Развитие экспертных систем в экономике

         2.2.  Режимы функционирования и классификация экспертных систем. 

     Режимы функционирования Экспертных систем.

 

     ЭС  может функционировать в 2-х режимах.

1. Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.
2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

     Классификация Экспертных систем по решаемой задаче.

• Интерпретация данных
• Диагностирование
• Мониторинг
• Проектирование
• Прогнозирование
• Сводное Планирование
• Обучение
• Управление
• Ремонт
• Отладка

     Классификация Экспертных систем по связи с реальным временем.

• Статические ЭС
• Квазидинамические ЭС
• Динамические ЭС

 
 
 
 

       3.1.Применение  экспертных систем в  экономике. 

     Экспертная система (ЭС) – это сложный программный комплекс, аккумулирующий и тиражирующий знания специалистов в конкретной предметной области и выполняющий функции эксперта при решении задач из этой области, консультируя менее квалифицированных пользователей.

     Экспертная  система содержит три существенных компонента: базу знаний, процедуру  вывода и интерфейс между пользователем  и системой. Ядром экспертной системы  служит база знаний и процедура вывода. Их следует рассматривать вместе, ибо знания, на основе которых нельзя сделать выводы, не имеют смысла. В экспертных системах обычно проводится работа с небольшой частью знаний человека, ограниченной областью профессиональных знаний. Однако при этом возникает множество вопросов, а именно:

     1. Как получить знания от экспертов, понятные программисту?

     2. Как представить их в структурированном виде?

     3. Как реализовать выбранные виды представления знаний на компьютере?

     4. Как обеспечить доступ к знаниям внутри системы?

     5. Каким образом модифицировать знания по мере накопления опыта?

     Процесс извлечения знаний, которыми обладает эксперт, еще недостаточно разработан. Обычно это происходит различными способами  и определяется экспертом и инженером по знаниям. Наиболее популярная методика включает следующие этапы:

     1) структурирование предметной области путем построения «простой» модели знаний и извлечение из нее ответов;

     2) создание на основе «простой» модели знаний уже работающей модели – прототипа экспертной системы с целью ее усовершенствования;

     3) следование циклу «усовершенствования» и «отладки» до тех пор, пока система не станет работать удовлетворительно.

     Сегодня сотни фирм в развитых зарубежных странах занимаются разработкой  и внедрением ЭС. Ежегодно крупными фирмами разрабатываются десятки систем типа “in-house” (для внутреннего пользования). Эти системы интегрируют опыт специалистов компании по ключевым и стратегически важным технологиям. В начале 1990-х годов появилась новая наука – «менеджмент знаний» (knowledge management), исследующая методы обработки и управления корпоративными знаниями.

     Причиной  повышенного интереса, который ЭС вызывают к себе на протяжении всего  своего существования, является возможность  их применения к решению задач из самых различных областей человеческой деятельности. Например, медицина, юриспруденция, геология, экономика, военное дело. В настоящее время ЭС получили распространение в страховании, банковском деле и других областях. В экономике с помощью ЭС решаются задачи анализа инвестиций, планирования рекламной кампании и прогнозирования рынка. ЭС применимы в тех областях, где качество принятия решений традиционно зависит от уровня экспертизы, и позволяют получать качественные, а не количественные результаты решения задачи. ЭС помогают  накапливать опыт, повышать качество принимаемых решений и справиться с потоками информации: они выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Практическое применение ЭС на предприятиях способствует обеспечению эффективной работы и повышению квалификации специалистов.

     Преимущества  ЭС перед человеком-экспертом состоят  в том, что у систем, основанных на знаниях, «нет предубеждений», они  не делают поспешных выводов. Эти  системы работают последовательно, при этом анализируются все детали и часто выбирается наилучшая альтернатива из всех возможных. Знания, будучи введены в систему, сохраняются в полном объеме. Человек же обладает ограниченными знаниями, и если они долгое время не используются, то забываются и теряются навсегда. Кроме того, системы, основанные на знаниях, «помехоустойчивы»: эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей, в то время как ЭС, не содержащие знания из других областей, по своей природе менее подвержены «шумам».

       Современные экспертные системы   широко используются для тиражирования   опыта и знаний ведущих специалистов  практически во всех сферах  экономики и с их помощью   возможно решение следующих задач:

             

               1. анализ  финансового  состояния предприятия;

               2. оценка кредитоспособности  предприятия;

               3.планирование финансовых  ресурсов предприятия;

               4.формирование портфеля  инвестиций;

                5.страхование коммерческих кредитов;

               6.выбор стратегии  производства;

               7.оценка конкурентоспособности  продукции;

               8.выбор поставщика  продукции;

               9.подбор кадров;

               10.выбор стратегии  маркетинга;

               11. кредитование юридических лиц. 
 

     4.1.Перспективы применение экспертных систем в экономике.

        

     В начале восьмидесятых годов в  исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Исследователи в области ЭС для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е.Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов". 

     Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний (в дальнейшем будем использовать их как синонимы), получили значительное распространение в мире. Важность экспертных систем состоит в следующем: 

         * технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект; 

         * технология ЭС  является важнейшим  средством в решении  глобальных проблем  традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений; 

         * высокая стоимость  сопровождения сложных  систем, которая часто  в несколько раз  превосходит стоимость  их разработки; низкий  уровень повторной  используемости программ и т.п.; 

         * объединение технологии  ЭС с технологией  традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия. 

     По  мнению ведущих специалистов, в недалекой  перспективе ЭС найдут следующее  применение: 

         * ЭС будут играть  ведущую роль во  всех фазах проектирования, разработки, производства, распределения, продажи,  поддержки и оказания  услуг;

         * технология ЭС, получившая  коммерческое распространение,  обеспечит революционный  прорыв в интеграции приложений из готовых интеллектуально-взаимодействующих модулей. 

     ЭС  предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного  подхода к разработке программ, ориентированного на решение формализованных задач. 

     Неформализованные задачи обычно обладают следующими особенностями: 

         * ошибочностью, неоднозначностью, неполнотой и противоречивостью  исходных данных; 

         * ошибочностью, неоднозначностью, неполнотой и противоречивостью  знаний о проблемной  области и решаемой задаче; 

         * большой размерностью  пространства решения,  т.е. перебор при  поиске решения  весьма велик; 

         * динамически изменяющимися  данными и знаниями. 

     Следует подчеркнуть, что неформализованные  задачи представляют большой и очень  важный класс задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ. 

     Экспертные  системы и системы искусственного интеллекта отличаются от систем обработки  данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма). 

     Экспертные  системы применяются для решения  только трудных практических (не игрушечных) задач. По качеству и эффективности  решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др. 

     Коммерческие  успехи к фирмам-разработчикам систем искусственного интеллекта (СИИ) пришли не сразу. На протяжении 1960 - 1985 гг. успехи ИИ касались в основном исследовательских разработок, которые демонстрировали пригодность СИИ для практического использования. Начиная примерно с 1985 г. (в массовом масштабе с 1988 - 1990 гг.), в первую очередь ЭС, а в последние годы системы, воспринимающие естественный язык (ЕЯ-системы), и нейронные сети (НС) стали активно использоваться в коммерческих приложениях. 

     Причины, приведшие СИИ  к коммерческому  успеху, следующие. 

     Интегрированность. Разработаны инструментальные средства искусственного интеллекта (ИС ИИ), легко интегрирующиеся с другими информационными технологиями и средствами (с CASE, СУБД, контроллерами, концентраторами данных и т.п.).