Сейчас на сайте
Сейчас на сайте 0 пользователей и 1 гость.

Третье поколение экспертных интеллектуальных систем (ЭИС)

Интеллектуальные интегрированные комплексы моделирования

В наше время происходит переход к разработке и применению ЭИС третьего поколения ( 2007—2010 гг.) - интеллектуальным интегрированным комплексам моделирования. Главный смысл смены концепций (парадигмы) создания ЭИС и использования средств ИИ — это переход от предположений, справедливых только для изолированных систем ИИ, и от индивидуальных, автономных систем к распределенной обработке информации и разработке мультиагентных ИС .

Главной особенностью перспективных систем является их распределенность, обеспечение обработки и применение распределенных знаний. Основой для создания перспективных ЭИС являются результаты, имеющиеся в области методов обнаружения закономерностей, распознавания образов, структурно-логического анализа данных и знаний, математической лингвистики, а также достигнутый опыт в разработке ЭИС. В создаваемых в настоящее время экспертных системах уже имеются отдельные вышеуказанные элементы.

Перспективные ЭИС (экспертные интеллектуальные системы) должны обеспечивать обработку смыслов, а не только знаний и данных. Эти системы могут анализировать фразы естественного языка и строить соответствующие их семантическому содержанию сетевые структуры. ЭИС становится способной понимать смысл сообщений, формируемых в естественной форме, и синтезировать фразы, относящиеся к данной предметной области. Для этих целей актуальной задачей становится разработка систем распознавания управленческих ситуаций. Важная ее особенность заключается в том, что результат распознавания должен отражать смысл ситуации, который в нее вкладывают пользователи, эксперты, лица, принимающие решение (ЛПР). Для решения данной проблемы подготовлена хорошая теоретическая и практическая базы в области искусственного интеллекта и накопленный опыт создания и использования ЭИС, в том числе извлечения смысловой информации из Internet .

Перспективная ЭИС (экспертная интеллектуальная система) должна строить модель исследуемой проблемной области, т. е. создавать ее теорию, строить модель пользователя (ученика, обучаемого) и модель самой себя, чтобы оптимизировать процесс формирования модели исследуемой операции (ситуации) в сознании обучаемого.

Логический вывод перспективных ЭИС позволит имитировать человеческую способность рассуждений по аналогии и находить близость анализируемой и эталонной ситуаций (с помощью набора уже исследуемых ситуаций и хранящихся в памяти ЭВМ). Такой прием позволяет существенно ускорить процесс логического вывода, особенно в больших базах знаний.

Блок анализа данных создаваемых систем должен обеспечивать обработку больших массивов разнотипных данных, представленных в триаде "объект—свойство—время". Программы распознавания позволяют в процессе обучения обнаруживать закономерные связи между описывающими и целевыми характеристиками объектов и использовать эти закономерности в процессе распознавания новых объектов. Перспективные ЭИС должны иметь средства автоматической поддержки и даже улучшения своих рабочих характеристик в ходе эксплуатации и поддержания гомеостатического состояния.

Главной отличительной функцией интеллектуальной гибридной экспертной системы является умение давать правильные предсказания, рекомендации на основе обработки поступающих данных и выявления устойчивых (закономерных) связей между характеристиками данных.

Возможный вариант перспективной ЭИС приведен на рисунке.

Перспективная экспертная интеллектуальная система

Перспективная экспертная интеллектуальная система

В настоящее время наблюдается этап активного развития интегрированных интеллектуальных инструментальных средств. В такой системе объединяются возможности ключевых современных информационных технологий:

  • методы искусственного интеллекта для полного и адекватного представления экспертных знаний о процессах на основе распределенной обработки знаний;
  • графический объектно-ориентированный язык для описания моделей и проектов;
  • средства анимации и имитационного моделирования исследуемых процессов.

Вариант перспективной экспертной системы приведен на рисунке

Таким образом, перспективная экспертная система представляет собой интегрированное интеллектуальное средство. Это самодостаточная графическая среда для разработки, внедрения и сопровождения в широком диапазоне условий. Для этих систем характерны следующие требования:

  • простота использования;
  • полнота средств имитационного моделирования;
  • возможность стыковки со средствами разработки приложений;
  • ускоренная разработка;
  • модульность построения;
  • возможность использования концепции открытых систем.

Принципы эффективного использования ЭИС

(экспертных интеллектуальных систем)

Для эффективного использования ЭИС в системах управления при их разработке реализуются три основных принципа:

  • простота и понятность моделей знаний, механизмов вывода и пользовательского интерфейса;
  • наличие разделяемых компонентов работы со знаниями и с выводами;
  • универсализм — возможность выбора различных моделей знаний, процедур вывода решений, методов накопления знаний, комбинации тех или иных методов и моделей при поиске решения конкретных задач. Достигнутый уровень использования ЭИС в системах управления позволил определить уровни сочетания эвристических форма лизованных способов представления инженерных знаний в зависимости от детализации описания объекта (системы). Чем выше уровень АСУ, тем в большей степени необходимо использовать экспертные системы. Если же объект проектирования не всегда имеет адекватное модельное представление на определенном иерархическом уровне (среднее звено АСУ), программное обеспечение должно разрабатываться в сочетании "жестких" и "мягких" алгоритмов. На уровнях, допускающих строгую формализацию процессов (нижний уровень АСУ), структура программного обеспечения выполняется на основе четких "жестких" алгоритмов, реализованных в традиционных системах.

Характеристики

ЭИС первого поколения

ЭИС второго поколения

Перспективные ЭИС

Способы извлечения знаний, структура баз знаний

"Инженер знаний", эмпири ческие знания эксперта

"Инженер знаний", исследова ния по автоматическому извле чению знаний из базы знаний

Автоматическое обнаружение из баз знаний (из текстов, руководств, инст рукций, схем и т.д.)

Типы баз знаний

Отдельные формы — продук ция, фреймы, семантические сети, решающие деревья

Работа с любыми формами знаний (библиотека знаний)

Библиотека форм знаний, имитационные модели, сценарии

Источник знаний

Эксперт

Эксперты, базы знаний

Базы знаний, данные, статистические или эмпирические таблицы триад объектов "объект — свойство — время"

Наличие базы данных

Отсутствует

Частично, базы данных из двух кодовых таблиц "объект — свойство"

БД из трех входовых таблиц "объект — свойство — время"

Логический вывод

Вывод по дедукции

Дедукция, нечеткие выводы, индукция, немонотонные рассуждения, частично рассужде ния по аналогии

Дедукция, индукция, немонотонные рассуждения, методы близости в пространстве знаний, рассуждения по аналогии

Язык общения с пользователем

Фразы и термины жесткой конструкции прикладной области

Проблемно-ориентированный естественный язык

Сценарии диалога, формирование терминологии под прикладную область и форм сообщений, понимание смысла сообщений

Устный диалог

Отсутствует

Ограниченный словарь

Словари по определяющим терминам прикладных областей в процессе обще ния и использования

Проверка адекватности баз знаний

Отсутствует

Частичная проверка непроти воречивости и полноты баз знаний

Проверка непротиворечивости, полноты, работа с информацией с НЕ-факторами (неопределенность, неполнота, неточность)

Прогнозирование недостающих данных в базе данных

Отсутствует

Исследования по автоматическому прогнозированию величин, отсутствующих в базе данных

Автоматическое прогнозирование величин, отсутствующих в базе данных

Модель пользователя Средства автоматического обеспечения работоспособности системы

Отсутствует

Обучение систем по адаптации под конкретного пользователя Частично обеспечивают автоматизацию в некоторых областях

Программы адаптации под конкретных пользователей и интерфейс с АСУ Программы гомеостата для определения работоспособности системы, обнаружения новых закономерностей и индикации сведений для пользователя

Выдаваемые результаты

Числовые данные, стандартные рекомендации

Числовые данные, рекомендации с сопровождающим пояс нением, обучение систем обнаружению новых закономер ностей

Числовые данные, рекомендации с сопровождающим пояснением, форму лирование обнаруженных новых законо мерностей, тенденций, графика, ани мация, диаграммы

Вид обрабатываемой информации

Статическая

Динамическая, статическая

Статическая, динамическая, потоковая, динамическая в АСУ

Объем эвристических знаний в базе знаний

Сотни правил

Тысячи правил

Десятки тысяч правил

Принцип построения и использования системы

Обособленное использование ЭИС для решения задачи

Гибридное построение ЭИС (эвристическая и имитационная компоненты)

Гибридные интеллектуальные нечеткие системы (интеллектуальные интегриро ванные комплексы моделирования), открытая система

Обработка распределенных знаний

Отсутствует

Исследования по построению распределенных ЭИС, разработка концепции

Распределение ЭИС, мультиагентные системы искусственного интеллекта

Функции системы

Пассивный помощник пользователя

Активный помощник поль зователя, отработка на стендах функций ЭИС по управлению исполнительными механизмами в АСУ

Управляющий орган исполнительными механизмами в АСУ, активный помощник пользователя

Ввод новых знаний, модификация знаний

В режиме ввода информации

В рабочем режиме ЭИС

В рабочем режиме ЭИС и АСУ

Запуск механизма вывода решения

По требованию пользователя

По требованиям, автоматически при смене входных данных

Автоматически, при смене ситуационных исходных данных, в том числе в АСУ

Объективизация субъективных данных

Отсутствует

Частично (в стадии исследований)

Методы нечеткого адаптивного управления