ВВЕДЕНИЕ 6 страница

6.4. Информационные технологии поддержки принятия решений

Характеристика и назначение.Главной особенностью информационной технологии поддержки принятия решений является качественно новый метод организации взаимодействия человека и компьютера. Выработка решения, что является основной целью этой технологии, происходит в результате итерационного процесса (рис. 6.4), в котором участвуют:  система поддержки принятия решений в роли вычислительного звена и объекта управления;  человек как управляющее звено, задающее входные данные и оценивающее полученный результат вычислений на компьютере. Рис. 6.4. Итерационный процесс информационной технологии поддержки принятия решений Окончание итерационного процесса происходит по воле человека. В этом случае можно говорить о способности информационной системы совместно с пользователем созда­вать новую информацию для принятия решений. Дополнительно к этой особенности информационной технологии поддержки принятия решений можно указать еще ряд ее отличительных характеристик: Ø ориентация на решение плохо структурированных задач; Ø сочетание традиционных методов доступа и обработки компьютерных данных с возможностями математических моделей и методами решения задач на их основе; Ø направленность на непрофессионального пользователя компьютера; Ø высокая адаптивность, обеспечивающая возможность приспосабливаться к особенностям имеющегося технического и программного обеспечения, а также требованиям пользователя. Информационная технология поддержки принятия решений может использоваться на любом уровне управления. Кроме того, решения, принимаемые на различных уровнях управления, часто должны координироваться. Поэтому важной функцией и систем, и технологий является координация лиц, принимающих решения, как на разных уровнях управления, так и на одном уровне. Основные компоненты. Рассмотрим структуру системы поддержки принятия решений (рис. 6.5), а также функции составляющих ее блоков, которые определяют основные технологические операции. Рис. 6.5. Основные компоненты информационной технологии поддержки принятия решений В состав системы поддержки принятия решений входят три главных компонента: база данных, база моделей и программная подсистема, которая состоит из системы управления базой данных (СУБД), системы управления базой моделей (СУБМ) и системы управления интерфейсом между пользователем и компьютером. База данных играет в информационной технологии поддержки принятия решений (СППР) важную роль. Данные могут использоваться непосредственно пользователем для расчетов при помощи математических моделей. Рассмотрим источники данных и их особенности: 1. Часть данных поступает от информационной системы операционного уровня. Чтобы использовать их эффективно, эти данные должны быть предварительно обработаны. Для этого существуют две возможности: Ø использовать для обработки данных об операциях фирмы систему управления базой данных, входящую в состав системы поддержки принятия решений; Ø сделать обработку за пределами системы поддержки принятия решений, создав для этого специальную базу данных. Этот вариант более предпочтителен для фирм, производящих большое количество коммерческих операций. Обработанные данные об операциях фирмы образуют файлы, которые для повышения надежности и быстроты доступа хранятся за пределами системы поддержки принятия решений. 2. Помимо данных об операциях фирмы для функционирования системы поддержки принятия решений требуются и другие внутренние данные, например данные о движении персонала, инженерные данные и т.п., которые должны быть своевременно собраны, введе­ны и поддержаны. 3. Важное значение, особенно для поддержки принятия решений на верхних уровнях управления, имеют данные из внешних источников. В числе необходимых внешних данных следует указать данные о конкурентах, национальной и мировой экономике. В отличие oт внутренних внешние данные обычно приобретаются у специализирующихся на их сборе организаций. 4. В настоящее время широко исследуется вопрос о включении в базу данных еще одного источника данных – документов, содержащих записи, письма, контракты, приказы и т.п. Если содержание этих документов будет записано в памяти и затем обработано по некоторым ключевым характеристикам (поставщикам, потребителям, датам, видам услуг и др.), то система получит новый мощный источник информации. Система управления данными (СУБД) должна обладать следующими возможностями: составление комбинаций данных, получаемых из различных источников посредством использования процедур агрегирования и фильтрации; быстрое прибавление или исключение того или иного источника данных; построение логической структуры данных в терминах пользователя; использование и манипулирование неофициальными данными для экспериментальной проверки рабочих альтернатив пользователя; обеспечение полной логической независимости этой базы данных от других операционных баз данных, функционирующих в рамках фирмы. База моделей. Целью создания моделей являются описание и оптимизация некоторого объекта или процесса. Использование моделей обеспечивает проведение анализа в системах поддержки принятия решений. Модели, базируясь на математической интерпретации проблемы, при помощи определенных алгоритмов способствуют нахождению информации, полезной для принятия правильных решений. Например,модель линейного программирования дает возможность определить наиболее выгодную производственную программу выпуска нескольких видов продукции при заданных ограничениях на ресурсы. Использование моделей в составе информационных систем началось с применения статистических методов и методов финансового анализа, которые реализовывались командами обычных алгоритмических языков. Позже были созданы специальные языки, позволяющие моделировать ситуации типа «что будет, если?» или «как сделать, чтобы?» Такие языки, созданные специально для построения моделей, дают возможность построить модели определенного типа, обеспечивающие нахождение решения при гибком изменении переменных. Существует множество типов моделей и способов их классификации, например по цели использования, области возможных приложений, способу оценки переменных и т.п. По цели использования модели подразделяются на оптимизационные, связанные с нахождением точек минимума или максимума некоторых показателей (например, управляющие часто хотят знать, какие их действия ведут к максимизации прибыли или минимизации затрат), и описательные, описывающие поведение некоторой системы и не предназначенные для целей управления (оптимизации). По способу оценки модели классифицируются на детерминистские, использующие оценку переменных одним числом при конкретных значениях исходных данных, и стохастические, оценивающие переменные несколькими параметрами, так как исходные данные заданы вероятностными характеристиками. Детерминистские модели более популярны, чем стохастические, потому что они менее дорогие, их легче строить и использовать. К тому же часто с их помощью получается вполне достаточная информация для принятия решения. По области возможных приложений модели разбиваются на специализированные, предназначенные для использования только одной системой, и универсальные – для использования несколькими системами. Специализированные модели более дорогие, они обычно применяются для описания уникальных систем и обладают большей точностью. В системах поддержки принятия решения база моделей состоит из стратегических, тактических и оперативных моделей, а также математических моделей (рис. 6.6) в виде совокупности модельных блоков, модулей и процедур, используемых как элементы для их построения. Рис. 6.6. Типы моделей, составляющих базу моделей Стратегические модели используются на высших уровнях управления для установления целей организации, объемов ресурсов, необходимых для их достижения, а также политики приобретения и использования этих ресурсов. Они могут быть также полезны при выборе вариантов размещения предприятий, прогнозировании политики конкурентов и т.п. Для стратегических моделей характерны значительная широта охвата, множество переменных, представление данных в сжатой агрегированной форме. Часто эти данные базируются на внешних источниках и могут иметь субъективный характер. Горизонт планирования в стратегических моделях, как правило, измеряется в годах. Эти модели обычно детерминистские, описательные, специализированные для использования на одной определенной фирме. Тактические модели применяются управляющими среднего уровня для распределения и контроля использования имеющихся ресурсов. Среди возможных сфер их использования следует указать финансовое планирование, планирование требований к работникам, планирование увеличения продаж, построение схем компоновки предприятий. Эти модели применимы обычно лишь к отдельным частям фирмы (например к системе производства и сбыта) и могут также включать в себя агрегированные показатели. Временной горизонт, охватываемый тактическими моделями, – от одного месяца до двух лет. Здесь также могут потребоваться данные из внешних источников, но основное внимание при реализации данных моделей должно быть уделено внутренним данным фирмы. Обычно тактические модели реализуются как детерминистские, оптимизационные и универсальные. Оперативные модели используются на низших уровнях управления для поддержки принятия оперативных решений с горизонтом, измеряемым днями и неделями. Возможные применения этих моделей включают в себя ведение дебиторских счетов и кредитных расчетов, календарное производственное планирование, управление запасами и т.д. Оперативные модели обычно используют для расчетов внутрифирменные данные. Они, как правило, детерминистские, оптимизационные и универсальные (т.е. могут быть использованы в различных организациях). Математические модели состоят из совокупности модельных блоков, модулей и процедур, реализующих математические методы. Сюда могут входить процедуры линейного программирования, статистического анализа временных рядов, регрессионного анализа и т.п. – от простейших процедур до сложных ППП. Модельные блоки, модули и процедуры могут использоваться как по отдельности, так и комплексно для построения и поддержания моделей. Система управления базой моделей (СУБМ) должна обладать следующими возможностями: создавать новые модели или изменять существующие, поддерживать и обновлять параметры моделей, манипулировать моделями. Система управления интерфейсом. Эффективность и гибкость информационной технологии во многом зависят от характеристик интерфейса системы поддержки принятия решений. Интерфейс определяет: язык пользователя; язык сообщений компьютера, организующий диалог на экране дисплея; знания пользователя. Язык пользователя – это те действия, которые пользователь производит в отношении системы путем использования возможностей клавиатуры; электронных карандашей, пишущих на экране; джойстика; «мыши»; команд, подаваемых голосом, и т.п. Наиболее простой формой языка пользователя является создание форм входных и выходных документов. Получив входную форму (документ), пользователь заполняет его необходимыми данными и вводит в компьютер. Система поддержки принятия решений производит необходимый анализ и выдает результаты в виде выходного документа установленной формы. Значительно возросла за последнее время популярность визуального интерфейса. С помощью манипулятора «мышь» пользователь выбирает представленные ему на экране в форме картинок объекты и команды, реализуя таким образом свои действия. Управление компьютером при помощи человеческого голоса – самая простая и поэтому самая желанная форма языка пользователя. Она еще недостаточно разработана и поэтому мало популярна. Существующие разработки требуют от пользователя серьезных ограничений: определенного набора слов и выражений; специальной надстройки, учитывающей особенности голоса пользователя; управления в виде дискретных команд, а не в виде обычной гладкой речи. Технология этого подхода интенсивно совершенствуется, и в ближайшем будущем можно ожидать появления систем поддержки принятия решений, использующих речевой ввод информации. Язык сообщений – это то, что пользователь видит на экране дисплея (символы, графика, цвет), данные, полученные на принтере, звуковые выходные сигналы и т.п. Важным измерителем эффективности используемого интерфейса является выбранная форма диалога между пользователем и системой. В настоящее время наиболее распространены следующие формы диалога: запросно-ответный режим, командный режим, режим меню, режим заполнения пропусков в выражениях, предлагаемых компьютером. Каждая форма в зависимости от типа задачи, особенностей пользователя и принимаемого решения может иметь свои достоинства и недостатки. Долгое время единственной реализацией языка сообщений был отпечатанный или выведенный на экран дисплея отчет или сообщение. Теперь появилась новая возможность представления выходных данных – машинная графика. Она дает возможность создавать на экране и бумаге цветные графические изображения в трехмерном виде. Использование машинной графики значительно повышает наглядность и интерпретируемость выходных данных и становится все более популярным в информационной технологии поддержки принятия решений. За последние несколько лет наметилось новое направление, развивающее машинную графику, – мультипликация. Мультипликация оказывается особенно эффективной для интерпретации выходных данных систем поддержки принятия решений, связанных с моделированием физических систем и объектов. Например,система поддержки принятия решений, предназначенная для обслуживания клиентов в банке, с помощью мультипликационных моделей может реально просмотреть различные варианты организации обслуживания в зависимости от потока посетителей, допустимой длины очереди, количества пунктов обслуживания и т.п. В ближайшие годы следует ожидать использования в качестве языка сообщений человеческого голоса. Сейчас эта форма применяется в системе поддержки принятия решений сферы финансов, где в процессе генерации чрезвычайных отчетов голосом поясняются причины исключительности той или иной позиции. Знания пользователя – это то, что пользователь должен знать, работая с системой. К ним относятся не только план действий, находящийся в голове у пользователя, но и учебники, инструкции, справочные данные, выдаваемые компьютером. Совершенствование интерфейса системы поддержки принятия решений определяется успехами в развитии каждого из трех указанных компонентов. Интерфейс должен обладать следующими возможностями: Ø манипулировать различными формами диалога, изменяя их в процессе принятия решения по выбору пользователя; Ø передавать данные системе различными способами; Ø получать данные от различных устройств системы в различном формате; Ø гибко поддерживать знания пользователя (оказывать помощь по запросу, подсказывать).

6.5. Информационные технологии экспертных систем

Характеристика и назначение. Наибольший прогресс среди компьютерных информационных систем отмечен в области разработки экспертных систем, основанных на использовании искусственного интеллекта. Экспертные системы дают возможность менеджеру или специалисту получать консультации экспертов по любым проблемам, о которых этими системами накоплены знания. Под искусственным интеллектом обычно понимают способности компьютерных систем к таким действиям, которые назывались бы интеллектуальными, если бы исходили от человека. Решение специальных задач требует специальных знаний. Однако не каждая компания может себе позволить держать в своем штате экспертов по всем связанным с ее работой проблемам или даже приглашать их каждый раз, когда проблема возникла. Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. Являясь одним из основных приложений искусственного интеллекта, экспертные системы представляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристических правил (эвристик). Эвристики не гарантируют получения оптимального результата с такой же уверенностью, как обычные алгоритмы, используемые для решения задач в рамках технологии поддержки принятия решений. Однако часто они дают в достаточной степени приемлемые решения для их практического использования. Все это делает возможным использовать технологию экспертных систем в качестве советующих систем. Сходство информационных технологий, используемых в экспертных системах и системах поддержки принятия решений, состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия. Первое связано с тем, что решение проблемы в рамках систем поддержки принятия решений отражает уровень ее понимания пользователем и его возможности получить и осмыслить решение. Технология экспертных систем, наоборот, предлагает пользователю принять решение, превосходящее его возможности. Второе отличие указанных технологий выражается в способности экспертных систем пояснять свои рассуждения в процессе получения решения. Очень часто эти пояснения оказываются более важными для пользователя, чем само решение. Третье отличие связано с использованием нового компонента информационной технологии – знаний. Основными компонентамиинформационной технологии, используемой в экспертной системе, являются (рис. 6.7): интерфейс пользователя, база знаний, интерпретатор, модуль создания системы. Рис. 6.7. Основные компоненты информационной технологии экспертных систем Интерфейс пользователя. Менеджер (специалист) использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации из нее. Команды включают в себя параметры, направляющие процесс обработки знаний. Информация обычно выдается в форме значений, присваиваемых определенным переменным. Менеджер может использовать четыре метода ввода информации: меню, команды, естественный язык и собственный интерфейс. Технология экспертных систем предусматривает возможность получать в качестве выходной информации не только решение, но и необходимые объяснения. Различают два вида объяснений: Ø объяснения, выдаваемые по запросам. Пользователь в любой момент может потребовать от экспертной системы объяснения своих действий; Ø объяснения полученного решения проблемы. После получения решения пользователь может потребовать объяснений того, как оно было получено. Система должна пояснить каждый шаг своих рассуждений, ведущих к решению задачи. Хотя технология работы с экспертной системой не является простой, пользовательский интерфейс этих систем является дружественным и обычно не вызывает трудностей при ведении диалога. База знаний содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условие, которое может выполняться или нет, и действие, которое следует произвести, если выполняется условие. Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил. Все виды знаний в зависимости от специфики предметной области и квалификации проектировщика (инженера по знаниям) с той или иной степенью адекватности могут быть представлены с помощью одной либо нескольких семантических моделей. К наиболее распространенным моделям относятся логические, продукционные, фреймовые и семантические сети. Интерпретатор. Это часть экспертной системы, производящая в определенном порядке обработку знаний, находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, то выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы. Кроме того, во многих экспертных системах вводятся дополнительные блоки: база данных, блок расчета, блок ввода и корректировки данных. Блок расчета необходим в си­туациях, связанных с принятием управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных. Модуль создания системы служит для создания набора (иерархии) правил. Существует два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования и использование оболочек экспертных систем. Для представления базы знаний специально разработаны языки Лисп и Пролог, хотя можно использовать и любой известный алгоритмический язык. Оболочка экспертных систем представляет собой готовую программную среду, которая может быть приспособлена к решению определенной проблемы путем создания соответствующей базы знаний. В большинстве случаев использование оболочек позволяет создавать экспертные системы быстрее и легче в сравнении с программированием.

6.6. Эволюция систем поддержки принятия решений

В процессе своего развития системы поддержки принятия решений прошли следующий путь (рис. 6.8): Рис. 6.8. Эволюция концепций систем поддержки принятия решений и систем автоматизации управленческого труда Первые системы – системы обработки транзакций (TSP) – это компьютерные системы, предназначенные для выполнения рутинных операций регистрации, накопления, хранения и выдачи информации в заранее заданной форме. Как видим, в рамках таких систем принятие решений обеспечивалось только информацией. Следующим этапом развития информационных систем было появление концепции автоматизированной системы управления (АСУ). На Западе эта концепция получила название MIS. Это компьютерная система, предназначенная для обеспечения своевременной информацией, необходимой для принятия управленческих решений. Уровень поддержки решений при использовании данной концепции – информационный, применяются отдельные модели и методы для принятия оптимальных решений. Отметим, что в существенной мере характер всех поколений систем и их концепций определялся техническими возможностями обработки информации, имеющимися на тот период. Системы автоматизации конторской деятельности (OAS) реализовывали распределенные базы данных. Устранялась излишняя централизация. Появились локальные вычислительные сети на базе средних ЭВМ. Уровень поддержки решений – информационный, применяются отдельные модели и методы для принятия оптимальных решений. OAS – это компьютерная система для выполнения комплекса операций функционирования системы управления как таковой. Следующий этап – системы поддержки принятия решений (DDS). DDS – диалоговая компьютерная система, использующая формализованные правила и модели объекта управления совместно с базой данных и личным опытом менеджера для выработки и проверки вариантов управленческих решений. Как видим, система этого рода не обеспечивает информационно процесс принятия решений, а участвует в нем. Вершиной развития информационных систем являются экспертные системы (ES). Экспертная система – это компьютерная система, использующая знания одного или нескольких экспертов, представленные в некотором формальном виде, для решения задач принятия решений (ESS – это вариант решений DDS для высшего руководства). Далее на рис. 6.9 показано, кто является пользователем различных типов информационных систем. Примеры задач, решаемых с привлечением СППР: выбор методов завоевания рынка бытовой техники; оценка перспективности видов альтернативного горючего для автомобилей. Итак, система поддержки принятия решений – диалоговая автоматизированная информационная система, использующая правила решений и соответствующиемодели с базами данных, а также интерактивный компьютерный процесс моделирования, поддерживающий принятие самостоятельных и неструктурированных решений отдельными менеджерами и личным опытом лица, принимающего реше­ния, для получения конкретных, реализуемых решений проблем, не поддающихся решению обычными методами. Рис. 6.9. Пользователи различных типов информационных систем В последнее время СППР начинают применяться и в интересах малого и среднего бизнеса (например выбор варианта размещения торговых точек, выбор кандидатуры на замещение вакантной должности, выбор варианта информатизации и т.д.). В общем, они способны поддержать индивидуальный стиль и соответствовать персональным потребностям менеджера. Существуют системы, созданные для решения сложных проблем в больших коммерческих и государственных организациях: Система авиалиний. В отрасли авиаперевозок используется система поддержки принятия решений – Аналитическая Информационная Система Управления. Она была создана American Airlines, но используется и остальными компаниями, производителями самолетов, аналитиками авиаперевозок, консультантами и ассоциациями. Эта система поддерживает множество решений в этой отрасли путем анализа данных, собранных во время утилизации транспорта, оценки грузопотока, статистического анализа графика. Например, она позволяет делать прогнозы для авиарынка по долям компаний, выручке и рентабельности. Таким образом, эта система позволяет руководству авиакомпании принимать решения относительно цены билетов, запросов в транспорте и т.д. Географическая система. Географическая информационная система – это специальная категория систем поддержки, которая позволяет интегрировать компьютерную графику с географическими БД и с другими функциями систем поддержки принятия решений. Например, IBMs GeoManager – это система, которая позволяет конструировать и показывать карты и другие визуальные объекты для помощи при принятии решений относительно географического распределения людей и ресурсов. Например, она позволяет создать географическую карту преступности и помогает верно перераспределить силы полиции. Также ее используют для изучения степени урбанизации, в лесной промышленности, железнодорожном бизнесе и т.д.

Контрольные вопросы

1. Перечислите виды информационных технологий по степени охвата задач управления. 2. Характеристика и назначение ИТ обработки данных. 3. Основные компоненты ИТ обработки данных. 4. Характеристика и назначение ИТ управления. 5. Основные компоненты ИТ управления. 6. Какие задачи относятся к офисным? 7. Что называют электронным офисом? 8. Характеристика и назначение ИТ автоматизации офиса. 9. Основные компоненты ИТ автоматизации офиса. 10. Характеристика и назначение ИТ поддержки принятия решений. 11. Основные компоненты ИТ поддержки принятия решений. 12. Что является главной особенностью информационной технологии поддержки принятия решений? 13. Какими возможностями должна обладать система управления базой моделей (СУБМ)? 14. Из каких моделей состоит база моделей в системах поддержки принятия решения? 15. Характеристика и назначение ИТ экспертных систем. 16. Основные компоненты ИТ экспертных систем. 17. Что обычно понимают под искусственным интеллектом? 18. В чем состоит сходство информационных технологий, используемых в экспертных системах и системах поддержки принятия решений? 19. Что содержится в базе знаний? 20. Какова эволюция систем поддержки принятия решений?

7. ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ И СИСТЕМЫ

7.1. Понятие и классификация интеллектуальных информационных систем

Интеллектуальная информационная система (ИИС) – это информационная система, которая основана на концепции использования базы знаний для генерации алгоритмов решения экономических задач различных классов в зависимости от конкретных информационных потребностей пользователей. Программные средства, применяемые в экономических информационных системах, можно разделить на следующие группы: 1. Проблемно-ориентированные пакеты экономико-математического моделирования. 2. Пакеты программ статистического анализа данных. 3. Программные средства интеллектуализации доступа к базе данных. 4. Средства эвристического решения задач анализа диагностики и прогнозирования на основе применения экспертных систем (ЭС). 5. Программы анализа и прогнозирования управленческой деятельности на основе использования аппарата нейронных сетей, а также баз знаний (БЗ) прецедентов. 6. Программные средства динамического планирования на основе использования Сase-технологий. Интеллектуальные информационные системы охватывают от 3 до 6 направлений. Классификация ИИС(рис. 7.1). В зависимости от совей природы знание бывает фактуальное и операционное. Фактуальное знание – осмысленные данные. Операционное знание – общие зависимости между фактами, которые позволяют интерпретировать данные или извлекать из них новую информацию. К главным недостаткам традиционной ИС относятся: 1. Слабая адаптируемость к информационным потребностям пользователя. 2. Невозможность решать плохо формализуемые задачи. Перечисленные недостатки устраняются в ИИС. ИИС имеют следующие характерные признаки: Ø развитые коммуникативные способности; Ø умение решать сложные, плохо формализуемые задачи (характеризуются наполовину качественным и количественным описанием, а хорошо формализуемые задачи – полностью количественным описанием); Ø способность к развитию и самообучению. Условно каждому из этих признаков соответствует свой класс ИИС: I класс: системы с интеллектуальным интерфейсом (коммуникативные способности): 1. Интеллектуальные БД; 2. Естественно-языковой интерфейс; 3. Гипертекстовые системы; 4. Контекстные системы; 5. Когнитивная графика. II класс:экспертные системы (решение сложных задач): 1. Классифицирующие системы; 2. Доопределяющие системы; 3. Трансформирующие системы; 4. Многоагентные системы. III класс: самообучающиеся системы (способность к самообучению): 1. Индуктивные системы; 2. Нейронные сети; 3. Системы, основанные на прецедентах; 4. Информационные хранилища.   Рис. 7.1. Классификация ИИС Интеллектуальные БД – отличаются от обычных возможностью выборки по запросу информации, которая может явно не храниться, а выводиться из имеющейся БД (например, вывести список товаров, цена которых выше отраслевой). Естественно-языковой интерфейс предполагает трансляцию естественно-языковых конструкций на машинный уровень представления знаний. При этом осуществляется распознавание и проверка написанных слов по словарям и синтаксическим правилам. Данный интерфейс облегчает обращение к интеллектуальным БД, а также голосовой ввод команд в системах управления. Гипертекстовые системы предназначены для поиска текстовой информации по ключевым словам в базах. Системы контекстной помощи – частный случай гипертекстовых и естественно-языковых систем. Системы когнитивной графики позволяют осуществлять взаимодействие пользователя ИИС с помощью графических образов.

7.2. Назначение, структура и основные характеристики экспертной системы

Экспертная система (ЭС) – это ИИС, предназначенная для решения слабоформализуемых задач на основе накапливаемого в базе знаний опыта работы экспертов в проблемной области. Она включает базу знаний с набором правил и механизмом вывода и позволяет на основании предоставляемых пользователем фактов распознать ситуацию, поставить диагноз, сформулировать решение или дать рекомендацию для выбора действия. Экспертные системы предназначены для воссоздания опыта, знаний профессионалов высокого уровня и использования этих знаний в процессе управления. Они разрабатываются с использованием математического аппарата нечеткой логики для эксплуатации в узких областях применения, поскольку их использование требует больших компьютерных ресурсов для обработки и хранения знаний. В основе построения экспертных систем лежит база знаний, которая основывается на моделях представления знаний. В силу больших финансовых и временных затрат в российских экономических ИС экспертные системы не имеют большого распространения. Считается, что любая экспертная система – это система, основанная на знаниях, но последняя не всегда является экспертной. В системах, основанных на знаниях, правила (или эвристики), по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний пытается вывести заключение из этих фактов. Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдение, интерпретация результатов, усвоение новой информации, выдвижение с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов. Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения. Более простые системы, основанные на знаниях, функционируют в режиме диалога, или режиме консультации. После запуска система задает пользователю ряд вопросов о решаемой задаче, требующих ответа «да» или «нет». Ответы служат для установления фактов, по которым может быть выведено окончательное заключение. В любой момент времени в системе содержится три типа знаний: Ø структурированные статические знания о предметной области, после того как эти знания выявлены, они уже не изменяются; Ø структурированные динамические знания – изменяемые знания о предметной области; они обновляются по мере выявления новой информации; Ø рабочие знания, применяемые для решения конкретной задачи или проведения консультации. Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний. Архитектура экспертной системы. Архитектура ЭС представлена на рис. 7.2. База знаний (БЗ) отражает знания экспертов. Однако далеко не каждый эксперт в состоянии грамотно изложить всю структуру своих знаний. Выявлением знаний эксперта и представлением их в БЗ занимаются специалисты – инженеры знаний. ЭС должна обладать механизмом приобретения знаний для ввода знаний в базу и их последующее обновление. В простейшем случае – это интеллектуальный редактор, который позволяет вводить единицы знаний в базу, а также проводить их анализ на непротиворечивость. Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: прогнозирование, планирование, контроль и управление, обучение. Технологию построения экспертных систем называют инженерией знаний. Этот процесс требует специфической формы взаимодействия создателя экспертной системы, которого называют инженером знаний, и одного или нескольких экспертов в некоторой предметной области. Инженер знаний «извлекает» из экспертов процедуры, стратегии, эмпирические правила, которые они используют при решении задач, и встраивает эти знания в экспертную систему. Рис. 7.2. Архитектура ЭС В результате появляется система, решающая задачи во многом так же, как человек-эксперт. Ядро экспертной системы составляет база знаний, которая создается и накапливается в процессе ее построения. Знания выражены в явном виде и организованы так, чтобы упростить принятие решений. Накопление и организация знаний – одна из самых важных характеристик экспертной системы. Наиболее полезной характеристикой экспертной системы является то, что она применяет для решения проблем высококачественный опыт. Этот опыт может представлять уровень мышления наиболее квалифицированных экспертов в данной области, что ведет к решениям творческим, точным и эффективным. Именно высококачественный опыт в сочетании с умением его применять делает систему рентабельной, способной заслужить признание на рынке. Этому также способствует гибкость системы. Система может наращиваться постепенно в соответствии с нуждами бизнеса или заказчика. Это означает, что можно вначале вложить сравнительно скромные средства, а потом наращивать возможности системы по мере необходимости. Другой полезной чертой экспертных систем является наличие у них прогностических возможностей. Экспертная система может функционировать в качестве модели решения задачи в заданной области, давая ожидаемые ответы в конкретной ситуации и показывая, как изменятся эти ответы в новых ситуациях. Экспертная система может объяснить подробно, каким образом новая ситуация привела к изменениям. Это позволяет пользователю оценить возможное влияние новых фактов или информации и понять, как они связаны с решением. Аналогично пользователь может оценить влияние новых стратегий или процедур на решение, добавляя новые правила или изменяя уже существующие. Важным свойством экспертных систем является возможность их применения для обучения и тренировки персонала. Экспертные системы могут быть разработаны с расчетом на подобный процесс обучения, так как они уже содержат необходимые знания и способны объяснить процесс своего рассуждения. Остается только добавить программное обеспечение, поддерживающее соответствующий требованиям эргономики интерфейс между обучаемым и экспертной системой. Кроме того, должны быть включены знания о методах обучения и возможном поведении пользователя. Итак, в настоящее время ЭС является инструментом, усиливающим интеллектуальные способности всей системы в целом, и выполняет следующие задачи: 1) консультация для неопытных (непрофессиональных) пользователей, 2) помощь при анализе различных вариантов принятия решения, 3) помощь по вопросам, относящимся к смежным областям деятельности. Наиболее широко и продуктивно ЭС применяются в бизнесе, производстве, медицине, менее – в науке.

7.3. Инструментальные средства разработки экспертных систем

Благодаря появлению специальных инструментальных средств построения ЭС сократились сроки разработки, значительно снизилась трудоемкость. Инструментальные средства построения ЭС можно разбить на три основных типа: Ø языки программирования; Ø среды программирования; Ø пустые ЭС (оболочки). С точки зрения разработчика экспертных систем, наибольший интерес представляет использование сред программирования и пустых экспертных систем (оболочек), хотя не всегда можно заметить разницу между этими понятиями. К числу таких средств первой группы относятся языки обработки символьной информации, наиболее известными из которых являются Пролог и Лисп. Пролог – язык высокого уровня, ориентированный на использование концепций и методов математической логики. Как следует из его названия, Пролог предназначен для программирования в терминах логики. Основной особенностью Пролога, отличающей его от всех других языков, является декларативный характер написанных на нем программ. Язык Лисп изобретен в Массачусетском технологическом институте и обладает способностью обрабатывать списковые структуры. Языки программирования Лисп и Пролог имеют встроенные механизмы для манипулирования знаниями. Помимо Лиспа и Пролога создано множество других языков, ориентированных на обработку символьной информации и разработку ЭС: Smalltalk, FRL, Interlisp. Кроме этих специализированных языков для разработки экспертных систем используются и обычные языки программирования общего назначения: Си, Ассемблер, Паскаль, Фортран, Бейсик и др. Общим недостатком языков программирования для создания экспертных систем являются: большое время разработки готовой системы, необходимость привлечения высококвалифицированных программистов, трудности с модификацией готовой системы. Все это делает применение языков программирования для реализации ЭС весьма дорогостоящим и трудоемким. Инструментальные средства второго типа – среды программирования – позволяют разработчику не программировать некоторые или все компоненты ЭС, а выбирать их из заранее составленного набора. При применении последнего типа инструментария (пустых ЭС, или «оболочек») разработчик ЭС полностью освобождается от работ по созданию программ и занимается лишь наполнением базы знаний. Типичным представителем второй и третьей групп инструментальных средств является пакет EXSYS Professional 5.0 for Windows (оболочка – по определению разработчика – компании MultiLogic Inc., США) и его последующая модификация Exsys Developer 8.0, предназначенный для создания прикладных экспертных систем в различных предметных областях. Система построена на использовании сложных правил вида ЕСЛИ-ТО-ИНАЧЕ. Для выбора стратегии получения заключения в системе по умолчанию используется обратная цепочка вывода. Прямая цепочка может быть задана при настройке системы. Система обладает развитым графическим интерфейсом, способна обращаться к внешним базам данных, проверять правила на непротиворечивость. При определенной настройке может работать с русскоязычными текстами. Разработка (проектирование) ЭС существенно отличается от разработки обычного программного продукта. Программные средства, базирующиеся на технологии и методах искусственного интеллекта, получили значительное распространение в мире. Их важность, и в первую очередь важность экспертных систем, состоит в том, что данные технологии существенно расширяют круг практически значимых задач, которые можно решать на компьютерах, и их решение приносит значительный экономический эффект. В основе любой экспертной системы лежит принцип накопления знаний специалистов (экспертов), которые каким-либо образом программно реализуются. Затем с помощью этих знаний пользователи ЭС, имеющие обычную квалификацию, могут решать свои текущие задачи столь же успешно, как это сделали бы сами эксперты. Такой эффект достигается благодаря тому, что экспертная система в своей работе воспроизводит примерно ту же схему рассуждений, которую обычно применяет человек-эксперт при анализе проблемы. Тем самым ЭС позволяет копировать и распространять знания, делать их доступными широким кругам рядовых специалистов. Уровень пользователей экспертных систем может варьироваться в очень широком диапазоне. От вида деятельности пользователей зависят и функции, которыми наделяются создаваемые для них ЭС. В настоящее время технология экспертных систем получила широкое распространение. Так, на американском и западноевропейском рынках систем искусственного интеллекта организациям, желающим создать экспертную систему, фирмы-разработчики предлагают сотни ин­струментальных средств для их построения. Прикладных же ЭС, успешно решающих задачи из определенного узкого класса, насчитываются тысячи. Это позволяет говорить о том, что ЭС сейчас составляет мощную ветвь в индустрии программирования. Экспертные системы и Интернет/интранет.Интернет/интранет технологии поддерживают экспертные системы и наоборот. Телекоммуникационные технологии обеспечивают огромному числу пользователей доступ к возможностям экспертных систем, это способствует окупаемости затрат на разработку ЭС. К сожалению, только немногие экспертные системы доступны по сети. Они могут быть связаны по сети не только с пользователями, но и с другими системами, включая базы данных, системы принятия решений, управления роботами. Сетевые технологии открывают новые возможности в разработке экспертных систем группами людей, разделенных территориально, а также в реализации экспертных систем.

Дата добавления: 2014-11-16