Результаты исследований учащихся в проекте Экспертные системы — различия между версиями

Материал из НГПУ им. К.Минина
Перейти к: навигация, поиск
(Результаты проведённого исследования)
(Вывод)
Строка 45: Строка 45:
  
 
==Вывод==
 
==Вывод==
 +
Итак, мы узнали, что такое экспертные системы, а также рассмотрели историю их развития. Были описаны перспективы развития и трудности при разработке ЭС.
  
 
==Полезные ресурсы==
 
==Полезные ресурсы==

Версия 06:55, 15 декабря 2011

Авторы и участники проекта


Тема исследования группы

История становления и развития экспертных систем

Проблемный вопрос (вопрос для исследования)

Как возникли экспертные системы?

Гипотеза исследования

По нашему мнению, экспертные системы возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ)

Цели исследования

  • Дать определение термину "экспертная система"
  • Рассмотреть основные линии развития экспертных систем
  • Описать основные проблемы при создании экспертных систем, а также перспективы их разработки

Результаты проведённого исследования

Экспертные системы, пожалуй, наиболее значительное практическое достижение в области искусственного интеллекта, получили в настоящее время широкую известность. К началу 80-х годов тенденция в области искусственного интеллекта к созданию прикладных разработок заметно усилилась, что и привело к появлению экспертных систем (ЭС) - это вычислительных систем, в которые включены знания специалистов о некоторой конкретной проблемной области и которые в пределах этой области способны принимать экспертные решения. Предтечи экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства ("интеллектуальные машины"), позволявшие находить решения по заданным условиям. Наиболее известные ЭС, разработанные в 60-70-х годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств:

  1. META-DENDRAL. Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным. M-D автоматизирует процесс приобретения знаний для DENDRAL.
  2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.
  3. PROSPECTOR-KAS. PROSPECTOR предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для PROSPECTOR.
  4. CASNET-EXPERT. Система CASNET – медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которого создан ряд других медицинских диагностических систем.
  5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений – глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.
  6. Системы AM (Artifical Mathematician – искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей.

В систему AM первоначально было заложено около 100 правил вывода и более 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. Сначала результаты работы системы были весьма многообещающими. Она могла сформулировать понятия натурального ряда и простых чисел. Кроме того, она синтезировала вариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можно представить в виде суммы двух простых чисел. До сих пор не удалось ни найти доказательства данной гипотезы, ни опровергнуть ее. При разработке системы EURISCO была предпринята попытка преодолеть указанные недостатки системы AM. Как и в начале эксплуатации AM, первые результаты, полученные с помощью EURISCO, были эффективными. Сообщалось, что система EURISCO может успешно участвовать в очень сложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов. Согласно одному из них, например, предлагалось взрывать свои корабли, получившие повреждения. При этом корабли, оставшиеся неповрежденными, получает необходимое пространство для выполнения маневра. Однако через некоторое время обнаружилось, что система не всегда корректно переопределяет первоначально заложенные в нее правила. Так, например, она стала нарушать строгое предписание обращаться к программистам с вопросами только в определенное время суток. Т.о., система EURISCO, так же как и ее предшественница, остановилась в своем развитии, достигнув предела, определенного, в конечном счете, ее разработчиком. С 1990 года доктор Ленат во главе исследовательской группы занят кодированием и вводом нескольких сотен тысяч элементов знаний, необходимых, по его мнению, для создания «интеллектуальной» системы.

С 70-х годов ЭС стали ведущим направлением в области искусственного интеллекта. При их разработке нашли применение методы ИИ, разработанные ранее: методы представления знаний, логического вывода, и др. Можно утверждать, что именно ЭС позволили получить очень большой коммерческий эффект от применения таких мощных методов. Каталог ЭС и инструментальных программных средств для их разработки, опубликованный в США в 1987 году, содержит более 1000 систем (сейчас их уже значительно больше). В развитых зарубежных странах сотни фирм занимаются их разработкой и внедрением. Имеются и отечественные разработки ЭС, в том числе – нашедший промышленное применение. Однако уже на начальных этапах выявились серьезные принципиальные трудности, препятствующие более широкому распространению ЭС и серьезно замедляющие и осложняющие их разработку. Они вполне естественны и вытекают из самих принципов разработки ЭС. Первая трудность возникает в связи с постановкой задач. Большинство заказчиков, планируя разработку ЭС, вследствие недостаточной компетентности в вопросах применения методов ИИ, склонна значительно преувеличивать ожидаемые возможности системы. Заказчик желает увидеть в ней самостоятельно мыслящего эксперта в исследуемой области, способного решать широкий круг задач. Отсюда и типичные первоначальные постановки задачи по созданию ЭС: «Разработать ЭС по обработке изображения»; «Создать медицинские ЭС по лечению заболеваний опорно-двигательного аппарата у детей». Однако, как уже отмечалось, мощность эвристических методов решения задач при увеличении общности их постановки резко уменьшается. Поэтому наиболее целесообразно (особенно при попытке создания ЭС в области, для которой у разработчиков еще нет опыта создания подобных систем) ограничиться для начала не слишком сложной обозримой задачей в рассматриваемой области, для решения которой нет простого алгоритмического способа (т. е. неочевидно, как написать программу для решения этой задачи, не используя методы обработки знаний). Кроме того, важно, чтобы уже существовала сложившаяся методика решения этой задачи «вручную» или какими-либо расчетными методами. Для успешной разработки ЭС необходимы не только четкая и конкретная постановка задач, но и разработка подробного (хотя бы словесного) описания «ручного» (или расчетного) метода ее решения. Если это сделать затруднительно, дальнейшая работа по построению ЭС теряет смысл.

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

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

Вывод

Итак, мы узнали, что такое экспертные системы, а также рассмотрели историю их развития. Были описаны перспективы развития и трудности при разработке ЭС.

Полезные ресурсы

Другие документы