Экспертная система
В искусственном интеллекте экспертная система — это компьютерная система, имитирующая способность человека-эксперта принимать решения. [1] Экспертные системы предназначены для решения сложных проблем путем рассуждений на основе совокупности знаний, представленных в основном в виде правил «если-тогда », а не посредством обычного процедурного кода . [2] Первые экспертные системы были созданы в 1970-х годах, а затем получили широкое распространение в 1980-х годах. [3] Экспертные системы были одними из первых действительно успешных форм программного обеспечения искусственного интеллекта (ИИ). [4] [5] [6] [7] [8] Экспертная система делится на две подсистемы: механизм вывода и базу знаний . База знаний представляет факты и правила. Механизм вывода применяет правила к известным фактам для вывода новых фактов. Механизмы логического вывода также могут включать возможности объяснения и отладки.
Вскоре после появления современных компьютеров в конце 1940-х — начале 1950-х годов исследователи начали осознавать огромный потенциал этих машин для современного общества. Одной из первых задач было сделать такую машину способной «думать» как люди. В частности, сделать эти машины способными принимать важные решения так же, как это делают люди. Сфера медицины и здравоохранения представила мучительную задачу, позволяющую этим машинам принимать медицинские диагностические решения. [9]
Таким образом, в конце 1950-х годов, сразу после того, как информационная эра полностью наступила, исследователи начали экспериментировать с перспективой использования компьютерных технологий для имитации принятия решений человеком. Например, исследователи-биомедики начали создавать автоматизированные системы для диагностических приложений в медицине и биологии. Эти ранние диагностические системы использовали симптомы пациентов и результаты лабораторных анализов в качестве исходных данных для получения диагностического результата. [10] [11] Эти системы часто описывались как ранние формы экспертных систем. Однако исследователи поняли, что существуют значительные ограничения при использовании традиционных методов, таких как блок-схемы [12] [13] , статистическое сопоставление с образцом [14] или теория вероятностей. [15][16]
Эта предыдущая ситуация постепенно привела к развитию экспертных систем, в которых использовались подходы, основанные на знаниях. Такими экспертными системами в медицине были экспертная система MYCIN [17] , экспертная система INTERNIST-I [18] и позже, в середине 1980-х годов, CADUCEUS . [19]
Экспертные системы были официально представлены примерно в 1965 году [20] Стэнфордским проектом эвристического программирования под руководством Эдварда Фейгенбаума , которого иногда называют «отцом экспертных систем»; другими ключевыми ранними участниками были Брюс Бьюкенен и Рэндалл Дэвис. Исследователи из Стэнфорда попытались определить области, в которых опыт был высоко ценимым и сложным, например, диагностика инфекционных заболеваний ( Mycin ) и идентификация неизвестных органических молекул ( Dendral ). Идея о том, что «интеллектуальные системы черпают свою силу из знаний, которыми они обладают, а не из конкретных формализмов и схем вывода, которые они используют» [21]— как сказал Фейгенбаум — в то время был значительным шагом вперед, поскольку прошлые исследования были сосредоточены на эвристических вычислительных методах, кульминацией которых стали попытки разработать очень универсальные решатели задач (в основном это совместная работа Аллена Ньюэлла и Герберта Саймона ). [22] Экспертные системы стали одними из первых действительно успешных форм программного обеспечения искусственного интеллекта (ИИ). [4] [5] [6] [7] [8]
Исследования экспертных систем также активно проводились во Франции. В то время как в США основное внимание, как правило, уделялось системам, основанным на правилах, сначала системам, жестко закодированным поверх сред программирования LISP , а затем экспертным системным оболочкам, разработанным такими поставщиками, как Intellicorp , во Франции исследования были сосредоточены больше на системах, разработанных на Prolog . Преимущество оболочек экспертных систем заключалось в том, что их было несколько проще использовать непрограммистам. Преимущество сред Prolog заключалось в том, что они не были сосредоточены только на правилах if-then ; Среды Prolog обеспечили гораздо лучшую реализацию полной логической среды первого порядка . [23] [24]
