В ході етапу тестування здійснюється оцінка вибраного способу представлення знань і всієї системи в цілому. Як тільки система виявляється в змозі обробити від початку до кінця два або три приклади, необхідно починати перевірку на більш широкому крузі прикладів для того, щоб визначити недоліки бази знань і управляючого механізму (процедур виведення). Задача інженера по знаннях полягає в підборі прикладів, забезпечуючих усесторонню перевірку експертної системи. Звичайно виділяють наступні джерела невдач в роботі системи: тестові приклади: введення/виведення: правила виведення; управляючі стратегії.

Найочевиднішою причиною невдалої роботи системи є недостатньо показові тестові приклади. У гіршому разі тестові приклади можуть виявитися взагалі зовні проблемної області, на яку розрахована ЕС, проте частіше безліч тестових прикладів знаходиться в проблемній області, що розглядається, але є однорідним і не дозволяє охопити всю проблемну область.

На етапі досвідченої експлуатації перевіряється придатність експертної системи для кінцевого користувача. Тут система займається рішенням всіх можливих задач при роботі з різними користувачами. Доцільно організувати роботу системи не на стенді розробника, а на місці роботи користувачів. До цього етапу слід переходити лише після того, як система, на думку експерта, успішно вирішуватиме практично всі задачі, що вимагаються, щоб помилки в рішеннях не створювали у користувача негативне уявлення про систему [6, c.21]. Придатність системи для користувача визначається в основному зручністю роботи з нею і її корисністю. Під корисністю системи розуміється здатність системи в ході діалогу визначити потреби користувача, виявити і усунути причини невдач в роботі і задовольнити потреби користувача (тобто вирішити поставлені задачі). Кажучи іншими словами, користувачу важливо "довести до свідомості" системи свою інформаційну потребу, не дивлячись на можливі помилки, що допускаються їм у зв'язку з недостатнім знанням системи. Звичайно, для користувача важлива також повнота і правильність рішень, але ці характеристики повинні бути є перевірені експертом на попередньому етапі.

В ході побудови експертної системи майже постійно здійснюється її модифікація. Удосконалення прототипу здійснюється в процесі циклічного проходження через етапи виконання і тестування з метою відладки правил і процедур виведення. Цикли повторюються до тих пір, поки система не поводитиметься очікуваним чином. Зміни, здійснювані при удосконаленні, залежать від вибраного способу уявлення і від класу задач, вирішуваних експертною системою. Якщо в процесі удосконалення бажана поведінка не досягається, то необхідно здійснити більш значні модифікації архітектури системи і бази знань. Повернення з етапу тестування на етап формалізації приводить до перегляду вибраного раніше способу представлення знань. Даний цикл називають переконструюванням. Якщо виниклі проблеми ще більш серйозні, то після невдачі на етапі тестування може бути потрібно повернення на етапи концептуалізації і ідентифікації. В цьому випадку йтиметься про переформулировании понять, що використовуються в системі, тобто про проектування всієї системи практично наново [6, c.22].

З розробкою і використовуванням експертних систем тісно зв'язані такі поняття, як знання і бази знань, особлива роль знань в експертних системах обумовлено, перш за все, областю їх застосування, експертні системи призначені для вирішення важкоформалізованих задач або задач, що не мають алгоритмічного рішення у вузькоспеціалізованих областях діяльності людини. Експертні системи дозволяють акумулювати, відтворювати і застосовувати знання, які самі по собі володіють величезною цінністю. Перехід від даних до знань є закономірним слідством розвитку і ускладнення інформаційних структур [12, c.12].

Аналізуючи експертні системи треба також розкрити їх класифікацію. Клас «експертні системи» сьогодні об'єднують декілька тисяч різних програмних комплексів, які можна класифікувати по різних критеріях.

Розглянемо класифікацію по вирішуваній задачі. ЕС інтерпретації даних визначають значення даних. Результати повинні бути злагодженими і коректними. Звичайно передбачається багатоваріантний аналіз даних.

ЕС діагности виконують процеси віднесення об'єкту до деякого класу і виявлення несправностей в деякій системі. Несправність -- це відхилення від норми. Таке трактування дозволяє з єдиних теоретичних позицій розглядати і несправність устаткування в технічних системах, і захворювання живих організмів, і всілякі природні аномалії.

ЕС моніторингу є орієнтований на безперервну інтерпретацію даних в реальному масштабі часу і сигналізацію про вихід тих або інших параметрів за допустимі межі.

ЕС проектування готують специфікації на створення «об'єктів» з наперед певними властивостями. Під специфікацією розуміється весь набір необхідних документів -- креслення, записка пояснення і т.і.

ЕС планування знаходять плани дій, що відносяться до об'єктів, здатних виконувати деякі функції. В таких ЕС використуються моделі поведінки реальних об'єктів з тим, щоб логічно вивести наслідки планованої діяльності.

ЕС навчання діагностують помилки при вивченні якої-небудь дисципліни за допомогою ЕОМ і підказують правильні рішення. Вони акумулюють знання про гіпотетичного «учня» і його характерні помилки, потім в роботі вони здатні діагностувати слабості в пізнаннях і знаходити відповідні засоби для їх ліквідації [2, c.14].

Наступна класифікація по зв'язку з реальним часом. Статичні ЕС розробляються в наочних областях, в яких база знань і дані, що інтерпретуються, не міняється за час рішення задачі. Вони стабільні. Наприклад, діагностика несправностей в автомобілі.

Квазідинамічні ЕС інтерпретують ситуацію, яка міняється з деяким фіксованим інтервалом часу. Наприклад, мікробіологічні ЕС, в яких знімаються лабораторні вимірювання з технологічного процесу один раз в 4--5 годин (виробництво лізину, наприклад) і аналізується динаміка отриманих показників по відношенню до попереднього вимірювання.

Динамічні ЕС працюють з даними, що змінюються під час рішення задачі, часто в сполученні з датчиками об'єктів, іноді в режимі реального часу з безперервною інтерпретацією даних, що поступають. Приклад -- управління ГПС, монитофінг в реанімаційних палатах і ін.

Розглянемо класифікацію по типу ЕВМ. ЕС на супер ЭВМ для унікальних стратегічно важливих задач (Ельбрус, CRAY і ін.).

ЕС на ЕОМ середньої продуктивності (типу ЄС ЕОМ).

ЕС на символьних ЕОМ і робочих станціях (SYMBOLIC SUN, APOLLO і ін.).

ЕС на міні- і супер-мини-ЭВМ (СМ-1700, VAX, miсro-VAХ і ін.).

ЕС на ПЕВМ (IBM PC, PS/2 і подібні). Ця класифікація, мабуть, не вимагає пояснень [2, c.16].

Наступна класифікація по ступеню інтеграції з іншими програмами. Автономні ЕС працюють безпосередньо в режимі консультацій з користувачем тільки для «експертних» задач, при рішенні яких не вимагається привертати традиційні методи обробки даних (розрахунки, моделювання і т. д.).

Гібридні ЕС представляють програмний комплекс, агрегуючий стандартні пакети прикладних програм (наприклад! математичну статистику, лінійне програмування або системи управління базами даних) і засобу маніпулювання знаннями. Це може бути інтелектуальна надбудова над пакетом прикладних програм або інтегроване середовище для вирішення складної задачі з елементами експертних знань.

Не дивлячись на зовнішню привабливість гібридного підходу слід зазначити, що розробка таких систем виявляє собою за' дачу на порядок складнішу, ніж розробка автономної ЕС Стиковка не просто різних пакетів, а різних методологій (що відбувається в гібридних системах) породжує комплекс теоретичних і практичних труднощів [1, c.16].

Таким чином експертні системи це самостійний напрям який був сформований в дослідженнях по штучному інтелекту. Причини успішного практичного використовування експертних систем полягають в том, що при їх побудові були враховані попередні дослідження в області штучного інтелекту. Також треба додати що, найкориснішою характеристикою експертної системи є те, що вона застосовує для вирішення проблем високоякісний досвід.

Розділ 2. ПРАКТИЧНІ АСПЕКТИ ПРОБЛЕМИ ЗАСТОСУВАННЯ В ІНФОРМАЦІЙНІЙ ДІЯЛЬНОСТІ ОРГАНІЗАЦІЇ АБО УСТАНОВИ ЕКСПЕРТНИХ СИСТЕМ

2.1 Аналіз інформаційної діяльності організації або установи: сутність, складові

Останніми роками нові інформаційні технології в банківській системі України переживають бурхливий розвиток. Не дивлячись на існуючі недоліки законодавства регулюючого діяльність банків, ситуація неухильно змінюється на краще.

Швидка і безперебійна обробка значних потоків інформації є однією з головних задач будь-якої крупної фінансової організації. Відповідно до цього очевидна необхідність застосування інформаційних банківських технологій дозволяючих обробляти всі зростаючі інформаційні потоки. Крім того на базі інформаційних технологій створюються і реалізуються численні банківські послуги.

Тому більшість сучасних банків в числі своїх задач ставлять упровадження нових інформаційних технологій. Треба сказати, що інтерес до розвитку компьютеризированних банківських систем визначається не бажанням отримати вигоду, а, головним чином, стратегічними задачами, оскільки інвестиції в такі проекти починають приносити прибуток лише через певний період часу, необхідний для навчання персоналу і пристосовування системи до конкретних умов [18].

Інформаційні технології мають певну мету, методи і засоби реалізації. Ціллю інформаційної технології є створення з інформаційного ресурсу якісного інформаційного продукту, задовольняючого вимогам користувача. Методами інформаційних технологій є методи і прийоми моделювання, розробки і реалізації процедур обробки даних. Як засоби інформаційних технологій застосовуються математичні методи і моделі рішення задач, алгоритми обробки даних, інструментальні засоби моделювання бізнеспроцесів, даних, проектування інформаційних систем, розробки програм,власне програмні продукти, різноманітні інформаційні ресурси, технічні засоби обробки даних.

Головна відмітна особливість інформаційних технологій полягає в їх цільовій спрямованості на оптимізацію інформаційних процесів, вихідним результатом яких є інформація.

Інформаційна банківська технологія - процес перетворення банківської інформації на основі методів збору, реєстрації передачі, зберігання і обробок даних [18].

Розглянемо інформаційну діяльність в економіці та менеджменті. Для ухвалення ефективних управлінських рішень в умовах динамічного розвитку ринкової економіки підприємству потрібна доцільна система інформаційного забезпечення, що об'єктивно відображає економічну ситуацію, що склалася. Хороше інформаційне забезпечення це не тільки запорука успіху і конкурентоспроможності фірми, але і деколи виступає як засіб виживання в умовах жорсткої конкуренції.

Інформаційне забезпечення управління - це зв'язок інформації з системами управління підприємством і управлінським процесом в цілому. Воно може розглядатися не тільки в цілому, охоплюючи всі функції управління, але і по окремих функціональних управлінських роботах, наприклад прогнозуванню і плануванню, обліку і аналізу. В сучасних умовах важливою областю стало інформаційне забезпечення, яке полягає в зборі і переробці інформації, необхідної для ухвалення обгрунтованих управлінських рішень.

Передача інформації про положення і діяльність фірми на вищий рівень управління і взаємний обмін інформацією між всіма взаємозв'язаними підрозділами фірми здійснюються на базі сучасної електронно-обчислювальної техніки і інших технічних засобів зв'язку [16].

В міжнародній конкуренції на перший план виходять економічні, ринкові критерії ефективності, підвищуються вимоги до гнучкості. Науково-технічний прогрес і динаміка зовнішнього середовища примушує сучасні підприємства перетворюватися на все більш складні системи, для яких необхідні нові методи для забезпечення керованості. Тому можна затверджувати, що ефективна діяльність сучасного підприємства можлива тільки за наявності єдиної корпоративної системи, об'єднуючої управління фінансами, персоналом, постачанням, збутом і процес управління виробництвом. Такі системи стали розглядатися як засіб досягнення основних цілей бізнесу - поліпшення якості товарів, що випускаються, і послуг, збільшення об'єму виробництва, заняття стійких позицій на ринку і перемоги в конкурентній боротьбі. Вимоги, що пред'являються до корпоративної інформаційної системи, не залежать від форми власності і сфери діяльності підприємства, а її програмні модулі повинні відповідати бізнес - процесам, функції автоматизованих робочих місць - посадовим обов'язкам співробітників.

Інформація потрібна всім: керуючим структурам, колективам підприємств, суспільним організаціям, всім працюючим. Неможливо спиратися тільки на інтуїцію, на свій життєвий і практичний досвід, необхідно одержувати і освоювати всю інформацію, що розширяється, яка допомагає вирішувати виникаючі питання. Інформація виступає сьогодні як один з першорядних ресурсів, значення якого не менше ніж значення матеріальних, сировинних і інших ресурсів. До речі, використовування останніх в значній мірі залежить саме від стану і використовування інформації. На відміну від більшості ресурсів, які здатні виснажуватися, інформаційний потенціал може використовуватися багато разів як колективами, так і індивідуальними працівниками. При цьому він постійно збільшується [16].

Найважливіший чинник підвищення ефективності виробництва в будь-якій галузі є поліпшення управління. Вдосконалення форм і методів управління відбувається на основі досягнень науково-технічного прогресу, подальшого розвитку інформатики, що займається вивченням законів, методів і способів накопичення, обробки і передачі інформації за допомогою різних технічних засобів.

Різні інформаційно-технічні новини слід сприймати як засіб скорочення і здешевлення апарату управління. Так, наприклад, поява телефону, радіо, телебачення, персональних комп'ютерів, локальних комп'ютерних мереж і глобальної мережі Інтернет приводило у свою чергу до вдосконалення системи інформаційного забезпечення управління підприємством. Зрештою роль інформації в організаційному управлінні фірмою постійно зростає, що пов'язано із змінами соціально-економічного характеру, появою новітніх досягнень в області техніки і технологій, результатами наукових досліджень. Науково-технічна революція висунула інформацію як найважливіший чинник виробничого процесу. Інформаційний процес необхідний як неодмінна умова роботи сучасної техніки, як засіб підвищення якості робочої сили, як передумова успішної організації самого процесу виробництва.

Процес передачі інформації навіть в одному напрямі проходить через множину посередників, а це значить, що під час передачі інформації відбувається її затримка і спотворення. Крім того, інформація може перетворюватися залежно від того до кого вона адресована. Так, наприклад, при передачі інформації вгору від підлеглих до керівника відбувається її узагальнення, а при передачі вниз, від керівника до підлеглих навпаки - вона конкретизується. Головне в цьому процесі максимальна швидкість передачі інформації при мінімальних допустимих спотвореннях [17].

В процесі управління постійно відбувається обмін інформацією. Причому напрям переміщення інформації може бути вертикальним (від керівника до підлеглих або від підлеглих до керівника), так і горизонтальним (між начальниками підрозділів, підлеглими одного рівня). Як джерело інформації може бути рівень цін на ринку, розмір прибутку фірми в минулому кварталі або вказівка керівника.

Менеджмент повною мірою використовує об'єктивну і своєчасну інформацію, збирану, оброблювану, що зберігається і поширюється за допомогою сучасних наукових методів і технічних засобів. Потрібно не тільки мати в своєму розпорядженні своєчасну і точну інформацію, але уміти осмислювати її, робити необхідні висновки і результативно утілювати в управлінських рішеннях. Звідси необхідність присутності інформаційної складової в управлінні очевидна, оскільки вона є основою всього управлінського процесу [16].

Можна зробити висновок, що інформаційна діяльність - діяльність, забезпечуючи збір, обробку, зберігання, пошук і розповсюдження інформації, тому вона є необхідною у всіх сферах людської діяльності. Інформаційне забезпечення це необхідна послуга для функціонування економіки та менеджменту в сучасних умовах. У ринковій економіці незалежні, самостійні виробники товарів і послуг, а також всі ті, хто забезпечує безперервність циклу "наука - техніка - виробництво - збут - споживання" не зможуть успішно діяти на ринку, не маючи інформації.

2.2 Можливості застосування в інформаційній діяльності організації або установи експертних систем

Область застосування експертних систем розширяється швидко. І уряд, і промисловість починають фінансувати комерційні експертні системи, так що вже через декілька років компанії в США включаться в розробки і дослідження по штучному інтелекту і експертним системам. Компанії, ігноруючи ці нові технологічні досягнення, в недалекому майбутньому напевно опиняться в невигідному положенні в порівнянні зі своїми більш далекоглядними конкурентами [8, c.223].

Розглянемо експертні системи, що розробляються в університетах. Досягнення багато кого в технології ШІ були стимульовані дослідженнями в університетах, звичайно за допомогою дисертацій. Хоча більшість крупних університетів пропонують окремі курси або повні освітні програми по ШІ і експертним системам, але більша частина роботи в цій області була виконана всього в декількох з них. Пов'язаними з університетами центрами досліджень в області ШІ в США є Станфорд, Карнеги-Меллон і МТІ (Массачусетський технологічний інститут). Два з цих університетів, Станфорд і Карнеги-Меллон, стали ініціаторами в розробці експертних систем і інженерії знань.

Дослідження, що привели до появи систем, заснованих на знаннях, і до створення інженерії знань, виросли з обміну ідеями між Станфордськім університетом (SU) і Університетом Карнеги-Меллон (CMU). В шестидесятих роках Аллан Ньюелл і Херберт Симон з CMU вивчили процес вирішення задач людиною, розробляючи і застосовуючи методи комп'ютерної обробки інформації для моделювання людської свідомості і пам'яті [NEW72]. Ключова ідея Ньюелла полягала в тому, щоб представити довготривалу пам'ять людини як послідовність, правил. Кожне правило має наступний вигляд: «Якщо я розпізнаю деяку ситуацію S в оперативній пам'яті, то я зроблю деяку дію A». Зроблені дії змінюють зміст оперативної пам'яті. Як тільки зміст змінився, виникає нова ситуація, активуюча нові правила [8, c.205]. Ньюелл використовував цю процедуру активації правил і зміни пам'яті для того, щоб змоделювати процес відшукання людиною рішень проблем і назвав отриману систему продукційною системою.

Ідея Ньюелля - використовувати правила для опису процесу пізнання - потім була узагальненою в інших роботах, що проводилися в Станфорді в кінці 60_х. Програма, названа Р, розроблялася, щоб досліджувати методи представлення евристичних методів в програмах ШІ у вигляді наборів явних і окремих правил [WAT68, WAT70]. Метод відділення операційних знань в програмах ШІ від решти частин програми вплинув на роботи по темі DENDRAL в Станфорді на початку сімдесятих, що і привело до концепції системи, заснованої на знаннях. В DENDRAL евристичні знання були представлені через окремі правила, і цей успіх з DENDRAL вплинув на розробку MYCIN в тому ж Станфорді в середині сімдесятих. Успіх DENDRAL, MYCIN і інших станфордських проектів привів до усвідомлення того факту, що розумність і умілість програми в значній мірі обумовлена вбудованими в неї високоякісними знаннями. Ед Фейгенбаум із Станфорда ввів термін інженерія знань для опису процесу побудови таких програм, і ера експертних систем почалася.

Навіть в даний час Станфорд і Карнеги-Меллон вважаються найпродуктивнішими університетськими центрами розробки експертних систем. Інші університети, такі як Рутжерс, МТІ і Університет штату Ілінойс, також виробили цікаві програми досліджень в області експертних систем. В Станфорде дослідження почалися в хімії і медицині, але потім були розширені на інші області, включаючи електроніку і інженерну справу. Дослідження в Карнеги-Меллон спочатку були зосереджені на комп'ютерних системах і промисловості, а потім охопили електроніку і управління процесами. Університет Рутжерс спочатку розробляв експертні системи в медицині, але пізніше дослідження включили і інші області, такі як електроніка, комп'ютерні системи і інженерна справа. В Університеті штату Ілінойс і в МТІ дослідження охопили багато областей, включаючи медицину і математику [8, c.206].

Перейдемо до розглядання роботи по експертним системам в дослідницьких центрах. Дослідницькі центри, розробляючи експертні системи, бувають самими різними, від досвідчених лідерів в області ШІ до хоробрих новачків. Деякі з них - це крупні корпорації, включаючи групу або відділ досліджень по ШІ, інші - невеликі компанії, що майже виключно займаються розробкою методів ШІ і додатків експертних систем в певних областях. Через їх численність важко перерахувати всі такі організації. Проте ми можемо описати роботи деяких з них. Це «Ренд Корпорейшн», Дослідницький центр компанії «Ксерокс» в, Лягло Алто, Едванст Інформейшн & Дісижн Системи і лабораторія ШІ компанії «форд Аероспейс» [8, c.208].[

Організація «Ренд Корпорейшн», заснована в 1948 г.-- це крупний приватний некомерційний дослідницький центр, який займається проблемами національної безпеки і соціального забезпечення. «Ренд» почав дослідження в області ШІ з моменту зародження цієї науки в середині 50-х років з фундаментальних робіт Ньюелла, Шоу і Симона по дослідженню доказів теорем методами символічної логіки [NEW57a, NEW57b]. У наш час роботи по ШІ в «Ренд» зосереджені на засобах побудови експертних систем і їх додатках. Багато з цих робіт було використано урядовими установами наприклад, така як DARPA (Defense Advanced Research Project Agency). Дослідження «Ренд» в області ШІ проводяться у відділі інформатики (Information Sciences Department) і включають розробку мов інженерії знань, мов моделювання, програмних засобів підтримки і додатків експертних систем. Один з напрямів досліджень експертних систем -- це розробка ROSIE, схожого на англійські мови інженерії знань. Ціль цієї роботи -- розширити і удосконалити можливості ROSIE і створити засоби підтримки, такі як блоки пояснення і навчання в експертних системах, заснованих на ROSIE. Інший напрям досліджень -- проектування самих експертних систем, включаючи розробку систем для юридичних міркувань в області відповідальності за випуск дефектної продукції, що привів до нещасних випадків або збитку для здоров'я споживачів.

Едванст Інформейшн & Дісижен Системс (AI&DS) різко відрізняється від Ренд Корпорейшн. Це невелика науково-дослідна фірма була заснована в 1979 р. для супроводу і випуску закінчених програмних продуктів в області ШІ, теорії ухвалення рішень, теорії управління і теорії оцінювання. Велика частина сучасних досліджень в AI&DS присвячена ШІ, і багато проектів експертних систем знаходяться на різних етапах розробки. До них відносяться експертні системи для аналізу радарних сигналів, діагностики несправностей в системах інерційної навігації літаків і запиту розвідувальної інформації. Багато цих систем написано на ефективних мовах програмування низького рівня, таких як Фортран або Сі [KER78]. Фірма також займається розробкою експертних систем для виявлення і усунення несправностей в управляючій апаратурі систем життєзабезпечення космічних станцій.

Дослідницький центр компанії Ксерокс в Лягло Алто (PARC) є науково-дослідною лабораторією, вивчаючою комерційні можливості інформаційних систем. Заснований в 1970 р. PARC проводить дослідження в різних областях, включаючи електронні інтегральні схеми, матеріалознавство і психологію пізнання. Роботи в області експертних систем в основному зосереджені на розробці мов і інструментальних засобів, таких як LOOPS і SMALLTALK, і на деяких додатках до проектування СБІС. В PARC входить Лабораторія інтелектуальних систем, яка проводить дослідження в області інженерії знань, теорії природної мови і ергономіці [8, c.210].

Лабораторія ШІ до «форда Аероспейс» є прикладом нової тенденції крупних комерційних організацій визнавати важливість методів штучного інтелекту і експертних систем в комерційній сфері. Створена в 1982 р., ця дуже маленька група по ШІ провела дослідження в області експертних систем для планування, складання розкладу і діагностики, а також «інтелігентних» систем виведення інформації. Проекти багато кого, що розробляються цією групою, пов'язані з системами діагностики і складання розкладу робіт для програми «Спейс Шаттл».

Розглянемо роботи по експертних системах в приватних компаніях, що спеціалізуються на інженерії знань.

За останні роки число компаній, що займаються дослідженнями в області штучного інтелекту, швидко росте. Ці компанії проявляють тенденцію до спеціалізації; вони зосереджують свої зусилля на різних комерційних аспектах штучного інтелекту, від проблем розуміння природної мови до інженерії знань. Банки і страхові компанії виявили особливу цікавість до експертних систем. Такі компанії в області ШІ, як APEX, Syntelligence і CGI, розробили системи для цих додатків. І Teknowledge, і Intellicorp випустили в якості готових програмних продуктів мови інженерії знань; це ж зробили деякі інші нові компанії. Деякі з компаній, що недавно з'явилися, пропонують для продажу учбові курси чи короткі консультаційні програми по штучному інтелекту і інженерії знань. Тепер опишемо п'ять з цих компаній більш детально: APEX, CGI, Intellicorp, Syntelligence і Teknowledge. APEX Заснована в 1983 р., APEX (Applied Expert Systems, Inc.) розробляє засновані на методах штучного інтелекту програмні продукти для фінансової індустрії. Продукти розроблються не по замовленням, але можуть бути пристосовані до потреб конкретного клієнта. Хоча APEX розробляє тільки програмні продукти, але вона може забезпечити своїх клієнтів комплектом апаратури і програм, для неї призначених, послугами і супроводом. APEX провела ряд пакетів програмного забезпечення для крупних банків, компаній по кредитуванню, страхових компаній для восьми крупних бухгалтерських фірм [8, c.212]. Перший продукт компанії Apex--система, надаюча допомогу при ухваленні рішень та складанні планів фінансового обслуговування -- була розроблений для автоматизованого робочого місця (АРМ) IBM РС-ХТ та упроваджений в червні 1983 р. в різних місцях країни. Другий схожий програмний продукт був реалізований на АРМ Xerox 1100 і в даний час комерційно експлуатується. Інші програмні продукти поки що тільки розробляються.

Компанія Carnegie Group, Inc. розробляє засновані на знаннях системи і програмні інструментальні засоби для застосування в промисловості і бізнесі. CGI пристосовує свої прототипні і комерційні експертні системи до потреб клієнтів, а також може надати комплектні комп'ютерні системи з програмним забезпеченням, розробляємим і підтримуваним CGI. Компанія також забезпечує перепідготовку і навчання в області ШІ.

Компанія CGI була заснована в 1982 р. співробітниками Університету Карнеги-Меллон, дослідженнями, що займалися, в області ШІ, та розробила декілька програмних продуктів, які підтримують побудову експертних систем, включаючи SRL+ і PLUME, а також автоматизоване робоче місце (АРМ) інженерії знань. SRL+ є мовою інженерії знань, заснованою на фреймах, який об'єднує засновані на правилах і орієнтовані на об'єкти парадигми представлення знань. PLUME є інтерпретатором природної мови, дозволяючим користувачам розробити свої власні інтерфейси з природною мовою, орієнтовані на конкретну проблемну область. Ці інструментальні засоби призначені для АРМ, розробленого CGI, тобто могутніх мінікомп'ютерів, забезпечених програмним середовищем Common LISP і растровою графікою з високою роздільною здатністю. Ці інструментальні засоби також поставляються для серій комп'ютерів DEC VAX/VMS і Symbolic 3600.

Компанія Intellicorp проектує, розробляє і продає експертні системи і інструментальні засоби побудови систем для біотехнології і інших додатків. Велику частину доходів компанія отримала від продажу програмного забезпечення для генної інженерії і інструментальних засобів побудови комерційних і промислових експертних систем. Intellicorp проводить також розробку експертних систем по контрактах з клієнтами [8, c.213].

Заснована в 1980 р., Intellicorp пропонує і спеціалізовані, і універсальні програмні продукти. В допомогу молекулярним біологам компанія розробила експертні системи для моделювання і планування експериментів по рекомбінації ДНК, для аналізу нуклеотидних послідовностей, для управління базою біологічних даних і інших додатків генної інженерії. Компанія також розробила АРМ BION з відповідним програмним забезпеченням. Цей «верстат» є графічно орієнтованим комп'ютером з мікропроцесором М68010, використовуючий UNIX як операційна система.

Щоб допомогти інженеру знань при побудові експертних систем, компанія Intellicorp розробила універсальну мову інженерії знань, так званий КЕЕ. Це мова, орієнтована на об'єкти, об'єднує засновані на фреймах, на правилах і орієнтовані на процедури парадигми уявлення і включає засоби пояснення, які використовують графічні дисплеї, показуючи лінії міркування експертної системи, написаної на КЕЕ. КЕЕ може бути використаний з комп'ютерними системами Xerox 1100 або Symbolic 3600.

Як і APEX, Syntelligence розробляє і продає експертні системи, призначені для фінансового обслуговування. Компанія співробітничає з фінансовими організаціями, щоб спільно розробляти початкові прототипи систем, використовуючи стандартне математичне забезпечення, яке можна пристосувати до вимог клієнтів. Вона також надає варіанти своїх експертних систем, приспособлені до режиму розділеного часу, щоб дозволити клієнтам оцінити систему перш, ніж придбати її, або використати її регулярно, але в обмежених масштабах. Звичайні клієнти Syntelligence -- це страхові компанії, банки, інвестиційні посередники і маклери [8, c.214].

З часу підстави в 1983 р. компанія розробила декілька експертних систем для індустрії фінансового обслуговування. Ці системи допомагають страховим агентам аналізувати і оцінювати комерційний ризик; допомагають організаціям-кредиторам встановлювати розміри позик в оптовій торгівлі і допомагають складати кошториси проектів споруд інженерним і будівельним фірмам. Для того, щоб полегшити побудову експертних систем, компанія розробила власну мову інженерії знань, названий SYNTEL/1. Це інструментальний засіб, розроблений по аналогії з системою KAS, пристосовано для процедури ухвалення рішень, характерної для більшості фінансових задач.

Teknowledge -- це міжнародна компанія, що спеціалізується на інженерії знань, яка пропонує як готові продукти, так і послуги, пов'язані з розробкою експертних систем. Її продукція включає мови інженерії знань як для персональних комп'ютерів, так і для АРМ, працюючих на мові Лісп, і навчальний пакет по інженерії знань, складений з відеокасет і програмного забезпечення. Teknowledge також пропонує розробку експертних систем для замовників на основі контрактів.

Заснована в 1981 р. групою фахівців по ШІ із Станфордського університету, Teknowledge розробила декілька програмних інструментальних засобів, таких як S.1 і М.1. Обидва інструментальні засоби є мовами інженерії знань, заснованими на правилах, і обидва включають допоміжні графічні засоби відладки і засобу пояснення процесу міркувань системи. S.1 працює на АРМ серії Xerox 1100, а мова М.1. призначена для персональних комп'ютерів фірми IBM. Teknowledge також пропонує Т.1 (повчальний пакет, що складається з лекцій на відеокасетах, які проводять провідні фахівці по ШІ), демонстраційні зразки експертних систем, призначених для персональних комп'ютерів фірми IBM, і друкарські матеріали по ШІ.

Teknowledge розробила прототипи експертних систем для різних прикладних областей. До них відносяться DRILLING ADVISOR -- система для компанії Elf-Aquitaine, яка радить буровому майстру, як уникнути труднощів, пов'язаних з прихваткою долота, і система складання замовлень на комп'ютерну апаратуру і комплектування такої апаратури; вона нагадує систему XCON, тобто складає конфігурації, і призначена для фірми NCR [8, c.214].

Можна сказати що більшість експертних систем ніколи не розробляються далі рівня дослідницького прототипу. Це відбувається тому, що аж до недавнього часу більшість експертних систем створювалася в рамках наукових досліджень, а не в комерційних цілях. В більшості наукових організацій робота вважається зробленою, як тільки концепція продемонстрована. Проте тепер існують комерційні експертні системи, систематично виконуючі корисну роботу: корисність тут розуміється в значенні застосування системи чи для наукових досліджень відмінних від ШІ областей, або в діловій сфері.

Розглянемо високоякісні експертні системи, що використовуються в наукових дослідженнях. Експертна система СНЕМ2 синтезує складні органічні молекули без допомоги будь яких-небудь вказівок з боку фахівця-хіміка. Система використовує знання про хімічні реакції, щоб побудувати план дій для створення цільової молекули із становлячих її фрагментів. Потім система намагається знайти оптимальний ланцюжок синтезу, починаючи від початкових речовин до отримання цільового з'єднання, застосовуючи евристичні методи, які обмежують пошук шляхами, задовольняючими обмеженням задачі. СНЕМ2 може працювати на рівні компетентного хіміка-органіка, що свідчить про її чималу майстерність. Одна з цілей цього науково-дослідного проекту полягає в тому, щоб розробити вчинений евристичний методи пошуку, необхідний для надзвичайно складних або нових способів синтезу [8, c.216].

Експертна система DENDRAL виводить молекулярні структури невідомих з'єднань виходячи з даних маспектрометрії і ядерного магнітного резонансу. Система використовує запропонований Ледербергом алгоритм систематичного переліку всіх можливих молекулярних структур і застосовує спеціальні знання, щоб скоротити цей перелік можливих структур до осяжного розміру. Компетентність системи DENDRAL забезпечується зібраними уручну знаннями по хімії, включаючи правила фрагментації, пов'язані з конкретними молекулярними структурами. Повсюдно в Сполучених Штатах учені-хіміки використовують DENDRAL в своїх експериментах. Проект DENDRAL, початий в 1965 р., був одним з перших, в якому знання були представлені у вигляді наборів явних правил. Насправді проект DENDRAL чудовий тим, що він став джерелом ідей багато кого, лежачих в основі підходу експертних систем до побудови програм.

Система MACSYMA призначена для символьних перетворень виразів алгебри, допомагаючи користувачу вирішувати задачі, пов'язані з обчисленням меж, символьною інтеграцією, рішенням рівнянь, приведенням до канонічного вигляду і зіставленням із зразком. Система використовує математичні знання, представлені у вигляді програмних модулів або окремих джерел знань. MACSYMA так само як CHEM2 і DENDRAL -- одна з перших експертних систем, робота над якою була почата в середині шестидесятих років і чудова тим, що одній з перших досягла високого рівня компетентності.

Розглянемо високоякісні експертні системи, що використовуються в діловій сфері.

YES/MVS, DELTA і АСІ -- це експертні системи, розроблені крупними корпораціями для комерційного використовування. Хоча всі демонструють високу якість роботи, але їх комерційна експлуатація тільки починається. YES/MVS, розроблена компанією IBM, допомагає операторам застосовувати операційну систему MVS (multiple virtual storage). YES/MVS працює в режимі реального часу, вона спостерігає за діями MVS, планує прогін великих задач і попереджає операторів про неполадки в комунікаційних мережах [8, c.218].

Система DELTA була розроблена компанією «Дженерал Електрик» в допомогу персоналу, здійснюючому технічне обслуговування і ремонт дизельэлектровозов. Система запрошує у користувача симптоми і потім використовує їх для вибору відповідних стратегій і ремонту локомотива. Система може керувати користувачем протягом всієї процедури ремонту, указуючи, які дії зробити, як тільки несправність визначена. По ходу цього процесу система видає креслення деталей і підсистем і показує записані на відеодиск мультфільми про відповідні послідовності ремонтних операцій. DELTA є експертною системою, заснованою на відносно простих правилах.

АСІ аналізує стан телефонного кабелю і виробляє відповідні діагностичні повідомлення. Ця система працює, аналізуючи дані про технічне обслуговування і генеруючи повідомлення, що описують місцезнаходження несправностей і характеристики мережі у вказаному місці.

АСІ може генерувати висновки, але не може пояснити, які міркування до них приводять. Натомість АСІ додає до свого повідомлення зведення даних, які привели до цього висновку; таке пояснення, мабуть, цілком задовольняє користувачів системи.

XCON -- це одна з найзріліших і широко використовуватися експертних систем, діючих в даний час на комерційній основі. Вона була спільно розроблена групою по ШІ з Університету Карнеги-Меллон і групою інтелектуальних систем компанії DEC. В 1980 р. XCON могла складати конфігурації комп'ютерних систем VAX-11/780, в даний час вона комплектує всі системи серії VAX для компанії DEC на її заводах в США і Європі. XCON узяла на себе роботу, яку раніше виконували редактори технічної документації -- люди, вивчаючі заявки покупців і визначальні, які деталі комп'ютерної системи потрібно замінити або додати, щоб заявка була повною н несуперечливої [8, c.220].

Таким чином експертні системи - це сфера діяльності, що бурхливо розвивається. По всій країні провідні університети, науково-дослідні центри і комерційні корпорації намагаються на практиці реалізувати переваги, які обіцяють експертні системи.

ВИСНОВКИ

Експертні системи -- це програмні комплекси, акумулюючи досвід фахівців в деякій предметній області з метою його тиражування для консультацій менш кваліфікованих користувачів.

Системи, використовуючи декларативні бази даних, а також продукційні правила, відносини, прототипи, схеми і семантичні мережі, для уявлення і використовування знань, що містяться в них, відкривають дійсно новий підхід до програмування, який полягає в можливості передачі від людини до програми найпростішим чином знань неврегульованої структури в довільних областях.

Експертні системи достатньо молоді -- перші системи такого роду MYCIN і DENDRAL з'явилися в США в середині 70-х років. У наш час в світі налічуються декілька тисяч промислових ЕС, які дають поради при управлінні складними диспетчерськими пультами, постановці медичних діагнозів, пошуку несправностей в електронних приладах, по проектуванню інтегральних мікросхем, управлінню перевезеннями, прогнозу військових дій, фінансуванню і т.д. Зараз легше назвати області, де ще немає ЕС, ніж ті, де вони вже застосовуються.

Практичні успіхи експертних систем підтверджують той факт, що дана область досліджень досягла зрілого стану. Проте необхідно мати на увазі, що наукова база цієї області знань знаходиться на початковому рівні розвитку. До цих пір, не дивлячись на наявність базових принципів, створення кожного нового додатку вимагає серйозних трудовитрат і не завжди приводить до успіху. Проте вже зараз існують методики і інструментарії, які можуть бути передані (і передаються) від одного додатку до іншого.

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. - СПб.: Питер, 2001. - 384с.

2. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. - М.: Радио и связь, 1992. - 200с.

3. Зарецька І.Т. Колодяжний Б.Г. Інформатика: Навч. посібник для 10-11 кл. загально - освітн. шк. - Х.: Факт; К.: Гала, 1998. - 384с.

4. Лорьер Ж. - Л. Системы искусственного интеллекта: Пер. с франц. - М.: Мир, 1991. - 568с.

5. Макарова Н.В. Информатика: Учебник / Н.В. Макарова. - М.: ФиС, 2007. - 768 с.

6. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. - М.: Наука. Гл. ред. физ. - мат. лит., 1987. - 288с.

7. Рамазанов С.К., Гіркін Є.Й. Інтелектуальні системи та теорія прийняття рішень Навчальне видання. - Луганськ: Вид-во СНУ, 2000. - 200с.

8. Руководство по экспертным системам: Пер. c англ. - М.: Мир, 1989. - 388с.

9. Ситник В.Ф. та ін. Основи інформаційних систем: Навч. посібник. - Вид. 2-ге, перероб. і доп. / В.Ф. Ситник, Т.А. Писаревська та ін.; За ред.. В.Ф. Ситника. - К.: КНЕУ, 2001. - 420с.

10. Таран Т.А., Зубов Д.А. Штучний інтелект. Теорія і застосування. Навч. посібник. - Луганськ: Вид-во СНУ ім. В. Даля, 2006. - 240с.

11. Толковий словарь по искусственному интеллекту / авторы составители А.Н. Аверкин, М.Г. Газе-Рапопорт, Д.А. Поспелов. - М.: Радио и связь, 1992. - 256с.

12. Экспертные системы для персональных компьютеров: методы, средства реализации: Справ. Пособие / В.С. Крисевич, Л.А. Кузьмич, А.М. Шиф и др. - мн.: выш. шк., 1990. - 197с.

Страницы: 1, 2