Экспертные системы

Системы с интеллектуальным интерфейсом

Классификация систем искусственного интеллекта.

Для систем искусственного интеллекта характерны следующие признаки [2]:

· развитые коммуникативные способности;

· умение решать сложные задачи;

· способность к самообучению;

· адаптивность.

В соответствии с данными признаками, системы искусственного интеллекта, можно разделить на классы, представленные на рис.1.1 [2].

Рис.1.1 Классификация систем искусственного интеллекта

Базы знаний (БЗ) позволяют в отличии от традиционных баз данных (БД) обеспечивать выборку необходимой информации, не хранимой явно, а выводимой из совокупности хранимых данных.

Естественно-языковые интерфейсы применяются для доступа к БЗ, контекстного поиска текстовой информации, голосового ввода команд, машинного перевода с иностранных языков.

Гипертекстовые системы используются для реализации поиска по ключевым словам в БД с текстовой информацией.

Системы контекстной помощи являются частным случаем гипертекстовых систем и естественно-языковых систем. В отличие от них пользователь сам описывает проблему, а система выполняет поиск относящихся к ситуации рекомендаций.

Системы когнитивной графики ориентированы на общение с пользователем посредством графических образов, которые генерируются в соответствии с изменениями параметров моделируемых или наблюдаемых процессов.

Область исследования ЭС называется инженерией знаний. Экспертные системы предназначены для решения неформализованных задач, то есть задач, решаемых с помощью неточных знаний, которые являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Неформализованные знания обычно представляют собой эвристические приемы и правила. ЭС обладают следующими особенностями:

· алгоритм решения не известен заранее, а строится самой ЭС с помощью символических рассуждений, базирующихся на эвристических приемах;

· ясность полученных решений, то есть система «осознает» в терминах пользователя, как она получает решение;

· способность анализа и объяснения своих действий и знаний;

· способность приобретения новых знаний от пользователя-эксперта, не знающего программирования, и изменения в соответствии с ними своего поведения;

· обеспечение «дружественного», как правило, естественно-языкового интерфейса с пользователем.

ЭС охватывают самые разные предметные области, среди которых преобладают медицина, бизнес, производство, проектирование и системы управления.

Классифицирующие ЭС решают задачи распознавания ситуаций. Основным методом формирования решений в них является дедуктивный логический вывод.

Доопределяющие ЭС используются для решения задач с не полностью определенными данными и знаниями. В качестве методов обработки неопределенных знаний могут использоваться байесовский вероятностный подход, коэффициенты уверенности, нечеткая логика.

Трансформирующие ЭС реализуют преобразование знаний в процессе решения задачи. В ЭС данного класса используются различные способы обработки знаний:

· генерация и проверка гипотез;

· логика предположений и умолчаний;

· использование метазнаний для устранения неопределенности.

Мультиагентные системы – это динамические ЭС, основанные на интеграции разнородных источников знаний, которые обмениваются между собой полученными результатами в процессе решения задач. Системы данного класса имеют следующие возможности:

· реализация альтернативных рассуждений;

· распределённое решение проблем, разделяемое на параллельно решаемые подзадачи;

· применение различных стратегий вывода заключений;

· обработка больших массивов информации из БД;

· использование математических моделей и внешних процедур для имитации развития ситуаций.