Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций и при текущих данных. При обосновании решений и прогнозировании в этих системах часто используется либо имитационная, либо параметрическая динамическая модель, в которой значения параметров подгоняются под данную ситуацию. Выводимые из этой модели следствия составляют основу для прогноза.
Производственные системы ИИ с возможностями обоснования решений и прогнозирования на базе имитационного моделирования, прежде всего, необходимы при решении задач оперативно – диспетчерского управления производством, планирования, управления процессами в реальном времени.
Проектирование производственных систем искусственного интеллекта – это итеративный и эволюционный процесс, в котором участвуют несколько специалистов: эксперт, обладающий знаниями о предметной области и желающий помочь работе по созданию системы, а также специалисты в области ИИ – инженеры знаний, аналитики и программисты. В зависимости от объема и трудоемкости работ группа может состоять из трех – шести человек.
При оценке проблемной области на этапе проектирования ПСИИ необходимо учитывать следующие факторы: легкость сбора данных, представимость данных, оправданность затрат на разработку ПСИИ, наличие экспертов, наличие необходимых ресурсов (ЭВМ, программистов, программного обеспечения и т.д.).
После анализа проблемной области и определения целесообразности внедрения интеллектуальной системы в этой сфере приступают к проектированию системы.
Существуют различные взгляды на определение числа этапов проектирования ПСИИ. Это зависит от многих факторов, в частности от характера функций будущей системы, области использования, наличия развитых инструментальных средств. Однако многие этапы и содержание работ являются общими и необходимыми для ПСИИ практически всех типов. Ниже приведен перечень таких этапов и их составляющих:
1. Описание проблемной области: определение проблемной области, показывающее важность проблемы для всей организации; определение проблемных экспертов, желающих передать знания базе знаний; подготовка и объявление плана развития.
2. Персонал: определение группы проектировщиков и соответствующих заданий; назначение квалифицированного руководителя проекта; установление и проведение в жизнь твердой линии управления.
3. Принятие проекта: проведение организационного заседания; обсуждение основного подхода к проблеме; подготовка специального плана развития; подготовка к монтажу необходимых технических средств и инструментария.
4. Прототип системы: развитие системного прототипа: тестирование; получение дополнительной информации о проблемной области по результатам тестирования.
5. Развитие полной системы: расширение базы знаний прототипа; оценивание структуры интерфейса пользователя: объединение средств обучения пользователей и документации
6. Верификация системы: вовлечение в процесс проверки экспертов и потенциальных пользователей: обеспечение функционирования системы в соответствии с проектом.
7. Интеграция системы: выполнение полной системы, как планировалось; обеспечение совместимости и взаимодействия системы с уже действующими.
8. Поддержка системы: обеспечение непрерывной поддержки системы; модернизация БЗ в случае поступления новой информации; сохранение ответственности за систему.
9. Документация: подготовка полной документации системы; подготовка руководства для пользователя; организация консультаций пользователям.
Этапы создания ПСИИ не являются четко очерченными, подробно регламентированными. Между некоторыми из них трудно провести временную и содержательную границу. Они в какой-то степени описывают процесс проектирования ПСИИ.
Стадии существования ПСИИ соответствуют уровню готовности системы, завершенности ее функциональных возможностей, реализуемых инструментарием. Определяют следующие стадии существования ПСИИ: демонстрационный; исследовательский прототип; действующий прототип; промышленная система; коммерческая система.
Предметную область можно определить как сферу человеческой деятельности, выделенную и описанную согласно установленным критериям. В описываемое понятие должны входить сведения об ее элементах, явлениях, отношениях и процессах, отражающих различные аспекты этой деятельности. В описании предметной области должны присутствовать характеристики возможных воздействий окружающей среды на элементы и явления предметной области, а также обратные воздействия этих элементов и явлений на среду. Работа по изучению и анализу предметной области при проектировании ПСИИ оказывает решающее влияние на эффективность ее работы.
Специфика ПО может оказывать существенное влияние на характер функционирования проектируемой ПСИИ, выбор метода представления знаний, способов рассуждения о знаниях и т.д. В то же время можно привести примеры, когда системы ИИ, ориентированные на использование в определенной проблемной среде, подходили для проблематики совершенно на другой области.
Как правило, ПСИИ создаются совместно со специалистами – инженерами, которые передают свои знания о процессах и объектах, поясняют схему рассуждений по выбору решений конкретных задач, приводят неформализуемые факторы, которые необходимо учитывать. Процесс работы с экспертами или специалистом состоит в извлечении знаний или, более корректно, приобретении знаний. Процесс этот сложный, трудоемкий, содержит факторы технического, психологического, производственного и социального характера. Большую роль в данном процессе играет инженер знаний. В течение долгого времени он работает с экспертом, определяя задачи, выявляя наиболее важные понятия, определяя и формулируя правила отношений между понятиями. Инженер знаний должен хорошо знать предметную область, владеть методами формализации и представления знаний, другим инструментарием ИИ, быть психологом, быстро ориентироваться в различных ситуациях. Трудным моментом в работе инженера знаний является оказание помощи эксперту при попытках структуризовать предметные знания, определить и формализовать предметные концепции.
Эксперт должен желать и быть в состоянии помочь в изучении предметной области. Он должен осознавать, что ПСИИ призваны помочь им в практической деятельности, а не вытеснять их.
Приобретение знаний для ПСИИ может осуществляться различными путями, каждый из которых предусматривает перенос знаний для решения задач от источника в программу. Такими источниками являются: эксперт, эмпирические данные, результаты исследования, литературные источники.
Практический опыт решения задачи приобретения знаний привел к развитию методов и программных средств, призванных упростить процесс приобретения знаний. Эти средства и методы для приобретения знаний могут быть разделены на три категории: редакторы и интерфейсы для формирования баз знаний, средства для объяснения различных аспектов работы, средства для модификации баз знаний.
Исследования и эксперименты в области искусственного интеллекта породили самостоятельную подобласть, которую можно отнести к обеспечивающей. Усилия здесь направлены на создание специализированных технических и программных средств, ориентированных на разработку и эксплуатацию систем ИИ
Программные средства разработки и реализации систем ИИ можно разделить на следующие группы: универсальные языки программирования, универсальные языки представления знаний и оболочки.
ПСИИ представляют собой программный комплекс (или техническое устройство, в которое зашита программа), позволяющий решать задачи на уровне человека-оператора. Любую программу можно написать на машинно-ориентированном языке (ассемблере) или на универсальном языке высокого уровня. Процесс программирования ПСИИ на специализированных средствах занимает в 2-3 раза меньше времени, чем на универсальных средствах, однако эффективность ПСИИ при этом ниже. Еще одним фактором, существенным для выбора инструментальных программных средств при разработке ПСИИ, является потенциальная возможность взаимодействия с программными средствами, используемыми на различных уровнях иерархии интегрированных АСУП.
Оптимальное решение задачи выбора: первый прототип реализуется на специализированных средствах, и в случае достаточной эффективности этих средств на них могут быть написаны действующий прототип, и даже промышленная система. Однако в большинстве случаев прототип следует “переписать” на традиционных средствах.
Рассмотрим наиболее известные и широко применяемые программные средства искусственного интеллекта.
Язык программирования Лисп. Самое популярное средство для программирования систем ИИ. Создан в 60-х годах американским ученым Дж. Маккарти и его учениками. Наиболее известными диалектами этого языка являются InterLisp, QLisp, CommonLisp. На языке Лисп написаны многие ЭС (Mycin, Internist, Kee), системы естественно-языкового общения (Margie, Shrdlu, Дилос), интеллектуальные ОС (Flex).
Популярность Лиспа объясняется тем, что он с помощью довольно простых конструкций позволяет писать сложные и изящные системы обработки символьной информации. Правда все Лисп - системы имеют низкую вычислительную эффективность.
Существенной особенностью языка Лисп является то, что здесь ”данные” и ”программы” внешне ничем не отличаются друг от друга. Это дает возможность писать на Лиспе программы манипулирующие не только ”данными”, но и ”программами”. Именно данное свойство позволяет Лиспу стать изящным средством программирования систем ИИ.
Язык программирования FRL (Frame Representation Language). Относится к классу фрейм - ориентированных языков. Фрейм в FRL – это совокупность поименованных, ассоциативных списков, содержащая до пяти уровней подструктур. Подструктурами фреймов могут быть слоты, аспекты, данные, комментарии и сообщения.
Важным свойством FRL является наличие в нем встроенного механизма ”наследования свойств”. Т.е. все понятия предметной области в БЗ организовываются в виде иерархической классификационной системы, где каждое общее (родовое) понятие связывается с более конкретным (видом). Применяется механизм наследования свойств.
На сегодняшний день большинство FRL - систем написаны на Лиспе.
Язык программирования Пролог. Наиболее известные Пролог – системы: MProlog, CProlog, Prolog-2, Arity Prolog, Turbo Prolog, Strawberry Prolog. Пролог все чаще в последнее время стал привлекаться к разработке ЭС. Математической основой этого языка являются исчисление предикатов преимущественно первого порядка, метод резолюций Робинсона, теория рекурсивных функций. За счет наличия большого набора встроенных предикатов язык Пролог можно отнести к универсальным языкам программирования и даже к языкам системного программирования. Важнейшей особенностью языка является наличие реляционной базы данных.
Язык программирования OPS. Язык относится к числу продукционных. Являясь универсальным языком, он в первую очередь предназначен для разработки систем ИИ, и, в частности экспертных систем. Архитектура языка OPS типична для продукционных систем: база правил, рабочая память и механизм вывода. Отличительные черты семейства языков OPS: программное управление стратегией вывода решений, развитая структура данных и принципиальная эффективность реализации.
Язык программирования Рефал (рекурсивных функций алгоритмический язык). Это машинно-независимый алгоритмический язык, ориентированный на так называемые ”символьные преобразования”: перевод с одного языка на другой, алгебраические выкладки и т.п. Рефал – универсальный метаязык для преобразования объектов языковой природы. Важнейшим приложением Рефала является его использование в качестве метаязыка для построения системных макрокоманд и специализированных языков. В качестве конкретных областей применения Рефала в разработке ПСИИ следует отметить, в частности, создание специализированных языков общения с ЭВМ, автоматическую генерацию программ, перенос программ на языки высокого уровня и их адаптацию при переходе от одного типа ЭВМ к другому.
Проблема выбора программных инструментальных средств вызывает бурные дискуссии между сторонниками специализированных языков ИИ и традиционных языков высокого уровня. Над решением данной проблемы работает целый ряд компаний, специализирующихся на ИИ и коммерческих ЭС, а также большинство крупных фирм по производству ЭВМ.
Одним из важных факторов, стимулирующих развитие систем ИИ и их внедрение на производстве, является техническая база, на которой они могут быть реализованы.
Производственные системы ИИ создаются сегодня практически на всем диапазоне средств вычислительной техники: от больших ЭВМ до персональных компьютеров и Лисп – машин.
Реализованные на базе Лисп – процессоров ЭВМ, наиболее часто называют первыми специализированными машинами, использующими концепции искусственного интеллекта
Такими машинами являются ЭВМ типов Series III фирмы Lisp Machine, LM-2 от Symbolics
К числу факторов, сдерживающих распространение систем ИИ, относят такие недостатки первых Лисп – процессоров, как значительные габаритные размеры и высокая стоимость, а также отсутствие возможности программирования на языках типа Фортран.
В европейских странах, где в качестве основного языка ИИ получил распространение Пролог, выпускаются Пролог – машины. Использование компьютеров, рассчитанных на эффективное выполнение программ, написанных на Лиспе или Прологе, сдерживает развитие техники ЭС и их проникновение в промышленную сферу. Для того чтобы дать толчок прогрессу техники ЭС, необходимо сделать их более удобными и простыми для реализации на традиционных средствах вычислительной техники.
Важным импульсом для нового этапа исследований в области ИИ послужила программа создания ЭВМ пятого поколения – интеллектуальных ЭВМ. Отличительными чертами этих ЭВМ являются: новая технология производства, отказ от традиционных языков высокого уровня в пользу языков с повышенными возможностями манипулирования символами и с элементами логического программирования (Лисп, Пролог), отход от архитектуры фон Неймана, новые способы ввода – вывода (распознавание речи, образов, синтез речи, естественный язык), автоматизация решения задач, манипулирование знаниями. ЭВМ пятого поколения призваны стать системами обработки знаний, обладающими человеко-машинными интерфейсами высокого уровня.
Одной из основных целей японской программы пятого поколения компьютерных систем является подкрепление классической обработки данных обработкой знаний. Эта цель требует глубокого проникновения в такие человеческие процессы, как описание, решение, осознание задачи, а также в тесно связанные предметные области представления знаний, обработки знаний, диалоговой обработки, анализа и синтеза текстов на естественном языке. За последние годы были созданы специальные логические теории, новые языки логического программирования, языки представления и обработки знаний, а также архитектуры систем.
Выполнение указанной программы позволит осилить следующие вехи:
Прикладной программист сможет развивать собственные прикладные программы; Эксплуатация вручную описанной и автоматически сгенерированной программы будет облегчена; Качество решения проблем (наиболее важная цель) существенно возрастает, т.к. пользователи сосредоточат свои усилия только на процессе принятия решения, и не будут отвлекаться на подробности обработки данных; Создание программного обеспечения станет технической дисциплиной; Системы станут способными распознавать ошибки, несостоятельность и противоречия, в большинстве случаев смогут самостоятельно исправлять ошибки и автоматически осуществлять решения; Системы будут содержать эффективные инструменты для приобретения знаний (т.е. передачи знаний от эксперта системе).
Японские специалисты считают, что основными областями применения компьютерных систем пятого поколения будут:
Системы автоматического перевода текстов на естественных языках со словарным запасом более 100 тыс. слов и точностью перевода около 90%; ЭС в различных прикладных областях с 5 тыс. различных слов и 10 тыс. правил вывода; Базирующееся на знаниях программное обеспечение; Системы автоматизированного проектирования, управления, инженерного проектирования, планирование и роботизация; Базирующиеся на знаниях системы принятия решений для специфических прикладных областей.
Если в 60- – 70-е годы число ПСИИ было незначительным, и существовали эти системы только на стадии исследовательского прототипа, то в 80-е годы систем, базирующихся на ИИ и находящихся на различных стадиях производства около 500, а в настоящее время еще больше.
Это говорит о том, что эти системы ИИ плотно вошли в нашу жизнь, проникли во все ее уголки и приносят немалую пользу и их применение может и приводит к существенному экономическому эффекту.
Например, одной из областей использования идей и методов искусственного интеллекта в сфере промышленного производства является область создания промышленных роботов с элементами ИИ.
Также при имеющейся на сегодняшний день аппаратной и программной базе наблюдается возрождение кибернетики, причем вполне успешно – моделирования человеческого мозга идут полным ходом.
Страницы: 1, 2, 3, 4
