В 1970-х годах на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В то время эта идея, воплощенная в систему, стала первой областью искусственного интеллекта, коммерчески подкрепленной. Созданы системы MYCIN и DENDRAL, ставшие уже классическими, для медицины и химии [1]. Они произвели фурор, и ни один специалист-эксперт в данных областях не смог сравниться с ней ни в скорости, ни в качественности решения. Для этих систем было введено понятие «Экспертные системы» (ЭС).
ЭС - компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации [3]. ЭС разрабатывается для узкоспециализированных областей, где большую роль играют знания высококвалифицированных и опытных специалистов. Это и есть основное отличие от других систем искусственного интеллекта. ЭС состоят из двух частей: процедур логического вывода, принятия решений и базы знаний. Последняя отличается от базы данных тем, что она является активной, т.е. она передаёт не только знания, но и опыт экспертов. И здесь выявляется основное требование при создании ЭС: правильно выбранный эксперт, передающий свои знания. Именно он и метод формализации знаний определяют 90% качества системы.
В настоящее время экспертные системы используются для решения различных типов задач в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, химия, образование, телекоммуникации и связь и др. Далее приведен наиболее яркие примеры экспертных систем.
MIXER. Экспертная система оказывает помощь программистам в написании микропрограмм для разработанной Texas Instruments СБИС TI990. По заданному описанию микропрограммы система получает оптимизированные микропрограммы для TI990. MIXER содержит знания по микропрограммированию для TI990, взятые из руководства и из анализа микропрограммы управляющего ПЗУ TI990. Сюда относятся знания о том, как преобразовывать введенные описания в наборы промежуточных операций, как выделить соответствующие регистры под переменные и как преобразовать промежуточные операции в наборы микроопераций. MIXER использует эти знания, чтобы определить, какие микрооперации являются лучшими для реализации микропрограммы. Система представляет знания в виде правил и данных, обладает унификацией, управляемой механизмом вывода, и динамическим возвратом. MIXER реализована на языке Пролог. Она была разработана в Токийском университете и доведена до уровня демонстрационного прототипа[2].
Как видно по представленному выше примеру, проблемы, решаемые ЭС, могут быть решены специалистом-экспертом. Однако, данная система обладает следующими преимуществами перед специалистом-экспертом:
1. Постоянство. Человеческая компетенция ослабевает со временем, база знаний и аппарат принятия решений, наоборот, развивается.
2. Легкость передачи. Передача информации от одного эксперта к другому всегда является тяжёлом процессом. Передача компьютерной информации - простой процесс копирования данных.
3. Устойчивость. Человек легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. Система - нет.
4. Стоимость. Высококвалифицированные эксперты, обходятся очень дорого. ЭС, наоборот, сравнительно недороги. Их разработка дорога, но они дёшевы в эксплуатации.
На сегодняшний день существуют системы интеграции ЭС и нейронных сетей как вид гибридной интеллектуальной системы. Такие системы соединяют в себе как формализуемые знания (в экспертных системах), так и неформализуемые знания (в нейронных сетях). Примерами комбинированных систем могут служить: гибридная экспертная система для анестезиологии тяжелых пациентов, экспертная система адаптивного обучения, гибридная экспертная система для медицинской диагностики.
ЭС на сегодняшний день хоть и являются одной из самых крупных областей искусственного интеллекта, однако они не совершенны, имеют ряд недостатков, которые можно решить, лишь объединив несколько областей искусственного интеллекта, создав при этом гибридную интеллектуальную систему.
Список литературы
1. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем: учебник. - СПб.: Питер, 2000.
2. aiportal.ru.
3. ru.wikipedia.org.