Экспертные системы представляют собой

Expert Systems and AI
Экспертные системы представляют собой компьютерные программы, которые вытекают из
отделения информатики исследование под названием Artificial Intelligence (AI). Научная цель AI в том,
чтобы понять интеллект путем создания компьютерных программ, которые демонстрируют
разумное поведение. Это связано с концепциями и методами символической вывода, или
рассуждения, с помощью компьютера, и как знания, используемые, чтобы сделать эти выводы
будут представлены внутри машины.
Конечно, термин разведки охватывает многие когнитивные навыки, включая умение решать
проблемы, учиться и понимать язык; AI обращается ко всем из них. Но наибольшего прогресса на
сегодняшний день в области искусственного интеллекта был сделан в области решения проблемы концепции и методы для создания программ, которые рассуждают о проблемах, а не вычислить
решение.
AI программы достижения экспертного уровня компетентности в решении проблем в области задач
путем привлечения к нести совокупность знаний о конкретных задач называется, основанной на
знаниях, или экспертных систем. Часто термин экспертные системы зарезервировано для
программ, база знаний содержит знания используются человеческие эксперты, в отличие от
знаний, собранных из учебников или неспециалистов. Чаще всего, эти два термина, экспертные
системы (ЭС) и основанных на знаниях системах (KBS), используются как синонимы. Взятые вместе,
они представляют собой наиболее распространенный тип приложения AI. Область человеческой
интеллектуальной деятельности, чтобы быть захвачен в экспертной системе, называется задачей
домена. Целевая относится к некоторым целенаправленным, решение проблем деятельности.
Домен относится к области, в которой задача выполняется. Типичные задачи диагностики,
планирования, планирования, конфигурации и дизайна. Пример задачи, домен экипажа
воздушного судна планирования, обсуждаются в главе 2.
Создание экспертной системы известна как инженерные знания и практики называют знаний
инженеров. Инженера по знаниям должен убедиться, что компьютер все знания, необходимые для
решения проблемы. Инженера по знаниям должен выбрать одну или несколько форм, в которых
для представления необходимых знаний как символ шаблонов в памяти компьютера - то есть, он
(или она) должен выбрать дать ответ представления. Он должен также убедиться, что компьютер
может использовать знания эффективно, выбирая из нескольких методов рассуждения. Практика
инженерных знаний будет описано позже. Сначала мы описываем компоненты экспертных систем.
Строительные блоки Экспертные системы
Каждая экспертная система состоит из двух основных частей: базы знаний и рассуждений, или
вывода, двигатель.
База знаний экспертной системы содержит как фактические и эвристических знаний. Фактическое
знание, что знание задача домен, который широко распространены, как правило, найти в учебниках
или журналах, и, как правило, согласованных этими знаниями в конкретной области.
Эвристические знания менее строгим, более профессиональным, более субъективные знания о
производительности. В отличие от фактических знаний, эвристические знания редко обсуждается, и
в значительной степени индивидуалистической. Это знание хорошая практика, здравый смысл, и
правдоподобные рассуждения в этой области. Это знание того, что лежит в основе "искусство
хорошего гадание".
Представление знаний формализует и организует знания. Один широко используется
представление производстве правила, или просто управлять. Правило состоит из IF части и затем
часть (также называется conditionand действия). Если часть перечисляет ряд условий в определенной
логической комбинации. Часть знаний представлена продукция правило имеет отношение к
рассуждение развивается, если если часть правило выполняется, следовательно, то часть можно
сделать вывод, или его решении проблем действиях. Экспертные системы, чьи знания
представлены в форме правило, называют основанной на правилах системы.
Другой широко используемый представление, называемое устройство (также известный как рама,
схемы или списка структуры) основан на более пассивный вид знания. Устройство сборка
связанные символическое знание об объекте, должны быть представлены. Как правило, блок
состоит из списка свойств объекта и связанные с ними значения для этих свойств.
Так как каждая задача область состоит из многих лиц, которые стоят в различные отношения,
свойства также могут быть использованы для указания отношения, и значения этих свойств
являются именами других подразделений, которые связаны в соответствии с отношениями. Один
блок может также представлять знания, что является "особым случаем" другой блок, или некоторые
единицы могут быть "частями" другой блок.
Решения проблем модели, или парадигмы, организует и контролирует шаги, предпринятые для
решения проблемы. Один из распространенных, но мощная парадигма включает в себя цепочку из
IF-THEN правил для формирования рассуждений. Если сцепление начинает с набором условий и
движется к некоторым заключение вызывается метод прямого вывода. Если заключение известна
(например, цели должны быть достигнуты), но путь к этому выводу не известно, то рассуждение в
обратном направлении вызывается для, и метод обратного вывода. Эти методы решения задач
встроены в программные модули, называемые вывода двигателей или процедуры вывода, что
манипулировать и использовать знания в базу знаний для формирования рассуждений.
База знаний эксперта использует то, что он узнал в школе, с коллегами, и с годами опыта.
Предположительно больше опыта он имеет, тем больше его багаж знаний. Знание позволяет ему
интерпретировать информацию в своих базах данных преимущество в диагностике,
проектирование и анализ.
Хотя экспертной системы состоит в основном из базы знаний и механизм вывода, несколько других
особенностей стоит отметить: рассуждения с неопределенностью, и объяснение рассуждения.
Знания почти всегда неполной и неточной. Чтобы справиться с неопределенностью знания,
правила могут быть связаны с этим фактором доверия или веса. Набор методов для использования
неопределенных знаний в сочетании с неопределенными данными в рассуждениях процесс
называется рассуждений с неопределенностью. Важный подкласс методы рассуждений с
неопределенностью называется «нечеткой логики», и системы, которые используют их называют
«нечетких систем".
Поскольку экспертные системы используются неопределенные или эвристические знания (как мы,
люди делают) свой авторитет часто в вопросе (как и в случае с людьми). Когда ответ на вопрос
вызывает сомнения, мы, как правило, хотят знать обоснование. Если обоснование кажется
правдоподобным, мы склонны считать ответом. Так же и с экспертными системами. Большинство
экспертных систем имеют возможность отвечать на вопросы вида: "Почему ответ X?" Пояснения
могут быть получены путем отслеживания рассуждений используется механизм вывода
(Фейгенбаум, McCorduck и соавт., 1988).
Наиболее важным компонентом в любой экспертной системы является знание. Мощность
экспертных систем заключается в конкретные, качественные знания они содержат около задачей
областей. AI исследователи продолжают изучать и добавить в текущий репертуар представления
знаний и рассуждений методами. Но в знаниях находится власть. Из-за важности знаний в
экспертных системах и потому, что в настоящее время метод приобретения знаний является
медленным и утомительным, большая часть будущих экспертных систем зависит от нарушения
узким приобретения знаний и в кодификации и представляющие большой инфраструктуры знаний.
Знание инженерного это искусство проектирования и строительства экспертные системы, и знания
инженеров практиков. Джеральд М. Вайнберг сказал программирования в психологии
Программирование: "Программирование", - как "любящий" - это единственное слово, которое
включает в себя бесконечное деятельности »(Weinberg, 1971). Знание инженерного то же самое, может
быть, больше. Мы ранее заявил, что инженерные знания является прикладной частью науки
искусственного интеллекта, который, в свою очередь, является частью информатики. Теоретически,
то, инженера по знаниям, это компьютер ученый, который знает, как разрабатывать и осуществлять
программы, которые включают методы искусственного интеллекта. Характер инженерные знания
меняются, однако, и новое поколение инженеров знаний становится. Мы обсудим эволюционный
характер инженерных знаний позже.
На сегодняшний день существует два способа создания экспертной системы. Они могут быть
построены с нуля, или построены с использованием части разработки программного обеспечения
известных как "инструмент" или "оболочки". Прежде чем мы обсудим эти инструменты, давайте
кратко обсудим, какие знания инженеров делать. Хотя различные стили и методы инженерии
знаний существует, базовый подход тот же: интервью инженера по знаниям и наблюдает человека
эксперта или группы экспертов и узнает, что специалисты знают, и как они рассуждают с их
знаниями. Инженер затем переводит знания в компьютерной использовать язык, и разрабатывает
механизм вывода, рассуждения структура, которая использует знания надлежащим образом. Он
также определяет, каким образом интегрировать использования неопределенных знаний в
процесс рассуждения, и какие виды объяснение было бы полезно для конечного пользователя.
Далее, механизм вывода и возможности для представления знаний и для объяснения
запрограммированы, и область знания вошли в программу по частям. Вполне возможно, что
механизм логического вывода является не только правом, форма представления знаний является
неуклюжим на вид знания, необходимые для выполнения этой задачи, и эксперт может решить
частей знания не правы. Все они открыты и изменены экспертная система постепенно приобретает
компетенции.
Открытие и накопление методы рассуждений машины и представление знаний, как правило,
работы исследований искусственного интеллекта. Открытие и накопление знаний о задаче домен
провинции экспертам в этой области. Домен знаний состоит как из формальных, учебник знания и
эмпирического знания - знания и опыт экспертов.
Инструменты, раковины и скелеты
По сравнению с большой разброс в области знаний, лишь небольшое число методов ИИ, как
известно, полезные в экспертных системах. То есть, в настоящее время существует лишь несколько
способов, в которых для представления знаний, или делать выводы, или для получения
объяснений. Таким образом, система может быть построена, которые содержат эти полезные
методы без предметно-ориентированных знаний. Такие системы известны как скелетной системы,
снаряды, или просто И. инструменты.
Создание экспертных систем с помощью оболочки обеспечивает значительные преимущества.
Система может быть построена выполнять уникальную задачу, введя в раковину все необходимые
знания о задаче домена. Механизм логического вывода, который применяет знания к задаче
встроена в оболочку. Если программа не очень сложная, и если эксперт имел определенную
подготовку в использовании оболочка, эксперт может ввести знание самого себя.
Многие коммерческие оболочек, доступных сегодня, в размере от снарядов на ПК, для раковины на
рабочих станциях, для оболочек на больших мейнфреймов. Они варьируются в цене от нескольких
сотен до десятков тысяч долларов, а в диапазоне сложности от простой, прямой цепью, основанной
на правилах систем, требующих двух дней обучения для тех, настолько сложны, что только
высококвалифицированные инженеры знаний могут использовать их, чтобы преимущество. Они
варьируются от общего назначения оболочек снарядов индивидуальный к классу задач, таких как
финансовое планирование или в режиме реального времени управления технологическим
процессом.
Хотя снаряды упрощения программирования, в целом они не помогают приобретению знаний.
Приобретение знаний относится к задаче наделения экспертных систем знаний, задача в
настоящее время выполняются знания инженеров. Выбор метода рассуждений, или оболочка,
важно, но это не так важно, как накопление качественные знания. Сила экспертной системы
заключается в ее багажом знаний о задаче домена - чем больше знаний системы дается, тем более
компетентным он становится.
http://www.wtec.org/loyola/kb/c1_s1.htm