При интеллектуальном методе разработки для создания формализмов рассуждений обязательно требуется привлечь к работе компетентного в решении данной задачи представителя эксплуатационного персонала. К сожалению, обычно таких специалистов немого, они очень загружены своими текущими делами, время, которое они могут уделить разработчикам системы весьма дефицитно. Поэтому при разработке интеллектуальных систем появляется новый «персонаж» – специалист по знаниям СЗ. Интересно сравнить требуемую квалификацию СЗ с квалификацией традиционного программиста. Оказывается, что специалист по знаниям вовсе не должен владеть программированием, да и тонкости технологии – не его область. Специалист по знаниям должен знать, как устроены интеллектуальные системы, должен уметь содействовать эксперту-технологу в формализации его невербального опыта. В простых случаях можно надеяться, что эксперт сможет выполнить формализацию самостоятельно – ведь язык для формализации интуитивно понятен технологу. К сожалению, это редко бывает. Чтобы ускорить процесс формализации, можно применить схему «эксперт-посредник», при которой технолог общается с посредником (не знающим детали интеллектуального программирования, но сведущим в технологии), а посредник затем общается с СЗ, «растолковывая» ему технологические вопросы. Общение «Эксперт-технолог Посредник» занимает меньше времени, чем общение «Эксперт-технологСЗ», и хотя возникает «лишний» этап «ПосредникСЗ», экономия дефицитного времени технолога «окупает» эти затраты. Описанные выше взаимодействия разработчиков иллюстрирует рис.1.

При сравнении различных типов взаимодействия разработчиков нужно учитывать сложность внесения коррекций в уже разработанную систему. При вариантах Б и В такие коррекции даются относительно легко – требуется несколько изменить формализмы рассуждений: исключить некоторые рассуждения, ввести новые рассуждения, внести исправления в некоторые рассуждения, например, изменив тексты вопросов. Для варианта А коррекция значительно сложнее – придется исправлять обычные программы практически без участия экспертов-технологов.

1.4.ХАРАКТЕРИСТИКИ РАССУЖДЕНИЙ И ЦЕЛЕСООБРАЗНОСТЬ ПРИМЕНЕНИЯ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Для принятия решения о выборе варианта разработки системы целесообразно на раннем этапе оценить сложность представления опыта эксплуатации в виде рассуждений. Введем некоторые общие характеристики системы, рассуждений, которую предстоит разработать:

а) глубина – количество последовательных уровней рассуждений,

б) разветвленность – количество ветвей в цепочках рассуждений,

в)структурная сложность – количество программ-рассуждений ПР необходимое для реализации системы.

Если представить систему рассуждений в виде графов, то, соответственно, речь идет об иерархических уровнях, количестве ветвей и количестве (условно несвязанных) графов. В наиболее простом случае а=1, б=1, в=1 получим систему где требуемая информация и условия ее поиска содержатся в Базе данных и может быть сразу найдена. Конечно, при таких условиях использовать интеллектуальные методы нецелесообразно.

Сложный случай рассмотрен в главе 4 – для распознавания ситуации дальнего резервирования потребуется более двух уровней графа рассуждений, общее количество графов больше одного (если считать операции со ступенями защит отдельным графом). Для решения таких задач использовать интеллектуальные методы целесообразно.

1.5.ПРИМЕРЫ РЕАЛИЗАЦИИ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

Рассмотрим некоторые примеры реализации интеллектуальных систем, при разработке которых использовались изложенные выше методы.

1.Экспертная система ЭСОРЗ для оперативной режимной проработки ремонтных заявок на оборудование энергосистем [3.4] .Разработана ВНИИЭ с участием ЦДУ ЕЭС, внедрена в службе режимов ЦДУ. Просматривая нерассмотренные заявки, система выявляет множество ограничений, которые должны быть наложены на режим, причем выявляются ограничения, налагаемые как на время заявки, так и на время возможных коротких замыканий при коммутации выключателей. Определяются возможные противоречия с ранее разрешенными заявками. Результат – рекомендуемые решения по заявкам с множеством необходимых для разрешения заявки ограничений.

Реализация ЭСОРЗ потребовала сложных и разветвленных моделей рассуждений: рассуждения относительно заявок, относительно режимных ограничений, топологического анализа электрических схем для определения оборудования, отключаемого при коротких замыканиях.

Метод разработки ЭСОРЗ предполагал использование эксперта-посредника (вариант В). Этот вариант разработки оправдал себя: чрезвычайно загруженный текущей работой эксперт-технолог (оперативный работник службы электрических режимов) за минимальное время консультировал посредника, который затем уже за достаточно длительное время растолковывал инженеру по знаниям технологические сложности задачи.

2.Экспертая система ЭСПЛАН [9] для оперативного планирования ремонтов оборудования. Основное отличие от ЭСОРЗ – автоматическое перемещение плановых сроков ремонтов оборудования, так, чтобы при наложении ремонтов во времени не возникали противоречия. Таким образом, в этой системе время становится «активным участником» рассуждения.

3. Экспертная система ЛОК [5.6] для планирования поиска повреждений в распределительных электрических сетях, включая определение оптимальных траекторий движения ремонтных бригад. Сложность системы рассуждений для этой системы определяется необходимостью проводить не только топологический анализ электрических схем, но и выполнять геоинформационный анализ для траекторий.

4. Тренажер ТРАНС для анализа нештатных ситуаций в электрических сетях [7,8]. Эта система должна не только анализировать электрические схемы, но проводить достаточно сложные рассуждения относительно устройств релейной защиты и автоматики. Реализация в системе тренажерных функций требует отдельных рассуждений (см. главу 4).

Рис.1. Типы взаимодействий разработчиков.

1.6.ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННАЯ СИСТЕМА МИМИР

Приведем определения из Википедии:

Интеллектуальная информационная система (ИИС) – комплекс программных, лингвистических и логико-математических средств для реализации основной задачи – осуществления поддержки деятельности человека и поиска информации.

Экспе́ртная систе́ма (ЭС, англ. expert system) – компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации.

Рис. 2  Структура экспертной системы.

На рис. 2. показана самая общая структура экспертной системы.

База данных может быть представлена как:

– база знаний,

–хранилище данных.

Разработанная в Научно-исследовательском институте электроэнергетики интеллектуальная система МИМИР (Малая Информационная Модель Интеллектуальных Решений) [3] использует для построения Базы знаний формализм семантических сетей (система МИМИРявляется оригинальной и не имеет зарубежных аналогов). Семантическая (смысловая) сеть – это граф, вершинами которого являются понятия из предметной области той или иной технологической системы, а дугами – связи между понятиями.

Семантическая сеть должна быть структурирована – в ней нужно выделить семантические группы понятий. В одну семантическую группу объединяются «однородные» понятия – такие понятия, которые в графе семантической сети не связываются друг с другом непосредственно, а только через другие группы. В каждой семантической группе выделяется:

– технологическое наименование группы,

– множество понятий – элементов группы.

Например, для электрической сети может быть введена семантическая группа «энергетические объекты» (объекты) с элементами в виде множества электрических станций и подстанций определенной электросети. Чтобы при решении различных задач различать генерирующие объекты (станции) и подстанции, следует ввести группу «вид_объекта» с элементами: станция и подстанция.

Создавая Базу знаний, инженер по знаниям определяет словарь системы, в который входит множество технологических наименований соответствующих понятий.

На основе этого Словаря строится ограниченный естественный язык ОЕЯ (технологическая лексика, упрощенная русская грамматика), который может использоваться

– для взаимодействия пользователей с ИИС,

– для осуществления логических выводов.

1.7.РАЗРАБОТКА БАЗ ЗНАНИЙ ДЛЯ ИИС МИМИР

Разработка Баз знаний для технологических систем облегчается тем, что в каждой предметной области имеется устоявшаяся классификация понятий. Необходимо «вытащить» информацию из опыта технолога (работа инженера по знаниям).

На рис. 3 показан пример структуры семантической сети для задач диспетчерского управления в электросетях.

Рис.3 Топологическая модель первичной сети для задач диспетчерского управления.

С помощью ограниченного естественного языка может быть организовано взаимодействие пользователей с интеллектуальной системой. Это взаимодействие основано на естественно-языковых вопросах.

Определим простой естественно-языковый вопрос как фразу структурно состоящую из:

– вопросной области ВО;

– множества условий вопроса УВ.

Вопросная область ВО задает то, что нужно определить, отвечая на вопрос. Примем, что в качестве ВО может использоваться имя одной из семантических групп.

В качестве условий вопроса УВ могут использоваться:

– Семантические группы,

– элементы семантических групп,

– множества элементов одной семантической группы.

То есть ответить на вопрос означает найти из множества элементов группы ВО, таких, которые связаны с группами и элементами групп, заданными УВ.

Для определения ответа на вопрос интеллектуальная система

–Анализирует вопрос, выделяя ВО и множество УВ,

– по семантической сети определяет, какие элементы группы ВО имеют связи с УВ.

В простейшем случае ответ на вопрос есть список элементов группы ВО, имеющих связи с УВ. Для пользователя ответ есть вербализация этого списка (заголовок списка – имя группы ВО, тело списка – технологические наименования релевантных УВ элементам группы ВО).

Этот тип вопроса назовем определительным. Допускаются составные вопросы. В них часть условий выражаются придаточными конструкциями (типа «который»). При этом допускаются вложения вложения придаточных вопросов друг в друга. Придаточные вопросы и вложенные конструкции