Введение к работе
Актуальность темы обусловлена возрастающей потребностью в экспертных системах (ЭС). Эти системы позволяют решать неформализованные (НФ) задачи, не имеющие эффективных алгоритмических решений, с помощью моделирования рассуждений экспертов. НФ-задачи составляют важный и довольно широкий класс задач в различных сферах научно-технической деятельности и особенно распространены в "описательных" дисциплинах и областях. В тех случаях, когда применение ЭС оказывается возможным, оно обеспечивает значительный экономический эффект, что приводит к стремлению расширить область использования методов ЭС. При попытке применения ЭС для решения новых типов НФ-задач возникли серьезные трудности, одна из причин которых проанализирована в работе. Основным источником мощности ЭС являются экспертные знания, обычно представляющие собой множества эвристических приемов и правил, содержащих не-доопределенность. Методы обработки недоопределенных знаний в ЭС должны адекватно отражать те способы решения задач в условиях неопределенности, к которым прибегают эксперты. Использование неадекватных методов усложняет создание ЭС, приводит к низким темпам разработки и низкому качеству функционирования, нередко - к отказу от использования ЭС.
Знания экспертов могут содержать различные виды недоопределен-ности: неполноту, неточность, нечеткость. НФ-задачи можно подразделить на простые (для их решения достаточно знаний, содержащих только один вид недоопределенности) и сложные (все остальные). Реально сложные НФ-задачи распространены более широко, чем простые, и представляют значительный практический интерес. Нередко расширение базы знаний, используемой при решении простой НФ-задачи, переводит последнюю в разряд сложных. Таким образом, необходимым условием широкого внедрения ЭС в практику является умение решать сложные НФ-задачи,
Существующие методы обработки недоопределенных знаний можно подразделить на количественные и качественные.
Количественные методы позволяют работать с неточными и нечеткими знаниями. В рамках этих методов используются числовые оценки определенности знаний. Вывод основан на общем принципе, согласно которому при вычислении оценки каждого выводимого результата учитывается вклад всех знаний, исходя из которых результат может быть получен. Количественные методы эффективны в тех случаях, когда решение строится на основе неточных или нечетких знаний при отсутствии точных причинно-следственных моделей области. Следует отметить, что эвристический харак-
тер экспертных знаний и ряда количественных методов не позволяет, как правило, создавать методики выбора методов с учетом особенностей конкретных НФ-задач. На практике приходится подбирать подходящий метод, а ато приводит к итерациям в ходе разработки. Каждая итерация оказывается довольно трудоемкой, поскольку требует перепрограммирования ЭС или перехода к новому инструментальному средству.
Качественные методы ориентированы на работу с неполными знаниями. При решении задачи недостающие знания восполняются предположениями, исходя из которых осуществляется логический вывод возможного решения. Качественные методы эффективны в тех случаях, когда удается построить причинно-следственную модель проблемной области (возможно, неполную), причем решение задачи происходит в условиях неполноты исходных данных.
В сложных НФ-задачах используются как причинно-следственные модели, так и неточные и нечеткие знания об исходных данных и отношениях в проблемной области, поэтому для их решения не удается использовать существующие методы. Количественные и качественные методы дополняют друг друга, поэтому целесообразно разработать общий метод, объединяющий достоинства количественных и качественных методов. Кроме того, для упрощения и ускорения процесса подбора количественного подхода к работе с неопределенностью, новый метод должен обеспечивать простую настройку на различные количественные подходы, а также допускать задание нестандартных подходов.
Поскольку количественные и качественные методы основаны на различных принципах решения задач в условиях неопределенности, их объединение требует создания новой модели рассуждений. Большинство используемых на практике ЭС основаны на правилах, что связано с результатами психологических исследований, проведенных Ньюэллом и Саймоном. Подобные 9С базируются на понятии дедуктивной системы, поэтому создание метода обработки недоолределенных знаний требует расширения этого понятия на случай работы с характеристиками определенности формул.
Цель работы состоит в разработке, исследовании и внедрении комбинированного метода обработки недоолределенных знаний, обеспечивающего обработку различных видов недоопределенности.
Для достижения этой цели были решены следующие задачи:
1. Исходя из анализа видов недоопределенности знаний в ЭС, исследована и разработана модель представления и интерпретации знаний с различными видами недоопределенности; для этого было предложено расширение понятия дедуктивной системы на случай введения характеристик определенности формул.
-
На основе предложенной модели разработан комбинированный метод обработки недоопределенных знаний, обеспечивающий обработку различных видов недоопределенности и допускающий настройку на различные количественные подходы к работе с неопределенностью.
-
Комбинированный метод реализован в виде программных средств, предназначенных для использования в составе программного обеспечения конкретных ЭС и инструментальных средств создания ЭС. Исследована возможность эффективного использования метода и реализующих его программных средств при решении сложных НФ-задач.
-
Разработаны: методика использования комбинированного метода при создании баз знаний ЭС; методика использования программных средств, реализующих метод, в общем программном обеспечении ЭС и инструментальных средств.
-
Комбинироганкнй метод внедрен в инструментальные средства создания ЭС, использован в конкретных системах.
Научная новизна работы состоит в:
расширении понятия дедуктивной системы на случай введения характеристик определенности аксиом и выводимых формул, которое обеспечивает общий подход к описанию количественной и качественной обработки недоопределенности в ходе вывода;
разработке на основе предложенного расширения модели комбинированной обработки недоопределенных знаний в ЭС, основанных на правилах, сочетающей настраиваемую количественную обработку с качественной;
создании комбинированного метода, обеспечивающего обработку различных видов недоопределенности и удовлетворяющего всем требованиям, вытекающим из специфики ЭС и особенностей решения сложных НФ-задач.
Практическая значимость работ» заключается в реализации комбинированного метода в виде программных средств, предназначенных для использования в составе программного обеспечения конкретных ЭС и инструментальных средств создания ЭС. Использование комбинированного метода и реализующих его программных средств позволяет применять ЭС для решения сложных НФ-задач. Возможность настройки комбинированного метода на различные количественные подходы к работе с неопределенностью снижает трудоемкость разработки базы знаний за счет упрощения подбора адекватного подхода.
Реализующие метод программные средства включены в инструментальные средства разработки ЭС, в том числе - оболочки ЭКСПЕРТИЗА, ЭКСПЕРТ и НИК. Эти инструментальные средства использовались при создании ряда
- б -
ЭС, в том числе следующих: системы анализа аварийных ситуаций изделия СИРЕНА; систем технической диагностики (цифровых вычислительных схем, устройства управления клавиатурой ПЭВМ IBM PC); системы иридодиагностики; систем диагностики и выбора метода лечения сосудистых опухолей; комплекса систем диагностики и выбора метода лечения хронических неспецифических заболеваний легких; системы по оценке состояния гидротехнического сооружения. Указанные инструментальные средства используются более.чем в 50 организациях.
Апробации и пубткщки. Основные результаты диссертационной работы докладывались на Республиканской конференции "Проблемно-ориентированные диалоговые системы" (Батуми, 1988), на Всесоюзной научно-практической конференции "Гибридные интеллектуальные системы" (Терскол, 1991), на Всесоюзных конференциях по искусственному интеллекту (Минск 1990, Тверь 1992), на семинарах ЦПНТО им. А.С.Попова и семинарах секции по экспертным системам Совета по комплексной проблеме "Искусственный интеллект" при Президиуме РАН.
По теме диссертации опубликовано 9 работ.
Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения. Основной текст включает 155 машинописных страниц, 15 рисунков и 4 таблицы. Список литературы включает 97 наименований.
