Иллюстрированный самоучитель по введению в экспертные системы

Введение 2
Что такое экспертная система? 4
Смысл экспертного анализа 5
Характеристики экспертных систем 6
Базовые функции экспертных систем. Приобретение знаний. 7
Представление знаний 8
Управление процессом поиска решения 10
Разъяснение принятого решения 11
Резюме. Текущее состояние проблемы. 12
Распределение материала книги по главам 13
Рекомендуемая литература. Упражнения. 14
Обзор исследований в области искусственного интеллекта 15
Исследования в области искусственного интеллекта 16
Классический период: игры и доказательство теорем. Поиск в пространстве состояний. 17
Эвристический поиск 20
Романтический период: компьютер начинает понимать. Система SHRDLU. 22
Схемы представления знаний 23
Период модернизма: технологии и приложения. В знании сила. 25
Периоды "зимней спячки" и "пробуждения" в истории искусственного интеллекта 28
Рекомендуемая литература. Упражнения. 29
Представление знаний 33
Представление знаний: принципы и методы 34
Планировщик STRIPS 36
Таблицы операторов и методика "средство – анализ завершения" 37
Анализ метода представления и управления в STRIPS 39
Формулировка подцелей в MYGIN. Лечение заболеваний крови. 40
База знаний системы MYCIN 41
Структуры управления в MYCIN 43
Оценка и сравнение характеристик экспертных систем. Оценка системы MYCIN. 45
Сравнение MYCIN и STRIPS 46
Рекомендуемая литература. Упражнения. 47
Символические вычисления 49
Специализированные языки программирования 50
Символическое представление 51
Физическая символическая система 52
Реализация символических структур на языке LISP. Структуры данных в языке LISP. 53
Структура LISP-программы 54
Приложение функции и лямбда-исчисление 55
Обработка списков 56
Сопоставление с образцом 57
Почему LISP не является языком представления знаний. Символический уровень и уровень знаний. 58
LISP и разработка программ. Гипотеза Смита. 59
Языки представления знаний 60
Рекомендуемая литература. Упражнения. 61
Системы, основанные на знаниях 62
Канонические системы 63
Системы порождающих правил для решения проблем. Синтаксис представления правил. 64
Рабочая память 66
Управление функционированием интерпретатора 68
Разрешение конфликтов 69
Прямая и обратная цепочки рассуждений 70
Правила и метаправила 73
Рекомендуемая литература. Упражнения. 75
Ассоциативные сети и системы фреймов 77
Графы, деревья и сети 78
Ассоциативные сети. Разделение видов узлов и когнитивная экономия. 81
Анализ адекватности ассоциативных сетей 82
Представление типовых объектов и ситуаций. Основные понятия концепции фреймов. 83
Фреймы и графы 84
Значения по умолчанию и демоны 85
Множественное наследование 87
Сравнение сетей и фреймов 89
Рекомендуемая литература. Упражнения. 90
Объектно-ориентированное программирование 93
Язык KRL 94
Языки LOOPS и FLAVORS 96
Проблема наложения методов 97
Метаклассы 98
Языки CLIPS и CLOS. Множественное наследование в CLOS и CLIPS. 99
Наложение методов в CLOS и CLIPS 100
Метаклассы в CLOS и CLIPS 102
Множественное наследование в C++ 103
Объектно-ориентированный анализ и конструирование экспертных систем 106
Рекомендуемая литература. Упражнения. 107
Логическое программирование 108
Формальные языки 109
Исчисление высказываний 110
Исчисление предикатов 111
Язык PROLOG 113
Опровержение резолюций. Принцип резолюций. 114
Поиск доказательства в системе резолюций 115
Процедурная дедукция в системе PLANNER 117
PROLOG и MBASE. Правила поиска в языке PROLOG. 118
Управление поиском в системе MBASE 119
Рекомендуемая литература. Упражнения. 122
Представление неопределенности знаний и данных 124
Источники неопределенности 125
Экспертные системы и теория вероятностей. Условная вероятность. 126
Коэффициенты уверенности 128
Коэффициенты уверенности и условные вероятности 129
Сомнительность и возможность. Нечеткие множества. 131
Нечеткая логика 132
Теория возможности 133
Неопределенное состояние проблемы неопределенности 134
Рекомендуемая литература. Упражнения. 135
Приобретение знаний 136
Приобретение знаний 137
Теоретический анализ процесса приобретения знаний. Стадии приобретения знаний. 138
Уровни анализа знаний 139
Онтологический анализ 141
Оболочки экспертных систем. Система EMYCIN. 142
Сопровождение и редактирование баз знаний с помощью программы TEIRESIAS 143
Методы приобретения знаний. Использование опроса экспертов для извлечения знаний в системе COMPASS. 144
Автоматизация процесса извлечения знаний в системе OPAL. Графический интерфейс модели предметной области. 145
Эффективность программы OPAL 147
Приобретение новых знаний на основе существующих 148
Рекомендуемая литература. Упражнения. 149
Эвристическая классификация (I) 154
Классификация 155
Классификация задач экспертных систем 156
Классификация методов решения проблем. Эвристическое сопоставление. 158
Общность эвристической классификации 160
Классификация или конструирование? 162
Рекомендуемая литература. Упражнения. 163
Эвристическая классификация (II) 167
Инструментальные средства и задачи, решаемые экспертной системой 168
Эвристическая классификация в системах MUD и MORE. Модель предметной области выполнения буровых работ. 169
Стратегии приобретения знаний 172
Использование коэффициентов уверенности в программе MORE 174
Опыт эксплуатации системы MORE 175
Совершенствование стратегий. Уроки проекта GUIDON. 176
Структура задач в системе NEOMYCIN 177
Рекомендуемая литература. Упражнения. 178
Иерархическое построение и проверка гипотез 181
Влияние сложности пространства гипотез на организацию работы системы 182
Структурированные объекты в CENTAUR. Структура фреймов в CENTAUR. 184
Правила, включенные в прототипы 185
Формирование суждений на базе модели в системе INTERNIST 186
Представление знаний в дереве заболеваний 187
Методика выделения правдоподобных гипотез в INTERNIST 189
Проблемы, обнаруженные в процессе эксплуатации системы INTERNIST 190
Рабочая среда инженерии знаний TDE 191
Рекомендуемая литература. Упражнения. 192
Решение проблем конструирования (I) 194
Области применения методов конструктивного решения проблем 195
Система R1/XCON 196
Компоненты и ограничения 197
Использование текущего контекста для управления структурой задачи 198
Формирование суждений с учетом ограничений: метод Match 200
Использование знаний, развитие и расширение системы XCON. Извлечение знаний в системе R1/XCON. 201
Совершенствование и расширение системы R1/XCON 202
Рекомендуемая литература. Упражнения. 204
Решение проблем конструирования (II) 205
Стратегии конструирования 206
Архитектура систем планирования и метапланирования 207
Извлечение, представление и применение знаний о проектировании. Реализация обратного прослеживания в системе VT. 212
Приобретение знаний с помощью системы SALT 214
Итоги анализа систем решения проблем конструирования 215
Рекомендуемая литература. Упражнения. 216
Средства формирования пояснений 218
Формирование пояснений на основе знаний 219
Подсистема формирования пояснений в MYCIN 220
Формирование пояснений в системах, производных от MYCIN. Формирование пояснений на основе фреймов. 221
Организация вывода пояснений в системе CENTAUR 223
Использование мультимедийного интерфейса для формирования пояснений 228
Формирование пояснений и автоматическое программирование. Автоматическое программирование в системе XPLAN. 229
Проект Explainable Expert Systems 230
Планирование текстов пояснений и модели пользователей в PEA 232
Перспективы дальнейших исследований методов формирования пояснений 233
Рекомендуемая литература. Упражнения. 234
Инструментальные средства разработки экспертных систем 237
Общая характеристика инструментальных средств для построения экспертных систем 238
Оболочки экспертных систем 239
Языки программирования высокого уровня. Языки описания порождающих правил. 240
Объектно-ориентированные языки 241
Языки логического программирования экспертных систем 242
Многофункциональные программные среды 243
Дополнительные модули 245
Использование инструментальных средств. Характерные сложности и способы их избежать. 247
Выбор подходящего инструментария для разработки экспертной системы 248
Практическое освоение инструментальных средств 249
Стиль программирования 251
Некоторые максимы разработки экспертных систем 252
Рекомендуемая литература. Упражнения. 253
Системы с доской объявлений 255
Принципы организации систем с доской объявлений 256
Системы HEARSAY, AGE и ОРМ. Почему для HEARSAY-II выбрана такая архитектура. 257
Использование источников знаний в HEARSAY-II 258
Система HEARSAY-III – оболочка для создания систем с доской объявлений 259
Инструментальные среды AGE и ОРМ 260
Среда с доской объявлений ВВ. Уровни абстракции в среде ВВ. 261
Системы ВВ1 и ACCORD 262
Система PROTEAN 263
Интеграция стратегий логического вывода. Общая характеристика ВВ. 264
Эффективность и гибкость модели с доской объявлений. Организация доски объявлений в системе GBB. 265
Компоновка доски объявлений в среде ERASMUS 266
Организация параллельных вычислений в системах CAGE и POLIGON 267
Рекомендуемая литература. Упражнения. 268
Система отслеживания истинности предположений 269
Отслеживание зависимостей. Релаксация в сети. 270
Пересмотр допущений 272
Пересмотр теорий высказываний 273
Немонотонное обоснование 274
Работа со множеством контекстов. Отслеживание истинности предположений, основанное на анализе допущений. 276
Использование систем отслеживания истинности предположений для диагностирования на основе моделей 279
Сравнение различных вариантов организации систем отслеживания истинности предположений 281
Рекомендуемая литература. Упражнения. 282
Формирование знаний на основе машинного обучения 283
Машинное обучение 284
Индуктивное обучение 285
Система Meta-DENDRAL 287
Формирование и уточнение правил 288
Пространство версий 289
Алгоритм отсеивания кандидатов 290
Сопоставление экземпляров с образцами в Meta-DENDRAL 291
Построение дерева решений и порождающих правил. Структура дерева решений. 292
Алгоритм формирования дерева решений по обучающей выборке 294
Уточнение наборов правил 298
Рекомендуемая литература. Упражнения. 300
Сети доверия 301
Теория Демпстера-Шефера 302
Функции доверия 303
Применение теории Демпстера-Шефера к системе MYCIN 304
Методика Перла 305
Сравнение методов неточных рассуждений 307
Резюме 308
Рекомендуемая литература. Упражнения. 309
Рассуждения, основанные на прецедентах 310
Рассуждение, основанное на прецедентах 311
База прецедентов 312
Программа CHEF 313
Методы извлечения и адаптации прецедентов 314
Обучение с помощью компьютера: система САТО. Предметная область программы САТО. 315
Расследования и рассуждения в юриспруденции 316
Обучение с помощью системы САТО 317
Формирование отчетов в системе FRANK 319
Сравнение систем, основанных на правилах и прецедентах 321
Рекомендуемая литература. Упражнения. 322
Гибридные системы 324
Гибридные системы 325
Методы обучения в системе ODYSSEUS 326
Системы ODYSSEUS и MINERVA. Оболочка экспертной системы MINERVA. 328
Обучение в системе ODYSSEUS 329
Использование прецедентов для обработки исключений 330
Гибридный символический подход и Нейронные сети 332
SCALIR – гибридная система для извлечения правовой информации 335
Организация обучения в системе SCALIR 337
Будущее гибридных систем 338
Рекомендуемая литература. Упражнения. 339
Заключение 340
Загадка искусственного интеллекта 341
Представление знаний 342
Языки программирования систем искусственного интеллекта 343
Решение практических проблем 344
Архитектура экспертных систем 345
Рекомендуемая литература 346
Приложение. Программирование на языке CLIPS. 347
Краткая история CLIPS 348
Правила и функции в CLIPS. Факты. 349
Правила 351
Наблюдение за процессом интерпретации 353
Использование шаблонов. Определение функций. 354
Объектно-ориентированные средства в CLIPS 355
Задача "Правдолюбцы и лжецы" 358
Анализ проблемы 359
Онтологический анализ и представление знаний 360
Разработка правил 362
Расширение набора правил – работа с составными высказываниями 364
Обратное прослеживание и множество контекстов 369
Обработка метавысказываний 377
Полный листинг программы 379
Стиль программирования на языке CLIPS 386
Упражнения 387
Литература 388