Експертні системи - інформаційний маркетинг - Маркетинг - Каталог статей - Все для студентів



Головна     Економіка    Наука       Реєстрація   Вхід
Категорії розділу
основи маркетингу
Підручник з основ маркетингу, автор Войчак
котлер основи маркетингу
циганкова міжнародний маркетинг
Підручник з міжнародного маркетингу, автор Циганкова.
дурович маркетинг
інформаційний маркетинг
Підручник з інформаційного маркетигу, все про маркетингові інформаційні системи, автор Єжова
Банківський маркетинг
Підручник банківський маркетинг, все про маркетинг у банку, автор Нікітін
Головна » Статті » Маркетинг » інформаційний маркетинг

Експертні системи

Експертна система — це програма ЕОМ, що використовує знання і техніку міркувань людини-експерта. Особливість експерт¬ної системи, що принципово відрізняє її від інших людино-машин¬них систем, полягає у наявності в її складі підсистеми пояснення.
Підсистема пояснення відповідає на питання «як» і «чому», система підводить кінцевого користувача до того або іншого ви-сновку. Наявність підсистеми пояснення задовольняє природну вимогу впевненості користувача в своїх діях. Без підсистеми по-яснення можливі дві однаково неприйнятні альтернативи:
ігнорування ЕОМ внаслідок недовіри до отриманих результатів;
абсолютна впевненість, що рішення, прийняті ЕОМ, завжди правильні і, як наслідок, перенесення відповідальності за наслід-ки прийнятих рішень на математиків та ЕОМ.
В експертних системах використовуються моделі, побудовані на спеціальних формалізмах штучного інтелекту, звані логіко-лінгвістичними.
Оскільки експертні системи орієнтовані на знання та маніпу-ляцію з ними, то можна сказати, що з’явився новий вид моделю-вання — моделювання пізнавальної діяльності [95], що має ши-рокий спектр застосування, в тому числі в області наукових досліджень. Характерні етапи наукових досліджень:
збирання та обробка початкових емпіричних даних;
математична і логіко-теоретична обробка даних з метою ви-явлення нових фактів, об’єктивна істинність яких має як теорети-чне, так і емпіричне обґрунтування;
побудова на основі узагальнення наукових фактів нових тео-рій, що відображають фундаментальні відносини і зв’язки дослі-джуваних процесів і явищ.
Якщо перший етап наукових досліджень автоматизовано до-сить повно за рахунок застосування систем обробки даних, вико-ристання баз даних і систем управління базами даних, а також документальних і фактографічних інформаційно-пошукових сис-тем, то з автоматизацією другого і третього етапів ситуація склад¬ніша. Вирішальне значення при цьому мають математичне моделювання та обчислювальний експеримент. Це стосується наук, де можна побудувати математичні моделі. У таких науках, як медицина, біологія, геологія, хімія тощо, діяльність учених на цих етапах залишається неавтоматизованою. Ось чому такої популяр¬ності набули експертні системи, що вирішують задачі моделювання пізнавальної активності саме в таких областях науки.
Пізнавальна активність передбачає, що експерти здатні:
1) накопичувати знання;
2) узагальнювати знання;
3) усвідомлювати і виявляти проблеми;
4) застосовувати думки для вирішення проблем, робити прав-доподібні висновки за неповної інформації;
5) виправдовувати свою поведінку і пояснювати свої думки;
6) взаємодіяти з іншими людьми і тим самим накопичувати знання;
7) реконструювати та реорганізовувати свої знання;
8) розуміти не тільки «букву», але й «дух» правил, викорис-товуваних у процесі думок і поведінки (звідси випливає вико-
ристання часом винятків із правил, свідоме і несвідоме пору-шення їх);
9) визначати, чи знаходиться проблема на межі їх компетент-ності, зобов’язані вони вирішувати ту або іншу проблему чи ні.
Як системи, орієнтовані на знання, експертні системи здатні реалізувати перші дві властивості, четверта властивість реалізо-вується як видача рекомендацій у діалоговому режимі. Третя властивість — це прерогатива людини. П’ята властивість реалі-зовується тільки в експертній системі підсистемами пояснення і довіри. Сьома властивість може бути реалізована розробниками експертної системи, інші — користувачами.
Експертні системи можуть виконувати такі функції:
інтерпретація даних з метою визначення їх значення;
діагноз або визначення стану технічних і біологічних систем на основі інтерпретації даних;
контрольні спостереження (моніторингові системи) або не-перервна інтерпретація даних у реальному масштабі часу крити-чних станів об’єктів;
прогнозування розвитку майбутнього на основі моделювання теперішнього і минулого;
планування і розроблення заходів і дій для досягнення пос-тавлених цілей;
проектування або вироблення чітких вказівок щодо побудо-ви об’єктів, які відповідають поставленим вимогам.
З погляду моделювання пізнавальної активності і теорії експе-ртних систем дещо в іншому, ширшому аспекті виступає поняття нових інформаційних технологій. Експертні системи приводять до масової електронної технології представлення, накопичення, використання і передачі знань.
Друковані видання, в яких накопичені знання, як системи представлення знань пасивні за своєю суттю. Перш ніж застосувати ці знання, необхідно спочатку знайти їх, зробити інтерпретацію для розв’язання певних проблем. Надто негнучкими є книги для оновлення і представлення нових знань. Комунікативні процеси передачі знань іншим людям за допомогою книг також негнучкі.
Створення експертних систем не може здійснюватися за зви-чайною схемою: замовник—виконавець, коли відповідно до тех-нічного завдання розробник-виконавець здає замовнику готову для експлуатації систему. Це неможливо, тому що знання, якими має бути заповнена конкретна експертна система, знаходяться у замовника, а не у виконавця.
Організація-виконавець (розробник) за допомогою спеціаль-них інструментальних засобів створює так звану порожню експе-ртну систему, або метасистему, орієнтовану на певну проблему або на один із класів експертних систем. Заповнення знаннями «порожньої» системи здійснюється безпосередньо у замовника спеціальними інженерами по знаннях, що входять до організації-розробника або до організації-замовника. Інженери по знаннях повинні, з одного боку, бути цілком компетентними в теорії екс-пертних систем, а з іншого — знати предметну область і вміти працювати з експертами, щоб перетворювати їх знання на фор-малізми даної експертної системи. Для формалізації знань з текс-тів і з інтерв’ю з експертами розроблено спеціальні мови.
Інструментальні системи по суті є експертними системами для створення експертних систем. Природним розширенням цього стало створення експертних систем для програмування (системного і прикладного).
Розподілені експертні системи. Розподілені системи штучно-го інтелекту, створені з окремих систем, необхідні при багато-
аспектному діагнозі розпізнавання властивостей складних об’єк-тів, коли важлива взаємодія окремих фахівців у процесі розпізна-вання і формування плану дій.
Розподілені експертні системи можуть бути реалізовані на од-ному багатотермінальному обчислювальному комплексі або на мережах ЕОМ. 
Гібридні експертні системи. Від традиційних експертних си-стем, заснованих на логіко-лінгвістичних моделях, гібридні екс-пертні системи відрізняються широким використанням і матема-тичних моделей.
Традиційно автоматизовані системи проектування, планування і наукових досліджень будуються на математичних моделях. Але в них неможливо врахувати неформальні специфічні знання проектувальників, плановики, дослідників тощо. Тому таким важливим є об’єднання математичних моделей з логіко-лінгвістичними.
Узагальнені прикладні інтелектуальні системи. Узагальне-ні прикладні інтелектуальні системи можна розглядати як розра-хунково-логічні системи, доповнені експертними підсистемами або як розподілені експертні системи із сильною обчислюваль-ною компонентою.
Усі види інтелектуальних систем можуть реалізовуватися на персональних ЕОМ. Це потрібно для отримання первинних ре-зультатів застосування інтелектуальних систем і для накопичення досвіду. Величезний інтерес до експертних систем зумовлений трьома причинами:
експертні системи орієнтовані на вирішення широкого кола задач у галузях, що раніше не формалізувалися і вважалися ма-лодоступними для використання ЕОМ;
експертні системи призначені для вирішення задач у діало-говому режимі з фахівцями (кінцевими користувачами), від яких не вимагається знання програмування. Це різко розширює сферу використання обчислювальної техніки, яка в режимі експертних систем виступає як інструмент підтримки пам’яті фахівця і поси-лення його здібностей до логічного висновку;
фахівець, що використовує експертну систему при вирішенні своїх задач, може досягати, а іноді й перевершувати за результатами можливості експертів у даній царині знань, що дає змогу різко підвищити кваліфікацію рядових фахівців за рахунок акумуляції знань в експертній системі, в тому числі знань експертів вищої кваліфікації.
З усіх задач, що вирішуються за допомогою експертних сис-тем, виділимо такі:

Ранг Сфера застосування
1 Проектування експертних систем
2 Медичний діагноз і консультації щодо лікування
3 Консультації і надання допомоги користувачеві за рішенням задач у різних предметних областях (у тому числі з питань забезпечення доступу користувача-непрограміста до баз даних)
4 Автоматизація програмування, перевірка та аналіз програмного забезпечення
5 Проектування надвеликих інтегральних схем 
Навчання в різних предметних областях
6 Технічна діагностика і вироблення рекомендацій з ремонту обладнання
7 Планування в різних предметних областях 
Аналіз інтерпретації даних у різних предметних областях, статистичний аналіз 
8 Інтерпретація даних і планування експерименту в ході наукових досліджень у різних сферах 
9 Управління проектуванням, технологічними процесами і промисловим виробництвом 
Аналіз і синтез електронних схем і ЛОМ
Формування математичних понять, перетворення математичних виразів
Експертна система включає базу знань, розв’язувальний блок, підсистему спілкування, підсистему пояснень і підсистему нако-пичування знань.
Через підсистему спілкування з експертною системою пов’я-зані: кінцевий користувач — непрограмуючий фахівець; екс-перт — кваліфікований фахівець, досвід і знання якого набагато перевершують знання і досвід пересічного кінцевого користува-ча; інженер по знаннях, що володіє мовами опису знань.
З експертною системою на етапі наповнення знань працюють інженер по знаннях та експерт, а на етапі експлуатації і викорис-тання — кінцевий користувач. Знання, якими має бути заповнена експертна система, включають знання першого і другого роду.
Знання першого роду — це загальнозначущі факти, явища, за-кономірності-істини, визнані в даній предметній області і зафік-совані в книгах, статтях, довідниках і тощо. Знання другого ро-ду — емпіричні правила, інтуїтивні міркування і факти, які, як правило, не публікуються, але які дають можливість досвідчено-му експерту ефективно приймати рішення навіть в умовах непов-них і суперечливих початкових даних.
Знання в експертній системі фіксуються в базі знань, в якій умовно можна виділити інтенсиональну та екстенсиональну (власне базу даних) частини. 
У складних експертних системах підсистема пояснення може бути перетворена на добре відому в дослідженні операцій систе-му аналізу рішень [57]. Крім підсистем пояснення, в експертних системах набувають розвитку спеціальні підсистеми довіри.
Знання поділяються на декларативні та процедурні, що утво-рюються внаслідок здійснення процедур (алгоритмів, програм, аналітичних перетворень) над фактами як початковими даними.
Успіх в реалізації експертних систем тим більший, чим більша питома вага знань першого роду щодо знань другого роду. Якщо переважають знання другого роду, то мають місце такі ситуації:
експерт не може чітко сформулювати правила прийняття рішень;
експерт просто не бажає передавати будь-кому свої знання, методи і правила, зберігаючи за собою статус унікального фахів-ця;
у досліджуваній предметній області важко знайти експерта.
Певним рішенням цих труднощів є використання підсистеми накопичення знань, що дає змогу в автоматичному або напів-
автоматичному режимі формувати емпіричну залежність з непов¬них даних. Підсистема накопичення знань повинна зі знань другого роду будувати знання першого роду, породжувати теорію і потім виводити нові факти. Ідея такого підходу заснована на принципах індуктивного узагальнення в інтерактивному навчанні. Отже, має місце принципово новий підхід до розроблення експертних систем.
Можна виокремити такі класи експертних систем:
діагностувальні системи (найвідоміший приклад цього класу — медичні діагностувальні системи);
системи моніторингу, коли діагностика та інтерпретація від-буваються в реальному масштабі часу, коли здійснюється сигналізація про вихід параметрів об’єкта стеження за припустимі межі; 
прогнозувальні системи оцінюють майбутнє на основі моде-лей минулого і теперішнього часу і здійснюють роботу з гіпоте-тичними світами майбутнього;
планувальні системи забезпечують прийняття рішень щодо оптимального розподілу ресурсів і календарного планування;
системи для проектування допомагають не тільки приймати проектні рішення, але й дають змогу виявити мотиви прийняття їх через систему пояснення;
системи для управління суміщують у собі системи плану-вання та проектування, а в ланцюгу зворотного зв’язку викорис-товуються діагностувальні та інтерпретувальні системи;
системи для навчання близькі до систем для управління, од-нак можуть бути обернені за своїм функціонуванням; у цьому випадку користувач спочатку здійснює діагностування та інтерп-ретацію, а потім використовує блоки планування або проекту-вання для впливу на об’єкт управління; далі знову здійснює діаг-ностування та інтерпретацію і використовує інтерпретувальні системи, які близькі до діагностувальних.
З необхідністю інтерпретації ми постійно стикаємося, якщо за даними (в тому числі експериментальними) потрібно встановити властивості об’єкта. 

Хостинг від uCoz | Субота, 03.12.2016 | Вітаю Вас Гість | RSS