Експертні системи. Визначення економічної ефективності АРМ менеджера

Експертні системи (ЕС) виникли як значний практичний результат у застосуванні і розвитку методів штучного інтелекту (ШІ)- сукупності наукових дисциплін, що вивчають методи вирішення задач інтелектуального (творчого) характеру з використанням ЕОМ.
Область ШІ має більш ніж сорокалітню історію розвитку. Із самого початку в ній розглядалася низка дуже складних задач, що, поряд з іншими, і дотепер є предметом досліджень: автоматичні докази теорем, машинний переклад (автоматичний переклад з однієї природної мови на іншу), розпізнавання зображень і аналіз сцен, планування дій роботів, алгоритми і стратегії ігор.
Експертні системи (ЕС) - це яскравий і швидко прогресуючий напрямок в області штучного інтелекту(ШІ). Причиною підвищеного інтересу, що ЕС викликають до себе протягом усього свого існування є можливість їхнього застосування до вирішення задач із всіляких областей людської діяльності. Мабуть, не знайдеться такої проблемної області, у якій не було б створене жодної ЕС чи принаймні, такі спроби не починалися б.
ЕС - це набір програм чи програмне забезпечення, що виконує функції експерта при вирішенні якої-небудь задачі в області його компетенції. ЕС, як і експерт-людина, у процесі своєї роботи оперує зі знаннями. Знання про предметну область, необхідні для роботи ЕС, певним чином формалізовані і представлені в пам'яті ЕОМ у вигляді бази знань, що може змінюватися і доповнюватися в процесі розвитку системи.
ЕС видають поради, проводять аналіз, виконують класифікацію, дають консультації і ставлять діагноз. Вони орієнтовані на вирішення задач, звичайно потребуючі проведення експертизи людиною-фахівцем. На відміну від машинних програм, що використовують процедурний аналіз, ЕС вирішують задачі у вузькій предметній області (конкретної області експертизи) на основі дедуктивних міркувань. Такі системи часто виявляються здатними знайти вирішення задач, що неструктуровані і погано визначені. Вони справляються з відсутністю структурованості шляхом залучення евристик, тобто правил, узятих “зі стелі”, що може бути корисним у тих системах, коли брак необхідних знань чи часу виключає можливість проведення повного аналізу.
Основними відмінностями ЕС від інших програмних продуктів є використання не тільки даних, але і знань, а також спеціального механізму отримання рішень і нових знань на основі наявних. Знання в ЕС представляються в такій формі, що може бути легко оброблена на ЕОМ. У ЕС відомий алгоритм обробки знань, а не алгоритм вирішення задачі. Тому застосування алгоритму обробки знань може привести до одержання такого результату при вирішенні конкретної задачі, що не була передбачена. Більш того, алгоритм обробки знань заздалегідь невідомий і будується по ходу вишення задачі на підставі евристичних правил. Вирішення задачі в ЕС супроводжується зрозумілими користувачу поясненнями, якість одержуваних рішень звичайно не гірша, а іноді і краще ніж у фахівців. У системах, заснованих на знаннях, правила (чи евристиці), за якими зважуються проблеми в конкретній предметній області, зберігаються в базі знань. Проблеми ставляться перед системою у вигляді сукупності чинників, що описують деяку ситуацію, і система за допомогою бази знань намагається отримати висновок з цих чинників (див. рис.1).
Рис.1
Якість ЕС визначається розміром і якістю бази знань (правил чи евристики). Система функціонує в наступному циклічному режимі: вибір (запит) даних чи результатів аналізів, спостереження, інтерпретація результатів, засвоєння нової інформації, висування за допомогою правил тимчасових гіпотез і потім вибір наступної порції даних чи результатів аналізів (рис.2). Такий процес продовжується доти, поки не надійде інформація, достатня для остаточного висновку.
У будь-який момент часу в системі існують три типи знань:
- Структуровані знання - статичні знання про предметну область. Після того як ці знання виявлені, вони вже не змінюються.
- Структуровані динамічні знання - змінювані знання про предметну область. Вони обновляються в міру виявлення нової інформації.
- Робочі знання - знання, застосовувані для вирішення конкретної задачі чи проведення консультації.
Усі перераховані вище знання зберігаються в базі знань. Для її побудови потрібно провести опитування фахівців, що є експертами в конкретній предметній області, а потім систематизувати, організувати і позначити ці знання покажчиками, щоб згодом їх можна було легко витягти з бази знань.



Рис.2 Схема роботи ЕС.
Області застосування експертних систем.
Області застосування систем, заснованих на знаннях, можуть бути згруповані в кілька основних класів: медична діагностика, контроль і керування, діагностика несправностей у механічних і електричних пристроях, навчання.
а) Медична діагностика.
Діагностичні системи використовуються для встановлення зв'язку між порушеннями діяльності організму і їхніх можливих причин. Найбільш відома діагностична система MYCIN, що призначена для діагностики і спостереження за станом хворого при менінгіті і бактеріальних інфекціях.
б) Прогнозування.
Прогнозуючі системи пророкують можливі результати чи події на основі даних про поточний стан об'єкта. Програмна система “Завоювання Уолл-стріт” може проаналізувати кон'юнктуру ринку і за допомогою статистичних методів алгоритмів розробити для вас план капіталовкладень на перспективу.
в) Планування.
Планувальні системи призначені для досягнення конкретних цілей при вирішенні задач з великим числом змінних. Дамаська фірма Informat вперше в торговій практиці надає в розпорядженні покупців 13 робочих станцій, встановлених у холі свого офісу, на яких проводяться безкоштовні 15-хвилинні консультації з метою допомогти покупцям вибрати комп'ютер, що найбільшою мірою відповідає їх потребам і бюджету.
г) Інтерпретація.
Інтерпретуючі системи мають здатність одержувати визначені висновки на основі результатів спостереження. Система PROSPECTOR, одна з найбільш відомих систем інтерпретуючого типу, поєднує знання дев'яти експертів. Використовуючи сполучення дев'яти методів експертизи, системі вдалося знайти покладу руди вартістю в мільйон доларів, причому наявність цих покладів не припускав жоден з дев'яти експертів.
д) Контроль і керування.
Системи, засновані на знаннях, можуть застосуються як інтелектуальні системи контролю і приймати рішення, аналізуючи дані, що надходять від декількох джерел.
е) Діагностика несправностей у механічних і електричних пристроях.
У цій сфері системи, засновані на знаннях, незамінні як при ремонті механічних і електричних машин (автомобілів, дизельних локомотивів і т.д.), так і при усуненні несправностей і помилок в апаратному і програмному забезпеченні комп'ютерів.
ж) Навчання.
Системи, засновані на знаннях, можуть входити складовою частиною в комп'ютерні системи навчання. Система одержує інформацію про діяльність деякого об'єкта (наприклад, студента) і аналізує його поведінку. База знань змінюється відповідно до поведінки об'єкта. Прикладом цього навчання може служити комп'ютерна гра, складність якої збільшується в міру зростання ступеня кваліфікації граючого.
Критерій використання ЕС для вирішення задач.
Існує ряд прикладних задач, що вирішуються за допомогою систем, заснованих на знаннях, більш успішно, ніж будь-якими іншими засобами. При визначенні доцільності застосування таких систем потрібно керуватися наступними критеріями.
1. Дані і знання надійні і не міняються згодом.
2. Простір можливих рішень відносно невеликий.
3. У процесі вирішення задачі повинні використовуватися формальні міркування. Існують системи, засновані на знаннях, поки ще не придатні для вирішення задач методами проведення аналогій чи абстрагування (людський мозок справляється з цим краще). У свою чергу традиційні комп'ютерні програми виявляються ефективніші за системи, засновані на знаннях, у тих випадках, коли вирішення задачі пов'язане з застосуванням процедурного аналізу. Системи, засновані на знаннях, більш підходять для вирішення задач, де вимагаються формальні міркування.
4. Повинен бути принаймні один експерт, що здатний явно сформулювати свої знання і пояснити свої методи застосування цих знань для вирішення задач.
У таблиці 1 наведені порівняльні властивості прикладних задач, за наявності яких можна судити про доцільність використання для їхнього рішення ЕС.
Таблиця 1. Критерій застосовності ЕС.
застосовні | незастосовні
Не можуть бути побудовані строгі алгоритми чи процедури, але існують евристичні методи рішення. | Наявні ефективні алгоритмічні методи.
Є експерти, що здатні вирішити задачу. | Відсутні експерти чи їхнє число недостатнє.
За своїм характером задачі відносяться до області діагностики, інтерпретації чи прогнозування. | Задачі носять обчислювальний характер.
Доступні дані “зашумлені”. | Відомі точні чинники і строгі процедури.
Задачі зважуються методом формальних міркувань. | Задачі зважуються процедурними методами, за допомогою аналогії чи інтуїтивно.
Знання статичні (незмінні). | Знання динамічні (міняються згодом).
У цілому ЕС не рекомендується застосовувати для рішення наступних типів задач:
- математичних, розв'язуваних звичайним шляхом формальних перетворень і процедурного аналізу;
- задач розпізнавання, оскільки в загальному випадку вони зважуються чисельними методами;
задач, знання про методи вирішення яких відсутні (неможливо побудувати базу знань).
Переваги ЕС перед людиною-експертом.
Системи, засновані на знаннях, мають певні переваги перед людиною-експертом.
1. У них немає упереджень.
2. Вони не роблять поспішних висновків.
3. Ці системи працюють систематизовано, розглядаючи всі деталі, часто вибираючи найкращу альтернативу з усіх можливих.
4. База знань може бути дуже і дуже великою. Будучи введені в машину один раз, знання зберігаються назавжди. Людина ж має обмежену базу знань, і якщо дані довгий час не використовуються, то вони забуваються і назавжди втрачаються.
Системи, засновані на знаннях, стійкі до “перешкод”. Експерт користається побічними знаннями і легко піддається впливу зовнішніх чинників, що безпосередньо не пов'язані з розв'язуваною задачею. ЕС, не обтяжені знаннями з інших областей, по своїй природі менш піддані “шумам”. Згодом системи, засновані на знаннях, можуть розглядатися користувачами як різновид тиражування - новий спосіб запису і поширення знань. Подібно іншим видам комп'ютерних програм вони не можуть замінити людини в вирішенні задач, а скоріше нагадують знаряддя праці, що дають йому можливість вирішувати задачі швидше й ефективніше.
6. Ці системи не заміняють фахівця, а є інструментом у його руках.
Обмеження в застосування експертних систем..
Навіть найкращі з існуючих ЕС, що ефективно функціонують як на великих, так і на міні-ЕОМ, мають певні обмеження по порівнянню з людиною-експертом.
Структура систем, заснованих на знаннях
Критерій користувача ЕС
Структура ЕС зображена на схемі:



Рис.3
Експертні системи мають дві категорії користувачів і два окремих “входи”, що відповідають різним цілям взаємодії користувачів з ЕС:
1)звичайний користувач (експерт), якому потрібно консультація ЕС- діалоговий сеанс роботи з нею, у процесі якої вона вирішує деяку експертну задачу. Діалог з ЕС здійснюється через діалоговий процесор - спеціальний компонент ЕС. Існують дві основні форми діалогу з ЕС - діалог на обмеженій підмножині природної мови (з використанням словника-меню (при якій на кожному кроці діалогу система пропонує вибір професійного лексикона експертів) і діалог на основі з декількох можливих дій);
експертна група інженерії знань, що складається з експертів у предметній області й інженерів знань. У функції цієї групи входить заповнення бази знань, здійснюване за допомогою спеціалізованого діалогового компонента ЕС - підсистеми придбання знань, що дозволяє частково автоматизувати цей процес.
Підсистема придбання знань
Підсистема придбання знань призначена для додавання в базу знань нових правил і модифікації наявних. У її задачу входить приведення правила до виду, що дозволяє підсистемі висновку застосовувати це правило в процесі роботи. У більш складних системах передбачені ще і засоби для перевірки правил, що вводяться чи що модифікуються, на несуперечність з наявними правилами.
База знань
База знань - найбільш важливий компонент експертної системи, на якій засновані її «інтелектуальні здібності». На відміну від всіх інших компонентів ЕС, база знань - «змінна» частина системи, що може поповнюватися і модифікуватися інженерами знань і досвіду використання ЕС, між консультаціями (а в деяких системах і в процесі консультації). Існує кілька способів представлення знань у ЕС, однак загальним для усіх них є те, що знання представлені в символьній формі (елементарними компонентами представлення знань є тексти, списки й інші символьні структури). Тим самим, у ЕС реалізується принцип символьної природи міркувань, що полягає в тому, що процес міркування представляється як послідовність символьних перетворень.
Найбільш розповсюджений спосіб представлення знань - у вигляді конкретних чинників і правил, по яких з наявних чинників можуть бути виведені нові. Чинники представлені, наприклад, у виді трійок:
(АТРИБУТ ОБ'ЄКТ ЗНАЧЕННЯ).
Такий чинник означає, що заданий об'єкт має заданий атрибут (властивості) із заданим значенням. Наприклад, трійка (ТЕМПЕРАТУРА ПАЦІЄНТ1 37.5) представляє чинник «температура хворого, що позначається ПАЦІЄНТ1, дорівнює 37.5». У більш простих випадках чинник виражається неконкретним значенням атрибута, а якимось простим твердженням, що може бути істинним чи хибним, наприклад: «Небо покрите хмарами». У таких випадках чинник можна позначити яким-небудь коротким ім'ям (наприклад, ХМАРИ) чи використовувати для представлення чиннику сам текст відповідної фрази.
Правила в базі знань мають вид:
ЯКЩО А ТО S, де А - умова; S- дія. Дія S виповнюється, якщо А істинна. Найбільш часта дія S, так само, як і умова, являє собою твердження, що може бути виведено системою (тобто стає їй відомим), якщо істинна умова правила А.
Правила в базі знань служать для представлення евристичних знань (евристик), тобто неформальних правил міркування, вироблюваних експертом на основі досвіду його діяльності.
Простий приклад правила з повсякденного життя:
ЯКЩО небо покрите хмарами
ТО незабаром піде дощ.
Як умова A може виступати або чинник(як у даному прикладі), або кілька чинників A1,...,AN, з'єднані логічною операцією і:
A1 і A2 і ... і AN.
У математичній логіці такий вираз називається кон’юнкцією. Він вважається істинним у тому випадку, якщо істинні всі його компоненти. Приклад попереднього правила з більш складною умовою:
ЯКЩО
небо покрите хмарами і барометр падає
ТО
незабаром піде дощ. (Правило 1).
Дії, що входять до складу правил, можуть містити нові чинники. При застосуванні таких правил ці чинники стають відомі системі, тобто включаються в множину чинників, що називається робочою множиною. Наприклад, якщо чинники «Небо покрите хмарами» і «Барометр падає» уже є в робочій множині, то після застосування наведеного вище правила в нього також включається чинник «Незабаром піде дощ».
Якщо система не може вивести деякий чинник, істинність чи хибність якого потрібно установити, то система запитує про нього користувача. Наприклад:
ЧИ ВІРНО, ЩО небо покрите хмарами?
При одержанні позитивної відповіді від користувача чинник «Небо покрите хмарами» включається в робочу множину.
Існують динамічні і статичні бази знань. Динамічна база знань змінюється згодом. Її вміст залежить і від стану навколишнього середовища. Нові чинники, що додаються в базу знань, є результатом висновку, що складається в застосуванні правил до наявних чинників.
У системах з монотонним висновком чинники, збережені в базі знань, статичні, тобто не змінюються в процесі рішення задачі. У системах з немонотонним висновком допускається зміна чи видалення чинників з бази знань. Як приклад системи з немонотонним висновком можна привести ЕС, призначену для складання перспективного плану капіталовкладення компанії. У такій системі на ваше бажання можуть бути змінені навіть ті дані, що після висновку уже викликали спрацьовування яких-небудь правил. Іншими словами є можливість модифікувати значення атрибутів у складі чинників, що знаходяться в робочій пам'яті. Зміна чинників у свою чергу приводить до необхідності видалення з бази знань висновків, отриманих за допомогою згаданих правил. Тим самим висновок виконується повторно для того, щоб переглянути ті рішення, що були отримані на основі чинників, що були змінені.