Реферат: Экспертные системы. Классификация экспертных систем. Разработка простейшей экспертной системы

Введение

Экспертные системы (ЭС) возникли какзначительный практический результат в применении и развитии методовискусственного интеллекта (ИИ)- совокупности научных дисциплин, изучающихметоды решения задач интеллектуального (творческого) характера с использованиемЭВМ.

Область ИИ имеет более чем сорокалетнююисторию развития. С самого начала в ней рассматривался ряд весьма сложныхзадач, которые, наряду с другими, и до сих пор являются предметом исследований:автоматические доказательства теорем, машинный перевод (автоматический переводс одного естественного языка на другой), распознавание изображений и анализсцен, планирование действий роботов, алгоритмы и стратегии игр.

ЭС- это набор программ, выполняющий функцииэксперта при решении задач из некоторой предметной области. ЭС выдают советы,проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭСна предприятиях способствует эффективности работы и повышению квалификацииспециалистов.

Главным достоинством экспертных систем является возможность накоплениязнаний и сохранение их длительное время. В отличии от человека к любойинформации экспертные системы подходят объективно, что улучшает качествопроводимой экспертизы. При решении задач, требующих обработки большого объемазнаний, возможность возникновения ошибки при переборе очень мала.

При создании ЭС возникает ряд затруднений. Этопрежде всего связано с тем, что заказчикне всегда может точно сформулировать свои требования к разрабатываемой системе.Также возможно возникникновение трудностей чисто психологического порядка: присоздании базы знаний системы эксперт может препятствовать передаче своихзнаний, опасаясь, что впоследствии его заменят “машиной”. Но эти страхи необоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом,интуицией. Но в настоящее время ведутся разработки экспертных систем,реализующих идею самообучения. Также ЭС неприменимы в больших предметныхобластях и в тех областях, где отсутствуют эксперты.

Экспертная система состоит из базы знаний(части системы, в которой содержатся факты), подсистемы вывода (множестваправил, по которым осуществляется решение задачи), подсистемы объяснения,подсистемы приобретения знаний и диалогового процессора .

При построении подсистем вывода используютметоды решения задач искусственного интеллекта.

Глава 1. Экспертные системы, их особенности.

Применение экспертныхсистем.

1.1. Определение экспертных систем. Главноедостоинство и назначение экспертных систем.

Экспертные системы (ЭС)- это яркое ибыстро прогрессирующее направление в области искусственного интеллекта(ИИ). Причиной повышенногоинтереса, который ЭС вызывают к себе на протяжении всего своего существованияявляется возможность их применения к решению задач из самых различных областейчеловеческой деятельности. Пожалуй, не найдется такой проблемной области, в которой не было бы создано ни одной ЭС илипо крайней мере, такие попытки не предпринимались бы.

ЭС- это набор программ или программноеобеспечение, которое выполняет функции эксперта при решении какой-либо задачи вобласти его компетенции. ЭС, как иэксперт-человек, в процессе своей работы оперирует со знаниями. Знания опредметной области, необходимые для работы ЭС, определенным образомформализованы и представлены в памяти ЭВМ в виде базы знаний, которая можетизменяться и дополняться в процессе развития системы.

ЭС выдают советы, проводят анализ,выполняют классификацию, дают консультации и ставят диагноз. Они ориентированына решение задач, обычно требующих проведения экспертизычеловеком-специалистом. В отличие от машинных программ, использующийпроцедурный анализ, ЭС решают задачи в узкой предметной области (конкретнойобласти экспертизы)на основе дедуктивных рассуждений. Такие системы частооказываются способными найти решение задач, которые неструктурированны и плохоопределены. Они справляются с отсутствием структурированности путем привлеченияэвристик, т. е. правил, взятых “с потолка”, что может быть полезным в техсистемах, когда недостаток необходимых знаний или времени исключает возможностьпроведения полного анализа.

Главное достоинство ЭС- возможностьнакапливать знания, сохранять их длительное время, обновлять и тем самымобеспечивать относительную независимость конкретной организации от наличия в ней квалифицированныхспециалистов. Накопление знаний позволяет повышать квалификацию специалистов,работающих на предприятии, используя наилучшие, проверенные решения.

Практическое применение искусственногоинтеллекта на машиностроительных предприятиях и в экономике основано на ЭС, позволяющих повысить качество и сохранить время принятиярешений, а также способствующих росту эффективности работы и повышениюквалификации специалистов.

1.2. Отличие ЭС от других программных продуктов.

Основными отличиями ЭС от другихпрограммных продуктов являются использованиене только данных, но и знаний, а также специального механизма вывода решений иновых знаний на основе имеющихся. Знания в ЭС представляются в такой форме,которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработкизнаний, а не алгоритм решения задачи. Поэтому применение алгоритма обработки знаний может привести к получению такогорезультата при решении конкретной задачи, который не был предусмотрен. Болеетого, алгоритм обработки знаний заранее неизвестен и строится по ходу решения задачи на основанииэвристических правил. Решение задачи в ЭС сопровождается понятными пользователю объяснениями, качество получаемых решений обычно не хуже, а иногда и лучше достигаемого специалистами. Всистемах, основанных на знаниях, правила (или эвристики), по которым решаютсяпроблемы в конкретной предметной области,хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупностифактов, описывающих некоторую ситуацию, и система с помощью базы знанийпытается вывести заключение из этих фактов (см… рис.1).

база знаний

входная механизм заключения

<img src="/cache/referats/894/image002.gif" v:shapes="_x0000_s1100"><img src="/cache/referats/894/image003.gif" v:shapes="_x0000_s1093"> информация вывода

рис.1

Качество ЭС определяется размером икачеством базы знаний (правил илиэвристик). Система функционирует в следующем циклическом режиме: выбор (запрос)данных или результатов анализов, наблюдения, интерпретация результатов,усвоение новой информации, выдвижении с помощью правил временных гипотез изатем выбор следующей порции данных или результатов анализов (рис.2). Такойпроцесс продолжается до тех пор, пока не поступит информация, достаточная дляокончательного заключения.

В любой момент времени в системе существуюттри типа знаний:

— Структурированные знания- статические знания о предметной области. После тогокак эти знания выявлены, они уже не изменяются.

— Структурированные динамические знания- изменяемые знания о предметной области.Они обновляются по мере выявления новой информации.

— Рабочиезнания- знания, применяемые для решения конкретной задачи или проведенияконсультации.

Все перечисленные выше знания хранятся вбазе знаний. Для ее построения требуется провести опрос специалистов,являющихся экспертами в конкретной предметной области, а затемсистематизировать, организовать и снабдить эти знания указателями, чтобы впоследствииих можно было легко извлечь из базы знаний.

Результатыанализов

и входные данные

выбор и ввод

исходных данных

<img src="/cache/referats/894/image007.gif" v:shapes="_x0000_s1155"> наблюдения пользователи

интерпретация правила

<div v:shape="_x0000_s1094"> <div v:shape="_x0000_s1090"> гипотезы усвоение вывод

заключения

рис.2 Схема работы ЭС.

1.3. Отличительные особенности. Экспертныесистемы первого и второго поколения.

1. Экспертиза может проводиться только в одной конкретной области. Так,программа, предназначенная для определения кон-

фигурациисистем ЭВМ, не может ставить медицинские диагнозы.

2. База знаний и механизм вывода являютсяразличными компонентами. Действительно, часто оказывается возможным сочетатьмеханизм вывода с другими базами знаний для создания новых ЭС. Например,программа анализа инфекции в крови может быть применена в пульманологии путемзамены базы знаний, используемой с тем же самым механизмом вывода.

3. Наиболее подходящая область применения- решение задач дедуктивнымметодом. Например, правила или эвристики выражаются в виде пар посылок изаключений типа “если-то”.

4. Эти системы могут объяснять ход решениязадачи понятным пользователю способом. Обычно мы не принимаем ответ эксперта,если на вопрос “Почему ?” не можем получить логичный ответ. Точно так же мыдолжны иметь возможность спросить систему, основанную на знаниях, как былополучено конкретное заключение.

5. Выходные результаты являются качественными (а не количественными).

6. Системы, основанные на знаниях, строятсяпо модульному принципу, что позволяет постепенно наращивать их базы знаний.

Компьютерные системы, которые могут лишьповторить логический вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуальносложную задачу, явно недостаточно возможностей системы, которая лишь имитируетдеятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощникаи советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасыватьгипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания,контролировать их непротиворечивость, делать заключения на основе прецедентови, может быть, даже порождать решение новых, ранее не рассматривавшихся задач.Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10лет назад. Экспертные системы, относящиеся ко второму поколению, называютпартнерскими, или усилителями интеллектуальных способностей человека. Их общимиотличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

В экспертных системах первого поколения знания представлены следующимобразом:

1) знаниямисистемы являются только знания эксперта, опыт накопления знаний не предусматривается.

2) методыпредставления знаний позволяли описывать лишь статические предметные области.

3) моделипредставления знаний ориентированы на простые области.

Представление знаний в экспертных системахвторого поколения следующее:

1)используются не поверхностные знания, а более глубинные. Возможно дополнениепредметной области.

2) ЭС можетрешать задачи динамической базы данных предметной области.

1.4. Области применения экспертных систем.

Области применения систем, основанных назнаниях, могут быть сгруппированы в несколько основных классов: медицинскаядиагностика, контроль и управление, диагностика неисправностей в механических иэлектрических устройствах, обучение.

а) Медицинская диагностика.

Диагностические системы используются дляустановления связи между нарушениями деятельности организма и их возможнымипричинами. Наиболее известна диагностическая система MYCIN, которая предназначенадля диагностики и наблюдения за состоянием больного при менингите и бактериальныхинфекциях. Ее первая версия была разработана в Стенфордском университете всередине 70-х годов. В настоящее время эта система ставит диагноз на уровневрача-специалиста. Она имеет расширенную базу знаний, благодаря чему можетприменяться и в других областях медицины.

б) Прогнозирование.

Прогнозирующие системы предсказываютвозможные результаты или события на основе данных о текущем состоянии объекта.Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктурурынка и с помощью статистических методов алгоритмов разработать для вас планкапиталовложений на перспективу. Она не относится к числу систем, основанных назнаниях, поскольку использует процедуры и алгоритмы традиционногопрограммирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своейинформации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующиесистемы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров.Даже на персональном компьютере, установив простую систему, основанную назнаниях, вы можете получить местный прогноз погоды.

в) Планирование.

Планирующие системы предназначены длядостижения конкретных целей при решении задач с большим числом переменных.Дамасская фирма Informat впервые в торговой практике предоставляет враспоряжении покупателей 13 рабочих станций, установленных в холле своегоофиса, на которых проводятся бесплатные 15-минутные консультации с целью помочьпокупателям выбрать компьютер, в наибольшей степени отвечающий их потребностями бюджету. Кроме того, компания Boeingприменяет ЭС для проектирования космических станций, а также для выявленияпричин отказов самолетных двигателей и ремонта вертолетов. Экспертнаясистема XCON, созданная фирмой DEC,служит для определения или изменения конфигурации компьютерных систем типа VAXи в соответствии с требованиями покупателя. Фирма DEC разрабатывает болеемощную систему XSEL, включающую базу знаний системы XCON, с целью оказанияпомощи покупателям при выборе вычислительных систем с нужной конфигурацией. Вотличие от XCON система XSEL является интерактивной.

г) Интерпретация.

Интерпретирующие системы обладают способностьюполучать определенные заключения на основе результатов наблюдения. СистемаPROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяетзнания девяти экспертов. Используя сочетания девяти методов экспертизы, системеудалось обнаружить залежи руды стоимостью в миллион долларов, причем наличиеэтих залежей не предполагал ни один из девяти экспертов. Другаяинтерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судовв тихом океане по данным акустических систем слежения.

д) Контроль и управление.

Системы, основанные на знаниях, могутприменятся в качестве интеллектуальных систем контроля и принимать решения,анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях,управляют воздушным движением и осуществляют медицинский контроль. Они могутбыть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений вкритических ситуациях.

е) Диагностика неисправностей вмеханических и электрических устройствах.

В этой сфере системы, основанные на знаниях,незаменимы как при ремонте механических и электрических машин (автомобилей,дизельных локомотивов и т.д.), так и приустранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.

ж) Обучение.

Системы, основанные на знаниях, могутвходить составной частью в компьютерные системы обучения. Система получаетинформацию о деятельности некоторого объекта (например, студента) и анализируетего поведение. База знаний изменяется в соответствии с поведением объекта.Примером этого обучения может служить компьютерная игра, сложность которой увеличиваетсяпо мере возрастания степени квалификации играющего. Одной из наиболееинтересных обучающих ЭС является разработанная Д.Ленатом система EURISCO, которая использует простыеэвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая боевыедействия. Суть игры состоит в том, чтобы определить состав флотилии, способнойнанести поражение в условиях неизменяемого множества правил. Система EURISCOвключила в состав флотилиинебольшие, способные провести быструю атакукорабли и одно очень маленькоескоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, чтов стремлении воспрепятствовать этомуправила игры меняли каждый год.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременнок нескольким типам. Например, обучающая система может также обладать знаниями,позволяющими выполнять диагностику и планирование. Она определяет способностиобучаемого по основным направлениям курса, а затем с учетом полученных данныхсоставляет учебный план. Управляющая система может применяться для целей контроля,диагностики, прогнозирования и планирования. Система, обеспечивающая сохранностьжилища, может следить за окружающей обстановкой, распознавать происходящие события(например, открылось окно), выдавать прогноз (вор-взломщик намереваетсяпроникнуть в дом) и составлять план действий (вызвать полицию).

1.5. Критерий использования ЭС для решениязадач.

Существует ряд прикладных задач, которыерешаются с помощью систем, основанных на знаниях, более успешно, чем любымидругими средствами. При определении целесообразности применения таких системнужно руководствоваться следующими критериями.

1. Данные изнания надежны и не меняются со временем.

2.Пространство возможных решений относительно невелико.

3. Впроцессе решения задачи должны использоваться формальные рассуждения. Существуютсистемы, основанные на знаниях, пока еще не пригодные для решения задач методамипроведения аналогий или абстрагирования (человеческий мозг справляется с этимлучше). В свою очередь традиционные компьютерные программы оказываются эффективнеесистем, основанных на знаниях, в тех случаях, когда решение задачи связано сприменением процедурного анализа. Системы, основанные на знаниях, болееподходят для решения задач, где требуются формальные рассуждения.

4. Долженбыть по крайней мере один эксперт, который способен явно сформулировать своизнания и объяснить свои методы применения этих знаний для решения задач.

В таблице один приведены сравнительныесвойства прикладных задач, по наличию которых можно судить о целесообразностииспользования для их решения ЭС.

Таблица 1.Критерий применимости ЭС.

применимы

неприменимы

Не могут быть построены строгие алгоритмы или процедуры, но существуют эвристические методы решения.

Имеются эффективные алгоритмические методы.

Есть эксперты, которые способны решить задачу.

Отсутствуют эксперты или их число недостаточно.

По своему характеру задачи относятся к области диагностики, интерпретации или прогнозирования.

Задачи носят вычислительный характер.

Доступные данные “зашумленны”.

Известны точные факты и строгие процедуры.

Задачи решаются методом формальных рассуждений.

Задачи решаются прецедурными методами, с помощью аналогии или интуитивно.

Знания статичны (неизменны).

Знания динамичны (меняются со временем).

В целом ЭС не рекомендуется применять длярешения следующих типов задач:

— математических, решаемых обычным путем формальных преобразований и процедурногоанализа;

— задачраспознавания, поскольку в общем случае они решаются численными методами;

— задач,знания о методах решения которых отсутствуют (невозможно построить базузнаний).

1.6. Ограничения в применение экспертных систем…

Даже лучшие из существующих ЭС, которыеэффективно функционируют как на больших, так и на мини-ЭВМ, имеют определенныеограничения по сравнению с человеком-экспертом.

1.Большинство ЭС не вполне пригодны для применения конечным пользователем. Есливы не имеете некоторого опыта работы с такими системами, то у вас могутвозникнуть серьезные трудности. Многие системы оказываются доступными толькотем экспертам, которые создавали из базы знаний.

2.Вопросно-ответный режим, обычно принятый в таких системах, замедляет получениерешений. Например, без системы MYCIN врач может (а часто и должен) принятьрешение значительно быстрее, чем с ее помощью.

3. Навыкисистемы не возрастают после сеанса экспертизы.

4. Все ещеостается проблемой приведение знаний, полученных от эксперта, к виду, обеспечивающемуих эффективную машинную реализацию.

5. ЭС не способны обучаться, не обладают здравымсмыслом. Домашние кошки способны обучаться даже без специальной дрессировки, ребенокв состоянии легко уяснить, что он станет мокрым, если опрокинет на себя стаканс водой, однако если начать выливать кофе на клавиатуру компьютера, у него нехватит “ума” отодвинуть ее.

6. ЭСнеприменимы в больших предметных областях. Их использование ограничиваетсяпредметными областями, в которых эксперт может принять решение за время отнескольких минут до нескольких часов.

7. В техобластях, где отсутствуют эксперты (например, в астрологии), применение ЭСоказывается невозможным.

8. Имеетсмысл привлекать ЭС только для решения когнитивных задач. Теннис, езда навелосипеде не могут являться предметной областью для ЭС, однако такие системыможно использовать при формировании футбольных команд.

9.Человек-эксперт при решении задач обычно обращается к своей интуиции или здравомусмыслу, если отсутствуют формальные методы решения или аналоги таких задач.

Системы, основанные на знаниях, оказываютсянеэффективными при необходимости проведения скрупулезного анализа, когда число“решений” зависит от тысяч различных возможностей и многих переменных, которыеизменяются во времени. В таких случаях лучше использовать базы данных синтерфейсом на естественном языке.

1.7. Преимущества ЭС перед человеком — экспертом.

Системы, основанные на знаниях, имеютопределенные преимущества перед человеком-экспертом.

1. У нихнет предубеждений.

2. Они неделают поспешных выводов.

3. Этисистемы работают систематизировано, рассматривая все детали, часто выбираянаилучшую альтернативу из всех возможных.

4. Базазнаний может быть очень и очень большой. Будучи введены в машину один раз,знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и еслиданные долгое время не используются, то они забываются и навсегда теряются.

5. Системы,основанные на знаниях, устойчивы к “помехам”. Эксперт пользуется побочнымизнаниями и легко поддается влиянию внешних факторов, которые непосредственно несвязаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, посвоей природе менее подвержены “шумам”. Со временем системы, основанные на знаниях,могут рассматриваться пользователями как разновидность тиражирования- новыйспособ записи и распространения знаний. Подобно другим видам компьютерных программони не могут заменить человека в решении задач, а скорее напоминают орудиятруда, которые дают ему возможность решат задачи быстрее и эффективнее.

6. Эти системыне заменяют специалиста, а являются инструментом в его руках.

1.8. История развития экспертных систем.

1.8.1. Основныелинии развитияЭС.

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 ихможно разделить на несколько семейств.

1. META-DENDRAL.Система DENDRALпозволяет определить наиболеевероятную структуру химического соединения по экспериментальным данным (масс-спектрографии,даннымядерном магнитного резонанса и др.).M-D автоматизирует процесс приобретения знаний для DENDRAL.Она генерирует правила построенияфрагментов химических структур.

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

3. PROSPECTOR-KAS.PROSPECTOR — предназначена для поиска (предсказания) месторождений наоснове геологических анализов.KAS — система приобретениязнаний для PROSPECTOR.

4. CASNET-EXPERT. Система CASNET — медицинская ЭС для диагностики выдачи рекомендаций полечению глазных заболеваний.На ееоснове разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностическихсистем.

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE.Первые двесистемы этого ряда являются развитием интеллектуальной системы распознаванияслитной человеческой речи,словакоторой берутся из заданного словаря. Эти системы отличаются оригинальнойструктурой, основанной на использовании доски объявлений- глобальной базыданных, содержащей текущие результаты работы системы. В дальнейшем на основеэтих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt toGeneralize- 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 эффективностьлюбой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобысистема была способна к обучению, в нее должно быть введено около миллионасведений общего характера. Это примерно соответствует объему информации, какимрасполагает четырехлетний ребенок со средними способностями. Ленат также считает,что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведетк тупику.

В систему AM первоначально было заложенооколо 100 правил вывода и более 200 эвристических алгоритмов обучения,позволяющих строить произвольные математические теории и представления. Сначаларезультаты работы системы были весьма многообещающими. Она могла сформулироватьпонятия натурального ряда и простых чисел. Кроме того, она синтезировалавариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можнопредставить в виде суммы двух простых чисел. До сих пор не удалось ни найтидоказательства данной гипотезы, ни опровергнуть ее. Дальнейшее развитие системызамедлилось и было отмечено, что несмотря на проявленные на первых порах“математические способности”, система не может синтезировать новых эвристическихправил, т.е. ее возможности определяются только теми эвристиками, что были внее изначально заложены.

При разработке системы EURISCO былапредпринята попытка преодолеть указанные недостатки системы AM. Как и в началеэксплуатации AM, первые результаты, полученные с помощью EURISCO, былиэффективными. Сообщалось, что система EURISCO может успешно участвовать в оченьсложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ США,была разработана стратегия, содержащая ряд оригинальных тактических ходов.Согласно одному из них, например предлагалось взрывать свои корабли, получившиеповреждения. При этом корабли, оставшиеся неповрежденными, получает необходимоепространство для выполнения маневра.

Однако через некоторое время обнаружилось,что система не всегда корректно переопределяет первоначально заложенные в нееправила. Так, например, она стала нарушать строгое предписание обращаться к программистам с вопросами только в определенноевремя суток. Т.о., система EURISCO, так же как и ее предшественница, остановиласьв своем развитии, достигнув предела, определенного в конечном счете ее разработчиком.

С 1990 года доктор Ленат во главеисследовательской группы занят кодированием и вводом нескольких сот тысячэлементов знаний, необходимых, по его мнению, для создания “интеллекту-

альной”системы. Этот проект назван Cyc (“Цик”, от английского слова enciklopaedia).

1.8.2. Проблемы, возникающие при созданииЭС. Перспективы разработки.

С 70-х годов ЭС стали ведущим направлениемв области искусственного интеллекта. При их разработке нашли применение методыИИ, 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 коммерческийэффект от примения таких мощных методов. В этом — их особая роль.

Каталог ЭС и инструментальных программных средств для их разработки, опубликованныйв США в 1987 году, содержит более 1000 систем (сейчас их уже значительнобольше). В развитых зарубежных странах сотни фирм занимаются их разработкой ивнедрением. Имеются и отечественные разработки ЭС, в том числе — нашедшийпромышленное применение.

Однако уже на начальных этапах выявилисьсерьезные принципиальные трудности, препятствующие более широкому распространению ЭС и серьезно замедляющиеи осложняющие их разработку. Они вполне естественных и вытекают из самихпринципов разработки ЭС.

Первая трудность возникает в связи спостановкой задач. Большинст

еще рефераты

Еще работы по программированию, базе данных

Реферат по программированию, базе данных

Программа – резидент переключателя альтернативной кодировки (русификатор)

29 Августа 2013

Реферат по программированию, базе данных

Разработка программы на языке LISP для построения кривых Серпинского i-го порядка

29 Августа 2013

Реферат по программированию, базе данных

Программирование на С

29 Августа 2013

Реферат по программированию, базе данных

Форматы баз данных в автоматизированных библиографических системах

29 Августа 2013