Інформаційні системи і технології на підприємствах - Плескач В.Л. - Класифікація експертних систем

ЕС інтерпретації даних призначені для визначення семантики даних. Результати інтерпретації мають бути погодженими і коректними. У таких системах нерідко використовуються різноманітні методи аналізу даних. На сьогодні ці системи розвиваються у межах напрямку, що одержав назву Data Mining - "здобуття" чи "заготівля" даних.

Діагностичні ЕС виконують функцію віднесення об'єктів до визначених класів. Галузь застосувань таких систем широка - від встановлення несправностей у технічних системах (технічна діагностика) до розпізнавання захворювань живих організмів, а також соціальних і природних аномалій.

ЕС моніторингу виконують задачу інтерпретації даних у реальному масштабі часу і сигналізують про вихід тих чи інших параметрів за припустимі межі.

ЕС прогнозування виводять ймовірні наслідки із заданих ситуацій. У прогнозуючих системах часто використовуються параметричні моделі, у яких значення параметрів "підганяються" під аналізовану ситуацію. Крім того, останнім часом для рішення задачі нерідко застосовуються інші підходи, зокрема нейрономп'ютерний підхід та різні алгоритми пошуку логічних закономірностей у структурах багатомірних даних.

ЕС для планування належать до об'єктів, здатних виконувати певні функції планування. У таких системах використовуються моделі поведінки реальних об'єктів для того, щоб послідовно вивести результати запланованої діяльності.

Стосовно призначення ЕС бувають загального призначення і спеціалізовані (предметно орієнтовані і проблемно орієнтовані).

Щодо складності вирішуваних задач їх поділяють на: прості (до 1000 простих правил), середні (від 1000 до 10 000 стр^к-турованих правил), складні (більше 10 000 структурованйх правил).

Можна класифікувати ЕС за ступенем інтеграції з іншими програмами.

Автономні ЕС застосовуються для рішення "експертних" задач у режимі консультації, коли не потрібно залучати додаткові методи обробки даних (розрахунки, моделювання тощо).

Гібридні ЕС поєднують стандартні пакети прикладних програм (наприклад, пакети для аналізу даних, лінійного програмування). Вони становлять інтелектуальні надбудови і виконують функції моніторингу стосовно відомого ПЗ.

Можна класифікувати ЕС за типом ЕОМ, що використовуються для унікальних стратегічно важливих завдань, які вирішуються на потужних ЕОМ, а також для системи середньої продуктивності та для персональних ПК.

Різновидом ЕС є навчальні системи, здатні давати обґрунтовані, методично ефективні для навчання пояснення з адаптивним ступенем деталізації щодо розглянутих рішень. Ці системи застосовують насамперед для професійного навчання майбутніх фахівців. Часто ЕС класифікують за призначенням.

ЕС, що виконують інтерпретацію, як правило, використовують інформацію від датчиків для опису ситуації. Це може бути, наприклад, інтерпретація показників вимірювальних приладів на заводі для визначення стану процесу. Такі ЕС мають справу не з чітким символьним поданням проблемної ситуації, а безпосередньо з реальними даними, що призводить до ускладнень, яких немає в інших ЕС, оскільки їм доводиться обробляти недостатню, неповну, ненадійну або помилкову інформацію. Вони використовують спеціальні методи реєстрації характеристик безупинних потоків даних, сигналів або зображень і методи їх символьного подання.

ЕС, що здійснюють прогноз, визначають імовірні наслідки заданих ситуацій. Прикладами проблем, вирішуваних такими ЕС, є прогноз збитків урожаю від деяких видів шкідливих комах, оцінка попиту на нафту на світовому ринку, прогнозування місця виникнення наступного збройного конфлікту на підставі даних розвідки. Системи прогнозування іноді використовують імітаційне моделювання, тобто програми, що відображають причиннО-наслідкові взаємозв'язки в реальному світі, щоб генерувати ситуації або сценарії, які можуть виникнути за тих або інших вхідних даних. Можливі ситуації разом зі знаннями про процеси, що породжують ці ситуації, створюють передумови для прогнозу. На сьогодні розроблено порівняно мало систем для прогнозування, можливо, тому, що дуже важко взаємодіяти з імітаційними моделями і створювати їх.

ЕС виконують діагностику, використовуючи описи ситуацій, характеристики поведінки або знання про конструкцію компонентів, щоб установити ймовірні причини неправильного функціонування системи. Прикладами цього є визначення причин захворювання за симптомами, що спостерігаються в пацієнтів, локалізація несправностей в електронних схемах і визначення відмов у системі охолодження ядерних реакторів. Діагностичні системи часто є консультантами, що не тільки ставлять діагноз, але й допомагають у налагоджуванні. Вони можуть взаємодіяти з користувачем, щоб надати допомогу в пошуку несправностей, а потім запропонувати порядок дій з їх усунення. Медицина - цілком природна галузь для діагностики, і справді, у ній було розроблено більше діагностичних систем, ніж у будь-якій іншій ПрО, проте зараз багато діагностичних систем розробляють для застосування в інженерній справі та комп'ютерних системах.

ЕС, що виконують проектування, розробляють конфігурацію об'єктів, враховуючи обмеження ПрО. Прикладами їх можуть бути генна інженерія та синтез складних органічних молекул.

ЕС, зайняті плануванням, проектують дії. Вони визначають повну послідовність дій перед тим, як починається їх виконання. Це, наприклад, створення плану використання послідовності хімічних реакцій для синтезу складних органічних сполук або створення плану повітряного бою з метою нейтралізації певного чинника боєздатності ворога.

ЕС, що виконують спостереження, порівнюють справжню поведінку системи з очікуваною, наприклад, спостереження за показаннями вимірювальних приладів у ядерних реакторах мають виявляти аварійні ситуації, а оцінка даних моніторингу хворих у блоках інтенсивної терапії - небезпеку для життя людини. БС порівнюють результати спостереження з даними, що притаманні стандартним ситуаціям. Такі БС за своєю природою мають працювати в режимі реального часу і здійснювати залежну як від часу, так і від контексту інтерпретацію поведінки об'єкта спостереження.

ЕС, що навчають, аналізують та коригують поведінку того, кого навчають. Ці системи створюють модель знань того, хто навчається, і модель того, як він ці знання застосовує для вирішення проблеми. ЕС діагностує помилки і вказує на них, здійснює аналіз і пропонує шляхи виправлень цих помилок.

ЕС, що здійснюють керування, адаптивно керують поведінкою системи в цілому. Це, наприклад, керування виробництвом і поділом комп'ютерних систем або контроль за станом хворих при інтенсивній терапії. Такі ЕС мають містити компоненти спостереження, щоб відслідковувати поведінку об'єкта.

"Порожні" ЕС - це інструментальні засоби для побудови інших ЕС. Вони не містять конкретних правил ПрО. Прикладом такої системи є інструментальний комплекс ІндЕкс, що призначається для автоматичної розробки консультуючих систем. Цей комплекс містить бібліотеку алгоритмів індуктивного здобуття знань, підсистему візуалізації дерева рішень, інтелектуальний інтерфейс користувача, засоби пояснення та механізм інтерпретації дерева рішень. Система здатна обробляти неповні й нечіткі дані. За допомогою ІндЕкс були створені прикладні БС для оцінювання якості геологічних досліджень, прогнозування масового розмноження шкідливих комах, оптимі-зації медико-біологічних досліджень осіб, що потерпіли внаслідок аварії на Чорнобильській АБС, економічного прогнозування тощо.

Інструментальні засоби створення ЕС:

o символьні мови програмування, орієнтовані на створення БС і систем ШІ;

o мови інженерії знань, тобто мови високого рівня, орієнтовані на побудову ЕС (наприклад, ОРБб, Пролог);

o системи, що автоматизують розробку систем ШІ, орієнтованих на знання;

o оболонки ЕС.

За зв'язком з реальним часом ЕС поділяють на статичні, квазідинамічні, динамічні.

Статичні ЕС застосовуються для рішення задач, у яких БЗ і дані, що інтерпретуються, не змінюються з часом (наприклад, ЕС діагностики несправностей автомобіля певної марки).

Квазідинамічні ЕС працюють у ситуаціях, що не змінюються протягом певного фіксованого часу. Такими є, зокрема, ЕС у мікробіології, де лабораторні виміри технологічного процесу здійснюються кожні 4-5 год і аналізується динаміка отриманих показників стосовно попередніх вимірів.

Динамічні ЕС обробляють дані, що постійно змінюються, часто в поєднанні з датчиками об'єктів, іноді в режимі реального часу з безупинною інтерпретацією даних, що надходять. Наприклад, гнучкі виробничі системи, моніторинг у реанімаційних палатах тощо.

Статичні ЕС розробляються для ПрО, в яких БЗ та дані, інтерпретовані нею, стабільні та незмінні. Приклад статичної системи: ЕС для діагностики несправностей автомобіля.

Квазідинамічні БС здатні інтерпретувати ситуацію, що змінюється протягом певного часу. Приклад квазідинамічної системи: БС для обробки лабораторних вимірів технологічного процесу.

Динамічні БС здатні обробляти інформацію від датчиків у режимі реального часу. Вони, зокрема, використовуються гнучкими виробничими комплексами.

БС не взаємодіють безпосередньо з навколишнім середовищем: вони одержують інформацію не через датчики, а через користувача та інші ЕС, проте їх поведінка має багато спільних рис з агентами.