(в медецине комп предлагает варианты диагноза, дает совет) Экспертные системы - это программы для комп-ров, аккумулирующие (т.е. собирать, накапливать) знания специалистов - экспертов в конкретных предметных областях, которые предназначены для получения приемлемых решений в процессе обработки инф-ции. Экспертные системы трансформируют опыт экспертов в какой-либо конкретной отрасли знаний в форму эвристических правил и предназначены для консультаций менее квалифицированных спец-тов.
Принципы работы экспертной системы, основанной на знаниях: польз-ль передает в экспертную систему факты или другую инф-цию и получает в качестве результата экспертный совет или экспертные знания.
Экспертная система состоит из:
Базы знаний (в составе рабочей памяти и базы правил), предназначенной для хранения исходных и промежуточных фактов в рабочей памяти (ее еще называют базой данных) и хранения моделей и правил манипулирования моделями в базе правил
Решателя задач (интерпретатора), который обеспечивает реализацию последовательности правил для решения конкретной задачи на основе фактов и правил, хранящейся в базах данных и базах знаний
Подсистемы пояснения, позволяет пользователю получить ответы на вопрос: «Почему система приняла такое решение?»
Подсистемы приобретения знаний, предназначенной как для добавления в базу знаний новых правил, так и модификации имеющихся правил.
Интерфейса пользователя, комплекса программ, реализующих диалог пользователя с системой на стадии ввода информации, и получения результатов.
В общем случае экспертные системы классиф-тся по трем осн направлениям : по типу ЭВМ, по связи с реальным временем и по типу решаемой задачи.
По типу ЭВМ ЭС классиф-тся на: супер ЭВМ; ЭВМ средней производительности; символьных процессорах; персональных компьютерах.
По связи с реальным временем классиф-тся на: Статические; Квазидинамические;
· Динамические.
По типу решаемой задачи классиф-тся на: Интерпретация данных; Диагностика; Мониторинг; Проектирование; Прогнозирование; Планирование; Управление; Поддержка принятия решений; Обучение.
Знания эксперта относятся только к одной предметной области, и в этом состоит отличие методов, основанных на исп-нии экспертных систем, от общих методов решения задач. Знания эксперта, касающиеся решения конкретных задач, наз-тся областью знаний эксперта.
В области знаний экспертная система проводит рассуждения или делает логические выводы по такому же принципу, как рассуждал бы эксперт-человек или приходил логическим путем к решению задачи. Это означает, что на основании определенных фактов путем рассуждений формируется логичное, оправданное заключение, которое следует из этих фактов.
Экспертные системы обладают многими привлекательными особ-ями:
· Повышенная доступность . Для обеспечения доступа к экспертным знаниям могут применяться любые подходящие комп-ные аппаратные средства.
· Уменьшенные издержки. Ст-сть предоставления экспертных знаний в расчете на отдельного польз-ля существенно снижается.
· Уменьшенная опасность . Экспертные системы могут испол-ся в таких вариантах среды, кот могут оказаться опасными для чел-ка.
· Постоянство . Экспертные знания никуда не исчезают. В отличие от экспертов-людей, которые могут уйти на пенсию, уволиться с работы или умереть, знания экспертной системы сохр-тся в течение неопределенно долгого времени.
· Возможность получения экспертных знаний из многих источников . С помощью экспертных систем могут быть собраны знания многих экспертов и привлечены к работе над задачей, выполняемой одновременно и непрерывно, в любое время дня и ночи. Уровень экспертных знаний, скомбинированных путем объединения знаний нескольких экспертов, может превышать уровень знаний отдельно взятого эксперта-человека.
· Повышенная надежность . Применение экспертных систем позволяет повысить степень доверия к тому, что принято правильное решение, путем предоставления еще одного обоснованного мнения эксперту-чел-ку или посреднику при разрешении несогласованных мнений между несколькими экспертами-людьми. (Разумеется, такой метод разрешения несогласованных мнений не может использоваться, если экспертная система запрограммирована одним из экспертов, участвующих в столкновении мнений.) Решение экспертной системы должно всегда совпадать с решением эксперта; несовпадение может быть вызвано только ошибкой, допущенной экспертом, что может произойти, только если эксперт-человек устал или находится в состоянии стресса.
· Объяснение . Экспертная система способна подробно объяснить свои рассуждения, кот привели к определ заключению. А человек может оказаться слишком усталым, не склонным к объяснениям или неспособным делать это постоянно. Возможность получить объяснение способствует повышению доверия к тому, что было принято правильное решение.
· Быстрый отклик . Для некот приложений может потребоваться быстрый отклик или отклик в реальном времени. В зависимости от используемого аппаратного и программного обеспечения экспертная система может реагировать быстрее и быть более готовой к работе, чем эксперт-человек. В некоторых экстремальных ситуациях может потребоваться более быстрая реакция, чем у человека; в таком случае приемлемым вариантом становится применение экспертной системы, действующей в реальном времени.
· Неизменно правильный, лишенный эмоций и полный ответ при любых обстоятельствах . Такое свойство может оказаться очень важным в реальном времени и в экстремальных ситуациях, когда эксперт-человек может оказаться неспособным действовать с максимальной эффективностью из-за воздействия стресса или усталости.
· Возможность применения в качестве интеллектуальной обучающей программы . Экспертная система может действовать в качестве интеллектуальной обучающей программы, передавая учащемуся на выполнение примеры программ и объясняя, на чем основаны рассуждения системы.
· Возможность применения в качестве интеллектуальной базы данных. Экспертные системы могут испол-ся для доступа к базам данных с помощью интелл-го способа доступа.
25.Преимущества использования ИКТ в образовании
Инфор-ция явл. важнейшим механизмом рефор-ния образоват. Сис-мы, напр. на повыш. качества, доступ. и эффект. образования.
Комп. техника – всего лишь «железо». Сегодня у нас др. задача – мак. Эффект. Использ. ее, направ. на решение стратегич. цели модерниз. Образ-ния – повыш. его кач-ва.
Преимущества:
1. Инфор-ные технол. Значит. расширяют возможности предъявления учебной инфор.. Применение цвета, графики, звука, всех совр. средств видеотехники позволяет воссоздавать реальную обстановку деят..
2. Компьютер позволяет сущ. повысить мотивацию к обучению.
3. ИКТ вовлекают уч-ся в учеб. процесс, способствуя наиболее широкому раскрытию их способностей, активизации умственной деят.
4. Использ. ИКТ в учебном процессе увелич. Возмож. постановки учебных задач и управления процессом их решения. Компьютеры позволяют строить и анализ.модели различных предметов, ситуаций, явлений.
5. ИКТ позволяют качественно изменять контроль деят. Уч-ся, обеспечивая при этом гибкость управления учебным процессом.
6. Компьютер способствует формир. у учащихся рефлексии. Обучающая программа дает возможность обучающимся наглядно представить результат своих действий, опр.этап в решении задачи, на кот. сделана ошибка, и исправить ее.
Тема 2.3. Программные средства презентаций и основы офисного программирования
Тема 2.4.
2.4.11. Учебная база данных с главной кнопочной формой "Training_students" - Скачать
Системы управления базами данных и экспертные системы
2.4. Системы управления базами данных и экспертные системы
2.4.10. Экспертные и обучающиеся системы
Экспертные системы являются одним из основных приложений искусственного интеллекта. Искусственный интеллект – это один из разделов информатики, в котором рассматриваются задачи аппаратного и программного моделирования тех видов человеческой деятельности, которые считаются интеллектуальными.
Результаты исследований по искусственному интеллекту используются в интеллектуальных системах, которые способны решать творческие задачи, принадлежащие конкретной предметной области, знания о которой хранятся в памяти (базе знаний) системы. Системы искусственного интеллекта ориентированы на решение большого класса задач, к которым относятся так называемые частично структурированные или неструктурированные задачи (слабо формализуемые или неформализуемые задачи).
Информационные системы, используемые для решения частично структурированных задач, подразделяются на два вида:
- Создающие управленческие отчеты (выполняющие обработку данных: поиск, сортировку, фильтрацию). Принятие решения осуществляется на основе сведений, содержащихся в этих отчетах.
- Разрабатывающие возможные альтернативы решения. Принятие решения сводится к выбору одной из предложенных альтернатив.
Информационные системы, разрабатывающие альтернативы решений, могут быть модельными или экспертными:
- Модельные информационные системы предоставляют пользователю модели (математические, статистические, финансовые и т.д.), которые помогают обеспечить выработку и оценку альтернатив решения.
- Экспертные информационные системы обеспечивают выработку и оценку возможных альтернатив пользователем за счет создания систем, основанных на знаниях, полученных от специалистов - экспертов.
Экспертные системы - это программы для компьютеров, аккумулирующие знания специалистов - экспертов в конкретных предметных областях, которые предназначены для получения приемлемых решений в процессе обработки информации. Экспертные системы трансформируют опыт экспертов в какой-либо конкретной отрасли знаний в форму эвристических правил и предназначены для консультаций менее квалифицированных специалистов.
Известно, что знания существуют в двух видах: коллективный опыт, личный опыт. Если предметная область представлена коллективным опытом (например, высшая математика), то эта предметная область не нуждается в экспертных системах. Если в предметной области большая часть знаний является личным опытом специалистов высокого уровня и эти знания являются слабоструктурированными, то такая область нуждается в экспертных системах. Современные экспертные системы нашли широкое применение во всех сферах экономики.
База знаний является ядром экспертной системы. Переход от данных к знаниям является следствием развития информационных систем. Для хранения данных применяются базы данных, а для хранения знаний – базы знаний. В базе данных, как правило, хранятся большие массивы данных с относительно небольшой стоимостью, а в базах знаний хранятся небольшие по объему, но дорогие информационные массивы.
База знаний – это совокупность знаний, описанных с использованием выбранной формы их представления. Наполнение базы знаний является одной из самых сложных задач, которая связана с выбором знаний их формализацией и интерпретацией.
Экспертная система состоит из:
- базы знаний (в составе рабочей памяти и базы правил), предназначенной для хранения исходных и промежуточных фактов в рабочей памяти (ее еще называют базой данных) и хранения моделей и правил манипулирования моделями в базе правил;
- решателя задач (интерпретатора), который обеспечивает реализацию последовательности правил для решения конкретной задачи на основе фактов и правил, хранящейся в базах данных и базах знаний;
- подсистемы пояснения, позволяет пользователю получить ответы на вопрос: «Почему система приняла такое решение?»;
- подсистемы приобретения знаний, предназначенной как для добавления в базу знаний новых правил, так и модификации имеющихся правил;
- интерфейса пользователя, комплекса программ, реализующих диалог пользователя с системой на стадии ввода информации, и получения результатов.
Экспертные системы отличаются от традиционных систем обработки данных тем, что в них, как правило, используется символьный способ представления, символьный вывод и эвристический поиск решений. Для решения слабо формализуемых или неформализуемых задач более перспективными являются нейронные сети или нейрокомпьютеры.
Основу нейрокомпьютеров составляют нейронные сети – иерархические организованные параллельные соединения адаптивных элементов – нейронов, которые обеспечивают взаимодействие с объектами реального мира так же, как и биологическая нервная система.
Большие успехи использования нейросетей достигнуты при создании самообучающихся экспертных систем. Сеть настраивают, т.е. обучают, пропуская через нее все известные решения и добиваясь получения требуемых ответов на выходе. Настройка состоит в подборе параметров нейронов. Часто используют специализированную программу обучения, которая занимается обучением сети. После обучения система готова к работе.
Если в экспертную систему ее создатели предварительно закладывают знания в определенной форме, то в нейронных сетях неизвестно даже разработчикам, как формируются знания в ее структуре в процессе обучении и самообучении, т.е. сеть представляет собой «черный ящик».
Нейрокомпьютеры, как системы искусственного интеллекта, являются весьма перспективными и могут бесконечно совершенствоваться в своем развитии.
В настоящее время системы искусственного интеллекта в форме экспертных систем и нейронных сетей находят широкое применение при решении финансово – экономических проблем.
Нестеров А. В., Тимченко В. В., Трапицын С. Ю. Информационные педагогические технологии. Учебно-методическое пособие, – СПб.: Издательство ООО «Книжный дом», 2003 – 340 с.
Экспертные системы в образовании. Четыре проблемы развития
И в картошке ценят не мундир,
а внутреннее содержание
Экспертные системы (ЭС) основаны на использовании элементов искусственного интеллекта, применяются в автоматизированных образовательных системах для повышения качества обучения за счет автоматизации процесса обучения и повышения эффективности за счет освобождения преподавателя от рутинной работы.
Основной недостаток существующих электронных учебных средств – использование неразвитых примитивных форм диалогового общения с пользователем. Переход от примитивного диалога, типа «меню», к диалогу на «естественном» языке, к диалогу «с голоса» требует применения экспертных систем.
Сегодня нет четкого определения термина «экспертная система». Наиболее общее определение: ЭС – это искусственная система, способная в данной предметной области эффективно заменить эксперта-человека. Экспертными могут называться автоматизированные информационные системы, ориентированные на решение задач в определенной предметной области с достаточным качеством.
ЭС предназначены для того, чтобы сделать доступными сочетания знаний, опыта, навыков и интуиции квалифицированных специалистов. ЭС в сочетании с комплексом учебной информации, в отличие от существующих автоматизированных учебных курсов, являются принципиально новым направлением повышения дидактической эффективности программно-методических комплексов, реализующих контроль и управление процессом обучения. Это отличие заключается в возможности интеллектуальной поддержки обучаемых разного уровня подготовленности. Такая возможность обусловлена наличием базы знаний.
Типы задач, где целесообразно использование ЭС:
управление процессом обучения с учетом индивидуальной подготовленности обучаемого, его индивидуальных особенностей;
диагностика и прогнозирование качества усвоения предметной информации и формирование изменений в последовательности представления учебного материала;
поддержание профессионального уровня обучаемого в данной предметной области;
Peфepaт нa тeму:
"Создание отчета как объекта базы данных. Экспертные и обучающиеся системы"
Oглaвлeниe
Создание отчета как объекта базы данных
Структура отчета в режиме Конструктора
Способы создания отчета
Создание отчета
Создание отчета как объекта базы данных
Отчет - это форматированное представление данных, которое выводится на экран, в печать или файл. Они позволяют извлечь из базы нужные сведения и представить их в виде, удобном для восприятия, а также предоставляют широкие возможности для обобщения и анализа данных.
При печати таблиц и запросов информация выдается практически в том виде, в котором хранится. Часто возникает необходимость представить данные в виде отчетов, которые имеют традиционный вид и легко читаются. Подробный отчет включает всю информацию из таблицы или запроса, но содержит заголовки и разбит на страницы с указанием верхних и нижних колонтитулов.
Структура отчета в режиме Конструктора
Microsoft Access отображает в отчете данные из запроса или таблицы, добавляя к ним текстовые элементы, которые упрощают его восприятие.
К числу таких элементов относятся:
Заголовок. Этот раздел печатается только в верхней части первой страницы отчета. Используется для вывода данных, таких как текст заголовка отчета, дата или констатирующая часть текста документа, которые следует напечатать один раз в начале отчета. Для добавления или удаления области заголовка отчета необходимо выбрать в меню Вид команду Заголовок/примечание отчета.
Верхний колонтитул. Используется для вывода данных, таких как заголовки столбцов, даты или номера страниц, печатающихся сверху на каждой странице отчета. Для добавления или удаления верхнего колонтитула необходимо выбрать в меню Вид команду Колонтитулы. Microsoft Access добавляет верхний и нижний колонтитулы одновременно. Чтобы скрыть один из колонтитулов, нужно задать для его свойства Высота значение 0.
Область данных, расположенная между верхним и нижним колонтитулами страницы. Содержит основной текст отчета. В этом разделе появляются данные, распечатываемые для каждой из тех записей в таблице или запросе, на которых основан отчет. Для размещения в области данных элементов управления используют список полей и панель элементов. Чтобы скрыть область данных, нужно задать для свойства раздела Высота значение 0.
Нижний колонтитул. Этот раздел появляется в нижней части каждой страницы. Используется для вывода данных, таких как итоговые значения, даты или номера страницы, печатающихся снизу на каждой странице отчета.
Примечание. Используется для вывода данных, таких как текст заключения, общие итоговые значения или подпись, которые следует напечатать один раз в конце отчета. Несмотря на то, что в режиме Конструктора раздел "Примечание" отчета находится внизу отчета, он печатается над нижним колонтитулом страницы на последней странице отчета. Для добавления или удаления области примечаний отчета необходимо выбрать в меню Вид команду Заголовок/примечание отчета. Microsoft Access одновременно добавляет и удаляет области заголовка и примечаний отчета.
Способы создания отчета
В Microsoft Access можно создавать отчеты различными способами:
Конструктор
Мастер отчетов
Автоотчет: в столбец
Автоотчет: ленточный
Мастер диаграмм
Почтовые наклейки
Мастер позволяет создавать отчеты с группировкой записей и представляет собой простейший способ создания отчетов. Он помещает выбранные поля в отчет и предлагает шесть стилей его оформления. После завершения работы Мастера полученный отчет можно доработать в режиме Конструктора. Воспользовавшись функцией Автоотчет, можно быстро создавать отчеты, а затем вносить в них некоторые изменения.
Для создания Автоотчета необходимо выполнить следующие действия:
В окне базы данных щелкнуть на вкладке Отчеты и затем щелкнуть на кнопке Создать. Появится диалоговое окно Новый отчет.
Выделить в списке пункт Автоотчет: в столбец или Автоотчет: ленточный.
В поле источника данных щелкнуть на стрелке и выбрать в качестве источника данных таблицу или запрос.
Щелкнуть на кнопке ОК.
Мастер автоотчета создает автоотчет в столбец или ленточный (по выбору пользователя), и открывает его в режиме Предварительного просмотра, который позволяет увидеть, как будет выглядеть отчет в распечатанном виде.
Изменение масштаба отображения отчета
Для изменения масштаба отображения пользуются указателем - лупой. Чтобы увидеть всю страницу целиком, необходимо щелкнуть в любом месте отчета. На экране отобразится страница отчета в уменьшенном масштабе.
Снова щелкнуть на отчете, чтобы вернуться к увеличенному масштабу отображения. В увеличенном режиме представления отчета, точка, на которой вы щелкнули, окажется в центре экрана. Для пролистывания страниц отчета пользуются кнопками перехода внизу окна.
Печать отчета
Для печати отчета необходимо выполнить следующее:
В меню Файл щелкнуть на команде Печать.
В области Печатать щелкнуть на варианте Страницы.
Чтобы напечатать только первую страницу отчета, введите 1 в поле "с" и 1 в поле "по".
Щелкнуть на кнопке ОК.
Прежде чем печатать отчет, целесообразно просмотреть его в режиме Предварительного просмотра, для перехода к которому в меню Вид нужно выбрать Предварительный просмотр.
Если при печати в конце отчета появляется пустая страница, убедитесь, что параметр Высота для примечаний отчета имеет значение 0. Если при печати пусты промежуточные страницы отчета, убедитесь, что сумма значений ширины формы или отчета и ширины левого и правого полей не превышает ширину листа бумаги, указанную в диалоговом окне Параметры страницы (меню Файл).
При разработке макетов отчета руководствуйтесь следующей формулой: ширина отчета + левое поле + правое поле
Для того чтобы подогнать размер отчета, необходимо использовать следующие приемы:
изменить значение ширины отчета;
уменьшить ширину полей или изменить ориентацию страницы.
Создание отчета
1. Запустите программу Microsoft Access. Откройте БД (например, учебную базу данных "Деканат").
2. Создайте Автоотчет: ленточный, используя в качестве источника данных таблицу (например, Студенты). Отчет открывается в режиме Предварительного просмотра, который позволяет увидеть, как будет выглядеть отчет в распечатанном виде.
3. Перейдите в режим Конструктора и выполните редактирование и форматирование отчета. Для перехода из режима предварительного просмотра в режим конструктора необходимо щелкнуть команду Закрыть на панели инструментов окна приложения Access. На экране появится отчет в режиме Конструктора.
Редактирование:
1) удалите поля код студента в верхнем колонтитуле и области данных;
2) переместите влево все поля в верхнем колонтитуле и области данных.
3) Измените надпись в заголовке страницы
В разделе Заголовок отчета выделить надпись Студенты.
Поместите указатель мыши справа от слова Студенты, так чтобы указатель принял форму вертикальной черты (курсора ввода), и щелкните в этой позиции.
Введите НТУ "ХПИ" и нажмите Enter.
4) Переместите Надпись. В Нижнем колонтитуле выделить поле =Now () и перетащить его в Заголовок отчета под название Студенты. Дата будет отображаться под заголовком.
5) На панели инструментов Конструктор отчетов щелкнуть на кнопке Предварительный просмотр, чтобы просмотреть отчет.
Форматирование:
1) Выделите заголовок Студенты НТУ "ХПИ"
2) Измените гарнитуру, начертание и цвет шрифта, а также цвет заливки фона.
3) На панели инструментов Конструктор отчетов щелкнуть на кнопке Предварительный просмотр, чтобы просмотреть отчет.
Изменение стиля:
Для изменения стиля выполните следующее:
На панели инструментов Конструктора отчетов щелкнуть на кнопке Автоформат, откроется диалоговое окно Автоформат.
В списке Стили объекта "отчет - автоформат" щелкнуть на пункте Строгий и затем щелкнуть на кнопке ОК. Отчет будет отформатирован в стиле Строгий.
Переключится в режим Предварительный просмотр. Отчет отобразится в выбранном вами стиле. Впредь все отчеты созданные с помощью функции Автоотчет будут иметь стиль Строгий, пока вы не зададите другой стиль в окне Автоформат.
Экспертные и обучающиеся системы
Экспертные системы являются одним из основных приложений искусственного интеллекта. Искусственный интеллект - это один из разделов информатики, в котором рассматриваются задачи аппаратного и программного моделирования тех видов человеческой деятельности, которые считаются интеллектуальными.
Результаты исследований по искусственному интеллекту используются в интеллектуальных системах, которые способны решать творческие задачи, принадлежащие конкретной предметной области, знания о которой хранятся в памяти (базе знаний) системы. Системы искусственного интеллекта ориентированы на решение большого класса задач, к которым относятся так называемые частично структурированные или неструктурированные задачи (слабо формализуемые или неформализуемые задачи).
Информационные системы, используемые для решения частично структурированных задач, подразделяются на два вида:
Создающие управленческие отчеты (выполняющие обработку данных: поиск, сортировку, фильтрацию). Принятие решения осуществляется на основе сведений, содержащихся в этих отчетах.
Разрабатывающие возможные альтернативы решения. Принятие решения сводится к выбору одной из предложенных альтернатив.
Информационные системы, разрабатывающие альтернативы решений, могут быть модельными или экспертными:
Модельные информационные системы предоставляют пользователю модели (математические, статистические, финансовые и т.д.), которые помогают обеспечить выработку и оценку альтернатив решения.
Экспертные информационные системы обеспечивают выработку и оценку возможных альтернатив пользователем за счет создания систем, основанных на знаниях, полученных от специалистов - экспертов.
Экспертные системы - это программы для компьютеров, аккумулирующие знания специалистов - экспертов в конкретных предметных областях, которые предназначены для получения приемлемых решений в процессе обработки информации. Экспертные системы трансформируют опыт экспертов в какой-либо конкретной отрасли знаний в форму эвристических правил и предназначены для консультаций менее квалифицированных специалистов.
Известно, что знания существуют в двух видах: коллективный опыт, личный опыт. Если предметная область представлена коллективным опытом (например, высшая математика), то эта предметная область не нуждается в экспертных системах. Если в предметной области большая часть знаний является личным опытом специалистов высокого уровня и эти знания являются слабоструктурированными, то такая область нуждается в экспертных системах. Современные экспертные системы нашли широкое применение во всех сферах экономики.
База знаний является ядром экспертной системы. Переход от данных к знаниям является следствием развития информационных систем. Для хранения данных применяются базы данных, а для хранения знаний - базы знаний. В базе данных, как правило, хранятся большие массивы данных с относительно небольшой стоимостью, а в базах знаний хранятся небольшие по объему, но дорогие информационные массивы.
База знаний - это совокупность знаний, описанных с использованием выбранной формы их представления. Наполнение базы знаний является одной из самых сложных задач, которая связана с выбором знаний их формализацией и интерпретацией.
Экспертная система состоит из:
базы знаний (в составе рабочей памяти и базы правил), предназначенной для хранения исходных и промежуточных фактов в рабочей памяти (ее еще называют базой данных) и хранения моделей и правил манипулирования моделями в базе правил
решателя задач (интерпретатора), который обеспечивает реализацию последовательности правил для решения конкретной задачи на основе фактов и правил, хранящейся в базах данных и базах знаний
подсистемы пояснения, позволяет пользователю получить ответы на вопрос: "Почему система приняла такое решение?"
подсистемы приобретения знаний, предназначенной как для добавления в базу знаний новых правил, так и модификации имеющихся правил.
интерфейса пользователя, комплекса программ, реализующих диалог пользователя с системой на стадии ввода информации, и получения результатов.
Экспертные системы отличаются от традиционных систем обработки данных тем, что в них, как правило, используется символьный способ представления, символьный вывод и эвристический поиск решений. Для решения слабо формализуемых или неформализуемых задач более перспективными являются нейронные сети или нейрокомпьютеры.
Основу нейрокомпьютеров составляют нейронные сети - иерархические организованные параллельные соединения адаптивных элементов - нейронов, которые обеспечивают взаимодействие с объектами реального мира так же, как и биологическая нервная система.
Большие успехи использования нейросетей достигнуты при создании самообучающихся экспертных систем. Сеть настраивают, т.е. обучают, пропуская через нее все известные решения и добиваясь получения требуемых ответов на выходе. Настройка состоит в подборе параметров нейронов. Часто используют специализированную программу обучения, которая занимается обучением сети. После обучения система готова к работе.
Если в экспертную систему ее создатели предварительно закладывают знания в определенной форме, то в нейронных сетях неизвестно даже разработчикам, как формируются знания в ее структуре в процессе обучении и самообучении, т.е. сеть представляет собой "черный ящик".
Нейрокомпьютеры, как системы искусственного интеллекта, являются весьма перспективными и могут бесконечно совершенствоваться в своем развитии. В настоящее время системы искусственного интеллекта в форме экспертных систем и нейронных сетей находят широкое применение при решении финансово - экономических проблем.
Тема1. ЭОС как компонент интенсивного обучения специалистов.
Лекция 8. Экспертно-обучающие системы.
Сферы применения экспертных систем в менеджменте.
Стоимость экспертных систем.
Развитие экпертных систем.
На протяжении последних двадцати лет специалисты в области интеллектуальных систем ведут активные исследовательские работы в области создания и использования экспертных систем, предназначенных для сферы образования. Появился новый класс экспертных систем - экспертные обучающие системы - наиболее перспективное направление совершенствования программных педагогических средств в сторону процедурность знаний.
Экспертная система - это комплекс компьютерного программного обеспечения, помогающий человеку принимать обоснованные решения. Экспертные системы используют информацию, полученную заранее от экспертов - людей, которые в какой-либо области являются лучшими специалистами.
Экспертные системы должны:
- хранить знания об определенной предметной области (факты, описания событий и закономерностей);
- уметь общаться с пользователем на ограниченном естественном языке (т.е. задавать вопросы и понимать ответы);
- обладать комплексом логических средств для выведения новых знаний, выявления закономерностей, обнаружения противоречий;
- ставить задачу по запросу, уточнять её постановку и находить решение;
- объяснять пользователю, каким образом получено решение.
Желательно также, чтобы экспертная система могла:
- сообщать такую информацию, которая повышает доверие пользователя к экспертной системе;
- «рассказывать» о себе, о своей собственной структуре
Экспертная обучающая система (ЭОС) - это программа, реализующая ту или иную педагогическую цель на основе знаний эксперта в некоторой предметной области, осуществляя диагностику обучения и управления учением, а также демонстрируя поведение экспертов (специалистов-предметников, методистов, психологов). Экспертность ЭОС заключается в наличии в ней знаний по методике обучения, благодаря которым она помогает преподавателям обучать, а учащимся - учиться.
Архитектура экспертной обучающей системы включает в себя два основных компонента: базу знаний (хранилище единиц знаний) и программный инструмент доступа и обработки знаний, состоящий из механизмов вывода заключений (решения), приобретения знаний, объяснения получаемых результатов и интеллектуального интерфейса.
Обмен данными между обучаемым и ЭОС выполняет программа интеллектуального интерфейса, которая воспринимает сообщения обучаемого и преобразует их в форму представления базы знаний и, наоборот, переводит внутреннее представление результата обработки в формат обучаемого и выдает сообщение на требуемый носитель. Важнейшим требованием к организации диалога обучаемого с ЭОС является естественность, которая не означает буквально формулирование потребностей обучаемого предложениями естественного языка. Важно, чтобы последовательность решения задачи была гибкой, соответствовала представлениям обучаемого и велась в профессиональных терминах.
Наличие развитой системы объяснений (СО) чрезвычайно важно для ЭОС, работающих в области обучения. В процессе обучения такая ЭОС будет выполнять не только активную роль «учителя», но и роль справочника, помогающего обучаемому изучать внутренние процессы, происходящие в системе, с помощью моделирования прикладной области. Развитая СО состоит из двух компонент: активной, включающей в себя набор информационных сообщений, выдаваемых обучаемому в процессе работы, зависящих от конкретного пути решения задачи, полностью определяемых системой; пассивной (основной компоненты СО), ориентированной на инициализирующие действия обучаемого.
Активная компонента СО является развернутым комментарием, сопровождающем действия и результаты, полученные системой. Пассивная компонента СО - это качественно новый вид информационной поддержки, присущей только системам, основанным на знаниях. Эта компонента, помимо развитой системы HELP-ов, вызываемых обучаемым, имеет системы пояснений хода решения задачи. Система пояснений в существующих ЭОС реализуется различными способами. Она может представлять собой: набор информационных справок о состоянии системы; полное или частичное описание пройденного системой пути по дереву решений; список проверяемых гипотез (основания для их формирования и результаты их проверки); список целей, управляющих работой системы, и путей их достижения.
Важной особенностью развитой СО является использование в ней естественного языка общения с обучаемым. Широкое применение систем «меню» позволяет не только дифференцировать информацию, но и в развитых ЭОС судить об уровне подготовленности обучаемого, формируя его психологический портрет.
Однако обучаемого не всегда может интересовать полный вывод решения, содержащий множество ненужных деталей. В этом случае система должна уметь выбирать из цепочки только ключевые моменты с учетом их важности и уровня знаний обучаемого. Для этого в базе знаний необходимо поддерживать модель знаний и намерений обучаемого. Если же обучаемый продолжает не понимать полученный ответ, то система должна в диалоге на основе поддерживаемой модели проблемных знаний обучать его тем или иным фрагментам знаний, т.е. раскрывать более подробно отдельные понятия и зависимости, если даже эти детали непосредственно в выводе не использовались.