Большинство  ЭС включают знания, по содержанию которых их можно  отнести одновременно к нескольким  типам. Например, обучающая система  может также обладать знаниями, позволяющими выполнять диагностику  и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

2. Функции, выполняемые экспертной системой

     Не  всякую систему, основанную на знаниях, можно рассматривать как экспертную. Экспертная система должна также  уметь каким-то образом объяснять  свое поведение и свои решения  пользователю, так же, как это  делает эксперт-человек. Это особенно необходимо в областях, для которых характерна неопределенность, неточность информации (например, в медицинской диагностике). В этих случаях способность к объяснению нужна для того, чтобы повысить степень доверия пользователя к советам системы, а также для того, чтобы дать возможность пользователю обнаружить возможный дефект в рассуждениях системы. В связи с этим в экспертных системах следует предусматривать дружественное взаимодействие с пользователем, которое делает для пользователя процесс рассуждения системы "прозрачным".

     Часто к экспертным системам предъявляют  дополнительное требование - способность  иметь дело с неопределенностью  и неполнотой. Информация о поставленной задаче может быть неполной или ненадежной; отношения между объектами предметной области могут быть приближенными. Например, может не быть полной уверенности в наличии у пациента некоторого симптома или в том, что данные, полученные при измерении, верны; лекарство может стать причиной осложнения, хотя обычно этого не происходит. Во всех этих случаях необходимы рассуждения с использованием вероятностного подхода.  

     В самом общем случае для того, чтобы  построить экспертную систему, мы должны разработать механизмы выполнения следующих функций системы:

     решение задач с использованием знаний о  конкретной предметной области - возможно, при этом возникнет необходимость  иметь дело с неопределенностью;

     взаимодействие  с пользователем, включая объяснение намерений и решений системы  во время и после окончания  процесса решения задачи.

     Каждая  из этих функций может оказаться  очень сложной и зависит от прикладной области, а также от различных  практических требований. В процессе разработки и реализации могут возникать  разнообразные трудные проблемы. Здесь мы ограничился наметками основных идей, подлежащих в дальнейшем детализации и усовершенствованию. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

     3. Развитие ЭС.

     3.1. История появления  первой ЭС DENDRAL 

     Все началось в далеких шестидесятых, которые принесли миру бит- и рок-музыку, различные молодежные движения вроде  хиппи и пропаганду свободы нравов. В то время в космос отправился первый человек, медицина ознаменовалась успехами в клинической трансплантации органов (первая успешная пересадка сердца), были заложены основы современных операционных систем.

     Тогда Эдвард Фейгенбаум (Edward Feigenbaum), исследователь  в области искусственного интеллекта, как и многие ученые его времени, задумывался над тем, может ли машина думать и рассуждать подобно человеку и как много знаний в нее возможно вложить (www.atariarchives.org/deli/expert_systems.php). Он считал, что ответ удастся получить, только сконструировав такую "мыслящую" систему. Но какое же научное направление выбрать для экспериментов? В какой предметной области разработки Фейгенбаума принесли бы большую пользу? Разрешить эти вопросы помог лауреат нобелевской премии, биохимик Джошуа Ледерберг (Joshua Lederberg). Он предложил создать компьютерного помощника, который мог бы определять путем расчета молекулярную структуру химических соединений и который, по словам Ледерберга, был просто необходим в органической химии. Так появилась идея о построении экспертной системы DENDRAL.

     В 1965 году в Стэндфордском университете (Stanford University) Эдвард Фейгенбаум, Джошуа Ледерберг и примкнувший к  ним Брюс Бученен (Bruce Buchanan) начали работы по созданию первой экспертной системы. Одной из главных проблем, которую ученым надлежало решить, было построение гибкой программы, оперирующей с многочисленными знаниями и работающей по правилам логики ("если - то"). Однако, как оказалось, сложнее всего было создать базу данных, включающую знания многих специалистов в органической химии. Для этого разработчикам DENDRAL пришлось опросить как можно больше экспертов. Приобретение знаний - не такой легкий процесс, как это может показаться на первый взгляд. Одно дело собрать факты, другое - познания конкретного человека. Поэтому опрашиваемым специалистам была предоставлена специальная программа, которая производила некоторые "умозаключения", правдивость или ложность которых им нужно было установить и объяснить. Таким образом, отделив механизм логического вывода от базы знаний, Бученен предложил хороший инструмент для создания экспертных систем. Одной из самых первых подобных программ была META-DENDRAL. С ее помощью и с помощью аналогичных разработок были построены такие ЭС, как PROSPECTOR, MYCIN и CYRUS. 

3.2. Развитие ЭС в  70-80-х годах. 

     С 70-х годов ЭС стали ведущим  направлением в области искусственного интеллекта. В этот период было создано  множество разнообразных экспертных и диагностических систем, большая  часть которых действует и  сегодня. Самыми известными из них являются MYCIN, служащая для диагностики и лечения инфекционных заболеваний, и PROSPECTOR, предназначенная для геологической разведки месторождений полезных ископаемых.

     Первая  версия ЭС MYCIN была построена в уже  знакомом нам Стэндфордском университете в середине 70-х годов. Ее создатель - врач и специалист в области вычислительной техники Эдвард Шортлайф (Edward Shortliffe). Вот мы и добрались до самой популярной области применения экспертных систем - медицины. Дело в том, что диагностика многих заболеваний для успешного выздоровления пациента должна проводиться оперативно. Иногда максимально возможные сроки определения метода лечения составляют от одного до двух суток. Кроме того, каждый человек, идя на прием к врачу, хочет надеяться, что его примет профессионал, который внятно объяснит причину недомогания и предложит одну или несколько эффективных методик лечения. Любая медицинская экспертная система, содержащая знания и логику рассуждения лучших специалистов в мире, может это позволить. 

     Как же происходит общение пациента и машины? Конечно, на естественном человеческом языке, и это характерно, как было сказано, для всех ЭС. Сам больной или доктор вводит в MYCIN симптомы устанавливаемой болезни, а ЭС задает уточняющие вопросы и, в конце концов, ставит диагноз и предлагает методы лечения. Кроме того, система на любом шаге может "объяснить" свои доводы. Механизм логического вывода в MYCIN включает первоначальный опрос пациента, прямой вывод с использованием некоторых правил продукции и правил нечеткой логики и обратный вывод (penguin.kurgan.ru/doc/ai.shtml).

     Исследования  работы ЭС MYCIN, проведенные в Стэндфордском  университете, показали, что система  для диагностики бактериальных  инфекций все-таки уступает группе врачей, состоящей только из профессионалов, на 20%. Правда, даже приблизительную дату этого тестирования так и не удалось найти. Но база знаний MYCIN постоянно расширяется, и благодаря этому ЭС "осваивает" все новые области медицины. Теперь MYCIN используется преимущественно для обучения врачей, а ее механизм логического вывода E-MYCIN был успешно применен для создания многих других ЭС, таких, как NEOMYCIN и PUFF для исследования легочных заболеваний.

     Экспертная  система PROSPECTOR разрабатывалась SRI International с 1974 по 1983 год. Как уже было сказано, она предназначена для геологических изысканий и относится к интерпретирующему типу ЭС, которые выводят некоторые заключения на основе наблюдений. Данная программа располагает динамическим количеством геологических моделей, каждая из которых содержит знания об определенных видах полезных ископаемых. Так же, как и MYCIN, PROSPECTOR вовлекает геолога в диалог, чтобы, опираясь на его наблюдения, точно выбрать модель и дать ответ на вопрос "Где бурить?". В 1984 году система точно предсказала существование месторождения молибдена, оцененного в многомиллионную сумму.

     При разработке последующих экспертных систем были учтены особенности и  недостатки PROSPECTOR и MYCIN. Благодаря этому  такие диагностические медицинские  системы, как INTERNIST и CASNET, основанные на ассоциативном и казуальном (от анг. casual - случайный) подходах, приобрели более мощные механизмы вывода. 

       3.3.  ЭС сегодня 

     Сейчас  количество экспертных систем исчисляется  тысячами и десятками тысяч. В  развитых зарубежных странах сотни  фирм занимаются их разработкой и внедрением в различные сферы жизни. Имеются и удачные попытки построения ЭС в СНГ. В настоящее время ведутся разработки самостоятельно обучаемых экспертных систем. Кроме того, в искусственном интеллекте обозначилось такое направление, как инженерия знаний, отвечающая за поиски передовых методов в сборе, представлении, хранении и преумножении информации. Еще можно упомянуть то, что пятое поколение ЭВМ (наши ПК относятся к четвертому), возникшее в 90-х годах, базируется полностью на экспертных системах.

     В качестве современных ЭС можно назвать  быстродействующую систему OMEGAMON (фирма Candle, с 2004 г. IBM) для отслеживания состояния  корпоративной информационной сети и G2 (фирма Gensym) - коммерческую экспертную систему для работы с динамическими  объектами (www.intuit.ru/department/human/isrob/6/isrob_6.html). Они служат для принятия решения за считанные секунды с момента наступления внештатных или критических ситуаций. Для G2 также характерно распараллеливание процессов рассуждений. Для простого перечисления других современных экспертных систем, возможно, не хватит газетной полосы. Вот лишь некоторые из них: GUIDON, TATR, ONCOCIN, MOLGEN, GENESIS.

     Сравнивая положение вещей в создании ЭС в 70-х и 90-х годах, просто поражаешься, насколько далеко наука шагнула вперед. Экспертные системы сейчас являются прогрессирующим направлением в искусственном интеллекте, которое вряд ли в ближайшее время уменьшит скорость своего развития. Поэтому к теме подобных "умных" программных комплексов мы вернемся еще не раз. 

     3.4. Развитие ЭС в России. 

     В нашей стране современное состояние  разработок в области экспертных систем можно охарактеризовать как  стадию всевозрастающего интереса среди  широких слоев экономистов, финансистов, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. К сожалению, этот интерес имеет пока достаточно слабое материальное подкрепление - явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций искусственного интеллекта, ограниченное финансирование исследований в этой области, слабый отечественный рынок программных продуктов для разработки экспертных систем.

     Поэтому распространяются "подделки" под  экспертные системы в виде многочисленных диалоговых систем и интерактивных  пакетов прикладных программ, которые дискредитируют в глазах пользователей это чрезвычайно перспективное направление. Процесс создания экспертной системы требует участия высококвалифицированных специалистов в области искусственного интеллекта, которых пока выпускает небольшое количество высших учебных заведений страны.

     Современные экспертные системы широко используются для тиражирования опытам знаний ведущих специалистов практически  во всех сферах экономики. Традиционно  знания существуют в двух видах - коллективный опыт и личный опыт.

     В числе ведущих российских производителей экспертных систем можно отметить ГП "Диапазон", НПО "Эталон". 

     3.4.1.Экспертные  системы управления  затратами на производство

     зерновых  культур

     Экспертные  системы, которые в последнее  время получают все большее распространение, являются одним из важнейших направлений применения новых информационных технологий в области управления производством. В аграрном секторе зарубежных стран широко используются экспертные системы по управлению производством сельскохозяйственных культур, прогнозированию и контролю почвенной эрозии, заболеваний и распространения вредителей сельскохозяйственных культур, ирригации, кормлению сельскохозяйственных животных, общему управлению фермерским хозяйством. В Российской Федерации функционируют экспертные системы для определения болезней различных сельскохозяйственных культур, организации продукционных и технологических процессов в растениеводстве для томатов, кукурузы, пшеницы, управления процессами производства сахарной свеклы, анализа инвестиционных проектов и кредитоспособности агропромышленных предприятий и др.