Ежова Л.Ф.. Информационный маркетинг (2002)

Экспертная система - это программа ЭВМ, использует знания и технику рассуждений человека-эксперта.

Экспертная система - это программа ЭВМ, использует знания и технику рассуждений человека-эксперта. Особенность экспертной системы, что принципиально отличает ее от других человеко-машинных систем, заключается в наличии в ее составе подсистемы пояснення.
Подсистема объяснения отвечает на вопрос «как» и «почему», система подводит конечного пользователя к тому или иному выводу. Наличие подсистемы объяснения удовлетворяет естественную требование уверенности пользователя в своих действиях. Без подсистемы объяснения возможны две одинаково неприемлемы альтернативы:
игнорирование ЭВМ вследствие недоверия к полученным результатам;
абсолютная уверенность, что решения, принятые ЭВМ, всегда правильные и, как следствие, перенос ответственности за последствия принимаемых решений на математиков и ЕОМ.
В экспертных системах используются модели, построенные на специальных формализм искусственного интеллекта, называемые логико-лингвистичними.
Поскольку экспертные системы ориентированы на знания и манипуляции с ними, то можно сказать, что появился новый вид моделирования - моделирование познавательной деятельности [95], что имеет широкий спектр применения, в том числе в области научных исследований. Характерные этапы научных исследований:
сбор и обработка исходных эмпирических данных
математическая и логико-теоретическая обработка данных с целью выявления новых фактов, объективная истинность которых имеет как теоретическое, так и эмпирическое обоснование;
построение на основе обобщения научных фактов новых теорий, отражающих фундаментальные отношения и связи изучаемых процессов и явищ.
Если первый этап научных исследований автоматизировано достаточно полно за счет применения систем обработки данных, использование баз данных и систем управления базами данных, а также документальных и фактографических информационно-поисковых систем, то с автоматизацией второго и третьего этапов ситуация сложнее. Решающее значение при этом имеют математическое моделирование и вычислительный эксперимент. Это касается наук, где можно построить математические модели. В таких науках, как медицина, биология, геология, химия и т.д., деятельность ученых на этих этапах остается неавтоматизированной. Вот почему такой популярностью пользуются экспертные системы, решающие задачи моделирования познавательной активности именно в таких областях науки.
Познавательная активность предполагает, что эксперты способны:
накапливать знания;
обобщать знания;
осознавать и выявлять проблемы;
применять мнения для решения проблем, делать правдоподобные выводы по неполной информации;
оправдывать свое поведение и объяснять свои мысли;
взаимодействовать с другими людьми и тем самым накапливать знания;
реконструировать и реорганизовывать свои знания,
понимать не только «букву», но и «дух» правил, используемых в процессе мыслей и поведения (отсюда следует использования иногда исключений из правил, сознательное и бессознательное нарушение их)
определять, находится проблема на границе их компетентности, обязаны они решать ту или иную проблему или ни.
Как системы, ориентированные на знания, экспертные системы способны реализовать первые два свойства, четвертая свойство реализуется как выдача рекомендаций в диалоговом режиме. Третье свойство - это прерогатива человека. Пятая свойство реализуется только в экспертной системе подсистемами объяснения и доверия. Седьмая свойство может быть реализована разработчиками экспертной системы, другие - користувачами.
Экспертные системы могут выполнять следующие функции:
интерпретация данных с целью определения их значения;
диагноз или определения состояния технических и биологических систем на основе интерпретации данных
контрольные наблюдения (мониторинговые системы) или непрерывная интерпретация данных в реальном масштабе времени критических состояний объектов;
прогнозирование развития будущего на основе моделирования настоящего и прошлого;
планирования и разработки мероприятий и действий для достижения поставленных целей
проектирования или выработки четких указаний относительно построения объектов, соответствующих поставленным вимогам.
С точки зрения моделирования познавательной активности и теории экспертных систем несколько в ином, более широком аспекте выступает понятие новых информационных технологий. Экспертные системы приводят к массовой электронной технологии представления, накопления, использования и передачи знань.
Печатные издания, в которых накопленные знания, как системы представления знаний пассивные по своей сути. Прежде чем применить эти знания, необходимо сначала найти их, сделать интерпретацию для решения определенных проблем. Слишком негибкими есть книги для обновления и представления новых знаний. Коммуникативные процессы передачи знаний другим людям посредством книг также негнучки.
Создание экспертных систем не может осуществляться по обычной схеме: заказчик-исполнитель, когда в соответствии с техническим заданием разработчик-исполнитель сдает заказчику готовую для эксплуатации систему. Это невозможно, потому что знания, которыми должна быть заполнена конкретная экспертная система, находятся у заказчика, а не в виконавця.
Организация-исполнитель (разработчик) с помощью специальных инструментальных средств создает так называемую пустую экспертную систему, или метасистему, ориентированную на определенную проблему или на один из классов экспертных систем. Заполнение знаниями «пустой» системы осуществляется непосредственно у заказчика специальными инженерами по знаниям, входящих в организацию-разработчика или в организации-заказчика. Инженеры по знаниям должны, с одной стороны, быть вполне компетентными в теории экспертных систем, а с другой - знать предметную область и уметь работать с экспертами, чтобы превращать их знания в формализмы данной экспертной системы. Для формализации знаний из текстов и интервью с экспертами разработаны специальные мови.
Инструментальные системы по сути являются экспертными системами для создания экспертных систем. Естественным расширением этого стало создание экспертных систем для программирования (системного и прикладного).
Распределены экспертные системы. Распределенные системы искусственного интеллекта, созданные из отдельных систем, необходимые при многоаспектному диагнозе распознавания свойств сложных объектов, когда важно взаимодействие отдельных специалистов в процессе распознавания и формирования плана дий.
Распределены экспертные системы могут быть реализованы на одном Многотерминальная вычислительном комплексе или на сетях ЭВМ.
Гибридные экспертные системы. От традиционных экспертных систем, основанных на логико-лингвистических моделей, гибридные экспертные системы отличаются широким использованием и математических моделей.
Традиционно автоматизированные системы проектирования, планирования и научных исследований строятся на математических моделях. Но в них невозможно учесть неформальные специфические знания проектировщиков, плановики, исследователей и т.д.. Поэтому таким важным является объединение математических моделей с логико-лингвистичними.
Обобщенные прикладные интеллектуальные системы. Обобщенные прикладные интеллектуальные системы можно рассматривать как расчетно-логические системы, дополненные экспертными подсистемами или как распределены экспертные системы с сильной вычислительной компонентою.
Все виды интеллектуальных систем могут реализовываться на персональных ЭВМ. Это нужно для получения первичных результатов применения интеллектуальных систем и для накопления опыта. Огромный интерес к экспертным системам обусловлен тремя причинами:
экспертные системы ориентированы на решение широкого круга задач в области, ранее не формализувалися и считались малодоступными для использования ЭВМ;
экспертные системы предназначены для решения задач в диалоговом режиме со специалистами (конечными пользователями), от которых не требуется знания программирования. Это резко расширяет сферу использования вычислительной техники, которая в режиме экспертных систем выступает как инструмент поддержки памяти специалиста и усиления его способностей к логическому выводу;
специалист, использующий экспертную систему при решении своих задач, может достигать, а иногда и превосходить по результатам возможности экспертов в данной области знаний, что позволяет резко повысить квалификацию рядовых специалистов за счет аккумуляции знаний в экспертной системе, в том числе знаний экспертов высшей квалификации .
Из всех задач, решаемых с помощью экспертных систем, выделим следующие:
Экспертная система включает базу знаний, решающих блок, подсистему общения, подсистему объяснений и подсистему накопления знань.
Через подсистему общения с экспертной системой связаны: конечный пользователь - непрограмуючий специалист; эксперт - квалифицированный специалист, опыт и знания которого намного превосходят знания и опыт рядового конечного пользователя инженер по знаниям, владеющее языками описания знань.
С экспертной системой на этапе наполнения знаний работают инженер по знаниям и эксперт, а на этапе эксплуатации и использования - конечный пользователь. Знания, которыми должна быть заполнена экспертная система, включают знания первого и второго роду.
Знание первого рода - это общезначимые факты, явления, закономерности-истины, признанные в данной предметной области и зафиксированы в книгах, статьях, справочниках и т.п.. Знание второго рода - эмпирические правила, интуитивные соображения и факты, которые, как правило, не публикуются, но дают возможность опытному эксперту эффективно принимать решения даже в условиях неполных и противоречивых начальных даних.
Знания в экспертной системе фиксируются в базе знаний, в которой условно можно выделить интенсиональных и екстенсиональну (собственно базу данных) части.
В сложных экспертных системах подсистема объяснение может быть превращена в хорошо известную в исследовании операций систему анализа решений [57]. Кроме подсистем объяснения, в экспертных системах получают развитие специальные подсистемы довири.
Знания подразделяются на декларативные и процедурные, образующиеся в результате осуществления процедур (алгоритмов, программ, аналитических преобразований) над фактами как начальными даними.
Успех в реализации экспертных систем тем больше, чем больше удельный вес знаний первого рода относительно знаний второго рода. Если преобладают знание второго рода, то имеют место следующие ситуации:
эксперт не может четко сформулировать правила принятия решений;
эксперт просто не желает передавать кому-либо свои знания, методы и правила, сохраняя за собой статус уникального специалиста;
в исследуемой предметной области трудно найти експерта.
Определенным решением этих проблем является использование подсистемы накопления знаний, что позволяет в автоматическом или полуавтоматическом режиме формировать эмпирическую зависимость от неполных данных. Подсистема накопления знаний должна из знаний второго рода строить знания первого рода, порождать теорию и затем выводить новые факты. Идея такого подхода основана на принципах индуктивного обобщения в интерактивном обучении. Следовательно, имеет место принципиально новый подход к разработке экспертных систем.
Можно выделить следующие классы экспертных систем:
диагностувальни системы (известный пример этого класса - медицинские диагностувальни системы)
системы мониторинга, когда диагностика и интерпретация происходящих в реальном масштабе времени, когда осуществляется сигнализация о выходе параметров объекта слежения за допустимые пределы;
прогнозувальни системы оценивают будущее на основе моделей прошлого и настоящего и осуществляют работу с гипотетическими мирами будущего;
планировочные системы обеспечивают принятие решений относительно оптимального распределения ресурсов и календарного планирования;
системы для проектирования помогают не только принимать проектные решения, но и позволяют выявить мотивы принятия их через систему объяснения;
системы для управления совмещают в себе системы планирования и проектирования, а в цепи обратной связи используются диагностувальни и интерпретувальни системы;
системы для обучения близки к системам для управления, однако могут быть обращены за своим функционированием, в этом случае пользователь сначала осуществляет диагностирование и интерпретацию, а затем использует блоки планирования или проектирования для воздействия на объект управления, далее снова совершает диагностики и интерпретацию и использует интерпретувальни системы, которые близки к диагностувальних.
С необходимостью интерпретации мы постоянно сталкиваемся, если по данным (в том числе экспериментальными) нужно установить свойства объекта.

<- При решении экономических задач, в том числе и маркетинговых, часто приходится анализировать Раздел 4. Методы исследования маркетинговой информации ->