Задачи искусственного интеллекта 7 Тест по теме «История развития искусственного интеллекта» 9 (стр. 19 из 24)
Рис.33. Классификация инструментальных средств разработки ЭС
Применение оболочки позволяет достаточно быстро и с минимальными затратами создать исследовательскую, демонстрационную или промышленную экспертную систему. Оболочки можно классифицировать следующим образом (рис.34). По степени обработанности выделяют экспериментальную (GPSI), исследовательскую (Expert) и коммерческую (EXSYS) оболочки.
Рис.34 . Классификация оболочек экспертных систем
Знания в базе могут быть представлены одним способом (EMYCIN, CLIPS) - семантической сетью, продукциями, фреймами и т.д.) или же несколькими (MINEVRA, EsWin), для создания более полной, гибкой и наглядной модели предметной области.
Используемые в оболочке методы могут быть традиционными (CubiCalc, NEXPERT, Алеф) - алгоритмы, деревья вывода и т.д. - и гибридными (FuzzyCLIPS, MultiNeuron) - совместно с традиционными используются нейронные сети, нечеткая логика и т.д.
Существуют статические оболочки, предназначенные для решения статических задач (1-st Clas, Элис). Они характеризуются использованием поверхностной технологии, общих правил и поиска решения от цели к данным, применяются для решения задач анализа.
Статические оболочки, предназначенные для решения задач анализа и синтеза с разделением времени (KAPPA, Clips), используют глубинный и структурный подходы, осуществляют поиск решений - от цели к данным и от данных к цели.
Оболочки для проектирования динамических систем (Framework, NExpert) применяют поверхностный подход, принимают решения на основе правил общего вида.
Оболочки для разработки динамических систем (G2, Rethink, RkWorks) имеют подсистему моделирования, планировщика решений, используют смешанную технологию, правила общего и частного вида, решение задачи анализа и синтеза в реальном времени.
EMYCIN – первая оболочка, основанная на MYCIN. Принципы, разработанные для PROSPECTOR, были использованы при создании таких систем, как KAS, SAGE, SAVOIR.
Изменение принципов построения ведет к развитию инструментария. Поэтому оболочки прошли тот же эволюционный путь, что и ЭС. Современные оболочки предлагают следующие возможности (в каждой конкретной оболочке представлены частично):
- гибридное представление знаний (EsWin);
- выбор из нескольких стратегий вывода (G2, CLIPS );
- подключение библиотек и других систем (ACTIVATION FRAMEWORK);
- архитектура на основе «доски объявлений» (HEARSAY-III);
- архитектура «клиент-сервер» (JESS);
- интеграция в интернет / интранет (Egg2Lite, Exsys Corvid);
- графический интерфейс (WindExS, WxCLIPS);
- подсистема моделирования (G2);
- модульное построение системы (ReThink, G2);
- визуализация структуры БЗ (W.E.S.T.) и т.д.
Тест по теме «Экспертные системы»
1. Как называлась первая экспертная система?
a) MACSYMA
b) EMYCIN
c) PROSPECTOR
d) нет правильного ответа
2. Какую задачу решала экспертная система PROSPECTOR?
a) определение наиболее вероятной структуры химического соединения
b) поиска месторождений на основе геологических анализов
c) диагностика глазных заболеваний
d) распознавание слитной человеческой речи
e) нет правильного ответа
3. Какие подсистемы являются для экспертной системы обязательными?
a) база знаний
b) интерфейс системы с внешним миром
c) алгоритмические методы решений
d) интерфейс когнитолога
e) контенкст предметной области
4. Какая экспертная система имеет базу знаний размером от 1000 до 10000 структурированных правил?
a) простая
b) средняя
c) сложная
5. Какая экспертная система разрабатывается 1-1,5 год?
a) исследовательский образец
b) демонстрационная
c) коммерческая
d) нет правильного ответа
6. Для решения каких задач предназначены статические оболочки экспертных систем?
a) управления и диагностики в режиме реального времени
b) для решения статических задач
c) для решения задач анализа и синтеза с разделением времени
d) для разработки динамических систем
e) нет правильного ответа
7. Гибридная экспертная система подразумевает..?
a) использование нескольких средств разработки
b) использование различных подходов к программированию
c) использование нескольких методов представления знаний
d) нет правильного ответа
8. Кто создает базу знаний экспертной системы?
a) программист
b) пользователь
c) когнитолог
d) эксперт
Литература по теме «Экспертные системы»:
4. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2001. с. 384.
5. Джарратано Д., Райлт Г. Экспертные системы: принципы разработки и программирование, 4-е издание. / Пер. с англ. – М.: ООО «И.Д. Вильямс», 2007. – 1152 с.
6. Кобринский Б.А. Ретроспективный анализ медицинских экспертных систем // Новости искусственного интеллекта, 2005 №2 – с.6-18.
7. Попов Э. В. Экспертные системы реального времени // Открытые системы № 2(10) 1995. http://www.masters.donntu.edu.ua/2007/kita/kostanda/library/Open_Systems_Magazine.htm 09.05.08 г.
8. Рот М. Интеллектуальный автомат: компьютер в качестве эксперта. - М.: Энергоатомиздат, 1991. - 80 с.
9. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. – СПб.: БХВ-Петербург, 2003. – 608 с.
10. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры / Пер. с англ. и предисл. Б.И. Шитикова. – М.: Финансы и статистика, 1987. – 191 с.
§2. Системы поддержки принятия решений
Системы поддержки принятия решений – это программные средства и информационно-аналитические технологии, предназначенные специально для оказания помощи в решении задач поиска, анализа и выбора лучших из возможных вариантов. При этом лицо, принимающее решение, должно обеспечиваться не только информационной, но в первую очередь технологической поддержкой процедуры, вплоть до выбора лучшего решения.
Понятие о поддержке в принятии решений сформулировали П. Кин и Ч. Стэйбел. Ранние определения систем поддержки принятия решений (в начале 70-х годов прошлого века) отражали следующие три свойства систем:
- возможность оперировать с неструктурированными или слабоструктурированными задачами, в отличие от задач, с которыми имеет дело исследование операций;
- интерактивные автоматизированные (то есть реализованные на базе компьютера) системы;
- разделение данных и моделей.
В современном представлении идеальная система поддержки принятия решений:
- оперирует со слабоструктурированными решениями;
- предназначена для лица, принимающего решения, различного уровня;
- может быть адаптирована для группового и индивидуального использования;
- поддерживает как взаимозависимые, так и последовательные решения;
- поддерживает 3 фазы процесса решения: интеллектуальную часть, проектирование и выбор;
- поддерживает разнообразные стили и методы решения, что может быть полезно при решении задачи группой лиц, принимающих решения;
- является гибкой и адаптируется к изменениям как организации, так и ее окружения;
- проста в использовании и модификации;
- улучшает эффективность процесса принятия решений;
- позволяет человеку управлять процессом принятия решений с помощью компьютера, а не наоборот;
- поддерживает эволюционное использование и легко адаптируется к изменяющимся требованиям;
- может быть легко построена, если может быть сформулирована логика конструкции системы поддержки принятия решений;
- поддерживает моделирование;
- позволяет использовать знания.
До середины 60-х годов ХХ века создание больших информационных систем было чрезвычайно дорогостоящим, поэтому первые информационные системы менеджмента (Management Information Systems) были созданы в эти годы лишь в достаточно больших компаниях. Они предназначались для подготовки периодических структурированных отчетов для менеджеров. Но информационные системы способны набольшее. В конце 60-х годов появляется новый тип информационных систем — модель-ориентированные системы поддержки принятия решений (Decision Support Systems) или системы управленческих решений (Management Decision Systems).
70-е годы ХХ века стали характеризуются периодом возникновения ранних систем поддержки принятия решений и теоретических изысканий. К 1975 г. Дж. Д. Литтл разработал систему Brandaid (Поддержка бренда), которая предназначалась для поддержки принятия решений в производстве, продвижении, ценообразовании и рекламе. Также Литтл в своей более ранней статье сформулировал критерии по формированию моделей и систем для поддержки принятия решений для менеджмента: надежность, легкость контроля, простота и полнота набора необходимых деталей.
В начале 80-х годом исследователи из академических институтов создали новую категорию программного обеспечения для поддержки группового принятия решений. Самыми ранними вариантами таких систем были «Mindsight» компании «Execucom Systems», «GroupSystems», созданные в Аризонском Университете, и система «SAMM», созданная исследователями Университета Миннесоты. В 1984 г.в Университете Аризоны была завершена разработка системы «PLEXSYS» и сформирована служба компьютеризованной поддержки групповых решений.
Новые технологии стали использовать совместно с системами поддержки принятия решений. Начиная примерно с 1990-го года Б. Инмон и Р. Кимбел стали активно продвигать системы поддержки принятия решений, построенные с помощью технологий реляционных баз данных. Стали активно разрабатываться системы поддержки принятия решений, основанным на архитектуре клиент-сервер, до этого в основном использовались большие компьютеры (mainframe), системы поддержки принятия решений стали интегрироваться долговременные хранилища. Системы поддержки принятия решений, использующие возможности интернет стали реальностью около 1995 г.
Структура систем поддержки принятия решений
Структура системы поддержки принятия решений зависит от решаемой задачи, предметной области, аппаратно-программной платформы и конкретной реализации. В самом общем виде систему поддержки принятия решения можно представить в виде двух подсистем системы поддержки генерации решений и системы поддержки выбора решений (рис. 35).