Человеческий фактор. Том 3. Часть 1 - Сальвенди Г.
ISBN 5-03-001815-8
Скачать (прямая ссылка):
В качестве иллюстрации использования одного из таких методов вероятностных рассуждений рассмотрим конкретную экспертную систему MYCIN. В этой системе каждому продукционному правилу приписан некоторый «коэффициент уверенности» (КУ), заключенный в диапазонеот —1 до-)-1, где +1 означает полную уверенность в истинности правила, а—1 — абсолютную уверенность в его ложности. Значение КУ вычисляется на ос-
Экспертные системы
167
нове «меры доверия» (МД) и соответствующей «меры неверия» (МН). Значение некоторой гипотезы ft при наличии свидетельства е в ее пользу пропорционально уменьшению неверия в эту гипотезу и может быть выражено через соответствующие вероятности следующим образом:
МДГЙ с] т^[р We), р (h)] —Р (h)
max [1, 0] — Р (Л)
Аналогично для меры неверия имеем МЫ [ft, =
min 11, 0] -я (А)
Любое конкретное свидетельство либо увеличивает вероятность гипотезы ft, и тогда МД [ft, е]>0 и МН [ft, е]=0, либо уменьшает эту вероятность, и тогда МР [ft, е]>0 и МД[/г,е]=* = 0, Наконец, КУ вычисляется по следующей формуле:
КУ [К е] = МД [ft, е] - МН [ft, е].
В работах Шортлифа и Бьюкенена [109] подробно обсуждаются приложения вероятностных рассуждений к ряду проблем медицинской диагностики. При этом возникает трудность на стадии начальной кодировки знаний, когда проектировщикам приходится приписывать конкретные числовые значения таким высказываниям врачей, как «в большинстве случаев» или «если и встречается, то редко». Это привносит некоторую долю субъективности, однако в целом указанный метод был найден удовлетворительным во всех системах, где он применялся.
Другие методы
Здесь мы без обсуждения упомянем ряд других методов борьбы с неопределенностью, указав литературу для последующего изучения.
Прежде всего — это нечеткая логика, основанная на теории нечетких множеств, которая дает возможность представления нечетких, т. е. обладающих непрерывным спектром значений, характеристик и свойств объектов. Хорошее изложение теории нечетких множеств и библиографию можно найти в работах Заде [134—136] и Кауфмана [67].
Недавно были разработаны два новых метода преодоления трудностей реализации немонотонных рассуждений в системах, основанных на знаниях: теория доказательств Демпстера — Шейфера и концепция пространства убеждений. Страт [120] применил теорию Демпстера — Шейфера к доказательным рассуждениям.
168 Глава 3
3 3.4. Управляющая подсистема
Управляющая подсистема — это, попросту говоря, программа, содержащая процедуры принятия решений о том, каким образом следует использовать проблемно-ориентированные сведения, хранящиеся в базе знаний экспертной системы. Эффективность любой экспертной системы основана именно на отделении проблемно-ориентированной информации от процедур манипулирования ею. Управляющую подсистему ЭС иначе называют машиной логического вывода; ниже будут кратко упомянуты основные подходы к методам решения задач, используемым в рамках этой подсистемы. Подробное обсуждение этих методов можно найти в работах [64, 87, 101, 131].
При подходе, основанном на концепции пространства состояний, задача сначала представляется в виде графа, дерева или массива. И далее осуществляется поиск в соответствующей структуре посредством применения правил и операторов. В узлах графа и дерева хранятся различные описания задачи (состояния); применяя операторы, можно преобразовывать одни состояния в другие. Этот подход подробно обсуждался в гл 2. Существуют две основные разновидности поиска: слепой и эвристический. Слепой поиск используется преимущественно в системах искусственного интеллекта. Он полезен тем, что создает основу для разработки алгоритмов эвристического поиска. Эвристический поиск позволяет избежать «комбинаторного взрыва» и поэтому часто применяется в экспертных системах. Алгоритмы А* и АО* [89] гарантируют, что лучшее решение всегда будет найдено, причем по возможности с минимальными затратами. Мы не собираемся подробно обсуждать эти алгоритмы; отметим только, что в экспертных системах часто предпочитают пользоваться методами эвристического, а не слепого! поиска
Из других методов, использующих эвристики для более эффективного решения задач, упомянем абстрагирование пространства решений и метод порождения и проверки гипотез. Абстрагирование пространства решений (т. е. его иерархическое структурирование на разных уровнях абстракции) уменьшает время поиска, потому что в зависимости от задачи поиск происходит на разных уровнях абстрактного представления. Это избавляет от необходимости вести поиск по всему пространству решений. В поиске методом порождения и проверки гипотез участвуют два абстрактных механизма: генератор возможных решении и блок проверок, который отсеивает решения, не удовлетворяющие заданным ограничениям. Чтобы повысить эффективность этого метода, вводятся дополнительные ограничения эвристического характера. Отбираются лишь те решения,
Экспертные системы
169
которые не нарушают этих предустановленных ограничений. Генератор решений называется полным и неизбыточным, если каждое решение, удовлетворяющее дополнительным ограничениям, будет порождено один и только один раз. Блок проверок следит за соблюдением остальных ограничений и призводит добавочный отсев решений.
