Искусственный интеллект

Экспертные системы и системы поддержки решений

Как известно, конечной целью использования любой информационной системы является принятие некоторого решения. Именно здесь заканчивается логическая цепочка научных исследований для целей управления, планирования, проектирования и прогнозирования. Географические информационные системы оказываются чрезвычайно полезным средством поддержки Пространственных решений. Именно с такими решениями связаны проблемы оптимизации размещения народно-хозяйственного комплекса, совершенствования территориальной структуры сферы обслуживания, разработки и реализации проектов рационального природопользования и др. В этой области намечается синтез ГИС-технологии с технологиями искусственного интеллекта с целью разработки географических экспертных систем и пространственных систем поддержки решений.

Технологии искусственного интеллекта: краткий обзор

Искусственный интеллект (ИИ) можно определить как программную систему, имитирующую на компьютере мышление человека. Для создания такой системы необходимо изучить процесс мышления специалиста, решающего определенные задачи или принимающего решения в конкретной области, выделить основные моменты этого процесса и разработать программные средства, воспроизводящие их на компьютере. Искусственный интеллект, как следует из самого названия, придает компьютеру черты разума, в том числе способность к самообучению и накоплению новой, полезной в дальнейшем информации.

Конкретные сферы человеческой деятельности, в которых могут применяться системы ИИ, называются Предметными (проблемными) областями. Например, предметными областями могут быть оценка эффективности природоохранных мероприятий в регионе или выбор места размещения промышленного предприятия. Очевидно, что создание единой системы ИИ, охватывающей все предметные области практически невозможно, так как для решения всех возможных задач во всех предметных областях необходимо бесконечное число фактов и правил. Даже если бы такая система была создана, то понадобилось бы неприемлемо длительное время на наполнение ее знаниями. К тому же, в настоящее время еще нет компьютера, способного хранить и обрабатывать такой объем информации. Поэтому из практических соображений обычно выбираются предметные области, в которых объем информации поддается управлению.

Система ИИ, созданная для решения задач в конкретной проблемной области, называется Экспертной системой (ЭС). Приведенное определение не исчерпывает существующего многообразия определений ЭС, встречающихся в литературе, и свидетельствует о том, что пока не сформировано полное, удовлетворяющее всех, определение. Приведем еще два из них, по нашему мнению наиболее удачных.

1. Группа специалистов по экспертным системам Британского компьютерного общества под ЭС понимает систему, объединяющую возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить разумный совет или осуществить разумное решение поставленной задачи. Дополнительно желаемой характеристикой такой системы, которая многими рассматривается как основная, является способность системы пояснять, по требованию, ход своих рассуждений в понятной для спрашивающего форме.

2. Экспертной является система, которая имеет дело с трудными задачами из сложной области, работая, как правило, с такими типами задач, как интерпретация, диагностика, предсказание, обучение, мониторинг, планирование и конструирование. ЭС располагает экспертными правилами, не прибегает к слепому поиску, рассуждает путем оперирования символами, владеет фундаментальными принципами из предметной области и прибегает к более слабым методам рассуждений (эвристикам и гипотезам) в тех случаях, когда не срабатывают экспертные правила и когда необходимо строить объяснения. Она может рассуждать о своих знаниях (или об их отсутствии), в частности давать рациональную реконструкцию пути логического вывода, что необходимо для объяснения и оправдания ее действий. Она обучается на новом опыте (становится в большей степени специалистом), может рассуждать по аналогии и воспринимать описание задачи в произвольных терминах, преобразовывая его во внутреннее представление, пригодное для обработки в соответствии с моделью представления знаний.

На Рис. 5.9 графически представлена структура типичной экспертной системы, включающей следующие основные блоки:

Блок представлений знаний (БПЗ) или база знаний (БЗ) - главный блок ЭС, в котором накапливаются знания о конкретной предметной области. Формирование этого блока осуществляется с учетом двух условий: 1) обеспечение возможности полного описания всего разнообразия объектов, понятий, категорий и их взаимосвязей; 2) адекватная интерпретация этих знаний на основе моделей, заложенных в данный блок. Эти модели должны включать как объективные закономерности, характерные для данной предметной области, так и субъективные, основанные на опыте, интуиции и знаниях отдельных экспертов.

Блок механизма логического вывода (БМЛВ) - блок, который на основе взаимодействия с БПЗ позволяет получать новые, не содержащиеся явно в базе знаний сведения. Блок рабочей области (БРО) - специальный блок, в котором происходит весь процесс решения задачи, поставленной перед ЭС. В него вводится описание решаемой задачи, данные и правила из БПЗ и БМЛВ.

Рис. 5.9. Структура экспертной системы

Остальные блоки - блок языка высокого уровня (БЯВУ), блок объяснения логики решения (БОЛР), блок пополнения и модернизации (БПМ), предназначены для взаимодействия с пользователем и модификации базы знаний.

В настоящее время особую актуальность приобретают т. н. Советующие системы (СС), являющиеся разновидностью систем поддержки принятия решений. Название этих систем вполне соответствует их назначению: по запросу пользователя "выдавать" советы по поведению в складывающейся на анализируемом или моделируемом объекте ситуации, причем делать это на уровне опытного специалиста, авторитета в своей области. Советующая система не предназначена для замены человека, принимающего решения, хотя в отдельных случаях такая замена возможна (при наличии надежного интерфейса с объектом управления). Рекомендации пользователю выдаются либо с экрана видеомонитора, либо с устройства речевого вывода, либо с того и другого одновременно. При этом форма выдачи советов не должна быть навязчивой (за исключением, может быть, аварийных и экстремальных ситуаций). Зачастую СС предлагает несколько альтернативных вариантов решений, но право выбора конкретного решения остается за пользователем.

Наиболее перспективная сфера применения советующих систем - сложные объекты управления, каковыми несомненно являются географические. Отметим, что "простыми" считаются объекты, точные математические модели которых, например в виде системы алгебраических уравнений или модели линейного программирования, при учете всех необходимых количественных факторов, влияющих на поведение объекта, пригодны для реализации на ЭВМ и вполне адекватны объекту. Разумеется, что зачастую построить модель "простого" объекта довольно непросто. Но суть при этом сохраняется: для построения моделей таких объектов имеются достаточно хорошо разработанные традиционные точные математические методы.

Сложные объекты управления

1. Не все цели выбора управляющих решений и условия, влияющие на этот выбор, могут быть выражены в виде количественных соотношений.

2. Отсутствует полностью, либо является неприемлемо сложным формализованное описание объекта управления.

3. Значительная часть информации, необходимая для математического описания объекта, существует в форме представлений и пожеланий специалистов-экспертов, имеющих опыт работы с данным объектом.

4. Построение точных математических моделей сложных объектов, пригодных для реализации и эксплуатации на современных ЭВМ, либо затруднительно, либо вообще невозможно.

На практике доказано, что человеку несвойственно мыслить и принимать решения только в "количествах". Он мыслит прежде всего в "качествах", и для него поиск решения - это, в первую очередь, поиск замысла решения. При этом количественные оценки играют вспомогательную роль, а преобладают качественные, нечеткие оценки типа "много", "мало", "довольно высокий", "далеко", "очень близко", "быстро", "слишком медленно" и т. д. Таким образом, советующие системы должны быть ориентированы на работу с такими нечеткими понятиями.

Главная часть СС - нечеткая модель управления. Нечеткая логика используется здесь для формализации нечетких понятий с точки зрения их семантики и обеспечивает эффективную обработку качественной информации наряду с четкими, количественными данными (Рис. 5.10).

Рассмотренные технологии искусственного интеллекта часто включаются в более общее (родовое) понятие "системы поддержки принятия решений (СПР)", в англоязычной литературе известном под термином DSS - Decision Support Systems. В настоящее время в мире наблюдается значительный рост разработок в области DSS, что связано с расширением сферы их применения, включающей анализ, моделирование, проектирование и прогнозирования объектов и процессов в различных областях человеческой деятельности.

Рис. 5.10. Архитектура советующей системы

Отличительной чертой систем поддержки принятия решений (и вообще всех технологий ИИ) является наличие в них специального блока - базы знаний, обеспечивающей "интеллект" таких систем. Специалисты указывают четыре особенности знаний, которыми они отличаются от данных: 1) внутренняя интерпретируемость, 2) структурированность, 3) связанность и 4) активность.

Как отмечает И. А.Портянский, на современном этапе развития географии весьма ценными являются классификационные способности ЭС. Экспертная система способна осуществлять сложные классификации географических объектов, например по таким параметрам, как степень комплексности экономических районов или устойчивость ландшафта к антропогенным воздействиям. Эта задача не может быть решена только на основе формальных методов и данных, имеющих количественную форму. Экспертные системы, обладая способностью к интеграции разнообразной информации, в том числе и качественного характера, представляют собой наиболее адекватное средство достижения этой цели. Кроме того, разработка классификации и типологии связана с широким классом задач географической динамики, изучающей проблемы развития географических объектов. В этом случае решение можно интерпретировать как процесс нахождения пути по диагностическому дереву, в результате чего отыскивается путь, соответствующий состоянию данного объекта в иерархии возможных траекторий (путей) развития.

Важным классом задач, решаемых с помощью ЭС, являются задачи прогнозирования. Здесь экспертная система, используя свои знания о структуре объекта, его элементах и их воздействии на функционирование всей системы, может давать прогнозы развития географического объекта.

Наконец, большое значение ЭС имеют при использовании их совместно с ГИС. При этом повышается эффективность работы ГИС, и общение с ней становится более удобным и "дружественным" для пользователя. Благодаря поддержке эвристических процедур экспертной системой, происходит более быстрая выдача нужной информации, так как уже на ранних этапах поиска находится нужный участок базы данных, и вся навигация осуществляется с наименьшими затратами времени.

Кроме того, способность ЭС обучаться позволяет при повторном обращении к базе данных ГИС с аналогичным запросом проводить поиск значительно быстрее, чем в первый раз. ЭС может подсказать пользователю, какая именно информация ему необходима для решения той или иной задачи. Путем указания на наличие тесной взаимосвязи между требуемыми и другими хранящимися в памяти компьютера данными, ЭС помогает строить адекватные информационные модели сложных географических объектов независимо от уровня компетенции и специализации географа-исследователя. Располагая знаниями о связях и пропорциях развития различных элементов географических объектов, ЭС может осуществлять контроль за корректностью потока информации, поступающей в ГИС и даже восполнять недостающие данные.

Следующим наиболее перспективным и многообещающим направлением синтеза технологий искусственного интеллекта и ГИС являются т. н. Пространственные системы поддержки решений (ПСПР), в англоязычной транскрипции известные как SDSS - Spatial Decision Support Systems.