Учебная работа. Реферат: Экспертные системы 9

1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (5 оценок, среднее: 4,80 из 5)
Загрузка...
Контрольные рефераты

Учебная работа. Реферат: Экспертные системы 9

СОДЕРЖАНИЕ

ВВЕДЕНИЕ. 3

1 ОПРЕДЕЛЕНИЕ ЭКСПЕРТНЫХ СИСТЕМ.. 4

1.1 История развития экспертных систем.4

1.2 Предназначение экспертных систем.4

1.3 структура экспертной системы.. 4

2 ФУНКЦИИ, ВЫПОЛНЯЕМЫЕ ЭКСПЕРТНОЙ СИСТЕМОЙ.. 4

2.1области внедрения экспертных систем. 4

2.2 Отличие экспертных систем от остальных программных товаров. 4

2.3 Теория фреймов. 4

2.4 Аспект использования ЭС для решения задач.4

ЗАКЛЮЧЕНИЕ. 4

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ.. 4












ВВЕДЕНИЕ

Экспертные системы (ЭС)- это набор программ, выполняющий функции профессионала при решении задач из некой предметной области. Они появились как значимый практический итог в применении и развитии способов искусственного ума (ИИ)- совокупы научных дисциплин, изучающих способы решения задач умственного (творческого) нрава с внедрением ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач). ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз (медицинское заключение об имеющемся заболевании). Практическое применение ЭС на предприятиях содействует эффективности работы и увеличению квалификации профессионалов.

Область ИИ имеет наиболее чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд очень сложных задач, которые, вместе с иными, и до сего времени являются предметом исследовательских работ: автоматические подтверждения теорем, машинный перевод (автоматический перевод с 1-го естественного языка на иной), определение изображений и анализ сцен, планирование действий ботов, методы и стратегии игр.

ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз (медицинское заключение об имеющемся заболевании). Практическое применение ЭС на предприятиях содействует эффективности работы и увеличению квалификации профессионалов.

Основным достоинством экспертных систем является возможность скопления познаний – формализованной инфы, на которую ссылаются либо употребляют в процессе логического вывода, и сохранение их долгое время. В отличие от человека к хоть какой инфы экспертные системы подступают беспристрастно, что улучшает свойство проводимой экспертизы. При решении задач, требующих обработки огромного размера познаний, возможность появления ошибки при переборе весьма мала.

Экспертная система состоит из базы познаний (части системы, в какой содержатся факты), подсистемы вывода (огромного количества правил, по которым осуществляется решение задачки), подсистемы разъяснения, подсистемы приобретения познаний и диалогового микропроцессора.

При построении подсистем вывода употребляют способы решения задач искусственного ума.

Экспертные системы (ЭС) появились как значимый практический итог в применении и развитии способов искусственного ума (ИИ)- совокупы научных дисциплин, изучающих способы решения задач умственного (творческого) нрава с внедрением ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач).

Область ИИ имеет наиболее чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд очень сложных задач, которые, вместе с иными, и до сего времени являются предметом исследовательских работ: автоматические подтверждения теорем, машинный перевод (автоматический перевод с 1-го естественного языка на иной), определение изображений и анализ сцен, планирование действий ботов, методы и стратегии игр.

ЭС- это набор программ, выполняющий функции профессионала при решении задач из некой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз (медицинское заключение об имеющемся заболевании). Практическое применение ЭС на предприятиях содействует эффективности работы и увеличению квалификации профессионалов.

Основным достоинством экспертных систем является возможность скопления познаний и сохранение их долгое время. В отличии от человека к хоть какой инфы экспертные системы подступают беспристрастно, что улучшает свойство проводимой экспертизы. При решении задач, требующих обработки огромного размера познаний, возможность появления ошибки при переборе весьма мала.

При разработке ЭС возникает ряд затруднений. Это до этого всего соединено стем, что заказчик не постоянно может буквально сконструировать свои требования к разрабатываемой системе. Также может быть возникникновение проблем чисто психического порядка: при разработке базы познаний системы эксперт может препятствовать передаче собственных познаний, боясь, что потом его поменяют “машинкой”. Но эти ужасы не обусловлены, т. к. ЭС не способны учиться, они не владеют здравым смыслом, интуицией. Но в истинное время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в огромных предметных областях и в тех областях, где отсутствуют специалисты.

Экспертная система состоит из базы познаний (части системы, в какой содержатся факты), подсистемы вывода (огромного количества правил, по которым осуществляется решение задачки), подсистемы разъяснения, подсистемы приобретения познаний и диалогового микропроцессора .

При построении подсистем вывода употребляют способы решения задач искусственного ума.



1 ОПРЕДЕЛЕНИЕ ЭКСПЕРТНЫХ СИСТЕМ



1.1 История развития экспертных систем.

1. Главные полосы развития ЭС.

2. задачи, возникающие при разработке экспертных систем. Перспективы развития.

Более известные ЭС, разработанные в 60-70-х годах, стали в собственных областях уже традиционными. По происхождению, предметным областям и по преемственности используемых мыслях, способов и инструментальных программных средств их можно поделить на несколько семейств.

1. META-DENDRAL.Система DENDRAL дозволяет найти более возможную структуру хим соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения познаний для DENDRAL. Она генерирует правила построения фрагментов хим структур.

2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство мед ЭС и сервисных программных средств для их построения.

3. PROSPECTOR-KAS. PROSPECTOR- создана для поиска (пророчества) месторождений на базе геологических анализов. KAS- система приобретения познаний для PROSPECTOR.

4. CASNET-EXPERT. Система CASNET- мед ЭС для диагностики выдачи советов по исцелению глазных болезней. На ее базе разработан язык инженерии познаний EXPERT, при помощи которой сотворен ряд остальных мед исследовательских систем.

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. 1-ые две системы этого ряда являются развитием умственной системы определения слитной людской речи, слова которой берутся из данного словаря. Эти системы различаются уникальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В предстоящем на базе этих систем были сделаны инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС.

6. системы AM (Artifical Mathematician- искусственный математик) и EURISCO были разработаны в Станфордском институте медиком Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность хоть какой ЭС определяется закладываемыми в нее познаниями. По его воззрению, чтоб система была способна к обучению, в нее обязано быть введено около миллиона сведений общего нрава. Это приблизительно соответствует размеру инфы, каким располагает четырехлетний ребенок со средними возможностями. Ленат также считает, что путь сотворения узкоспециализированных ЭС с уменьшенным объемом познаний ведет к тупику.

В систему AM сначало было заложено около 100 правил вывода и наиболее 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. Поначалу результаты работы системы были очень перспективными. Она могла сконструировать понятия натурального ряда и обычных чисел. Не считая того, она синтезировала вариант догадки Гольдбаха о том, что каждое четное число, большее 2-ух, можно представить в виде суммы 2-ух обычных чисел. До сего времени не удалось ни отыскать подтверждения данной догадки, ни опровергнуть ее. Предстоящее развитие системы замедлилось и было отмечено, что невзирая на проявленные на первых порах “математические возможности”, система не может синтезировать новейших эвристических правил, т.е. ее способности определяются лишь теми эвристиками, что были в нее вначале заложены.

При разработке системы EURISCO была предпринята попытка преодолеть обозначенные недочеты системы AM. Как и сначала эксплуатации AM, 1-ые результаты, приобретенные при помощи EURISCO, были действенными. Говорилось, что система EURISCO может удачно участвовать в весьма сложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ (Военно-морской флот — основная часть военно-морских сил государства) США (Соединённые Штаты Америки — к примеру предлагалось взрывать свои корабли, получившие повреждения. При всем этом корабли, оставшиеся неповрежденными, получает нужное место для выполнения маневра.

Но через некое время обнаружилось, что система не постоянно корректно переопределяет сначало заложенные в нее правила. Так, к примеру, она стала нарушать серьезное предписание обращаться к программерам с вопросцами лишь в определенное время суток. Т.о., система EURISCO, так же как и ее предшественница, тормознула в собственном развитии, достигнув предела, определенного в конечном счете ее разрабом.

С 1990 года доктор Ленат во главе исследовательской группы занят кодировкой и вводом нескольких сот тыщ частей познаний, нужных, по его воззрению, для сотворения “умственной” системы. Этот проект назван Cyc (“Цик”, от британского слова enciklopaedia).

1.2 Предназначение экспертных систем

Экспертные системы (ЭС)- это колоритное и стремительно прогрессирующее направление в области искусственного ума(ИИ). Предпосылкой завышенного энтузиазма, который ЭС вызывают к для себя в протяжении всего собственного существования является возможность их внедрения к решению задач из самых разных областей людской деятель. Пожалуй, не найдется таковой проблемной области, в какой не было бы сотворено ни одной ЭС либо по последней мере, такие пробы не предпринимались бы.

ЭС- это набор программ либо программное обеспечение, которое делает функции профессионала при решении какой-нибудь задачки в области его компетенции. ЭС, как и экспертчеловек, в процессе собственной работы оперирует со познаниями. Познания о предметной области, нужные для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач) в виде базы познаний, которая может изменяться и дополняться в процессе развития системы.

ЭС выдают советы, проводят анализ, делают систематизацию, дают консультации и ставят диагноз (медицинское заключение об имеющемся заболевании). Они нацелены на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачки в узенькой предметной области (определенной области экспертизы)на базе дедуктивных рассуждений. Такие системы нередко оказываются способными отыскать решение задач, которые неструктурированны и плохо определены. Они управляются с отсутствием структурированности методом вербования эвристик, т. е. правил, взятых “с потолка”, что быть может полезным в тех системах, когда недочет нужных познаний либо времени исключает возможность проведения полного анализа.

основное достоинство ЭС- возможность копить познания, сохранять их долгое время, обновлять и тем обеспечивать относительную независимость определенной организации от наличия в ней обученных профессионалов. Скопление познаний дозволяет увеличивать квалификацию профессионалов, работающих на предприятии, используя лучшие, испытанные решения.

Практическое применение искусственного ума на машиностроительных предприятиях и в экономике основано на ЭС, позволяющих повысить свойство и сохранить время принятия решений, также содействующих росту эффективности работы и увеличению квалификации профессионалов.

1.3 Структура экспертной системы

При разработке экспертной системы принято разделять ее на три главных модуля:

база познаний;

— машинка логического вывода;

— интерфейс с юзером.

база познаний содержит познания, относящиеся к определенной прикладной области, в том числе отдельные факты, правила, описывающие дела либо явления, также, может быть, способы, эвристики и разные идеи, относящиеся к решению задач в данной нам прикладной области.

Машинка логического вывода умеет интенсивно применять информацию, содержащуюся в базе познаний.

Интерфейс с юзером отвечает за бесперебойный обмен информацией меж юзером и системой; он также дает юзеру возможность следить за действием решения задач, протекающим в машине логического вывода.

Принято разглядывать машинку вывода и интерфейс как один большой модуль, обычно именуемый оболочкой экспертной системы, либо, ради сокращенности, просто оболочкой.

В описанной чуть повыше структуре фактически познания разделены от алгоритмов, использующих эти познания. Такое разделение комфортно по последующим суждениям. база познаний, разумеется, зависит от определенного приложения. С иной стороны, оболочка, по последней мере в принципе, независима от приложений. Таковым образом, разумный метод разработки экспертной системы для нескольких приложений сводится к созданию всепригодной оболочки, опосля чего же для всякого приложения довольно подключить к системе новейшую базу познаний. Очевидно, все эти базы познаний должны удовлетворять одному и тому же формализму, который оболочка «соображает». Практический опыт указывает, что для сложных экспертных систем сценарий с одной оболочкой и почти всеми базами познаний работает, не так гладко, вроде бы этого хотелось, кроме тех случаев, когда прикладные области весьма близки. Тем не наименее, даже если переход от одной прикладной области к иной просит модификации оболочки то, по последней мере главные принципы ее построения обычно удается сохранить.

Для сотворения оболочки, с помощью которой можно проиллюстрировать главные идеи и способы в области экспертных систем, можно придерживаться последующего плана:

— избрать формальный аппарат для представления познаний.

— создать механизм логического вывода, соответственный этому формализму.

— добавить средства взаимодействия с юзером.

— обеспечить возможность работы в критериях неопределенности.

структура экспертной системы представлена последующими структурными элементами:

1) база познаний – механизм представления познаний в определенной предметной области и управления ими;

2) Механизм логических выводов – делает логические выводы на основании познаний, имеющихся в базе познаний;

3) Пользовательский интерфейс – употребляется для правильной передачи ответов юзеру;

4) Модуль приобретения познаний – служит для получения познаний от профессионала, поддержки базы познаний и дополнения ее по мере необходимости;

5) Модуль советов и разъяснений – механизм, способный не только лишь давать заключение, да и представлять разные комменты, прилагаемые к этому заключению, и разъяснять его мотивы. В неприятном случае юзеру будет тяжело осознать заключение. Такое осознание нужно, если заключение употребляется для консультации либо оказании помощи при решении каких-то вопросцев. Не считая того, с его помощью эксперт описывает, как работает система, и дозволяет буквально узнать, как употребляются познания, предоставленные им.

Схема1

структура экспертной системы


2 ФУНКЦИИ, ВЫПОЛНЯЕМЫЕ ЭКСПЕРТНОЙ СИСТЕМОЙ

2.1области внедрения экспертных систем

Экспертная система — это программка, которая ведет себя подобно профессионалу в некой, обычно узенькой прикладной области. Обычные внедрения экспертных систем содержат в себе такие задачки, как мед заключения о сущности болезни и состоянии пациента), локализация дефектов в оборудовании и интерпретация результатов измерений. Экспертные системы должны решать задачки, требующие для собственного решения экспертных познаний в некой определенной области. В той либо другой форме экспертные системы должны владеть этими познаниями. Потому их также именуют системами, основанными на познаниях. Но не всякую систему, основанную на познаниях, можно разглядывать как экспертную. Экспертная система обязана также уметь каким-то образом разъяснять свое эксперт-человек. Это в особенности нужно в областях, для которых свойственна неопределенность, некорректность инфы (к примеру, в мед диагностике). В этих вариантах способность к разъяснению нужна для того, чтоб повысить степень доверия юзера к советам системы, также для того, чтоб отдать возможность юзеру найти вероятный недостаток в рассуждениях системы. В связи с сиим в экспертных системах следует предугадывать дружеское взаимодействие с юзером, которое делает для юзера процесс рассуждения системы «прозрачным».

Нередко к экспертным системам предъявляют доп требование — способность иметь дело с неопределенностью и неполнотой. информация о поставленной задачке быть может неполной либо ненадежной; дела меж объектами предметной области могут быть приближенными. К примеру, может не быть полной убежденности в наличии у пациента некого симптома либо в том, что данные, приобретенные при измерении, верны; лечущее средство может стать предпосылкой отягощения, хотя обычно этого не происходит. Во всех этих вариантах нужны рассуждения с внедрением вероятностного подхода.

В самом общем случае для того, чтоб выстроить экспертную систему, мы должны создать механизмы выполнения последующих функций системы:

— решение задач с внедрением познаний о определенной предметной области может быть, при всем этом возникнет необходимости иметь дело с неопределенностью;

— взаимодействие с юзером, включая разъяснение целей и решений системы во время и опосля окончания процесса решения задачки.

Любая из этих функций может оказаться весьма сложной и зависит от прикладной области, также от разных практических требований. В процессе разработки и реализации могут возникать различные трудные задачи.

области внедрения систем, основанных на познаниях, могут быть сгруппированы в несколько главных классов: мед диагностика (процесс установления , то есть заключения о сущности болезни и состоянии пациента), контроль и управление, смерти) дефектов в механических и электронных устройствах, обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками).

Мед другими словами заключения о сути заболевания и состоянии пациента»>диагностика (процесс установления диагноза, то есть заключения о сущности болезни и состоянии пациента). Диагностические системы употребляются для установления связи меж нарушениями деятель организма и их вероятными причинами. Более известна диагностическая система MYCIN, которая создана для диагностики и наблюдения за состоянием хворого при менингите и бактериальных инфекциях. Ее 1-ая версия была разработана в Стенфордском институте посреди 70-х годов. В истинное время эта система ставит диагноз (медицинское заключение об имеющемся заболевании) на уровне врача-специалиста. Она имеет расширенную базу познаний, по этому может применяться и в остальных областях медицины.

Прогнозирование. Прогнозирующие системы предвещают вероятные результаты либо действия на базе данных о текущем состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и при помощи статистических способов алгоритмов создать вам план финансовложений на перспективу. Она не относится к числу систем, основанных на познаниях, так как употребляет процедуры и методы обычного программирования. Хотя еще пока отсутствуют ЭС, которые способны за счет собственной инфы о конъюнктуре рынка посодействовать для вас прирастить Капитал, прогнозирующие системы уже сейчас могут предвещать погоду, урожайность и поток пассажиров. Даже на индивидуальном компе, установив ординарную систему, основанную на познаниях, вы сможете получить местный прогноз погоды.

Планирование. Планирующие системы предусмотрены для заслуги определенных целей при решении задач с огромным числом переменных. Дамасская КомпанияInformat в первый раз в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле собственного кабинета, на которых проводятся бесплатные 15-минутные консультации с целью посодействовать покупателям избрать комп, в большей степени отвечающий их потребностям и бюджету. Не считая того, компания Boeing применяет ЭС для проектирования галлактических станций, также для выявления обстоятельств отказов самолетных движков и ремонта вертолетов. Экспертная система XCON, сделанная компанией DEC, служит для определения либо конфигурации конфигурации компьютерных систем типа VAX и в согласовании с требованиями покупателя. Компания DEC разрабатывает наиболее сильную систему XSEL, включающую базу познаний системы XCON, с целью оказания помощи покупателям при выбирании вычислительных систем с подходящей конфигурацией. В отличие от XCON система XSEL является интерактивной.

Интерпретация. Интерпретирующие системы владеют способностью получать определенные заключения на базе результатов наблюдения. Система PROSPECTOR, одна из более узнаваемых систем интерпретирующего типа, соединяет воединыжды познания 9 профессионалов. Используя сочетания 9 способов экспертизы, системе удалось найти залежи руды стоимостью в миллион баксов, при этом наличие этих залежей не подразумевал ни один из 9 профессионалов. Иная интерпретирующая система- HASP/SIAP. Она описывает положение и типы судов в тихом океане по данным акустических систем слежения.

Контроль и управление. системы, основанные на познаниях, могут применятся в качестве умственных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и производят мед контроль. Они могут быть также полезны при регулировании денежной деятель компании и оказывать помощь при выработке решений в критичных ситуациях.

другими словами заключения о сути заболевания и состоянии пациента»>диагностика (процесс установления диагноза, то есть заключения о сущности болезни и состоянии пациента) дефектов в механических и электронных устройствах. В данной нам сфере системы, основанные на познаниях, неподменны как при ремонте механических и электронных машин (каров, дизельных локомотивов и т.д.), так и при устранении дефектов и ошибок в аппаратном и программном обеспечении компов.

Обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками). системы, основанные на познаниях, могут заходить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некого объекта (к примеру, студента) и анализирует его согласовании с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой возрастает по мере возрастания степени квалификации играющего. одной из более увлекательных обучающих ЭС является разработанная Д.Ленатом система EURISCO, которая употребляет обыкновенные эвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая боевые деяния. Сущность игры заключается в том, чтоб найти состав флотилии, способной нанести поражение в критериях неизменяемого огромного количества правил. Система EURISCO включила в состав флотилии маленькие, способные провести резвую атаку корабли и одно весьма малюсенькое высокоскоростное судно и повсевременно выигрывала в течение 3-х лет, невзирая на то, что в стремлении воспрепятствовать этому правила игры меняли любой год.

Большая часть ЭС включают познания, по содержанию которых их можно отнести сразу к нескольким типам. к примеру, обучающая система может также владеть познаниями, позволяющими делать диагностику и планирование. Она описывает возможности обучаемого по главным фронтам курса, а потом с учетом приобретенных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилья, может смотреть за окружающей обстановкой, распознавать происходящие действия (к примеру, раскрылось окно), выдавать прогноз (вор-взломщик намеревается просочиться в дом) и составлять план действий (вызвать полицию).


2.2 Отличие экспертных систем от остальных программных товаров

Главными отличиями ЭС от остальных программных товаров являются внедрение не только лишь данных, да и познаний, также специального механизма вывода решений и новейших познаний на базе имеющихся. Познания в ЭС представляются в таковой форме, которая быть может просто обработана на ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач). В ЭС известен метод обработки познаний, а не метод решения задачки. Потому применение метода обработки познаний может привести к получению такового результата при решении определенной задачки, который не был предусмотрен. Наиболее того, метод обработки познаний заблаговременно неизвестен и строится по ходу решения задачки на основании эвристических правил. Решение задачки в ЭС сопровождается понятными юзеру объяснениями, свойство получаемых решений обычно не ужаснее, а время от времени и лучше достигаемого спецами. В системах, основанных на познаниях, правила (либо эвристики), по которым решаются задачи в определенной предметной области, хранятся в базе познаний. задачи ставятся перед системой в виде совокупы фактов, описывающих некую ситуацию, и система при помощи базы познаний пробует вывести заключение из этих фактов.

Свойство ЭС определяется размером и качеством базы познаний (правил либо эвристик). Система работает в последующем повторяющемся режиме: выбор (запрос) данных либо результатов анализов, наблюдения, интерпретация результатов, усвоение новейшей инфы, выдвижении при помощи правил временных гипотез и потом выбор последующей порции данных либо результатов анализов (рис.2). Таковой процесс длится до того времени, пока не поступит информация, достаточная для окончательного заключения.

В хоть какой момент времени в системе есть три типа познаний:

— Структурированные знания- статические познания о предметной области. Опосля того как эти познания выявлены, они уже не меняются.

— Структурированные динамические знания- изменяемые познания о предметной области. Они обновляются по мере выявления новейшей инфы.

— Рабочие знания- познания, используемые для решения определенной задачки либо проведения консультации.

Все вышеперечисленные познания хранятся в базе познаний. Для ее построения требуется провести опрос профессионалов, являющихся профессионалами в определенной предметной области, а потом классифицировать, организовать и снабдить эти познания указателями, чтоб потом их можно было просто извлечь из базы познаний.

экспертиза может проводиться лишь в одной определенной области. Так, программка, созданная для определения конфигурации систем ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач), не может ставить мед выраженное в принятой мед терминологии»> выраженное в принятой медицинской терминологии»>диагнозы (заключение о сущности болезни и состоянии пациента, выраженное в принятой медицинской терминологии).

база познаний и механизм вывода являются разными компонентами. Вправду, нередко оказывается вероятным соединять механизм вывода с иными базами познаний для сотворения новейших ЭС. к примеру, программка анализа инфекции (Термин означает различные виды взаимодействия чужеродных микроорганизмов с организмом человека) в крови (внутренней средой организма человека и животных) быть может использована в пульманологии методом подмены базы познаний, применяемой с этим же самым механизмом вывода.

Более пригодная область применения- решение задач дедуктивным способом. к примеру, правила либо эвристики выражаются в виде пар посылок и заключений типа “если-то”.

Эти системы могут разъяснять ход решения задачки понятным юзеру методом. Обычно мы не принимаем ответ профессионала, если на вопросец “Почему ?” не можем получить логичный ответ. Буквально так же мы обязаны иметь возможность спросить систему, основанную на познаниях, как было получено конкретное заключение.

Выходные результаты являются высококачественными (а не количественными).

системы, основанные на познаниях, строятся по модульному принципу, что дозволяет равномерно увеличивать их базы познаний.

Компьютерные системы, которые могут только повторить логический вывод профессионала, принято относить к ЭС первого поколения. Но спецу, решающему умственно сложную задачку, очевидно недостаточно способностей системы, которая только имитирует деятельность человека. Ему необходимо, чтоб ЭС выступала в роли настоящего ассистента и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать догадки, оценивать достоверность фактов, без помощи других пополнять свои познания, надзирать их непротиворечивость, созодать заключения на базе прецедентов и, быть может, даже порождать решение новейших, ранее не рассматривавшихся задач. наличие таковых способностей является соответствующим для ЭС второго поколения, теория которых начала разрабатываться 9-10 лет вспять. Экспертные системы, относящиеся ко второму поколению, именуют партнерскими, либо усилителями умственных возможностей человека. Их общими различительными чертами является умение учиться и развиваться, т.е. эволюционировать.

В экспертных системах первого поколения познания представлены последующим образом:

— познаниями системы являются лишь познания профессионала, опыт скопления познаний не предусматривается.

способы представления познаний дозволяли обрисовывать только статические предметные области.

— модели представления познаний нацелены на обыкновенные области.

Представление познаний в экспертных системах второго поколения последующее:

— употребляются не поверхностные познания, а наиболее глубинные. Может быть дополнение предметной области.

— ЭС может решать задачки динамической базы данных предметной области.

2.3 Теория фреймов

Теория фреймов — это парадигма для представления познаний с целью использования этих познаний компом. В первый раз была представлена Минским, как попытка выстроить фреймовую сеть, либо парадигму с целью заслуги большего эффекта осознания. С одной стороны Минский пробовал сконструировать базу данных, содержащую энциклопедические познания, но с иной стороны, он желал сделать более описывающую базу, содержащую информацию в структурированной и упорядоченной форме. Эта структура дозволила бы компу вводить информацию в наиболее гибкой форме, имея доступ к тому разделу, который требуется в данный момент. Минский разработал такую схему, в какой информация содержится в особых ячейках, именуемых фреймами, объединенными в сеть, именуемую системой фреймов. Новейший фрейм активируется с пришествием новейшей ситуации. Отличительной его чертой будет то, что он сразу содержит большенный размер познаний и в то же время является довольно гибким для того, чтоб быть использованным как отдельный элемент БД. термин «фрейм» был более популярен посреди 70-х годов, когда было много его истолкований, хороших от интерпретации Минского.

Итак, как было сказано выше фреймы – это фрагменты познания, созданные для представления обычных ситуаций. термин «фрейм» (Frame– рамка) был предложен Минским. Фреймы имеют вид структурированных компонент ситуаций, именуемых слотами. Разъем может указывать на иной фрейм, устанавливая, таковым образом, связь меж 2-мя фреймами. Могут устанавливаться общие связи типа связи по общению. С каждым фреймом ассоциируется различная информация ( в том числе и процедуры), к примеру ожидаемые процедуры ситуации, методы получения инфы о слотах, значение принимаемые по дефлоту, правила вывода.

Формальная структура фрейма имеет вид:

f[<N1, V1>, <N2, V2>, …, <Nk,Vk>],

где f – имя фрейма; пара <Ni, Vi> — i-ый разъем, Ni– имя слота и Vi – его значение.

Значение слота быть может представлено последовательностью

<K1><Li>;…; <Kn><Ln>; <R1>; …; <Rm>,

где Ki– имена атрибутов, соответствующих для данного слота; Li –

Любой фрейм, как структура хранит познания о предметной области (фрейм–макет), а при заполнении слотов познаниями преобразуется в определенный фрейм действия либо явления.

Фреймы можно поделить на две группы: фреймы-описания; ролевые фреймы.

Разглядим пример.

Фрейм описание: [<программное обеспечение>, <программка 1С бухгалтерия, версия 7.5>, <программка 1С торговля, версия 7.5>, <правовая программка «Эксперт +» проф.>].

Ролевой фрейм: [<заявка на продажу>, <что, установка и покупка программки 1С торговля, версия 7.5>, <откуда, КомпанияВМИ>, <куда, компания «Лукойл»>, <кто, курьер Иванова>, <когда, 27 октября 1998г.>].

Во фрейме-описании в качестве имен слотов задан вид программного обеспечения, а слова, ответы на которые являются значениями слотов. Для данного примера представлены уже описания определенных фреймов, которые могут называться или фреймами – примерами, или фреймами – экземплярами. Если в приведенном примере убрать значения слотов, оставив лишь имена, то получим так именуемый фрейм – макет.

Достоинство фрейма – представления почти во всем основываются на включении в него догадок и ожиданий. Это получается из-за присвоения по дефлоту слотам фрейма обычных ситуаций. В процессе поиска решений эти значения могут быть изменены наиболее достоверными. Некие переменные выделены таковым образом, что о их значениях система обязана спросить юзера. часть переменных определяется средством интегрированных процедур, именуемых внутренними. По мере присвоения переменным определенных значений осуществляется вызов остальных процедур. Этот тип представления сочитает декларативные и процедурные познания.

Фреймовые модели обеспечивают требования структурированности и связанности. Это получается из-за параметров наследования и вложенности, которыми владеют фреймы, т.е. в качестве слотов может выступать система имен слотов наиболее низкого уровня, также слоты могут быть применены как вызовы каких-то процедур для выполнения.

Для почти всех предметных областей фреймовые модели являются главным методом формализации познаний.

Чтоб лучше осознать эту теорию, разглядим один из примеров Минского, основанный на связи меж ожиданием, чувством и чувством человека, когда он открывает дверь и заходит в комнату. Представим, что вы собираетесь открыть дверь и зайти в комнату незнакомого для вас дома. Находясь в доме, перед тем как открыть дверь, у вас имеются определенные представления о том, что вы увидите, войдя в комнату. К примеру, если вы увидите какой-нибудь пейзаж либо морской сберегал, сначала вы с трудом узнаете их. Потом вы будете удивлены, и в конце концов дезориентированы, потому что вы не можете разъяснить поступившую информацию и связать ее с теми представлениями, которые у вас имелись до того. Также у вас возникнут затруднения с тем, чтоб предсказать предстоящий ход событий. С аналитической точки зрения это можно разъяснить как активизацию фрейма комнаты в момент открывания двери и его ведомую роль в интерпретации, поступающей инфы. Если б вы узрели за дверью кровать, то фрейм комнаты заполучил бы наиболее неширокую форму, и перевоплотился бы во фрейм кровати. Иными словами, вы бы имели доступ к более специфичному фрейму из всех доступных. Может быть, что вы используете информацию, содержащуюся в вашем фрейме комнаты для того чтоб распознать мебель, что именуется действием сверху вниз, либо в контексте теории фреймов фреймодвижущим определением . Если б вы узрели пожарный гидрант, то ваши чувства могли быть подобны первому случаю. Психологи подметили, что определение объектов легче проходит в обыкновенном контексте, чем в необычной обстановке. Из этого примера мы лицезреем, что фрейм — это модель познаний, которая активируется в определенной ситуации и служит для ее разъяснения и пророчества. У Минского имелись довольно расплывчатые идеи о самой структуре таковой БД, которая могла бы делать подобные вещи. Он предложил систему, состоящую из связанных меж собой фреймов, почти все из которых состоят из схожих подкомпонентов, объединенных в сеть. Таковым образом, в случае, когда кто-нибудь заходит в дом, его ожидания контролируются операциями, входящими в сеть системы фреймов. В рассмотренном выше случае мы имеем дело с фреймовой системой для дома, и с подсистемами для двери и комнаты. Активизированные фреймы с доборной информацией в БД о том, что вы открываете дверь, будут служить переходом от активизированного фрейма двери к фрейму комнаты. При всем этом фреймы двери и комнаты будут иметь схожую подструктуру. Минский именовал это явление разделом терминалов и считал его принципиальной частью теории фреймов.

Минский также ввел терминологию, которая могла бы употребляться при исследовании данной нам теории (фреймы, слоты, терминалы и т.д.). Хотя примеры данной нам теории были разбиты на языковые и перцептуальные, и Минский разглядывал их как имеющих общую природу, в языке имеется наиболее широкая сфера ее внедрения. В главном большая часть исследовательских работ было изготовлено в контексте общеупотребительной лексики и литературного языка.

Как более доступную иллюстрацию распознаванию, интерпретации и предположению можно разглядеть две последовательности предложений, взятых из книжек Шранка и Абельсона. На глобальном уровне последовательность А очевидно различается от В.

A. John went to a restaurant

He asked the waitress for a hamburger

He paid the tip & left

B. John went to a park

He asked the midget for a mouse

He picked up the box & left

Хотя все эти предложения имеют схожую синтаксическую структуру и тип семантической инфы, осознание их абсолютно различается. Последовательность А имеет доступ к некому виду структуры познаний высшего уровня, а В не имеет. Если б А не имело таковой доступ, то ее осознание сводилось бы к уровню В и характеризовалось бы как дезориентированное. Этот контраст является приятным примером моментальной работы высшего уровня структуры познаний.

Была предложена программка под заглавием SAM, которая отвечает на вопросцы и выдает содержание таковых рассказов. к примеру, SAMможет ответить на последующие вопросцы, ответы на которые не даны в тексте, при помощи доступа к записи предполагаемых событий, предыдущих обеду в ресторане.

Did John sit down in the restaurant?

Did John eat the hamburger?

Таковым образом, SAMможет распознать описанную ситуацию как обед в ресторане и потом предсказать наилучшее развитие событий. В нашем случае определение не представляло проблем, но почти всегда оно достаточно сложное и является важнейшей частью теории.

Разглядим иной пример:

C. He plunked down $5 at the window.

She tried to give him $ 2.50, but he wouldn’t take it.

So when they got inside, she bought him a large bag of popcorn.

Он увлекателен тем, что у большинства людей он вызывает цикл циклических некорректных либо незаконченных распознаваний и реинтерпретаций.

В вариантах с неоднозначными словами многозначность разрешается при помощи активизированного ранее фрейма . Для этих целей нужно сделать лексикон к любому фрейму. Когда фрейм активируется, соответственному лексикону отдается предпочтение при поиске соответственного значения слова. В контексте ТФ это определение действий, контролируемых фреймами, которые, в свою очередь, контролируют определение входящей инфы. время от времени это именуется действием сверху — вниз фреймодвижущего определения.

Применение этих действий отыскало свое отражение в программке FRAMP, которая может суммировать газетные сводки и систематизировать их в соответствие с классом событий, к примеру терроризм либо землетрясения.

Эта программка хранит набор объектов , которые должны быть описаны в каждой разновидности текстов, и этот набор помогает процессу определения описываемых событий .

Манипуляция фреймами

Детали спецификации фреймов и их репрезентации могут быть опущены, так же как и методы, их манипуляции, поэтому что они не играют большенный роли в ТФ.

Такие вопросцы, как размер фрейма либо доступ к нему, соединены с организацией памяти и не требуют специального рассмотрения.

Определение

В литературе имеется много рассуждений по поводу действий, касающихся определения фреймов и доступа к структуре познаний высшего уровня. Невзирая на то, что люди могут распознать фрейм без особенных усилий, для компа почти всегда это достаточно непростая задачка. Потому вопросцы определения фреймов остаются открытыми и тяжелыми для решения при помощи ИИ.

Размер фрейма

Размер фрейма еще наиболее тесновато связан с организацией памяти, чем это кажется на 1-ый взор. Это происходит поэтому, что в осознании человека размер фрейма определяется не столько семантическим контекстом, да и почти всеми иными факторами. Разглядим фрейм визита к медику , который складывается из подфреймов, одним из которых является комната ожидания. Таковым образом, мы можем сказать, что размер фрейма не зависит от семантического содержания представленного фрейма (такового, как, к примеру, визит к доктору), но зависит от того, какие составляющие описывающей инфы во фрейме (таком, как комната ожидания) употребляются в памяти. Это значит, что когда определенный набор познаний употребляется памятью наиболее чем в одной ситуации, система памяти описывает это, потом видоизменит эту информацию во фрейм, и реструктурирует начальный фрейм так, чтоб новейший фрейм употреблялся как его подкомпонент.

Перечисленные выше операции также остаются открытыми вопросцами в ТФ.

Инициализационные группы

Рош предложил три уровня категорий представления познаний: базисную, субординатную и суперординационную. к примеру, в сфере меблировки теория кресла является примером группы основного уровня, а теория мебели — это пример суперординационной группы. язык представления познаний подвержен воздействию данной нам таксономии и включает их как разные типы данных. В сфере людского общения группы основного уровня являются первейшими категориями, которые выяснят человек, остальные же группы вытекают из их. Другими словами суперординационная категория — это обобщение базисной, а субординатная — это подраздел базисной группы.

пример

суперординатная идеи действия

базисная действия деяния

субординатная деяния прогулка

Любой фрейм имеет собственный определенный так именуемый разъем. Так, для фрейма действие
разъем быть может заполнен лишь любым исполнителем этого деяния, а примыкающие фреймы могут наследовать этот разъем.

Некие исследователи представили, что случаи грамматики падежей совпадают со слотами в ТФ, и эта теория была названа теорией идентичности слота и падежа. Было предложено число таковых падежей, от 8 до 20, но четкое число не определено. Но если агентив на сто процентов совпадает со своим слотом, то другие падежи вызвали споры. И до сего времени буквально не установлено, сколько всего существует падежей.

Также вызвал трудность тот факт, что слоты не постоянно могут быть переходными. к примеру, в соответствие с ТФ можно сказать, что фрейм одушевленный предмет может иметь разъем жив, фрейм человек может иметь разъем добросовестный, а фрейм блоха не может иметь таковой разъем, и он к нему никогда не перейдет.

Иными словами, связи меж слотами в ТФ не являются исследованными до конца. Слоты могут передаваться, могут быть многофункциональны, но в то же время не рассматриваются как функции.

СФ время от времени приспосабливаются для построения описаний либо определений. Был сотворен смешанный язык, нареченный KRYPTON, состоящий из фреймовых компонент и компонент предикатных исчислений, помогающих созодать какие-либо выводы при помощи определений и предикатов. Когда активируется фрейм, факты стают доступными юзеру. Также существует язык Loops, который соединяет воединыжды объекты, логическое программирование и процедуры.

Есть также фреймоподобные языки, которые за начальную позицию принимают один тип данных в памяти, какую-либо теорию, а не две (к примеру, фрейм и разъем), и характеристики языков фреймов, такие, как внедрение слотов для детализированной, доскональной систематизации объектов. Отличие их от языков фреймов в том, что фреймовые языки ориентированы на наиболее обобщенное одной из проблем представления познаний и языка фреймов является отсутствие формальной семантики. Это затрудняет сопоставление параметров представления познаний разных языков фреймов, также полное логическое разъяснение языка фреймов.


2.4 Аспект использования ЭС для решения задач.

Существует ряд прикладных задач, которые решаются при помощи систем, основанных на познаниях, наиболее удачно, чем хоть какими иными средствами. При определении необходимости внедрения таковых систем необходимо управляться последующими аспектами.

1. Данные и познания надежны и не изменяются со временем.

2. Место вероятных решений относительно невелико.

3. В процессе решения задачки должны употребляться формальные рассуждения. Есть системы, основанные на познаниях, еще пока не подходящие для решения задач способами проведения аналогий либо абстрагирования (человечий задачки соединено с применением процедурного анализа. системы, основанные на познаниях, наиболее подступают для решения задач, где требуются формальные рассуждения.

4. должен быть по последней мере один эксперт, который способен очевидно сконструировать свои познания и разъяснить свои способы внедрения этих познаний для решения задач.

В таблице один приведены сравнительные характеристики прикладных задач, по наличию которых можно судить о необходимости использования для их решения ЭС.

Таблица 1 — Аспект применимости ЭС


Применимы
неприменимы

Не могут быть построены строгие методы либо процедуры, но есть эвристические способы решения
Имеются действенные алгоритмические способы.

Есть специалисты, которые способны решить задачку.
Отсутствуют специалисты либо их число недостаточно.

По собственному задачки носят вычислительный нрав.

Доступные данные “зашумленны”.
Известны четкие факты и строгие процедуры.

задачки решаются способом формальных рассуждений.
задачки решаются прецедурными способами, при помощи аналогии либо интуитивно.

Познания статичны (неизменны).
Познания оживленны (изменяются со временем).

В целом ЭС не рекомендуется использовать для решения последующих типов задач:

— математических, решаемых обыденным методом формальных преобразований и процедурного анализа;

— задач определения, так как в общем случае они решаются численными способами;

— задач, познания о способах решения которых отсутствуют (нереально выстроить базу познаний).

Даже наилучшие из имеющихся ЭС, которые отлично работают как на огромных, так и на мини-ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач), имеют определенные ограничения по сопоставлению с человеком-профессионалом.

Большая часть ЭС не полностью подходящи для внедрения конечным юзером. Если вы не имеете некого опыта работы с таковыми системами, то у вас могут появиться суровые трудности. Почти все системы оказываются доступными лишь тем профессионалам, которые делали из базы познаний.

Вопросно-ответный режим, обычно принятый в таковых системах, замедляет получение решений. к примеру, без системы MYCIN доктор может (а нередко и должен) принять решение существенно резвее, чем с ее помощью.

способности системы не растут опосля сеанса экспертизы.

Все еще остается неувязкой приведение познаний, приобретенных от профессионала, к виду, обеспечивающему их эффективную машинную реализацию.

ЭС не способны учиться, не владеют здравым смыслом. Домашние кошки способны учиться даже без специальной дрессировки, ребенок в состоянии просто уяснить, что он станет влажным, если опрокинет на себя стакан с водой, но если начать выливать кофе на клавиатуру компа, у него не хватит “мозга” отодвинуть ее.

ЭС неприменимы в огромных предметных областях. Их внедрение ограничивается предметными областями, в каких эксперт может принять решение за время от нескольких минут до нескольких часов.

В тех областях, где отсутствуют специалисты (к примеру, в астрологии), применение ЭС оказывается неосуществимым.

Имеет смысл завлекать ЭС лишь для решения когнитивных задач. Теннис, езда на велике не могут являться предметной областью для ЭС, но такие системы можно применять при формировании футбольных установок.

человек-эксперт при решении задач обычно обращается к собственной интуиции либо здравому смыслу, если отсутствуют формальные способы решения либо аналоги таковых задач.

системы, основанные на познаниях, оказываются неэффективными по мере необходимости проведения скрупулезного анализа, когда число “решений” зависит от тыщ разных способностей и почти всех переменных, которые меняются во времени. В таковых вариантах лучше применять базы данных с интерфейсом на естественном языке.

системы, основанные на познаниях, имеют определенные достоинства перед человеком-профессионалом.

1. У их нет предубеждений.

2. Они не делают поспешных выводов.

3. Эти системы работают систематизировано, рассматривая все детали, нередко выбирая лучшую кандидатуру из всех вероятных.

4. база познаний быть может весьма и весьма большенный. Будучи введены в машинку один раз, познания сохраняются навечно. человек же имеет ограниченную базу познаний, и если данные длительное время не употребляются, то они забываются и навечно теряются.

5. системы, основанные на познаниях, устойчивы к “помехам”. эксперт пользуется побочными познаниями и просто поддается воздействию наружных причин, которые конкретно не соединены с решаемой задачей. ЭС, не обремененные познаниями из остальных областей, по собственной природе наименее подвержены “шумам”. Со временем системы, основанные на познаниях, могут рассматриваться юзерами как разновидность тиражирования- новейший метод записи и распространения познаний. Подобно иным видам компьютерных программ они не могут поменять человека в решении задач, а быстрее напоминают орудия труда, которые дают ему возможность решат задачки резвее и эффективнее.

6. Эти системы не подменяют спеца, а являются инвентарем в его руках.

ЗАКЛЮЧЕНИЕ

С 70-х годов ЭС стали ведущим направлением в области искусственного ума. При их разработке отыскали применение способы ИИ, разработанные ранее: способы представления познаний, логического вывода, эвристического поиска, определения предложений на естественном языке и др. Можно утверждать, что конкретно ЭС дозволили получить весьма большенный коммерческий эффект от внедрения таковых массивных способов. В этом — их особенная роль.

каталог ЭС и инструментальных программных средств для их разработки, размещенный в США (Соединённые Штаты Америки — на данный момент их уже существенно больше). В развитых забугорных странах сотки компаний занимаются их разработкой и внедрением. Имеются и российские разработки ЭС, в том числе — нашедший промышленное применение.

Но уже на исходных шагах выявились суровые принципные трудности, препятствующие наиболее широкому распространению ЭС и серьезно замедляющие и осложняющие их разработку. Они полностью естественных и вытекают из самих принципов разработки ЭС.

1-ая трудность возникает в связи с постановкой задач. Большая часть заказчиков, планируя разработку ЭС, в следствие недостаточной компетентности в вопросцах внедрения способов ИИ, склонна существенно гиперболизировать ожидаемые способности системы. Заказчик хочет узреть в ней без помощи других мыслящего профессионала в исследуемой области, способного решать широкий круг задач. Отсюда и обычные начальные постановки задачки по созданию ЭС: “Создать ЭС по обработке изображения”; “Сделать мед ЭС по исцелению болезней опорно-двигательного аппарата у деток”. Но, как уже отмечалось, мощность эвристических способов решения задач при увеличении общности их постановки резко миниатюризируется. Потому более целенаправлено (в особенности при попытке сотворения ЭС в области, для которой у разрабов еще нет опыта сотворения схожих систем) ограничиться для начала не очень сложной обозримой задачей в рассматриваемой области, для решения которой нет обычного алгоритмического метода (другими словами неочевидно, как написать программку для решения данной нам задачки, не используя способы обработки познаний). Не считая того, принципиально, чтоб уже была сложившаяся методика решения данной нам задачки “вручную” либо какими-либо расчетными способами. Для удачной разработки ЭС нужны не только лишь точная и определенная постановка задач, да и разработка подробного (хотя бы словесного) описания “ручного” (либо расчетного) способа ее решения. Если это создать проблемно, предстоящая работа по построению ЭС теряет смысл.

2-ая и основная трудность — неувязка приобретения (усвоения) познаний. Эта неувязка возникает при “передаче” познаний, которыми владеют эксперты-люди, ЭС. Очевидно для того, чтоб “научить” им it систему, до этого всего требуется сконструировать, классифицировать и формализовать эти познания “на бумаге”. Это может показаться феноминальным, но большая часть профессионалов (кроме, быть может, математиков), удачно используя в ежедневной деятель свои необъятные познания, испытывают огромные затруднения при попытке сконструировать и представить в системном виде хотя бы основную часть этих познаний: иерархию применяемых понятий, эвристики, методы, связи меж ними. Оказывается, что для схожей формализации познаний нужен определенный периодический стиль мышления, наиболее близкий математикам и программерам, чем, к примеру, юристам и докторам. Не считая того, нужны, с одной стороны, познания в области математической логики и способов представления познаний, с иной — познания способности ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач), из программного обеспечения, а именно, языков и систем программирования.

Таковым образом, выясняется, что для разработки ЭС нужно роль в ней особенного рода профессионалов, владеющих обозначенной совокупой познаний и выполняющих функции “посредников” меж профессионалами в предметной области и компьютерными (экспертными) системами. Они получили заглавие инженеры познаний (в оригинале — knowledge engineers), а сам процесс разработки ЭС и остальных умственных программ, основанных на представлении и обработке познаний — инженерией познаний (knowledge engineering).






СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. мир, 1989.

2. Долин Г. Что такое ЭС// Комп Пресс. – 1992. – №2

3. Сафонов В.О. Экспертные системы — умственные ассистенты профессионалов.- С.-Пб: Санкт-Петербургская организация общества “Познание” Рф, 1992.

4. Шалютин С.М. “Искусственный ум”. – М.: Идея, 1985.

5. В. Н. Убейко. Экспертные системы.- М.: МАИ, 1992.

6. Д. Элти, М. Кумбс. Экспертные системы: концепции и примеры.- М.: деньги и статистика, 1987.

7. Экспертные системы: концепции и примеры/ Д. Элти, М. Кумбс.-М.: деньги и статистика, 1987.

8. И. Братко. Программирование на языке Пролог для искусст-

9. венного ума.- М.: мир, 1990.

10. Г. Долин. Что такое ЭС.- Комп Пресс, 1992/2.

11. Д. Р. Малпасс. Реляционный язык Пролог и его применение.

12. Д. Н. Марселлус. Программирование экспертных систем на Турбо Прологе.- М.: деньги и статистика, 1994.

13. К. Нейлор. Как выстроить свою экспертную систему.- М.: Энергоатомиздат, 1991.

14. Н. Д. Нильсон. Искусственный ум. Способы поиска решений.- М.: мир, 1973.

15. В. О. Сафонов. Экспертные системы— умственные ассистенты профессионалов.- С.-Пб: Санкт-Петербургская организация общества “Познания” Рф, 1992.

16. К. Таунсенд, Д. Фохт. Проектирование и программная реализация экспертных систем на индивидуальных ЭВМ (Электронная вычислительная машина — комплекс технических средств, предназначенных для автоматической обработки информации в процессе решения вычислительных и информационных задач).- М.: деньги и статистика, 1990.

17. В. Н. Убейко. Экспертные системы.- М.: МАИ, 1992.

18. Д. Уотермен. Управление по экспертным системам.- М.: мир, 1980.

19. Д. Элти, М. Кумбс. Экспертные системы: концепции и примеры.- М.: деньги и статистика, 1987.

]]>