Analytiska applikationer. Klasser av expertsystem Grunden för alla intelligenta expertsystem är

Expertsystem- detta är ett artificiellt intelligenssystem byggt på grundval av djup specialkunskap om ett visst ämnesområde (erhållen från experter inom detta område). Expertsystem är en av få typer av artificiell intelligenssystem som har fått stor spridning och har fått praktisk tillämpning. Det finns expertsystem för militära angelägenheter, geologi, teknik, datavetenskap, rymdteknik, matematik, medicin, meteorologi, industri, jordbruk, management, fysik, kemi, elektronik, juridik, etc. Och bara det faktum att expertsystem förblir mycket komplexa, dyra och, viktigast av allt, mycket specialiserade program, hindrar deras ännu bredare distribution.

Expertsystemteknik är en av riktningarna för ett nytt forskningsområde, som kallas artificiell intelligens (Artificial Intelligence - AI). Forskningen inom detta område är inriktad på utveckling och implementering av datorprogram som kan efterlikna (imitera, reproducera) de områden av mänsklig aktivitet som kräver tänkande, vissa färdigheter och samlad erfarenhet. Dessa inkluderar uppgifter som beslutsfattande, mönsterigenkänning och förståelse av mänskligt språk. Denna teknik har redan använts framgångsrikt inom vissa områden av teknik och samhälle - organisk kemi, mineralutforskning, medicinsk diagnostik. Listan över typiska uppgifter som löses av expertsystem inkluderar:

• extrahera information från rådata (såsom ekolodssignaler);
• diagnostik av funktionsfel (både i tekniska system och i människokroppen);
• strukturell analys av komplexa föremål (till exempel kemiska föreningar);
• konfigurationsval av komplexa flerkomponentsystem (till exempel distribuerade datorsystem);
• planera sekvensen av operationer som leder till ett givet mål (till exempel de som utförs av industrirobotar).

Funktioner hos expertsystem

• kompetens - inom ett visst ämnesområde bör expertsystemet nå samma nivå som mänskliga specialister; samtidigt bör den använda samma heuristiska tekniker, även djupt och brett spegla ämnesområdet;

• symboliskt resonemang - kunskapen som expertsystemet bygger på representerar den verkliga världens begrepp i symbolisk form, resonemang förekommer också i form av en transformation av symboluppsättningar;

• djup - expertis måste lösa seriösa, icke-triviala uppgifter som kännetecknas av komplexiteten i den kunskap som expertsystemet använder, eller överflöd av information; detta tillåter inte användningen av en fullständig uppräkning av alternativ som en metod för att lösa problemet och tvingar en att ta till heuristiska, kreativa, informella metoder;

• självkännedom – ett expertsystem bör innehålla en mekanism för att förklara hur det kommer till att lösa ett problem.

Expertsystem skapas för att lösa olika typer av problem, men de har en liknande struktur (fig. 8); huvudtyperna av deras aktiviteter kan grupperas i kategorierna i tabellen. 2.

Ris. 1. Schema för ett generaliserat expertsystem

Tabell 1. Typiska kategorier av sätt att använda expertsystem

Funktioner som utförs av expertsystemet

Inte alla kunskapsbaserade system kan betraktas som ett expertsystem. Expertsystemet måste också kunna på något sätt förklara deras beteende och deras beslut till användaren, precis som en mänsklig expert gör. Detta är särskilt nödvändigt inom områden som kännetecknas av osäkerhet, felaktig information (till exempel inom medicinsk diagnostik). I dessa fall behövs förklaringskraft för att öka användarens förtroende för systemets råd, samt för att användaren ska kunna upptäcka en eventuell brist i systemets resonemang. I detta avseende bör expertsystem tillhandahålla vänlig interaktion med användaren, vilket gör systemets resonemangsprocess "transparent" för användaren.

Ofta har expertsystem ett ytterligare krav - förmågan att hantera osäkerhet och ofullständighet. Information om den aktuella uppgiften kan vara ofullständig eller opålitlig; relationer mellan objekt i ämnesområdet kan vara ungefärliga. Det kan till exempel inte finnas fullständig säkerhet om att en patient har ett visst symtom eller att de uppgifter som erhållits under mätningen är korrekta; medicinen kan orsaka en komplikation, även om detta vanligtvis inte händer. I alla dessa fall är det nödvändigt att resonera med ett probabilistiskt tillvägagångssätt.

I det mest allmänna fallet, för att bygga ett expertsystem, måste vi utveckla mekanismer för att utföra följande systemfunktioner:

• lösa problem med hjälp av kunskap om ett specifikt ämnesområde - det kan vara nödvändigt att hantera osäkerhet;
• interaktion med användaren, inklusive en förklaring av systemets avsikter och beslut under och efter slutet av processen för att lösa problemet.

Var och en av dessa funktioner kan vara mycket komplexa och beror på applikationsområdet samt olika praktiska krav. Olika svåra problem kan uppstå under utvecklings- och implementeringsprocessen. Här begränsade vi oss till konturer av huvudidéerna som är föremål för ytterligare detaljer och förbättringar.

Uppbyggnad av expertsystem

Fig.2. Expert systemarkitektur

Klasser av expertsystem

Beroende på graden av komplexitet hos de uppgifter som ska lösas kan expertsystem klassificeras enligt följande:

Expertsystem är indelade i två klasser enligt metoden för beslutsbildning: analytisk Och syntetisk. Analytiska system involverar valet av lösningar från en uppsättning kända alternativ (bestämning av objektens egenskaper), och syntetiska system - generering av okända lösningar (bildandet av objekt).

Enligt metoden för att ta hänsyn till det tidsmässiga attributet kan expertsystem vara statisk eller dynamisk. Statiska system löser problem med data och kunskap oförändrade i processen att lösa, dynamiska system tillåter sådana förändringar. Statiska system utför en monoton oavbruten lösning av problemet från inmatning av initiala data till slutresultatet, dynamiska system ger möjligheten att revidera de tidigare erhållna resultaten och data i processen att lösa.

Beroende på vilken typ av data och kunskap som används klassificeras expertsystem i system med deterministisk (väldefinierad) kunskap Och osäker kunskap. Kunskapens osäkerhet (data) förstås som deras ofullständighet (frånvaro), opålitlighet (mätnoggrannhet), tvetydighet (begreppens oklarhet), luddighet (kvalitativ bedömning istället för kvantitativ).

Beroende på antalet använda kunskapskällor kan expertsystem byggas med använder en eller många kunskapskällor. Kunskapskällor kan vara alternativa (många världar) eller kompletterande (samarbetande).

Den mest kända/vanliga ES

• CLIPS är en mycket populär ES (public domain)
• OpenCyc är ett kraftfullt dynamiskt ES med en global ontologisk modell och stöd för oberoende sammanhang
• WolframAlpha - sökmotor, intelligent "knowledge computing engine"
• MYCIN är det mest välkända diagnostiska systemet som är utformat för att diagnostisera och övervaka patientens tillstånd vid meningit och bakterieinfektioner.
• HASP / SIAP är ett tolkningssystem som bestämmer platsen och typerna av fartyg i Stilla havet från data

akustiska spårningssystem.

Stadier för att designa ett expertsystem

För närvarande har en viss teknik för utveckling av ES utvecklats, som inkluderar följande sex steg:

• knep	Beskrivning
  1. Observation	En ingenjör observerar, utan att störa, hur en expert löser ett verkligt problem
  2. Diskussion av problemet	En ingenjör på en representativ uppsättning uppgifter diskuterar informellt data, kunskap och lösningsprocedurer med en expert
  3. Beskrivning av uppgiften	Expert beskriver problemlösning för typiska frågor
  4. Lösningsanalys	Experten kommenterar resultaten av att lösa problemet och beskriver resonemangets förlopp
  5. Systemkontroll	Experten erbjuder ingenjören en lista över uppgifter att lösa (från enkla till komplexa), som löses av det utvecklade systemet
  6. Systemforskning	Experten undersöker och kritiserar kunskapsbasens struktur och inferensmotorns funktion
  7. Systemutvärdering	Ingenjören bjuder in nya experter för att utvärdera lösningarna i det utvecklade systemet

  Tabell 2

  De två första stegen av att utveckla ett expertsystem utgör ett logiskt steg som inte är förknippat med användningen av ett väldefinierat verktyg. De efterföljande stegen implementeras som en del av det fysiska skapandet av projektet baserat på det valda verktyget. Samtidigt är det vettigt att utföra processen att skapa ett expertsystem, som en komplex mjukvaruprodukt, med metoden för prototypframställning, vars essens är att ständigt öka kunskapsbasen, med början från det logiska skedet.

Ämnesområden behöver expertsystem: medicin, farmakologi, kemi, geologi, ekonomi, juridik, etc., där det mesta av kunskapen ... 1) är en personlig erfarenhet av specialister på hög nivå 2) kan reduceras till ett system av maskininstruktioner och implementerade på dator 3) har redan mottagits och det är möjligt att vägra direkt deltagande av en person och överföra förmågan att fatta beslut till en dator 4) kräver att man hittar optimala indikatorer för en specifik uppgift i en given bransch
Rätt svar är 1.

1) kommersiellt system 2) forskningsprototyp 3) driftsprototyp 4) industrisystem
Rätt svar är 1.

Expertsystem används när...
Rätt svar är 1.

Rätt svar är 1.

1) det är nödvändigt att lösa problemet i en miljö som är fientligt inställd till människor 2) uppgiften måste lösas ett begränsat antal gånger 3) det finns tillräckligt många experter för att lösa dessa problem 4) lösa problemet med hjälp av en mänsklig expert är mindre tidskrävande och mer komplett i täckning
Rätt svar är 1.

Rätt svar är 1.

En karakteristisk egenskap hos alla expertsystem, som skiljer det från andra datorinformationssystem, är ... 1) förmågan till självutveckling 2) sortering, sampling av data enligt användarförfrågningar 3) användningen av sådana metoder som tillåter oss att reducera lösningen av alla problem till en specifik uppsättning maskininstruktioner 4) ge flera åtkomst till information
Rätt svar är 1.

Rätt svar är 1.

Rätt svar är 1, 2.

Systemprogramvaran inkluderar... 1) program som ansvarar för interaktion med specifika enheter 2) program som ansvarar för användarinteraktion 3) datorsäkerhetsverktyg 4) automationsverktyg för att kontrollera, justera och konfigurera ett datorsystem
Rätt svar är 1, 2.

1) datorstödda designsystem 2) expertsystem 3) underhållsprogram för magnetiska skivor 4) systemåterställningsprogram
Rätt svar är 1, 2.

Funktionerna i basprogramvaran är... 1) kontrollera sammansättningen och funktionaliteten hos datorsystemet 2) visa diagnostiska meddelanden på skärmen 3) tillhandahålla ett användargränssnitt 4) utöka funktionerna i operativsystemet
Rätt svar är 1, 2.

Programvaran inkluderar... 1) Webbredaktörer 2) Desktoppubliceringssystem 3) Antivirusprogram 4) Datakomprimeringsverktyg
Rätt svar är 1, 2.

BIOS (Basic Input Output System)är en... 1) en grupp av program i en permanent lagringsenhet 2) en standardkodtabell 3) en del av RAM-minnet 4) basdelen av mikroprocessorn
Rätt svar är 1.

En enhet som tillhandahåller anslutning av administrativt oberoende kommunikationsnätverk är ... 1) router 2) värd 3) domän 4) hubb.
Rätt svar är 1.

Nätverksoperativsystem är en uppsättning program som ... 1) se till att en grupp användare fungerar samtidigt 2) användare överför nätverk från en dator till en annan 3) tillhandahåller bearbetning, överföring och lagring av data på en dator 4) utökar kapaciteten för multitasking-operativsystem
Rätt svar är 1.

En Internet-e-postadress har ställts in - [e-postskyddad] Namnet på posttjänsten i den är 1) post 2) post 3) mail.ru 4) ru
Rätt svar är 1.

Internet proxyserver... 1) ger anonymisering av åtkomst till olika resurser 2) ger användaren en säker kommunikationskanal 3) låter dig kryptera elektronisk information 4) används för att utbyta elektroniska signaturer mellan nätverksabonnenter
Rätt svar är 1.

En gateway är en enhet som... 1) låter dig organisera datautbyte mellan två nätverk med olika interaktionsprotokoll 2) låter dig organisera datautbyte mellan två nätverk med samma interaktionsprotokoll 3) ansluter nätverk av olika typer, men använder samma operativsystem 4) ansluter arbetsstationer
Rätt svar är 1.

Nätverksprotokollet är... 1) PPP 2) WWW 3) ECP 4) URL
Rätt svar är 1.
Anmärkningar. PPP (Point to Point Protocol) är ett länklagerprotokoll som låter dig använda vanliga modemlinjer för att komma åt Internet. ECP (Enhanced Capability Port) - en port med utökade möjligheter. URL (Uniform Resource Locator - en enda resurslokaliserare) - en enhetlig identifierare för platsen för en resurs. Detta är ett standardiserat sätt att registrera adressen till en resurs på Internet. WWW (World Wide Web - World Wide Web) - ett distribuerat system som ger tillgång till sammanlänkade dokument som finns på olika datorer anslutna till Internet.

Internetleverantören är... 1) leverantör 2) dator ansluten till internet 3) webbläsare 4) modem ansluten till internet
Rätt svar är 1.

I enlighet med standarden kan hastigheten för informationsöverföring över ett nätverk mätas i ... 1) Kbps 2) Kbps 3) Kbps 4) Kbps
Rätt svar är 1.

För att snabbt flytta från ett www-dokument till ett annat, använd ... 1) hyperlänk 2) webbläsare 3) webbplats 4) tagg
Rätt svar är 1.

Dokumentet begärs från universitetets webbsida på följande adress: http://university.faculty.edu/document.txt. Domännamnet på datorn där dokumentet finns är... 1) university.faculty.edu 2) university 3) fakultet 4) university.faculty
Rätt svar är 1.

En dator som är ansluten till internet måste... 1) skaffa en IP-adress 2) ha en webbserver installerad 3) skaffa ett domännamn 4) ha en webbplats på den
Rätt svar är 1.

Används för att visa webbsidor... 1) webbläsare 2) Internetportaler 3) brandväggar 4) hashprogram
Rätt svar är 1.

Det mest effektiva sättet att kontrollera data på nätverket är... 1) lösenord, ID-kort och nycklar 2) arkiveringssystem 3) RAID-enheter 4) antivirusprogram
Rätt svar är 1.

En bro är en enhet som ansluter... 1) två nätverk som använder samma dataöverföringsmetoder 2) två nätverk med samma server 3) arbetsstationer i samma nätverk 4) lokala nätverksabonnenter
Rätt svar är 1.

För att etablera ett utbyte av elektroniska meddelanden som har en digital signatur är det nödvändigt att överföra till mottagaren av meddelandena ... 1) den offentliga krypteringsnyckeln 2) den privata krypteringsnyckeln 3) typen av din digitala signatur 4 ) den krypteringsalgoritm du använder
Rätt svar är 1.

Topologierna för lokala nätverk är... 1) stjärna, buss, ring 2) kamomill, klot, stjärna 3) server, domän, terminal 4) företag, administrativt, blandat
Rätt svar är 1.

Det mest effektiva sättet att skydda den lokala datorn från obehörig åtkomst när den slås på är... 1) att använda firmware-skydd 2) ställa in ett lösenord på BIOS 3) ställa in ett lösenord på operativsystemet 4) använda det senaste operativsystemet
Rätt svar är 1.

En dator som är ansluten till Internet kan ha följande två adresser: 1) numerisk och domän 2) numerisk och anpassad 3) tecken och domän 4) framåt och bakåt
Rätt svar är 1.

Olika tjänster används på Internet: e-post, telefonkonferenser, Internetsökare, Internetbutik, etc. Tjänstesystemet med vilket du kan kommunicera via Internet med andra människor i realtid kallas ... 1) IRC 2) Windows Chat 3) Slideshare 4) FTP
Rätt svar är 1.

Internetsnabbmeddelandesystemet kallas... 1) ICQ 2) IRC 3) URL 4) GPS
Rätt svar är 1.

FTP-nätverkstjänsten är utformad för att... 1) flytta data mellan olika operativsystem 2) videokonferenser 3) webbsurfning 4) "ladda ner" meddelanden och bifogade filer
Rätt svar är 1.

Det mest effektiva sättet att skydda den lokala datorn från obehörig åtkomst när den slås på är... 1) använda firmware-skydd 2) ställa in ett lösenord på BIOS 3) ställa in ett lösenord på operativsystemet 4) använda det senaste operativsystemet
Rätt svar är 1.

Som ni vet består en dators IP-adress av fyra siffror åtskilda med punkter. Vart och ett av IP-adressnumren kan ha decimalvärden från 0 till... 1) 255 2) 256 3) 999 4) 192
Rätt svar är 1.

Du måste skicka ett e-postmeddelande till en fjärrdestination. I det här fallet måste mottagaren veta att detta är exakt samma meddelande. För att göra detta behöver du ... 1) använda en digital signatur 2) skicka ett meddelande via en hemlig kommunikationskanal 3) arkivera meddelandet 4) stänga meddelandet med ett lösenord
Rätt svar är 1.

För att etablera ett utbyte av elektroniska meddelanden som har en digital signatur är det nödvändigt att överföra till mottagaren av meddelandena ... 1) den offentliga krypteringsnyckeln 2) den privata krypteringsnyckeln 3) typen av din digitala signatur 4 ) den krypteringsalgoritm du använder
Rätt svar är 1.

För att söka information på Internet med hjälp av sökmotorer (till exempel Google, Rambler, Yandex, Yahoo!), ställer användarna in ... 1) nyckelord 2) taggar 3) sökord 4) ordboksord
Rätt svar är 1.

En Internet-e-postadress har ställts in - [e-postskyddad] Namnet på ägaren av denna e-postadress är... 1) postbox 2) yandex 3) yandex.ru 4) [e-postskyddad]
Rätt svar är 1.

Tabellen i WAREHOUSE-databasen som innehåller 5 kolumner med information om produkten (namn, leverantör, kvantitet, utgångsdatum, pris) innehåller information om 25 typer av varor. Antalet poster i tabellen är... 1) 25 2) 5 3) 125 4) 30
Rätt svar är 1.

Grunden för alla intelligenta expertsystem är... 1) kunskapsbas 2) matematisk modell 3) regelsystem för att lösa problemet 4) kontrollsystem
Rätt svar är 1.

Ämnesområden behöver expertsystem: medicin, farmakologi, kemi, geologi, ekonomi, juridik, etc., där det mesta av kunskapen ... 1) är en personlig erfarenhet av specialister på hög nivå 2) kan reduceras till ett system av maskininstruktioner och implementerade på dator 3) har redan mottagits och det är möjligt att vägra direkt deltagande av en person och överföra förmågan att fatta beslut till en dator 4) kräver att man hittar optimala indikatorer för en specifik uppgift i en given bransch
Rätt svar är 1.

Det sista stadiet av existensen av ett expertsystem är ... 1) kommersiellt system 2) forskningsprototyp 3) driftsprototyp 4) industrisystem
Rätt svar är 1.

Expertsystem används när... 1) de initiala uppgifterna är väl formaliserade, men speciell omfattande kunskap krävs för att fatta ett beslut 2) de initiala uppgifterna är kompakta och bekväma för implementering på en dator 3) det krävs för att hitta optimala indikatorer (till exempel hitta minimikostnaden eller bestämma den maximala vinsten) 4) objekt, processer eller fenomen genom att bygga och studera modeller för att bestämma eller förfina originalets egenskaper
Rätt svar är 1.

Likheten mellan expertsystem och andra applikationsprogram är att de ... 1) är utformade för att lösa ett visst antal problem 2) använda heuristiska metoder som de huvudsakliga metoderna för att lösa problemet 3) forma vissa fakta och slutsatser vid lösningsstadiet 4) modellera mänskligt tänkande, och inte den specifika karaktären hos ämnesområdet
Rätt svar är 1.

Det är tillrådligt att använda ett expertsystem om ... 1) det är nödvändigt att lösa problemet i en miljö som är fientligt inställd till människor 2) uppgiften måste lösas ett begränsat antal gånger 3) det finns tillräckligt många experter för att lösa dessa problem 4) lösa problemet med hjälp av en mänsklig expert är mindre tidskrävande och mer komplett i täckning
Rätt svar är 1.

Kärnan i expertsystemet är inte implementerad på... 1) hypertextmarkeringsspråk 2) deklarativa programmeringsspråk 3) imperativa programmeringsspråk 4) ontologirepresentationsspråk
Rätt svar är 1.

En karakteristisk egenskap hos alla expertsystem som skiljer det från andra datorinformationssystem är ... 1) förmågan att självutveckla 2) sortering, provtagning av data på begäran av användare 3) användningen av sådana metoder som gör att du kan minska lösningen av alla problem till en specifik uppsättning maskininstruktioner 4 ) ger flera åtkomst till information
Rätt svar är 1.

Huvudklasserna av expertsystem är... 1) feldiagnossystem 2) meteorologiska system 3) databashanteringssystem 4) geolokaliseringssystem
Rätt svar är 1.

Sammansättningen av programvara (mjukvara) av datorsystem inkluderar ... 1) systemmjukvara 2) servicemjukvara 3) funktionell programvara 4) informationsprogramvara
Rätt svar är 1, 2.

Expert system - Dessa är komplexa mjukvarusystem som samlar kunskap från specialister inom specifika ämnesområden och replikerar denna empiriska erfarenhet för konsultationer av mindre kvalificerade användare.

Tillämpningsområdena för kunskapsbaserade system är mycket olika: affärer, tillverkning, militära tillämpningar, medicin, sociologi, geologi, rymd, jordbruk, förvaltning, juridik, etc.

Kunskapsbaserade system (KBS) är mjukvarusystem vars huvudsakliga strukturella element är kunskapsbas Och slutledningsmotor. POP inkluderar:

• intelligenta system för informationshämtning;
• expertsystem (ES).

Intelligenta informationssökningssystem skiljer sig från den tidigare generationens informationssökningssystem inte bara i en mycket mer omfattande referens- och informationsfond, utan också i den viktigaste förmågan att bilda adekvata svar på användarförfrågningar även när förfrågningar inte är av direkt karaktär.

Det mest kända praktiska exemplet på POP är expertsystem som kan diagnostisera sjukdomar, utvärdera potentiella mineralavlagringar, utföra naturlig språkbehandling, tal- och bildigenkänning och så vidare. Expertsystem är det första steget i det praktiska genomförandet av forskning inom området artificiell intelligens

Grundstrukturen för ett expertsystem visas i figuren nedan.

De strukturella elementen som utgör expertsystemet utför följande funktioner.

Kunskapsbas implementerar kunskapsrepresentationens funktioner inom ett specifikt ämnesområde och deras förvaltning.

Inferensmotor gör logiska slutsatser baserade på den kunskap som finns i kunskapsbasen.

Användargränssnittär nödvändigt för korrekt överföring av svar till användaren, annars är det extremt obekvämt att använda systemet.

Kunskapsinhämtningsmodul nödvändigt för att få kunskap från en expert, underhålla kunskapsbasen och komplettera den vid behov.

Modulen Svar och förklaringar bildar expertsystemets slutsats och presenterar olika kommentarer bifogade slutsatsen samt förklarar motiven till slutsatsen.

Expertsystemets struktur.

De uppräknade strukturelementen är de mest karakteristiska, även om i verkliga expertsystem kan deras funktioner stärkas eller utökas i enlighet med detta.

Kunskapen i kunskapsbasen presenteras i en specifik form och organisationen av kunskapsbasen gör det enkelt att definiera, modifiera och fylla på. Att lösa problem med hjälp av slutledning baserad på kunskap som lagras i kunskapsbasen implementeras av en autonom slutledningsmekanism. Även om båda dessa komponenter i systemet är oberoende ur synvinkeln av dess struktur, är de nära besläktade med varandra och definitionen av en kunskapsrepresentationsmodell lägger restriktioner på valet av lämplig slutledningsmekanism.

Fördelar expert system:

• varaktighet. Expertsystem glömmer ingenting, till skillnad från en mänsklig expert.
• Reproducerbarhet. Du kan göra hur många kopior som helst av ett expertsystem och att utbilda nya experter tar mycket tid och pengar.
• Effektivitet. Kan öka produktiviteten och minska personalkostnaderna.
• varaktighet. Med användning av expertsystem behandlas liknande transaktioner på samma sätt. Systemet kommer att ge jämförbara rekommendationer för liknande situationer.
• Inverkan på människor. Ny effekt (den mest uppdaterade informationen som påverkar sunt förnuft). Huvudeffekt (tidig information dominerar sunt förnuft).
• Dokumentation. Ett expertsystem kan dokumentera beslutsprocessen.
• Fullständighet. Ett expertsystem kan granska alla transaktioner, medan en mänsklig expert bara kan granska ett utvalt urval.
• Aktualitet. Fel i design och-eller kan hittas i tid.
• Latitud. Kunskapen hos många experter kan kombineras, vilket ger systemet större bredd än en enskild person sannolikt kommer att uppnå.
• Riskreduceringärendehantering på grund av sekvensen av beslutsunderlag och kompetens.

Nackdelar med expertsystem:

• Sunt förnuft. Förutom bred teknisk kunskap har människoexperten sunt förnuft. Det är ännu inte känt hur man ska lägga sunt förnuft i expertsystem.
• Kreativ potential. En mänsklig expert kan reagera kreativt på ovanliga situationer, expertsystem kan inte.
• Utbildning. Den mänskliga experten anpassar sig automatiskt till föränderliga miljöer; expertsystem måste ändras uttryckligen.
• Sensorisk upplevelse. Den mänskliga experten har ett brett utbud av sensoriska upplevelser; expertsystem baseras för närvarande på teckeninmatning.

Expertsystem är inte bra när det inte finns någon lösning eller när problemet ligger utanför deras expertområde.

Klassen av expertsystem förenar idag flera tusen olika mjukvarusystem som kan klassificeras efter olika kriterier: uppgiften som löses, kommunikation med realtid, typ av dator, graden av integration.

Expert metodik för systemutveckling

Utvecklingen av intelligenta informationssystem skiljer sig från skapandet av en konventionell mjukvaruprodukt. Erfarenheterna av att utveckla tidiga expertsystem har visat att användningen av traditionell programmeringsteknik antingen försenar utvecklingsprocessen överdrivet eller generellt leder till ett negativt resultat. Detta beror främst på behovet av att modifiera principerna och metoderna för konstruktion när utvecklarnas kunskap om problemområdet ökar.

Det är känt att det mesta av kunskapen inom ett visst ämnesområde förblir en experts personliga egendom. Det största problemet vid utvecklingen av ett expertsystem är proceduren för att få kunskap från en expert och lägga in den i kunskapsbasen, så kallad kunskapsextraktion. Detta händer inte för att han inte vill avslöja sina hemligheter, utan för att han inte kan göra detta - trots allt vet experten mycket mer än han själv inser. För att identifiera expertens kunskap och formalisera den under hela utvecklingsperioden interagerar en kunskapsingenjör med honom.

För att undvika kostsamma och misslyckade försök har en uppsättning riktlinjer tagits fram för att avgöra om ett problem är lämpligt att lösa med hjälp av ett expertsystem:

• Behovet av en lösning bör motsvara kostnaden för dess utveckling. Kostnader och fördelar måste vara realistiska.
• Det är omöjligt att använda kunskapen från en mänsklig expert där det behövs. Om "expert" kunskap är utbredd, så är det osannolikt att det är värt att utveckla ett expertsystem. Men inom områden som oljeprospektering och medicin kan det finnas sällsynt specialiserad kunskap som kan tillhandahållas billigt till ett expertsystem utan att använda en mycket välbetald expert.
• Problemet kan lösas med hjälp av symboliska resonemangsmetoder.
• Problemet är välstrukturerat och kräver inte tillämpning av sunt förnuft. Kunskap om sunt förnuft är välkänt, så det finns ingen anledning att spela in och presentera den.
• Problemet kan inte enkelt lösas med mer traditionella beräkningsmetoder. Om det finns en bra algoritmisk lösning på ett problem bör ett expertsystem inte användas.
• Det finns experter inom detta problemområde. Eftersom ett expertsystem är designat för att fungera bra är det viktigt att experter är villiga att hjälpa till att designa det, snarare än att känna sig hotade. Dessutom behövs stöd från förvaltningen och potentiella användare.
• Problemet har rätt storlek och omfattning. Som regel kräver problemet tillämpning av kunskapen från högt specialiserade experter, men en mänsklig expert bör ägna en kort tid, högst en timme, för att lösa det.

För närvarande finns det en sekvens av åtgärder i utvecklingen av expertsystem. Det inkluderar följande steg: identifiering, kunskapsinhämtning, konceptualisering, formalisering, utförande, testning och provdrift.

Ris. 10.2. Expertsystemutvecklingsteknik

Identifiering

Identifieringsstadiet är för det första förknippat med förståelsen av de uppgifter som det framtida expertsystemet kommer att behöva lösa, och bildningen av krav för det. I detta skede planeras utvecklingen av en systemprototyp, kunskapskällor (böcker, experter, metoder), mål (erfarenhetsspridning, automatisering av rutinoperationer), klasser av uppgifter som ska lösas etc. bestäms. resultat Identifieringär svaret på frågan om vad som behöver göras och vilka resurser som behöver användas.

Inhämtande av kunskap

När man löser problemet med att erhålla kunskap urskiljs tre strategier: inhämtning av kunskap, utvinning av kunskap och upptäckt av kunskap.

Inhämtning (förvärv) av kunskap förstås som en metod för automatiserad fyllning av kunskapsbasen genom dialog med en expert och ett speciellt program.

Utvinning (framkallande) av kunskap är proceduren för interaktion mellan en kunskapsingenjör med en kunskapskälla (en expert, specialiserad litteratur, etc.) utan användning av datorteknik.

Termerna "kunskapsupptäckt", såväl som Data Mining, är förknippade med skapandet av datorsystem som implementerar metoder för att automatiskt få kunskap.

Konceptualisering

På scenen konceptualisering en meningsfull analys av problemområdet genomförs, de begrepp som används och deras samband identifieras, metoder för att lösa problem fastställs. Detta steg avslutas med skapandet av en domänmodell som inkluderar huvudkoncepten och relationerna. Modellen presenteras som en graf, tabell, diagram eller text.

Formalisering

På scenen formalisering alla nyckelbegrepp och relationer uttrycks i något formellt språk, som väljs bland de redan existerande, eller skapas på nytt. Med andra ord, i detta skede bestäms sammansättningen av medlen och metoderna för att representera deklarativ och procedurkunskap, denna representation utförs, och som ett resultat, en beskrivning av lösningen av problemet med expertsystemet på den valda formell språk.

Utförande (implementering)

På scenen uppfyllelse en eller flera riktigt fungerande prototyper av expertsystemet skapas. För att påskynda denna process används olika verktyg för närvarande i stor utsträckning.

Testning

I detta skede utvärderas och verifieras arbetet med prototypprogrammet för att anpassa det till verkliga användarförfrågningar. Prototypen kontrolleras för följande huvudpositioner:

• bekvämlighet och adekvata gränssnitt för input/output (frågornas karaktär i dialogen, konsekvensen av resultatets utgående text, etc.);
• effektiviteten av kontrollstrategin (uppräkningsordning, användning av fuzzy inferens, etc.);
• riktigheten av kunskapsbasen (fullständighet och konsekvens i reglerna).

Scenuppgift testning- upptäckt av fel och utveckling av rekommendationer för att finjustera expertsystemets prototyp till en industriell design.

Provdrift

På scenen provdrift expertsystemets lämplighet för slutanvändaren kontrolleras. Lämpligheten bestäms främst av bekvämligheten och användbarheten av utvecklingen. Användbarheten förstås som expertsystemets förmåga att avgöra användarens behov under dialogen, att identifiera och eliminera orsakerna till fel i arbetet, och även att tillfredsställa de specificerade användarbehoven (att lösa de tilldelade uppgifterna). Enkel drift innebär naturligheten i interaktion med expertsystemet, flexibilitet (systemets förmåga att anpassa sig till olika användare, samt ta hänsyn till förändringar i samma användares kvalifikationer) och felmotstånd hos systemet (förmågan att inte misslyckas på grund av felaktiga handlingar från användaren).

Efter det framgångsrika slutförandet av scenen provdrift ett expertsystem klassificeras som ett kommersiellt system som inte bara är lämpligt för eget bruk utan även för försäljning till olika konsumenter.

Verktyg för att bygga expertsystem

För närvarande finns det verktyg som påskyndar design och utveckling av ES. De kallas verktyg, eller bara en verktygslåda. Med andra ord under verktyg förstå kombinationen av hårdvara och mjukvara som gör att du kan skapa applikationssystem baserade på kunskap.

Bland programmet verktyg särskilja följande stora grupper:

• symboliska programmeringsspråk (LISP, INTERLISP, SMALLTALK);
• kunskapstekniska språk, det vill säga programmeringsspråk som låter dig implementera ett av sätten att representera kunskap (OPS5, LOOPS, KES, Prolog);
• skal av expertsystem (eller tomma expertsystem), det vill säga system som inte innehåller kunskap om något ämnesområde (EMYCIN, ECO, EXPERT, EXSYS RuleBook, Expert System Creator, etc.)

Tredje etappen. Inläsningen är klar. Som du kan se i figur 12.6 har en ny flik lagts till i verktygsmenyn som heter "Avancerad process".

Detta liknar att ladda temapaneler i Visio. ARENA är dock inte ett ritverktyg, utan ett kraftfullt verktyg simuleringsmodellering.

ARENA-programmet låter dig skapa diagram som återspeglar hur en viss process fungerar. Processen att skapa diagram liknar på många sätt den i MS Visio. Den använder också teknik Dra och släpp, men för vissa kommer processen att "rita" i MS Visio att vara bekvämare och att föredra.

Central komponent expertsystemär en kunskapsbas som agerar i förhållande till andra komponenter som ett innehållsdelsystem som utgör huvudvärdet.

Kunskapsbasär en uppsättning kunskapsenheter, som formaliseras med hjälp av någon metod kunskapsrepresentation en återspegling av problemområdets objekt och deras relationer, handlingar på objekt och eventuellt de osäkerheter med vilka dessa handlingar utförs.

Som metoder kunskapsrepresentation oftast används antingen regler eller objekt (ramar), eller en kombination av båda. Så, reglerna är konstruktioner:

Om< условие >Den där<заключение>CF (säkerhetsfaktor)<значение>

Säkerhetsfaktorerna (CF ) är som regel antingen betingade sannolikheter Bayesianskt tillvägagångssätt (från 0 till 1), eller luddiga logiska konfidensfaktorer (från 0 till 100).

Exempel på regler är följande.

Regel 1: om vinstkvot > 0,2 så är lönsamhet = "tillfredsställande" CF 100.

Regel 2: om skuld = "ingen" och lönsamhet = "tillfredsställande", då finansiellt villkor = "tillfredsställande" CF 80.

Regel 3: om finansiellt tillstånd = "tillfredsställande" och rykte = "tillfredsställande", då Enterprise Reliability = "tillfredsställande" CF 90.

Objekt är en samling attribut som beskriver egenskaper och relationer med andra objekt. Till skillnad från databasposter har varje objekt ett unikt namn. Vissa av attributen återspeglar typade relationer, som "släkte - art" (superklass - underklass ), "hel - del", etc. Istället för specifika värden objektattribut kan ställas in på standardvärden som är inneboende i hela objektklasser, eller bifogade procedurer (process ).

Intelligent gränssnitt. Datautbyte mellan slutanvändaren och ES utförs av ett intelligent gränssnittsprogram som tar emot användarmeddelanden och omvandlar dem till en kunskapsbasrepresentationsform och, omvänt, översätter den interna representationen av bearbetningsresultatet till användarens format och matar ut ett meddelande till det nödvändiga mediet.

Det viktigaste kravet för organisationen av användarens dialog med ES är naturlighet, vilket inte betyder att ordagrant formulera användarnas behov naturliga meningar, även om detta inte är uteslutet i vissa fall.

Det är viktigt att sekvensen för att lösa problemet är flexibel, överensstämmer med användarens idéer och utförs i professionella termer.

uttagsmekanism. Denna mjukvaruverktygssats tar emot en begäran omvandlad till en intern representation från det intelligenta gränssnittet, genererar en specifik algoritm för att lösa problemet från kunskapsbasen, exekverar algoritmen och resultatet tillhandahålls till det intelligenta gränssnittet för att ge ett svar på användarens begäran . Tillämpningen av alla slutledningsmekanismer är baserad på processen att hitta, i enlighet med målet och beskrivningen av en specifik situation (initialdata), relaterad till lösningen av kunskapsenheter (regler, objekt, prejudikat, etc.) och länkning dem, om nödvändigt, in i en kedja av resonemang som leder till ett visst resultat. För kunskapsrepresentation i form av regler kan detta vara en direkt eller omvänd kedja av resonemang (fig. 12.10 och fig. 12.11).

För objektorienterad kunskapsrepresentation kännetecknande är användningen av mekanismen för arv av attribut, när attributvärden skickas längs hierarkin från högre klasser till lägre. Dessutom, när ramattributen är fyllda med nödvändig data, startas de bifogade procedurerna för exekvering.

förklaringsmekanism. I processen eller som ett resultat av att lösa problemet kan användaren begära en förklaring eller motivering till lösningen. För detta ändamål måste ES tillhandahålla en lämplig förklaringsmekanism.

ES:s förklaringsförmåga bestäms av slutledningsmekanismens förmåga att memorera sättet att lösa problemet. Sedan användarens frågor "Hur?" och varför?" ett beslut tas emot eller vissa uppgifter begärs, och systemet kan alltid utfärda en kedja av resonemang fram till den erforderliga kontrollpunkten, åtföljd av utfärdandet av en förklaring med förberedda kommentarer. I avsaknad av en lösning på problem bör en förklaring ges till användaren automatiskt.

Det är användbart att ha möjligheten till en hypotetisk förklaring av lösningen av problemet, när systemet svarar på frågor om vad som kommer att hända i det ena eller det andra fallet. Användaren är dock inte alltid intresserad av hela resultatet av lösningen, som innehåller många onödiga detaljer. I detta fall bör systemet endast kunna välja nyckelpunkter från kedjan, med hänsyn till deras betydelse och användarens kunskapsnivå. För att göra detta behöver kunskapsbasen upprätthålla en modell av användarkunskap och avsikter.

Om användaren fortfarande inte förstår det mottagna svaret, så bör systemet kunna lära användaren vissa kunskapsfragment i en dialog baserad på den understödda modellen för problematisk kunskap, d.v.s. avslöja enskilda begrepp och beroenden mer i detalj, även om dessa detaljer inte användes direkt i utdata.

Mekanismen för kunskapsinhämtning. Kunskapsbas speglar kunskap experter(specialister) inom ett givet problemområde om handlingar i olika situationer eller processer för att lösa specifika problem. Identifieringen av sådan kunskap och dess efterföljande presentation i kunskapsbasen utförs av specialister som kallas kunskapsingenjörer. För att lägga in kunskap i databasen och deras efterföljande uppdatering måste ES ha en mekanism för att inhämta kunskap. I det enklaste fallet används en intelligent editor, som låter dig lägga in kunskapsenheter i databasen och utföra deras syntaktiska och semantiska kontroll, till exempel för konsekvens. I mer komplexa fall måste kunskapsingenjören extrahera kunskap genom speciella scenarier för att intervjua experter, eller från ingångsexempel på verkliga situationer, som i fallet med induktiv slutledning, eller från texter, eller från upplevelsen av själva arbetet. intelligent system.

Klasser av expertsystem

Beroende på graden av komplexitet för de uppgifter som ska lösas expert system kan klassificeras enligt följande.

Enligt metoden för att bilda en lösning expert system uppdelad i två klasser: analytisk och syntetisk. Analytiska system involverar valet av lösningar från en uppsättning kända alternativ (bestämning av objektens egenskaper), och syntetiska system - generering av okända lösningar (bildandet av objekt).

Enligt metoden att ta hänsyn till det tidsmässiga tecknet expert system kan vara statisk eller dynamisk. Statiska system löser problem med data och kunskap som inte förändras i processen att lösa, dynamiska system tillåta sådana ändringar. Statiska system utför en monoton oavbruten lösning av problemet från inmatning av initiala data till det slutliga resultatet, dynamiska system sörja för möjligheten att granska de tidigare erhållna resultaten och uppgifterna i processen att lösa.

Efter typer av data och kunskap som används expert system klassificeras i system deterministisk(väldefinierad) kunskap och osäker kunskap. Kunskapens osäkerhet förstås som deras ofullständighet, opålitlighet, tvetydighet, otydlighet.

Efter antalet använda kunskapskällor expert system kan byggas med hjälp av en eller flera kunskapskällor. Kunskapskällor kan vara alternativa eller kompletterande

I enlighet med klassificeringens listade egenskaper särskiljs följande huvudklasser av expertsystem (tabell 12.1.).

Klassificering av expertsystem. Expert system, som löser problem med situationsigenkänning, kallas klassificerare, eftersom de bestämmer tillhörigheten av den analyserade situationen till en viss klass.

Som huvudmetoden för att fatta beslut används metoden för logisk deduktiv slutledning från allmänt till särskilt, när en viss slutsats erhålls genom att ersätta de initiala uppgifterna med en viss uppsättning sammanhängande allmänna uttalanden.

Utöka expertsystem. En mer komplex typ av analytiska problem är de som löses utifrån osäkra initiala data och tillämpad kunskap. I detta fall expertsystem ska så att säga definiera den saknade kunskapen och i lösningsutrymmet kan flera möjliga lösningar erhållas med olika sannolikhet eller tilltro till behovet av deras genomförande.

Bayesiansk probabilistisk ansats och fuzzy logic kan användas som metoder för att hantera osäkerheter.

Omdefinierar expert system kan använda flera kunskapskällor för att bilda en lösning. I det här fallet kan heuristiska tekniker för att välja kunskapsenheter från deras konfliktuppsättning tillämpas, till exempel baserat på användningen av viktiga prioriteringar, eller den resulterande graden av säkerhet för resultatet, eller värdena för preferensfunktioner, etc.

Analytiska problem av de klassificerande och omdefinierande typerna kännetecknas av följande problemområden.

1. Datatolkning- val av lösning från en fast uppsättning alternativ baserat på indata om den aktuella situationen. Huvudsyftet är att bestämma kärnan i den aktuella situationen, valet av hypoteser baserat på deras fakta. Ett typiskt exempel är expertsystem analys av företagets finansiella ställning.
2. Diagnostik- Identifiering av orsakerna som ledde till att situationen uppstod. En preliminär tolkning av situationen krävs, följt av verifiering av ytterligare fakta, till exempel identifiering av faktorer som minskar produktionseffektiviteten.
3. Korrektion- diagnostik, kompletterad med möjligheten att bedöma och rekommendera åtgärder för att korrigera avvikelser från det normala tillståndet i de aktuella situationerna.

Transformativa expertsystem. Till skillnad från analytiska statiska expertsystem, syntetisera dynamisk expert system involvera en repetitiv omvandling av kunskap i processen att lösa problem, vilket är förknippat med resultatets natur, som inte kan förutbestämmas på förhand, samt med dynamiken i själva problemområdet.

För att syntetisera dynamiska expertsystem är följande mest tillämpliga. problemområden.

1. Design- bestämning av konfigurationen av objekt när det gäller att uppnå det specificerade prestandakriterier och begränsningar, som att utforma en företagsbudget eller investeringsportfölj.
2. Prognoser- förutsägelse av konsekvenserna av utvecklingen av nuvarande situationer baserat på matematisk och heuristisk modellering, till exempel prognostisering av trender inom aktiehandel.
3. utsändning- fördelning av arbete i tid, schemaläggning, till exempel, planering av ett schema för utveckling av kapitalinvesteringar.
4. Planera- val av en sekvens av användaråtgärder för att uppnå målet, till exempel, processplanering leverans av produkter.
5. Övervakning- spåra den nuvarande situationen med eventuell efterföljande korrigering. För att göra detta utförs diagnostik, prognoser och vid behov planering och korrigering av användaråtgärder, till exempel övervakning av försäljningen av färdiga produkter.
6. Kontrollera- övervakning, kompletterad med implementering av åtgärder i automatiska system, till exempel beslutsfattande vid börshandel.

Expertsystem för flera agenter. Sådana dynamiska system kännetecknas av integrationen i kunskapsbasen av flera heterogena kunskapskällor som utbyter erhållna resultat på dynamisk basis, till exempel genom en "anslagstavla".

Multiagentsystem kännetecknas av följande egenskaper:

• utföra alternativa resonemang baserade på användningen av olika kunskapskällor med en mekanism för att eliminera motsägelser;
• distribuerad problemlösning, som är uppdelad i parallelllösningsdelproblem motsvarande oberoende kunskapskällor;
• tillämpning av en mängd olika strategier för driften av slutledningsmekanismen, beroende på vilken typ av problem som ska lösas;
• bearbetning av stora datamatriser som finns i databasen;
• förmågan att avbryta lösningen av problem på grund av behovet av att få ytterligare data och kunskap från användare, modeller och delproblem som löses parallellt.

Beroende på graden av komplexitet hos de uppgifter som ska lösas kan expertsystem klassificeras enligt följande:

• Enligt metoden för att bilda lösningen är expertsystem indelade i två klasser: analytiska och syntetiska. Analytiska system involverar valet av lösningar från en uppsättning kända alternativ (bestämning av objektens egenskaper), och syntetiska system - generering av okända lösningar (bildandet av objekt).
• Expertsystem kan vara statiska eller dynamiska enligt metoden för att ta hänsyn till den tidsmässiga egenskapen. Statiska system löser problem med data och kunskap oförändrade i processen att lösa, dynamiska system tillåter sådana förändringar. Statiska system utför en monoton oavbruten lösning av problemet från inmatning av initiala data till slutresultatet, dynamiska system ger möjligheten att revidera de tidigare erhållna resultaten och data i processen att lösa.
• Beroende på vilken typ av data och kunskap som används klassificeras expertsystem i system med deterministisk (väldefinierad) kunskap och osäker kunskap. Kunskapens osäkerhet (data) förstås som deras ofullständighet (frånvaro), opålitlighet (mätnoggrannhet), tvetydighet (begreppens oklarhet), luddighet (kvalitativ bedömning istället för kvantitativ).
• Beroende på antalet använda kunskapskällor kan expertsystem byggas med hjälp av en eller flera kunskapskällor. Kunskapskällor kan vara alternativa (många världar) eller kompletterande (samarbetande).

I enlighet med klassificeringens listade egenskaper särskiljs som regel följande fyra huvudklasser av expertsystem

Klassificering av expertsystem. Analytiska uppgifter inkluderar i första hand uppgifter att känna igen olika situationer, när essensen av en viss situation avslöjas av en uppsättning givna egenskaper (faktorer), beroende på vilken en viss sekvens av åtgärder som väljs. I enlighet med de initiala förutsättningarna finns det således bland de alternativa lösningarna en som bäst uppfyller målet och begränsningarna.

Expertsystem som löser problem med situationsidentifiering kallas klassificering, eftersom de bestämmer tillhörigheten av den analyserade situationen till en viss klass. Som huvudmetoden för att fatta beslut används metoden för logisk deduktiv slutledning från allmänt till särskilt, när en viss slutsats erhålls genom att ersätta de initiala uppgifterna med en viss uppsättning sammanhängande allmänna uttalanden.

Utöka expertsystem. En mer komplex typ av analytiska problem är de som löses utifrån osäkra initiala data och tillämpad kunskap. I det här fallet bör expertsystemet så att säga fastställa den kunskap som saknas och i beslutsutrymmet kan flera möjliga lösningar erhållas med olika sannolikhet eller tilltro till behovet av deras genomförande. Bayesiansk probabilistisk ansats, konfidenskoefficienter, fuzzy logic kan användas som metoder för att arbeta med osäkerheter. Utökande expertsystem kan använda flera kunskapskällor för att skapa en lösning. I det här fallet kan heuristiska tekniker för att välja kunskapsenheter från deras konfliktuppsättning användas, till exempel baserat på användningen av viktiga prioriteringar, eller den resulterande graden av säkerhet för resultatet, eller värdena för preferensfunktioner, etc.

Följande problemområden är typiska för analytiska problem av klassificerings- och omdefinieringstyper:

• Datatolkning är valet av en lösning från en fast uppsättning alternativ baserat på den information som matas in om den aktuella situationen. Huvudsyftet är att bestämma kärnan i den aktuella situationen, valet av hypoteser baserat på deras fakta. Ett typiskt exempel är ett expertsystem för att analysera ett företags ekonomiska ställning.
• Diagnos - identifiera orsakerna som ledde till uppkomsten av situationen. En preliminär tolkning av situationen krävs, följt av verifiering av ytterligare fakta, till exempel identifiering av faktorer som minskar produktionseffektiviteten.
• Korrigering - diagnostik, kompletterad med möjligheten att bedöma och rekommendera åtgärder för att korrigera avvikelser från det normala tillståndet för de aktuella situationerna.

Transformativa expertsystem. Till skillnad från analytiska statiska expertsystem innebär syntetisering av dynamiska expertsystem en repetitiv omvandling av kunskap i processen att lösa problem, vilket är förknippat med resultatets natur, som inte kan förutbestämas i förväg, såväl som med dynamiken i problemområdet sig.

Variationer av hypotetiska slutsatser används som metoder för att lösa problem vid transformation av expertsystem:

• generering och testning, när hypoteser genereras från de initiala data, och sedan testas de formulerade hypoteserna för bekräftelse av inkommande fakta;
• antaganden och standardvärden, när kunskap om liknande klasser av objekt väljs från ofullständiga data, som sedan dynamiskt anpassar sig till en specifik situation beroende på dess utveckling;
• användningen av allmänna mönster (metakontroll) i fallet med okända situationer, vilket gör det möjligt att generera den saknade kunskapen.

Multi-agent system. Sådana dynamiska system kännetecknas av integrationen i kunskapsbasen av flera heterogena kunskapskällor som utbyter erhållna resultat på dynamisk basis, till exempel genom en "anslagstavla".

Multiagentsystem kännetecknas av följande egenskaper:

• Att föra alternativa resonemang baserade på användningen av olika kunskapskällor med en mekanism för att eliminera motsägelser;
• Distribuerad problemlösning, som är uppdelad i parallelllösningsdelproblem motsvarande oberoende kunskapskällor;
• Tillämpning av en mängd olika strategier för driften av slutledningsmekanismen, beroende på vilken typ av problem som ska lösas;
• Bearbetning av stora datamatriser som finns i databasen;
• Användning av olika matematiska modeller och externa procedurer lagrade i modelldatabasen;
• Möjligheten att avbryta lösningen av problem på grund av behovet av att få ytterligare data och kunskap från användare, modeller och delproblem som löses parallellt.

För syntetisera dynamik expertsystem är följande problemområden mest tillämpliga:

• Design - definiera konfigurationen av objekt i termer av att uppnå specificerade prestationskriterier och begränsningar, till exempel designa en företagsbudget eller investeringsportfölj.
• Prognos - förutsägelse av konsekvenserna av utvecklingen av nuvarande situationer baserat på matematisk och heuristisk modellering, till exempel prognostisering av trender inom aktiehandel.
• Utsändning - fördelning av arbete i tid, schemaläggning, till exempel planering av ett schema för utveckling av kapitalinvesteringar.
• Planering - valet av en sekvens av användaråtgärder för att uppnå målet, till exempel planering av leverans av produkter.
• Övervakning - spåra den aktuella situationen med en eventuell efterföljande korrigering. För att göra detta utförs diagnostik, prognoser och vid behov planering och korrigering av användaråtgärder, till exempel övervakning av försäljningen av färdiga produkter.
• Management - övervakning, kompletterat med implementering av åtgärder i automatiska system, till exempel beslutsfattande vid börshandel.

Enligt publikationen, som analyserar 12 500 befintliga expertsystem, är fördelningen av expertsystem efter problemområden följande:

Självlärande system bygger på metoder för automatisk klassificering av exempel på verkliga situationer (inlärning genom exempel). Exempel på verkliga situationer ackumuleras under en viss historisk period och utgör ett träningsprov. Dessa exempel beskrivs av en mängd olika klassificeringsfunktioner. Dessutom kan träningsexemplet vara:

• "med en lärare", när för varje exempel värdet av attributet för dess tillhörighet till en viss klass av situationer (klassbildande attribut) uttryckligen anges;
• "utan lärare", när systemet självt identifierar klasser av situationer, beroende på graden av närhet till värdena för klassificeringsfunktionerna.