Публикации педагогических, научных и творческих материалов ОНЛАЙН

  • lu_res@mail.ru
  • Следующее обновление сборников с № ISBN 05.04.2024г.

Регистрационный номер СМИ: ЭЛ № ФС 77 - 72035 от 29.12.2017г.  Смотреть

Идентификаторы издательства в Книжной палате: 9908210, 6040511  Смотреть

         
kn publ ped      kn publ nau      kn publ tv
         

Конспект урока по дисциплине «Информационные технологии». Тема "Экспертные системы (ЭС)"

Дата публикации: 2019-09-07 12:49:17
Статью разместил(а):
Романова Юлия Евгеньевна

Конспект урока по дисциплине «Информационные технологии»

Тема: Экспертные системы (ЭС)

Автор: Романова Юлия Евгеньевна

ГОУ ВО МО «ГГТУ» Промышленно-экономический колледж

 

Цель: познакомить обучающихся с понятим, видами эксперных систем, областью применения ЭС.

Задачи:

- Образовательная:  дать обучающимся понятия:

·         С чем связана необходимость интеллектуализации компьютерных технологий.

·         Что такое экспертные системы.

·         Для чего используют экспертные системы.

- Развивающая:

·           развитие аналитического мышления;

·           развитие приемов умственной деятельности, формирование и развитие функционального мышления обучающихся;

·           развитие познавательных потребностей обучающихся;

·           создание условий для приобретения  теоретического опыта работы обучающихся в среде ИКТ;

- Воспитательная:

·         формирование интереса к предмету;

·         достижение сознательного усвоения учебного материала учащимися, формирование умения работать в коллективе.

Новые термины и понятия: экспертные системы.

Оборудование: ПК с ОС Windows, ПО MS Office 2010, MS PowerPoint, презентация «Экспертные системы».

ХОД УРОКА

1. Орг. момент.

Приветствие обучающихся, сообщение темы и целей урока. 

2.     Актуализация.

С чем связана необходимость интеллектуализации компьютерных технологий?

Что такое экспертные системы?

Для чего используют экспертные системы?

3.     Новая тема. (лекция)  (объяснение по презентации «Экспертные системы») 

Современные компьютеры могут безошибочно выполнять миллиарды арифметических операций за секунду, что недосягаемо для человека.

Но существуют задачи, с которыми человек справляется лучше, чем компьютер. Это, в частности, принятие сложных решений в сложных ситуациях, использование аналогий, смысловой перевод с одного естественного языка на другой.

Искусственный интеллект, как научная дисциплина, состоит из нескольких крупных течений. Одно из них – экспертные системы.

Экспертные системы - это направление исследований в области искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями экспертов в заданной предметной области.

Как правило, экспертные системы создаются для решения практических задач в некоторых узкоспециализированных областях, где большую роль играют знания «бывалых» специалистов. Экспертные системы были первыми разработками, которые смогли привлечь большое внимание к результатам исследований в области искусственного интеллекта 

Экспертные системы  позволяют представлять знания в описательной форме и решать задачи с обоснованием полученного результата.

При реализации этих систем решаются 3 основные проблемы искусственного интеллекта:

  • представление знаний;
  • использование естественного языка;
  • моделирование на компьютере человеческих суждений.

Наибольшее развитие среди интеллектуальных компьютерных систем приобрелиэкспертные системы.     

Экспертные системы- это интеллектуальные системы, способные получать, накапливать и корректировать знания в заданной предметной области, получать новые знания, решать на основе этих знаний практические задачи и объяснять ход их решения.

Типичное применение экспертных систем- консультирование специалистов средней квалификации и неспециалистов в той сфере,  для которой разработаны экспертные системы.

Создано немало экспертных систем в таких сферах, как медицинская диагностика, юриспруденция, управление технологическими процессами.

В создании экспертных систем должны принимать участие специалисты 2 категорий: экспертов и инженеров знаний.

Эксперты это высококвалифицированные специалисты в данной предметной области, знания которых нужно передать экспертной системе.

Задачей инженеров знаний является формализация знаний экспертов и приведение их к виду, пригодному для занесения в базу знаний.

Наиболее известным языком программирования, предназначенным для разработки экспертных систем, считается язык Пролог. Этот язык имеет удобные средства для отображения фактов и правил, а в основе выполнения программы, написанной на ПРОЛОГе , лежит встроенный механизм логического вывода.

Экспертная система – это не простая программа, которая пишется одним или несколькими программистами.

Экспертная система является плодом совместной работы экспертов в данной предметной области, инженеров по знаниям и программистов.

Но стоит отметить, что встречаются случаи, когда программы пишутся самими экспертами в данной области.

Эксперт предоставляет необходимые знания о тщательно отобранных примерах проблем и путей их решения. Например, при создании экспертной системы диагностики заболеваний врач рассказывает инженеру по знаниям об известных ему заболеваниях. Далее эксперт раскрывает список симптомов, которые сопровождают каждое заболевание и в заключение рассказывает об известных ему методах лечения. Инженер по знаниям, формализует всю полученную информацию в виде базы знаний и помогает программисту в написании экспертной системы.

Первую экспертную систему, которую назвали Dendral, разработали в Стэнфорде в конце 1960-х г.г. Эта была экспертная система, определяющая строение органических молекул по химическим формулам и спектрографическим данным о химических связях в молекулах. Ценность Dendral заключалась в следующем. Органические молекулы, как правило, очень велики и поэтому число возможных структур этих молекул также велико. Благодаря эвристическим знаниям экспертов-химиков, заложенных в экспертную систему, правильное решение из миллиона возможных находилось всего за несколько попыток. Принципы и идеи, заложенные в Dendral оказались настолько эффективными, что они до сих пор применяются в химических и фармацевтических лабораториях по всему миру.

Экспертная система Dendral одной из первых использовала эвристические знания специалистов для достижения уровня эксперта в решении задач, однако методика современных экспертных систем связана с другой разработкой – Myсin. В ней использовались знания экспертов медицины для диагностики и лечения специального менингита и бактериальных инфекций крови.

Экспертная система Mycin, разработанная в том же Стэнфорде в середине 1970-х г.г., одной из первых обратилась к проблеме принятия решений на основе ненадежной или недостаточной информации. Все рассуждения экспертной системы Mycin были основаны на принципах управляющей логики, соответствующих специфике предметной области. Многие методики разработки экспертных систем, использующиеся сегодня, были впервые разработаны в рамках проекта Mycin.

Возникает вопрос: «Зачем разрабатывать экспертные системы? И не лучше ли обратиться к человеческому опыту, как это было в прошлом?». Отметим лишь основные преимущества, которые даёт использование экспертных систем. Преимуществом искусственной компетенции являются следующие качества.

1. Постоянство.

Человеческая компетенция ослабевает со временем. Перерыв в деятельности человека-эксперта может серьёзно отразиться на его профессиональных качествах.

2. Лёгкость передачи.

Передача знаний от одного человека другому – долгий и дорогой процесс. Передача искусственной информации – это простой процесс копирования программы или файла данных.

3. Устойчивость и воспроизводимость результатов.

Экспертные системы устойчивы к «помехам». Человек же легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. Эксперт-человек может принимать в тождественных ситуациях разные решения из-за эмоциональных факторов. Результаты экспертной системы – стабильны.

4. Стоимость.

Эксперты, особенно высококвалифицированные обходятся очень дорого. Экспертные системы, наоборот, сравнительно недороги. Их разработка дорога, но они дёшевы в эксплуатации.

Вместе с тем разработка экспертной системы не позволяет полностью отказаться от эксперта-человека. Хотя экспертная система хорошо справляется со своей работой, тем не менее, в определённых областях человеческая компетенция явно превосходит искусственную. Однако и в этих случаях экспертная система может позволить отказаться от услуг высококвалифицированного эксперта, оставив эксперта средней квалификации, используя при этом экспертную систему для усиления и расширения его профессиональных возможностей.

Наиболее известные/распространённые ЭС:

·         Simptomus – сервис онлайн-диагностики заболеваний. Пациенты указывают симптомы, а Simptomus на основе экспертной системы выводит список возможных диагнозов.

·         CLIPS – весьма популярная оболочка для построения ЭС

·      WolframAlpha – поисковая система, интеллектуальный «вычислительный движок знаний»

·         MYCIN – наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях.

·         HASP/SYAP – интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения.

·         Акинатор – интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа.

История развития экспертных систем.

Наиболее известные ЭС, разработанные в 60-70-х годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.

1. META-DENDRAL. Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (маспектрографии, данным ядерного магнитного резонанса и др.). M-D автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

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

3. PROSPECTOR-KAS. PROSPECTOR предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS- система приобретения знаний для PROSPECTOR.

4. CASNET-EXPERT. Система CASNET- медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностических систем.

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений - глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы 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 университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.
В систему AM первоначально было заложено около 100 правил вывода и более 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. Сначала результаты работы системы были весьма многообещающими. Она могла сформулировать понятия натурального ряда и простых чисел. Кроме того, она синтезировала вариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можно представить в виде суммы двух простых чисел. До сих пор не удалось ни найти доказательства данной гипотезы, ни опровергнуть ее. Дальнейшее развитие системы замедлилось и было отмечено, что, несмотря на проявленные, на первых порах “математические способности”, система не может синтезировать новых эвристических правил, т.е. ее возможности определяются только теми эвристиками, что были в нее изначально заложены.

При разработке системы EURISCO была предпринята попытка преодолеть указанные недостатки системы AM. Как и в начале эксплуатации AM, первые результаты, полученные с помощью EURISCO, были эффективными. Сообщалось, что система EURISCO может успешно участвовать в очень сложных играх. С ее помощью в военно-стратегической игре, прово-димой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов. Согласно одному из них, например, предлагалось взрывать свои корабли, получившие повреждения. При этом корабли, оставшиеся неповрежденными, получает необходимое пространство для выполнения маневра.
Однако через некоторое время обнаружилось, что система не всегда корректно переопределяет первоначально заложенные в нее правила. Так, например, она стала нарушать строгое предписание обращаться к программистам с вопросами только в определенное время суток. Т.о., система EURISCO, так же как и ее предшественница, остановилась в своем развитии, достигнув предела, определенного, в конечном счете, ее разработчиком.

С 1990 года доктор Ленат во главе исследовательской группы занят кодированием и вводом нескольких сот тысяч элементов знаний, необходимых, по его мнению, для создания “интеллектуальной” системы. Этот проект назван Cyc (“Цик”, от английского слова enciklopaedia).
Далее рассмотрим проблемы, возникающие при создании ЭС и. перспективы разработки.
С 70-х годов ЭС стали ведущим направлением в области искусственного интеллекта. При их разработке нашли применение методы ИИ, разработанные ранее: методы представления знаний, логического вывода, эвристического поиска, распознавания предложений на естественном языке и др. Можно утверждать, что именно ЭС позволили получить очень большой коммерческий эффект от применения таких мощных методов. В этом - их особая роль.

Каталог ЭС и инструментальных программных средств для их разработки, опубликованный в США в 1987 году, содержит более 1000 систем (сейчас их уже значительно больше). В развитых зарубежных странах сотни фирм занимаются их разработкой и внедрением. Имеются и отечественные разработки ЭС, в том числе – нашедшие промышленное применение.

Недостатки экспертных систем:

·  Здравый смысл. В дополнение к широкому техническому знанию, че­ловек-эксперт имеет здравый смысл. Еще не известно, как за­ло­жить здравый смысл в экспертные системы.

·  Творческий потенциал. Человек-эксперт может реагировать твор­чески на необычные ситуации, экспертные системы не могут.

·  Обучение. Человек-эксперт автоматически адаптируются к изме­не­нию среды; экспертные системы нужно явно модифицировать.

·  Сенсорный опыт. Человек-эксперт располагает широким диапа­зо­ном сенсорного опыта; экспертные системы в настоящее время ос­нованы на вводе символов.

Преимущества экспертных систем:

·  Постоянство. Экспертные системы ничего не забывают в отличие от человека-эксперта.

·  Воспроизводимость. Можно сделать любое количество копий экспертной системы, а обучение новых экспертов отнимает много времени и средств.

·  Эффективность. Может увеличить производительность и уменьшать затраты персонала.

  • Постоянство. С использованием экспертных системам подобные транзакции обрабатываются одним и тем же способом. Система будет делать сопоставимые рекомендации для похожих ситуаций.
  • Влияние на людей. Новый эффект (самая современная ин­фор­ма­ция, имеющая влияние на здравый смысл). Главный эффект (ранняя информация доминирует над здравым смыслом).
  • Документация. Экспертная система может документировать процесс решения.
  • Законченность. Экспертная система может выполнять обзор всех транзакций, a человек-эксперт сможет сделать обзор только отдельной выборки.
  • Своевременность. Погрешности в конструкциях и/или могут быть своевременно найдены.
  • Широта. Могут быть объединены знания многих экспертов, что дает системе больше широты, чем с вероятно может достичь один человек.
  • Снижение риска ведения дела благодаря последовательности принятия решения документированности и компетентности.

 

4.  Практическая работа

Ознакомиться с экспертной системой «Стратег 2.0».

5. Дом. задание.   

Выучить конспект, найти и выписать другие экспертные системы, назначение.

 

.   .   .   .   .   .   .

logo lr7    
Договор-оферта    
Правила публикации    
Презентация издательства        Контакты     
Свидетельство о регистрации СМИ:
ЭЛ № ФС 77 - 72035 от 29.12.2017г.
   svid smi
                   
  Публикация в соавторстве   Свидетельство о публикации   Оплата публикаций   Обратная связь