Структура експертної системи
Виділяють два типи експертних систем: статичні та динамічні. Статичні експертні системи використовуються в тих додатках, де можна не враховувати зміни навколишнього світу, що відбуваються за час розв'язання задачі. Перші експертні системи, які отримали практичне використання, були статичними. Динамічні експертні системи в порівнянні зі статичними містять додатково два наступні компоненти: підсистему моделювання зовнішнього світу та підсистему взаємодії із зовнішнім світом [8].
Типова статична ЕС складається з наступних основних компонентів (рис.2):
- робочої пам'яті (РП), що називається також базою даних (БД);
- компонентів набуття знань;
База даних (робоча пам'ять) призначена для зберігання вихідних і проміжних даних задачі, що вирішується в даний момент. Цей термін збігається за назвою, але не за змістом з терміном, який використовується в інформаційно-пошукових системах (ІПС) та системах управління базами даних (СУБД) для позначення всіх даних (насамперед довгострокових), що зберігаються в системі.
База знань (БЗ) в ЕС призначена для зберігання довгострокових даних, що описують область, що розглядається (а не поточних даних), і правил, що описують доцільні перетворення даних цієї області.
Рішувач, використовуючи вихідні дані з робочої пам'яті та знання з БЗ, формує таку послідовність правил, які, будучи застосованими до вихідних даних, призводять до вирішення задачі.
Компонент придбання знань автоматизує процес наповнення ЕС знаннями, який здійснюється користувачем-експертом.
Пояснювальний компонент пояснює, як система отримала рішення задачі (або чому вона не отримала рішення) і які знання вона при цьомувикористовувала, що полегшує експерту тестування системи та підвищує довіру користувача до отриманого результату.
Діалоговий компонент орієнтований на організацію дружнього спілкування з користувачем як у ході вирішення завдань, так і в процесі набуття знань та пояснення результатів роботи [13].
Структура експертної системи динамічного типу складається з (рис.3 [8]):
- механізм логічного висновку, що називається також інтерпретатором, вирішувачем;
- робочу пам'ять (РП), звану також робочою базою даних (БД);
- підсистему придбання та поповнення знань;
- підсистему взаємодії із зовнішнім світом.
Механізм логічного висновку (МЛВ) призначений для отримання нових фактів на основі зіставлення вихідних даних з робочої пам'яті та знань з бази знань. Механізм логічного висновку у всій структурі експертної системи займає найважливіше місце. Він реалізує алгоритми прямого та/або зворотного висновку і формально може бути представлений четвіркою [17]:
V – процедура вибору з бази знань та робочої пам'яті правил та фактів;
S – процедура зіставлення правил і фактів, у яких визначається безліч фактів яких застосовні правила для присвоєння значень;
K – процедура вирішення конфліктів, що визначає порядок використання правил, якщо у висновку правила вказані однакові імена фактів із різними значеннями;
W – процедура, що здійснює виконання дій, що відповідають отриманому значенню факту (укладенню правила).
Робоча пам'ять призначена для зберігання вихідних і проміжних фактів завдання, що вирішується в даний момент. Як правило, розміщується в оперативнійпам'яті ЕОМ і відбиває поточний стан предметної області як фактів з коефіцієнтами впевненості (КУ) у істинності цих фактів.
Наступний елемент у структурі експертної системи є не менш важливим, ніж механізм логічного висновку. Це -база знань. База знань призначена для зберігання довгострокових фактів, що описують область, правил, що описують відносини між цими фактами та інших типів декларативних знань про предметну область. Крім правил та фактів, що утворюють декларативну частину бази знань, до неї може входити процедурна частина – безліч функцій та процедур, що реалізують оптимізаційні, розрахункові та інші необхідні алгоритми.
Експертні системи відносяться до класу інтелектуальних систем, що ґрунтуються на розумінні факту. Тобто експертні системи грунтуються на знаннях фахівця-експерта про предметну область. Високоякісний досвід найбільш кваліфікованих фахівців, доступний для всіх користувачів системи, стає фактором, що різко підвищує якість рішень для організації, що використовує експертні системи в цілому.
Підсистема набуття та поповнення знань автоматизує процес наповнення експертної системи знаннями, який здійснюється користувачем-експертом, та адаптації бази знань системи до умов її функціонування. Адаптація експертної системи до змін у предметній галузі реалізується шляхом заміни правил чи фактів на базі знань.
Підсистема пояснення пояснює, як система отримала рішення задачі (або чому вона не отримала рішення) і які знання вона при цьому використовувала, що полегшує експерту тестування системи та підвищує довіру користувача до отриманого результату. Можливість пояснювати свої дії є однією з найважливішихвластивостей експертної системи, оскільки:
а) підвищується довіра користувачів до отриманих результатів;
б) полегшується налагодження системи;
в) створюються умови для користувачів щодо розкриття нових закономірностей предметної області;
г) пояснення отриманих висновків може бути засобом пошуку точки в парето-оптимальному безлічі рішень.