Инструментальные средства построения ЭС.

Структура экспертных систем.

Экспертные системы

Компьютерные технологии разработки долгосрочных прогнозов социальных процессов

Виды компьютерных технологий разработки долгосрочных прогнозов социальных процессов:

- автоматизированные информационные системы (EIS — executive information system);

- системы поддержки решений (DSS — decision support system);

- системы поддержки руководства (ESS – Executive Support System);

- геоинформационные системы (ГИС);

- экспертные системы (ES — expert system);

- cтатистический анализ социальных процессов;

- методы моделирования социальных процессов.

Экспертные системы являются одним из направлений искусственного интеллекта. Искусственный интеллект— область науки и техники, связанная с компьютерным моделированием и изучением интеллектуального поведения, а также с созданием устройств, которые обладают таким поведением. Вскоре после признания искусственного интеллекта самостоятельной отраслью науки произошло разделение на два основных направления: нейрокибернетику и кибернетику «черного ящика».

Существует много моделей или языков представлений знаний, которые используются в искусственном интеллекте и при построении экспертных систем:

- Продукционные– модели, представляющие знания в виде предложений типа: Если (условие), то (действиеПри использовании продукционной модели база знаний состоит из набора правил.

- Семантические сети– это ориентированный граф, вершины которого – понятия, а дуги – отношения между ними. Понятиями обычно выступают абстрактные или конкретные объекты, а отношениями связи типа: «это», «имеет частью», «принадлежит», «любит».

- Фреймы. Фреймом называется формализованная модель для отображения образа.

- Формальные логические модели.Основаны на классическом исчислении предикатов 1 порядка, когда предметная область или задача описывается в виде набора аксиом.

Экспертные системы (ЭС, ES)- это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях н тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.

Типичная статическая ЭС состоит из следующих основных компонентов:

- решателя (интерпретатора);

- рабочей памяти (РП), называемой также базой данных (БД);

- базы знаний (БЗ);

- компонентов приобретения знаний;

- объяснительного компонента;

- диалогового компонента.

Традиционные языки программирования. Входят традиционные языки программирования(С, С++, BASIC, SmallTalk), ориентированные в основном на численные алгоритмы и слабо подходящие для работы с символьными и логическими данными. Поэтому создание систем искусственного интеллекта на основе этих языков требует большой работы программистов. Однако большим достоинством этих языков является высокая эффективность, связанная с их близостью к традиционной машинной архитектуре. Кроме того, использование традиционных ЯП позволяет включать интеллектуальные подсистемы (например, интегрированные ЭС) в крупные программные комплексы общего назначения. Среди традиционных языков наиболее удобными считаются объектно-ориентированные (SmallTalk, C++).

Языки искусcтвенного интеллекта. Это ЛИСП и ПРОЛОГ. В России – РЕФАЛ. Универсальность этих языков меньшая, нежели традиционных языков, но ее потерю языки ИИ компенсируют богатыми возможностями по работе с символьными и логическими данными, что крайне важно для задач искусственного интеллекта. На основе языков искуственного интеллекта создаются специализированные компьютеры, предназначенные для решения задач искусственного интеллекта. Недостаток этих языков – неприменимость для создания гибридных ЭС.

Специальный программный инструментарий. Входят библиотеки и надстройки над языком искусственного интеллекта ЛИСП: КЕЕ, FRL, KRL и др., позволяющие пользователям работать с заготовками ЭС на более высоком уровне, нежели это возможно в обычных языках ИИ.

Программы - оболочки. Под оболочками понимаются «пустые» версии существующих ЭС, т.е. готовые ЭС без базы знаний. Достоинство оболочек в том, что они вообще не требуют работу программистов для создания готовой ЭС. Однако, если некоторая предметная область плохо укладывается в модель, используемую в некоторой оболочке, заполнить базу знаний в этом случае весьма не просто.