз, знания сохраняются навсегда.

4. У ЭС нет предубеждений,

Несмотря на свою привлекательность, в ЭС есть и свои недостатки:

1. ЭС могут оказаться доступными, только тем экспертам, которые создавали их базы знаний,

2. После работы с экспертом, навыки ЭС могут не возрасти,

3. Приведение знаний полученных от эксперта к виду, обеспечивающему эффективную. реализацию,

4. При отсутствии эксперта в определенной предметной области, применение ЭС невозможно.

Структура ЭС

Принцип работы экспертной системы(Рисунок 1) состоит в том что пользователь сообщает системе факты или другие знания, а  ответ получает экспертный ответ. Ее структура содержит в себе множество компонентов такие как:

- база знаний;

- машина логического вывода;

- модуль обучения;

- модуль объяснения ответа;

- интеллектуальный интерфейс.

Рисунок 1. Структура экспертной системы

Однако самыми важными компонентами отличающие любую ЭС от других систем являются: база знаний и машина логического вывода.

Машина логического вывода

Машина логического вывода - программа выполняющая логический вывод из базы фактов и правил, называемой базой знаний. Является центральной частью экспертных систем.  Факт - постоянно истинное утверждение. Правило - утверждение, в котором есть условие и результат.

Основные элементы машины вывода:

1. Интерпретатор - выполняет последовательно шаги для решения проблемы, основываясь на правилах БЗ.

2. Планировщик - контролирует правильность выполнения шагов, анализируя эффективность с точки зрения приоритетов и остальных критериев существующих в БЗ.

Машина вывода может выполнять несколько операций:

1. Проверка факта на его истинность

2. Нахождение множества связей и знаний, при которых это правило будет выполняться.

Механизм вывода - процедура поиска решений задачи, использующая БЗ, которая выстраивает цепочку рассуждений и приводит к нужному результату. Он в свою очередь может делиться на два способа: прямой и обратный логический вывод.

Экспертная система с прямым логическим выводом использует начальные правила и по ним ищет подходящие правила для получения результата.

С другой стороны, система с обратным логическим выводом начинает отталкиваться от гипотезы которую выдвигает пользователь и экспертная система пытается найти правила с помощью которых сможет объяснить ее.  

Система объяснений - разъясняет пользователю как экспертная

система пришла к данному выводу. В процессе работы пользователь может спрашивать у системы о промежуточных результатах, если система не может объяснить человеку свои рассуждения, то её метод рассуждения является неудовлетворительным. Также ЭС может объяснить почему произошло именно так, а не иначе, какими правилами БЗ были заблокированы другие пути рассуждений.

Система приобретения знаний - делает процесс заполнения БЗ более автоматизированным. Именно она предоставляет базе знаний информацию в конкретной предметной области от эксперта.

Рабочая память - функционирует точно так же, как и ОЗУ в компьютере, получает и хранит исходные данные, а также промежуточные результаты по решаемой в данный момент задаче.

В рабочей памяти есть область, называемая доской объявлений, в ней описывается текущая проблема с применением исходных данных. На доске объявлений записываются гипотезы, оптимальный план решения проблемы, а также действия ожидающие выполнения, либо альтернативы решения.

Система диалога - обеспечивает дружественный интерфейс и поддерживает общение пользователя и компьютера, может использоваться в процессе решения задачи, приобретения знаний и выдачи результатов. Общение может быть реализовано как с помощью естественного языка, так и с помощью графики.

1.2 Базы знаний

База знаний - база данных, в которой содержится информация о знаниях и опыте человека-эксперта в определенной предметной области, а также правила логического вывода. БЗ может содержать в себе результаты решения прошлых задач, если находится в самообучающейся системе.

База знаний неотъемлемый компонент ЭС, которые используют записи БЗ для нахождения способов решения проблем определенной предметной области.

Самыми важными требованиями к записям, хранящимся в БЗ являются:

1. Достоверность сведений.

2. Релевантность информации при выводе.

Записи в БЗ - они же знания, делятся на два типа, алгоритмические и неалгоритмические.

Алгоритмические, еще называемые процедурными - это знания решающие конкретные задачи алгоритмы, функции вычислений.

Неалгоритмические знания - состоят из понятий. Понятия имеют имена, структуру, они связаны связаны между собой и входят в некую систему понятий. Еще один вид не алгоритмических знаний - это связь понятий между собой, иначе называемая утверждением о их свойствах.

В базе знаний ЭС, могут быть некоторые необязательные особенности:

1. Вывод новых знаний, основанных на уже записанных в БЗ.

2. Доказательство ответа и объяснение её рассуждений по запросу.

3. Контроль за правильной организацией знаний.

4. Самообучение в определенной предметной области.

Для получения знаний в БЗ используется два метода: приобретение знаний извне и их систематизация. При различных возможностях системы к обучению логического вывода, возможны разные виды приобретения информации. Представление знаний определяется внутри системы, поэтому форма информации, которую система может принять, зависит от способностей системы формализовывать информацию до знаний. Чем лучше в системе реализован логический вывод, тем меньше работы отводится человеку для подготовки информации понятной системе. На рисунке 2 представлена базовая система обработки знаний, она включает в себя БЗ и механизмы логических выводов.

Рис. 2 Базовая структура обработки знаний

Методы получения знаний разделяются на несколько видов:

1. Обучение без выводов - полученная информация используется в неизменном виде.

2. Обучение на примерах - производится сбор фактов, с последующим их преобразованием и обобщением, затем они становятся знаниями.

3. Параметрическое обучение - самая простая форма обучения по наблюдениям, определяет общий вид правила, которое в результате будет логическим выводом и корректирует параметры входящие в него, в зависимости от данных.

4. Обучение по индукции - обучение использующее выводы высокого уровня, происходит путем обобщения всех имеющихся данных, получая общие правила.

5. Обучение по аналогии - получение знаний, преобразуя уже имеющиеся похожие на те, которые должны получить.

Основная цель создания любой базы знаний - сократить затраты времени и труда на решение типовых задач.