Системы, основанные на знаниях. Эволюция экспертных систем. История и перспективы

 

"Мы столько можем, сколько знаем. Знание - сила."

Френсис Бэкон,

Введение

Экспертные системы возникли на основе разработок по созданию формальных моделей искусственных знаний, которые наряду с данными позволили создавать т. н. базы знаний, формальное описание знаний в какой-либо проблемной области. Для разработки программного обеспеченbя, реализующего концепцию баз знаний были созданы специальные языки декларативного (один из наиболее известных PROLOG). И первым существенным достижением знаниевого подхода стала разработка экспертных систем. Как работает экспертная система?

Представим себе следующую картину: пользователь вводит запрос в поисковую машину интернета и между ними происходит следующий диалог:

- Где был разбит герой Толстого?

- Имя автора Алексей Николаевич или Лев Николаевич?

- Лев Николаевич, произведение "Война и мир".

- Какая национальность героя - русский, австриец или француз?

- Русский.

- Это первое подробно описанное поражение в книге?

- Да.

- Тогда это место называется Аустерлиц (теперь г. Славков, Чехия).

Примерно так работает интеллектуальная программная система, основанная на знаниях называемая Экспертная система.

Структура и особенности ЭС

Что собой представляет экспертная система? Это интеллектуальная компьютерная программа, которая может давать советы, консультировать, проводить анализ и ставить диагноз на уровне специалиста в некоторой узкой предметной области. Они, в отличие от других программных продуктов, используют при работе не только данные, но еще знания и специальные механизмы вывода решений и новых знаний на основе имеющихся. Поиск решения может осуществляться логическими, эвристическими (работающими, но не имеющими строгого обоснования), математическими (аналитическими и имитационными) и гибридными методами.

Возникшее в середине 60-х годов прошлого века новое направление в искусственном интеллекте с тех пор только ускоряет темпы своего развития. Сегодня любая экспертная система окупается моментально, принося огромную пользу в тех областях, где наблюдается недостаток специалистов или существует реальная опасность для их жизни (атомные электростанции). ЭС находят широкое применение в медицине, микроэлектронике, геологии, военном деле, навигации и т. д. Например, ЭС HASP/SIAP определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

Каждая экспертная система имеет интеллектуальный естественно-языковой или речевой интерфейс. Ведь круг ее общения - не программисты, а обычные люди, владеющие компьютерной грамотой. Кроме того, ЭС включает подсистемы объяснения и обучения для интерпретации собственных рассуждений. Ее примерная схема представлена на рисунке.

 

 

 

Рис. 11,24. Структурная схема экспертной системы: БД –база данных (фактов), БЗ – база знаний (правил).

 

Теперь обратимся к истории и постараемся проследить этапы развития экспертных систем.

История появления первой ЭС

Все началось в далеких шестидесятых, когда Эдвард Фейгенбаум (Edward Feigenbaum), исследователь в области искусственного интеллекта, как и многие ученые его времени, задумывался над тем, может ли машина думать и рассуждать подобно человеку и как много знаний в нее возможно вложить.

 

 

Рис. 11.25. Эдвард Фейгенбаум (род. 20 января 1936 года, Вихокен, США) — учёный в области теории вычислительных систем, награждён в 1994 году премией Тьюринга за достижения в исследовании искусственного интеллекта, в частности экспертных систем.

 

 Он считал, что ответ удастся получить, только сконструировав такую "мыслящую" систему. Но какое же научное направление выбрать для экспериментов? В какой предметной области разработки Фейгенбаума принесли бы большую пользу? Разрешить эти вопросы помог лауреат нобелевской премии, биохимик Джошуа Ледерберг (Joshua Lederberg). Он предложил создать компьютерного помощника, который мог бы определять путем расчета молекулярную структуру химических соединений и который, по словам Ледерберга, был просто необходим в органической химии. Так появилась идея о построении экспертной системы DENDRAL.

 

 

Рис. 11.26 Джошуа Ледерберг. (англ. Joshua Lederberg; (1925, —2008) — американский генетик и биохимик, Нобелевский лауреат, конструктор и «источник знаний» первой экспертной системы.

 

В 1965 году в Стэндфордском университете (Stanford University) Эдвард Фейгенбаум, Джошуа Ледерберг и примкнувший к ним Брюс Бученен (Bruce Buchanan) начали работы по созданию первой экспертной системы. Одной из главных проблем, которую ученым надлежало решить, было построение гибкой программы, оперирующей с многочисленными знаниями и работающей по правилам логики ("если - то"). Однако, как оказалось, сложнее всего было создать базу данных, включающую знания многих специалистов в органической химии. Для этого разработчикам DENDRAL пришлось опросить как можно больше экспертов. Приобретение знаний - не такой легкий процесс, как это может показаться на первый взгляд. Одно дело собрать факты, другое - познания конкретного человека. Поэтому опрашиваемым специалистам была предоставлена специальная программа, которая производила некоторые "умозаключения", правдивость или ложность которых им нужно было установить и объяснить. Таким образом, отделив механизм логического вывода от базы знаний, Бученен предложил хороший инструмент для создания экспертных систем. Одной из самых первых подобных программ была META-DENDRAL. С ее помощью и с помощью аналогичных разработок были построены такие ЭС, как PROSPECTOR, MYCIN и CYRUS.

 

 

Рис. 11.27. Брюс Бученен, разработчик программного обеспечения первых экспертных систем

 

Развитие ЭС в 70-80-х годах

С 70-х годов ЭС стали ведущим направлением в области искусственного интеллекта. В этот период было создано множество разнообразных экспертных и диагностических систем, большая часть которых действует и сегодня. Самыми известными из них являются MYCIN, служащая для диагностики и лечения инфекционных заболеваний, и PROSPECTOR, предназначенная для геологической разведки месторождений полезных ископаемых.

Первая версия ЭС MYCIN была построена в уже знакомом нам Стэндфордском университете в середине 70-х годов. Ее создатель - врач и специалист в области вычислительной техники Эдвард Шортлайф (Edward Shortliffe).

 

 

Рис. 11.28. Эдвард Шортлайф, - пионер в использовании искусственного интеллекта в медицине.

 

Вот мы и добрались до самой популярной области применения экспертных систем - медицины. Дело в том, что диагностика многих заболеваний для успешного выздоровления пациента должна проводиться оперативно. Иногда максимально возможные сроки определения метода лечения составляют от одного до двух суток. Кроме того, каждый человек, идя на прием к врачу, хочет надеяться, что его примет профессионал, который внятно объяснит причину недомогания и предложит одну или несколько эффективных методик лечения. Любая медицинская экспертная система, содержащая знания и логику рассуждения лучших специалистов в мире, может это позволить.

Как же происходит общение пациента и машины? Конечно, на естественном человеческом языке, и это характерно, как было сказано, для всех ЭС. Сам больной или доктор вводит в MYCIN симптомы устанавливаемой болезни, а ЭС задает уточняющие вопросы и, в конце концов, ставит диагноз и предлагает методы лечения. Кроме того, система на любом шаге может "объяснить" свои доводы

Исследования работы ЭС MYCIN, проведенные в Стэндфордском университете, показали, что система для диагностики бактериальных инфекций все-таки уступает группе врачей, состоящей только из профессионалов, на 20%. Правда, даже приблизительную дату этого тестирования так и не удалось найти. Но база знаний MYCIN постоянно расширяется, и благодаря этому ЭС "осваивает" все новые области медицины. Теперь MYCIN используется преимущественно для обучения врачей, а ее механизм логического вывода E-MYCIN был успешно применен для создания многих других ЭС, таких, как NEOMYCIN и PUFF для исследования легочных заболеваний.

Экспертная система PROSPECTOR разрабатывалась SRI International с 1974 по 1983 год. Как уже было сказано, она предназначена для геологических изысканий и относится к интерпретирующему типу ЭС, которые выводят некоторые заключения на основе наблюдений. Данная программа располагает динамическим количеством геологических моделей, каждая из которых содержит знания об определенных видах полезных ископаемых. Так же, как и MYCIN, PROSPECTOR вовлекает геолога в диалог, чтобы, опираясь на его наблюдения, точно выбрать модель и дать ответ на вопрос "Где бурить?". В 1984 году система точно предсказала существование месторождения молибдена, оцененного в многомиллионную сумму.

При разработке последующих экспертных систем были учтены особенности и недостатки PROSPECTOR и MYCIN. Благодаря этому такие диагностические медицинские системы, как INTERNIST и CASNET, основанные на ассоциативном и казуальном (от англ. casual - случайный) подходах, приобрели более мощные механизмы вывода.

ЭС сегодня

Сейчас количество экспертных систем исчисляется тысячами и десятками тысяч. В развитых зарубежных странах сотни фирм занимаются их разработкой и внедрением в различные сферы жизни. Имеются и удачные попытки построения ЭС в СНГ. В настоящее время ведутся разработки самостоятельно обучаемых экспертных систем. Кроме того, в искусственном интеллекте обозначилось такое направление, как инженерия знаний, отвечающая за поиски передовых методов в сборе, представлении, хранении и преумножении информации. Еще можно упомянуть то, что пятое поколение ЭВМ (наши ПК относятся к четвертому), возникшее в 90-х годах, базируется полностью на экспертных системах.

В качестве современных ЭС можно назвать быстродействующую систему OMEGAMON (фирма Candle, с 2004 г. IBM) для отслеживания состояния корпоративной информационной сети и G2 (фирма Gensym) - коммерческую экспертную систему для работы с динамическими объектами (Они служат для принятия решения за считанные секунды с момента наступления внештатных или критических ситуаций. Для G2 также характерно распараллеливание процессов рассуждений. Для простого перечисления других современных экспертных систем, возможно, не хватит газетной полосы. Вот лишь некоторые из них: GUIDON, TATR, ONCOCIN, MOLGEN, GENESIS.

Число экспертных систем растет по экспоненте, совершенствуются методы и алгоритмы вывода решений, увеличивается количество фактов и правил в базах знаний. Учитывая рост их интеллектуальных способностей, можно предположить, что в скором будущем ЭС найдут свое применение в судопроизводстве и политике.

 

Заключение.

1. Мы рассмотрели только наиболее известные направления развития искусственного интеллекта, не затронув систем понимания естественного языка, семантических технологий, систем на основе когнитивного подхода. Технологий и характеристик создания нейрочипов и нейрокомпьютеров и многих других. Но и рассмотренные подходы к построению ИИ дают представление о больших перспективах и достигнутых результатах в этой области.

2. Искусственный интеллект в процессе развития прошел путь от средства развлечения и удивления публики и до эффективной идеологии построения эффективных технологии автоматизации самых различных видов человеческой деятельности. (Интернет вещей, Индустрия 4.0 и 5.0, интеллектуальные исследовательские роботы и др.)

3. В рамках логического подхода интеллектуальные программы добились превосходства над естественным интеллектом как в интеллектуальных играх, так и в процедурах проектирования сложных систем

4. В рамках нейросетевого подхода искусственный интеллект не только продолжил побеждать человека во всё более сложных играх. Но и опередил его в скорости распознавания самых различных ситуаций и динамических процессов, а также начал проявлять себя в различных видах творчества.

5. Одним из перспективных направлений является создание симбиотческих интеллектуальных систем, использующих объединение процессов работы естественных и искусственных нейроансамблей на основе использования интерфейса мозг – нейросеть.

6. Значительные успехи достигнуты в рамках т.н. гибридного подхода, объединяющего в рамках систем управления реального времени сложными объектами нейронные сети и экспертные системы.

7. Значительных успехов достигли и т. н. многоагентные системы, представляющие собой систему взаимодействующих интеллектуальных агентов, - автономных программ, обладающих качествами. присущими человеку как субъекту производственных, экономических, образовательных и др. процессов.

8. Новый импульс разработкам в области ИИ дали новые подходы к интеллектуальному анализу данных и знаний на основе использования технологий BigData (Больших данных) и связанных с ними семантических технологий, технологий рекомендательных систем и систем обработки текстов на естественных языках.

9. В настоящее время становится ясно, что в рамках технологий, основанных на использовании ИИ будут созданы новые киберфизические сущности, способные на равных взаимодействовать с человеком практически в любых областях его интеллектуальной деятельности.

10. На разработки в области ИИ государства выделяют значительные финансовые средства. Приведу примеры: КНР выделило на 2020 г. 130 млрд долларов США, США – более 40 млрд., Россия порядка 2 млрд. Об активности работ в этой области говорит и количество стартапов в области разработки ИИ: США-114, Германия -24, Россия -14, КНР, - неизвестно, но, исходя из. объёмов финансовых средств, очень много!

11. Следует подчеркнуть особую важность соблюдения осторожности при создании перспективных систем, способных к спонтанной (неуправляемой) самоорганизации, которая может позволить выйти искусственным системам из - под контроля человека. Для этого в настоящее время ведущие страны – разработчики ИИ создают целый ряд документов (хартий, положений, законов), регламентирующих этот вид разработок (В США действует более двадцати подобных документов, в Великобритании – 6, в РФ такая хартия рассматривается в одном из комитетов Госдумы).

12. Но, несмотря на это, опасность выхода ИИ из-под контроля человечества не исключается рядом ведущих учёных. Этому способствует и нестабильная политическая обстановка в мире, и стремление США к построению однополярного мира, и гонка стратегических вооружений, и несоблюдение рядом стран решений международных организаций.

 

11.4 Контрольные вопросы

 

1. Что такое искусственный интеллект?

2. В чём суть теста Тьюринга?

3. Кто и почему считается родоначальником искусственного интеллекта?

4. В чём сущность логического подхода к построению ИИ?

5. Какие достижения имели интеллектуальные программы в рамках логического ИИ?

6. В чём состоит основная идея нейросетевого подхода к созданию ИИ?

7. Что такое персептрон?

8. Суть вклада Мак-Каллока, Питтса и Розенблатта в развитие ИИ?

9. Кратко охарактеризуйте результаты функционирования современных нейросетей глубокого обучения.

10. Чем знания отличаются от данных?

11. В чём суть подхода к созданию интеллектуальных систем на основе знаний?

12. В чём суть, и кто автор идеи ЭС?

13. Перечислите области применения и возможности известных ЭС.

14. В чём причина повышенного внимания развитых стран к разработкам в области ИИ?

15. В чём опасность неконтролируемых разработок в области ИИ?