Построение баз знаний для экспертных систем диагностики

Академик О. И. Ларичев выделяет два типа знаний, передава­емых от одного человеческого поколения к другому. Знание первого типа определено как декларативное. К нему относятся факты, теории, задачи и другие сведения, которые описаны в книгах и учебниках, относящихся к различным областям науки.

Ко второму типу знаний относится человеческое умение решать задачи, сочинять музыку, лечить больных, находить неисправно­сти в машинах и аппаратах, изобретать новые устройства и т.п.

Передать умения значительно сложнее, чем получить знания в процессе обучения в школе и университете. Умение передается от учителя к ученику в результате длительного непосредственно­го обучения и преумножается в дальнейшем только путем само­образования при решении многочисленных задач. В результате обучения ученик становится экспертом, который обладает высоким уровнем профессионализма в определенной предметной об­ласти.

На уровень знаний эксперта определяющее влияние оказыва­ют такие факторы, как время, затраченное на решение професси­ональных задач, качество знаний, передаваемых учителем, и при­родные способности человека. Научные исследования показали, что в становлении эксперта большую роль ифают время, за­траченное на упражнения в процессе всей его профессиональной деятельности, а также консультации учителя.

Установлено, что в памяти человека существует так называе­мая рабочая память, которая обеспечивает быстрый доступ к дол­говременной памяти. Такая организация памяти способствует вы­сокой эффективности решения сложных плохо формализован­ных задач.

Исследования, результаты которых приведены в работах, показали, что в процессе длительного решения типовых задач в памяти экспертов формируются особым образом организован­ные иерархические структуры знаний в виде наборов признаков и правил. По этим признакам и правилам происходит группировка объектов предметной области, обеспечивающая удобное хране­ние информации и быстрый доступ к ней.

• диагностика заболеваний по совокупности клинических и инструментальных признаков;
• диагностика неисправностей сложных машин и механизмов;
• диагностика состояния предприятия, региона или государства по экономическим, технологическим, социальным и другим признакам;
• поиск месторождений полезных ископаемых. Отличительной особенностью перечисленных задач является их повторяемость.

При многократном решении подобных задач специалисты накапливают опыт, который позволяет им находить эффективные решения за короткое время. Этот опыт целесооб­разно представить в явной форме и впоследствии хранить, приумножать, корректировать и использовать при решении аналогичных задач.

В задачах классификации с явно заданными признаками искусство эксперта проявляется в умении «увидеть» через заданную совокупность значений отдельных признаков целостный образ объекта.

Чтобы применить на практике метод классификации для по­строения баз экспертных знаний, необходимо иметь полный на­бор признаков, их значений и классов возможных решений.

Постановка задачи экспертной классификации. Дано: N- чис­ло диагностических признаков;— число упорядоченных вер­бальных оценок качества на шкаледиагностического при­знака;— множество оценок на шкале i-го при­знака; Q — количество диагностических классов к которым могут принадлежать классифицируемые объекты;

 — множество всех гипотетически возмож­ных состояний, описываемых диагностическими признаками;  — состояние, принадлежащее множеству А, описываемое вектором, компонентами которого являются значе­ния признаков.

Требуется: на основе знаний экспертов классифицировать все векторы а_и отнеся каждый из них к одному или нескольким клас­сам решений.

Данная постановка задачи основана на предположении, что эксперт обладает всей полнотой знаний, и нужно найти подход, позволяющий их выявить.

Метод экспертной классификации содержит ряд процедур, направленных на структуризацию проблемы и обработку экс­пертной информации.

Практические результаты по исследованию метода эксперт­ной классификации получены в области медицинской диагнос­тики. В частности, там была решена задача дифференци­альной диагностики тромбоэмболии легочной артерии (ТЭЛА) и острого инфаркта миокарда (ОИМ). Для диагностики этих забо­леваний эксперты выделили следующие диагностические при­знаки: анамнез — факторы риска; боль; цвет кожи; дыхание; ар­териальное давление; электрокардиограмма; рентгенограмма фудной клетки; эхокардиограмма; ферменты крови.

Для каждого из признаков были определены соответствую­щие значения. В частности, для признака анамнез — факторы риска на шкале были заданы следующие значения:

1. в анамнезе операция, травмы, роды, тромбофлебит, опу­холи;
2. в анамнезе стенокардия, ишемическая болезнь сердца;
3. в анамнезе патологии нет.

Классификация состояний объекта исследования осуществ­ляется экспертом на основании предъявляемых ему компьюте­ром комбинаций значений диагностических признаков, характе­ризующих одно из возможных состояний объекта в виде клини­ческой ситуации. Дополнительно эксперту предоставляется пе­речень классов решений, из которых он выбирает свой ответ. При этом удается значительно уменьшить число задаваемых вопро­сов, принимая гипотезу о различной характерности значений ди­агностического признака по отношению к каждому из классов. Эта гипотеза означает, что эксперт может упорядочить все значе­ния каждого диагностического признака по их характерности для каждого из классов решений, при этом упорядочение не зависит от значений других признаков.

Пусть значения диагностического признаканаходятся в сле­дующем отношении характерности для класса где— отношение доминирования для класса~. Данная запись означает, что для классазначениепризнакаболее харак­терно, чем значение

Например, для диагностического признака цвет кожи шкала значений выглядит следующим образом:

• резкий цианоз лица, шеи, верхней половины туловища;
• бледность кожных покровов, акроцианоз;
• нормальный цвет кожи.

Для упомянутых ранее заболеваний ТЭЛА и ОИМ характер­ность значений названных признаков различается. Значения признаков для ТЭЛА и для ОИМ упорядочиваются по характер­ности 3-2-1 и 2-3-1 соответственно.

На основании бинарных отношений характерности для от­дельных признаков можно построить отношения доминирования по характерности для каждого класса на множестве состояний (векторов). При этомесли для каждого признака значение соответствующего компонента векторане менее ха­рактерно по отношению к классучем значение компонента вектораи хотя бы для одного компонента данное значение бо­лее характерно, чем прочие.

Использование гипотезы доминирования по характерности позволяет построить на множестве состояний А так называемый «конус» доминирования по характерности, который помогает классифицировать группы состояний. Например, эксперт отнес к классусостояниеПри этом значения отдельных признаков, являющиеся компонентами векторамогут быть не самы­ми характерными для классаОпираясь на гипотезу о характер­ности, можно ожидать, что другие состоянияописания кото­рых совпадают сза исключением тех диагностических призна­ков, значения которых не являются самыми характерными для классаи могут иметь более характерные дляоценки, также будут отнесены к классуВ связи с этим один ответ эксперта во многих случаях позволяет классифицировать группу состояний.

Выдвигаемые гипотезы о характерности признаков требуют проверки. Это можно сделать путем сравнения классификаций, полученных на основе опроса экспертов, с последующим распро­странением информации в соответствии с конусами доминиро­вания по характерности. В общем случае конусы могут пересе­каться, так как некоторые состояния могут принадлежать одно­временно нескольким классам. При этом могут иметь место яв­ные противоречия, свидетельствующие либо о допущенных экс­пертом ошибках, либо о взаимных зависимостях диагностичес­ких признаков. В любом случае экспертную информацию необ­ходимо скорректировать. При наличии зависимостей между признаками обычно производят объединение зависимых классов.

Важное место в задачах экспертной классификации отводит­ся специальным алгоритмам, которые позволяют определить по­следовательность состояний, предъявляемых экспертам в про­цессе определения их принадлежности к классам. Существуют различные стратегии предъявления состояний (объектов) в частности, первыми могут предъявляться более инфор­мативные состояния.

Построенная полная классификация может быть представле­на граничными элементами классов. Эти элементы находятся «на границе» между двумя классами решений, т.е. имеют значения признаков, характерные для нескольких классов. На основе этих элементов строятся решающие правила экспертов, имеющие структуру дерева. В корне этого дерева находятся наиболее суще­ственные для класса решений значения признаков, к которым добавляется совокупность сочетаний значений менее важных признаков.

Технология формирования баз экспертных знаний для задач классификации с явными признаками хорошо согласуется с известными данными психологов, которые получены при иссле­довании процессов классификации объектов, описываемых многими признаками. Например, установлено, что на основании многолетней практики эксперт-классификатор формирует в сво­ей долговременной памяти совокупность решающих правил, ко­торые позволяют описывать границы классов решений. При этом количество таких правил невелико и свободно помещается в кратковременной памяти. Когда эксперту предъявляется очеред­ной объект, который он должен отнести к соответствующему классу решений, решающие правила переносятся в его кратко­временную память, где производится анализ объекта. Если объ­ект не удается классифицировать с помощью решающих правил, находящихся в оперативной памяти, то они заменяются другими правилами из базы знаний эксперта, выработанными за время его профессиональной деятельности.