Искусственный интеллект: как создать свою экспертную систему?. Никита Борисович Культин

как экспертную систему. Он обладает знаниями в предметной области (мода) и, на основе полученной от вас информации о текущей ситуации, может предложить вам разумное решение проблемы.

      Рис. 1. Диалог с экспертом

      Теперь, если вы каким-либо образом сможете “извлечь знания из эксперта”, понять, как эксперт принимает решения, формализовать знания и процесс принятия решений, то вы сможете создать экспертную систему, которая заменит реального человека-эксперта, и в дальнейшем, чтобы получить совет, вы будете обращаться не к эксперту, а к экспертной системе (рис. 2).

      Рис. 2. Диалог с экспертной системой

      Архитектура экспертной системы

      Архитектура экспертной системы, в которой знания представлены совокупностью правил логического вывода, показана на рис. 3.

      Рис. 3. Архитектура экспертной системы на правилах (МВ – механизм или "машина" выводв; ИР – интерфейс разработчика; ОС – объясняющая система; ИП – интерфейс пользователя)

      В простейшем случае экспертная система может состоять из базы знаний, механизма вывода и интерфейса разработчика-пользователя (рис. 4).

      Рис. 4. Минимальная архитектура экспертной системы

      (ИР – интерфейс разработчика; МВ – "машина" вывода)

База знаний

      Основой экспертной системы является база знаний о предметной области. База знаний (БЗ) содержит знания – информацию об объектах предметной области.

      В экспертных системах для представления знаний используют:

      – семантические сети

      – фреймы

      – правила логического вывода

      Семантические сети и фреймы используют в системах, предназначенных для решения исследовательских задач в области искусственного интеллекта. Рассмотрение этих способов представления знаний выходит за рамки этой книги.

      Правила логического вывода в общем случае представляют собой выражения вида

      ЕСЛИ условие ТО заключение

      Правила логического вывода отражают ход рассуждений человека-эксперта и позволяют наиболее естественно и понятно описать процесс принятия решений.

      Например, на естественном языке правила выбора галстука можно записать так:

      If jacket is blazer and shirt is white classic then tie is narrow

      If jacket is sport coat and shirt is striped then no tie

      В базе знаний экспертной системы эти правила выглядят так:

      rule(1)

      jacket = blazer

      shirt = white_classic

      then

      tie=narrow;

      rule(2)

      jacket = sport_coat

      shirt = striped

      then

      tie = no;

      Факты базы знаний представляю собой утверждения вида

      Объект = Значение, cf=к

      Факты в базе знаний появляются в процессе консультации как результат ответов пользователя на вопросы экспертной системы, а также как результат согласования фактов с правилами.

      Например, если на вопрос экспертной системы Shirt? пользователь введет white_classic, то в базу знаний будет добавлен факт

      shirt=white_classic,