Поле зображення використовується, щоб додати мультімедіа в базу та конкретизувати діалог. Рисунок може бути вказаний за ім’ям від бази рисунків даних в qoutes або parametername. Значення параметра має бути ідентичним імені в базі рисунків. «SF 2» завжди починає роботу від стартової секції.
Експертна система «SF 2»
— це програмна оболонка, яка зберігає введені теоретичні та практичні знання висококваліфікованих фахівців у конкретній ПРГ та здатна надавати рекомендації з проблем у цій сфері з високим ступенем надійності.
У зв’язку з тим, що БЗ виокремлюється від програмних керівних структур нижчого рівня, експерти системи можуть зосередитися на нагромадженні та організації знань, а не на деталях їх комп’ютерної реалізації. Це дає можливість представити знання більш природним чином.
Водночас треба зазначити, що експертна система обмежена певною сферою експертизи.
Переваги та недоліки продукційних моделей
Перевагами продукційних моделей є:
Отже, у ПСШІ під терміном «системи продукцій «розуміють, з одного боку, засіб подання знань. У цьому сенсійого можна віднести до класу нелогічних прикладних числень і досліджувати його властивості. З iншого боку, цей термін характеризує також і конкретний стиль програмування, що принципово відрізняється від традиційного та володіє, порівняно з останнім, низкою істотних переваг, серед яких основними є такі:
• модульність організації знань у вигляді продукційних правил;
• універсальність методу програмування, що забезпечує можливість створення різноманіття різних проблемно-орієнтованих сис-
слова, текст, що міститься в полі пояснення показується на екрані. Якщо ніяке пояснення не визначене, пояснююча кнопка буде блокована. «SF 2» автоматично не додає знак запитання, тож текст безпосередньо має містити його. Якщо параметр використовується як частина тексту запитання, то значення того параметра буде встановлено перед тим, як запитання буде сформульоване.
• природна модульність організацій знань у системах продукцій: кожна продукція є закінченим фрагментом знань ПРГ, уся множина продукцій може структуруватися розбиттям на підмножини, об’єднуючі продукції, які належать до однакових компонентів знань;
• значною мірою ця модульність забезпечується незалежністю кожної продукції від вмісту інших продукцій, обмеженістю фрагмента знань, що представляється кожною продукцією, його функціональною локальністю в загальному обсязі інформації про ПРГ. Продукції не взаємодіють одна з одною, ефект застосування кожної з них визначається змінами, які вона проводить в оброблюваній структурі. Це забезпечує легкість і природність специфікації знань, простоту їх модифікації і розширення;
• властива системам продукцій декларативність дозволяє описувати за їх допомогою ПРГ, а не відповідні процедури обробки;
• асинхронність, недетермінованість і природна паралельність систем продукцій робить їх вельми перспективними для реалізації на паралельних ЕОМ, точніше, для розроблення обчислювальних систем, розрахованих на продукційні програми;
• незалежність правил, що виражають самостійні фрагменти знань про ПРГ. Важливий аспект у моделюванні продукційних систем — це відсутність синтаксичної взаємодії між продукційними правилами. Правила можуть тільки впливати на активізацію інших правил, змінюючи зразок у робочій пам’яті. Правила не можуть «викликати» інше правило безпосередньо. При цьому вони не можуть установлювати значення змінних в інших продукційних правилах. Діапазон дії змінних цих правил обмежений окремим правилом. Ця синтаксична незалежність сприяє незалежному розробленню експертних систем шляхом послідовного додавання, видалення або зміни знань (правил) системи;
• простота створення і розуміння окремих правил;
• легкість і природність модифікації знань;
• відокремлення керуючих знань, забезпечуваних циклом «розпізнання — дія» продукційної системи, від предметних знань, зосереджених безпосередньо в правилах, що дозволяє застосовувати різні керуючі стратегії і легко змінювати БЗ, а також не потребує зміни коду програми керування і, навпаки, дозволяє змінювати код керуючої частини програми, не торкаючи набір правил виведення;
тем продукцій, що розрізняються засобами подання правил і оброблюваних структур;
• природний паралелізм у системі продукцій, асинхронність їх реалізації, що роблять продукційні системи зручною моделлю обчислень для ЕОМ нової архітектури, у якій ідея паралельності й асинхронності є центральною;
• простота механізму логічного виведення;
• гнучкість у застосуванні знань;
• природна відповідність пошуку в просторі станів: компоненти продукційної системи природно відображаються в логічну структуру пошуку в просторі станів. Послідовні стани робочої пам’яті становлять вершини графа простору станів. Правила виведення — набір можливих переходів між станами. Розв’язання конфліктів забезпечує вибір переходу (гілки) у просторі станів. Ці правила спрощують виконання, налагодження і документування методів пошуку.
Недоліками продукційних моделей є:
• складність оцінки цілісного образу знань; украй низька ефективність обробки; відмінність від людської структури знань; складність перевірки несуперечності системи продукцій за великого числа продукцій, що змушує при додаванні нових продукцій витрачати багато часу на перевірку несуперечності нової системи; недетермінованість (неоднозначність вибору виконуваної продукції з фронту активізованих продукцій), що обумовлює принципові труднощі під час перевірки коректності роботи системи (вважається, що коли в інтелектуальній системі число продукцій досягає тисячі, то мало шансів, що система продукцій у всіх випадках буде правильно функціонувати);
• відносно низька ефективність порівняно з традиційними методами програмування. Проте цей розрив у ефективності швидко скорочується за рахунок підвищення рівня традиційних засобів програмування (і відповідного зниження «норми ефективності»)
— з одного боку, та прогресом робіт з розвитку структури самих систем продукцій і оптимізації відповідних базових процесів — з іншого. Крім того, за сучасної потужності рядової ЕОМ для багатьох додатків ця відмінність в ефективності перестає бути значущою;
• складність або навіть неможливість контролю правильності систем продукцій методом уявної або реальної прокрутки відповідного обчислювального процесу, що характерне для всіх недетермінованих систем. У цього недоліку є свій позитивний аспект, оскільки така властивість систем продукцій нав’язує програмісту дисципліну, за якої контроль програми здійснюється тільки на найвищому рівні — рівні подання знань.
Останніми роками вивчення можливостей систем продукцій проводиться за кількома основними напрямами. З одного боку, це дослідження загальних принципів і теорії, спрямоване на подальший розвиток архітектури і потужності систем, в основі яких лежать системи продукцій, з другого — розроблення конкретних систем штучного інтелекту, систем продукцій, що є спеціалізованими програмними реалізаціями. Усе це дозволяє сформулювати три основні напрями досліджень систем продукцій, так чи інакше присутніх у більшості проектів, які присвячені цій тематиці: теоретичні, технологічні та прикладні.
Що стосується програмної реалізації систем продукцій, то не ставиться завдання зробити повний огляд існуючих систем. Нині існує велика кількість джерел, у яких детально описано як широко відомі системи продукцій типу MYCIN, PROSPECTOR, HEARSAY, так і менш відомі, але досить цікаві як з погляду технології, так і з погляду подання знань.
Терміни та поняття до теми
Контекст — це математична структура, відповідна зразку, якому додатково додана мета висновку. При цьому мета висновку може також задаватися у вигляді зразка — мети.
Виокремлюють такі стратегії розв’язання конфліктів правил:
Розмаїтість; Новизна правил; Старовина правил; Стратегія глибини; Стратегія ширини; Стратегія складності; Стратегія простоти; LEX-стратегія; МЕА-стратегія; Принцип «стосу книг»; Принцип метапродукцій; Керування за іменами; Упорядкування на основі цілей; Принцип пріоритетного вибору; Модель дошки оголошень.
Система підтримки прийняття рішень «Super Finance 2» («SF 2») представляє собою програмну оболонку загального користування, що призначена для проведення консультацій користувача в спроектованій базі знань.
Питання для самоконтролю
• Як експертна система імітує поведінку експерта в деякій ПРГ?
• Які засоби має «SF 2», щоб написати правила, котрі становитимуть БЗ?
• Який параметр «SF 2» може набути значення в одному зі способів?
• Інтерпретатор системи «SF 2» — це модуль з багаторівневим лінгвістичним процесором, який складається з лексичного
• Чи має модель бази знань в «SF 2» структуру у вигляді дерева-графа?
• Система «SF 2» автоматично рисує граф бази знань та дозволяє підключати бази різних форматів?
• Структура бази знань задається у вигляді направленого графа, вузли якого — модулі обробки даних, а ребра задають напрям і послідовність пошуку відповіді?
Завдання для індивідуальної роботи, обов’язкові та додаткові практичні завдання
1. Поясніть, які основні завдання покладаються на машину висновку?
2. Чому у системах діагностики частіше застосовується прямий висновок, тоді як в системах планування ефективніший — зворотний?
3. Поясніть в якому режимі працює машина логічного виведення та цикл «вибрання — виконання», цикл «ситуація — відгук», цикл «ситуація — дія».
4. Приведіть приклади стратегії вирішення конфліктів правил.
5. Для яких випадків стратегія МЕА поєднує в одному методі аналіз таких показників, як повторюваність, новизна і специфіка?
6. Розробіть архітектуру дошки оголошень ПРГ.
7. Опишить приклад бази знань, яка містить факти або твердження та правила.
Література для поглибленого вивчення матеріалу
1. Люгер Дж. Ф. Искусственный интеллект. — М. : Вильямс, 2005.
— 864 с.
2. Інформаційні системи в економіці : монографія / под ред. Устенко С. В. — К. : КНЕУ, 2011. — 424 с.
3. Іванченко Г. Ф. Системи штучного інтелекту : навч. посіб. — К. : КНЕУ, 2011. — 382 с.
