Застосування в iнформацiйнiй дiяльностi органiзацiї або установи експертних систем
ЗМІСТ
ВСТУП
Роздiл 1. ТЕОРЕТИЧНИЙ АСПЕКТ ПРОБЛЕМИ ДОСЛІДЖЕННЯ
1. 1 Аналiз термiносистеми дослiдження
1. 2 Поняття та сутнiсть iнформацiйної дiяльностi
1. 3 Сутнiсть та аналiз експертних систем
Роздiл 2. ПРАКТИЧНІ АСПЕКТИ ПРОБЛЕМИ ЗАСТОСУВАННЯ В ІНФОРМАЦІЙНІЙ ДІЯЛЬНОСТІ ОРГАНІЗАЦІЇ АБО УСТАНОВИ ЕКСПЕРТНИХ СИСТЕМ
2. 1. Аналiз iнформацiйної дiяльностi органiзацiї або установи: сутнiсть, складовi
ВИСНОВКИ
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ
ВСТУП
Один з актуальних напрямiв iнформатики — iнтелектуалiзацiя iнформацiйнихтехнологiй. Це означає, що користувач, застосовуючи комп'ютернi технологiї, зможе не тiльки одержувати вiдомостi на основi обробки даних, але i використовувати накопичений досвiд i знання професiоналiв.
Інтелектуальнi системи i технологiї застосовуються для тиражування професiйного досвiду i рiшення складних наукових, виробничих i економiчних задач, наприклад, аналiз iнвестицiй, планування рекламної кампанiї, прогнозування ринку.
Експертнi системи — це сфера дiяльностi, що бурхливо розвивається. По всiй країнi провiднi унiверситети, науково-дослiднi центри i комерцiйнi корпорацiї намагаються на практицi реалiзувати переваги, якi обiцяють експертнi системи.
лiнгвiстiв. На жаль, цей iнтерес має поки достатньо слабе матерiальне пiдкрiплення — явний брак пiдручникiв i спецiальної лiтератури, вiдсутнiсть символьних процесорiв i робочих станцiй штучного iнтелекту, обмежене фiнансування дослiджень в цiй областi.
"пiдробки" пiд експертнi системи у виглядi численних дiалогових систем i iнтерактивних пакетiв прикладних програм, якi дискредитують в очах користувачiв цей надзвичайно перспективний напрям. Процес створення експертної системи вимагає участi висококвалiфiкованих фахiвцiв в областi штучного iнтелекту, яких поки випускає невелика кiлькiсть вищих учбових закладiв країни.
Сучаснi експертнi системи широко використовуються для тиражування досвiду i знань провiдних фахiвцiв практично у всiх сферах економiки. Традицiйно знання iснують в двох видах — колективний досвiд i особистий досвiд.
Ця проблема є актуальною, тому що набула висвiтлення у працях багатьох зарубiжних та вiтчизняних науковцiв i дослiдникiв. Серед них, Н. В. Макарова, В. Ф. Ситник, В. С. Крисевич, Ж. Лор´єр, Д. Уотермен та багато iнших. Такi науковцi як Н. В. Макарова, Т. О. Гаврилова придiляли багато уваги розгляданню класифiкацiї експертних систем та їх структурi. Т. О. Таран у своїх працях розглядав термiнологiчний апарат експертних систем та їх архiтектуру. Д. Уотермен у своїй книзi розглядає основнi органiзацiї, котрi розробляють експертнi системи, намагається уявити собi їх можливi застосування в майбутньому i приводить список джерел додаткової iнформацiї. Е. В. Попов в своїй книзi намагається ввести читача в проблематику експертних систем, та розглядає знання якi необхiхнi для функцiонування експертних систем та способи їх представлення.
Об’єктом дослiдження є експертнi системи.
Мета дослiдження – дослiдити застосування в iнформацiйнiй дiяльностi органiзацiї або установи експертних систем.
– проаналiзувати термiносистему дослiдження;
– розглянути поняття та сутнiсть iнформацiйної дiяльностi;
– проаналiзувати iнформацiйну дiяльнiсть органiзацiї або установи, її сутнiсть та складовi;
– розглянути можливостi застосування в iнформацiйнiй дiяльностi органiзацiї або установи експертних систем.
– На теоретичному рiвнi: аналiз та синтез, iнформацiйний, iсторичний, структурний пiдходи, дедукцiя та iндукцiя та iншi;
– На емпiричному рiвнi: огляд лiтератури.
Роздiл 1. ТЕОРЕТИЧНИЙ АСПЕКТ ПРОБЛЕМИ ДОСЛІДЖЕННЯ
1. 1 Аналiз термiносистеми дослiдження
Термiн iнтелект (intelligence) походить вiд латинського intellectus, що означає розум; розумовi здiбностi людини. Психологи не прийшли до єдиного визначення цього поняття. Звичайно дається визначення iнтелекту, поняття визначається через перелiк його властивостей.
ШІ в трактуваннi Джорджа Ф. Люгера визначається як область комп'ютерної науки, що займається автоматизацiєю розумної поведiнки. І. Рiч вважає, що ШІ – це область дослiджень, яка направлена на створення комп'ютерiв, виконуючих такi функцiї, якi в даний час людина виконує краще. Тут мовиться про функцiї, пов'язанi з умiнням сприймати, аналiзувати, мiркувати, використовувати знання, планувати свої дiї i т. i., в яких природний вияв iнтелекту. Причому цi функцiї зараз добре виконуються людиною i погано – комп'ютером. Дж. Ален вважає, що ШІ – це наука про створення машин, якi будуть вирiшувати задачi, якi можуть вирiшувати люди. В трактуваннi М. Т. Джонса ШІ – це процес створення машин, здатних дiяти таким чином, що сприйматимуться людиною як розумнi [10, c. 7].
Психологи (Нiкерсон, Перкiнс i Смiт, 1985) перераховують такi особливостi iнтелекту:
3. Здiбнiсть до дедуктивного мислення.
5. Здатнiсть розробляти i використовувати концептуальнi моделi.
6. Здiбнiсть до розумiння. Це означає умiння бачити вiдносини в задачах i оцiнювати їх значення для вирiшення задач. Оцiнка розумiння – одна з самих невловимих проблем у вивченнi iнтелекту.
1. Здiбнiсть до органiзацiї знань по їх iстотностi i встановленню вiдношення релевантности мiж даними, що є, i знаннями.
2. Здатнiсть використовувати логiку в широкому значеннi цього термiну.
3. Наявнiсть рефлексiї, тобто можливiсть оцiнювати результати своєї дiяльностi.
5. Умiння породжувати гiпотези [10, c. 8].
Експертна система — це система, яка включає iнформацiю про поняття i об'єкти деякої областi, iнформацiю про способи їх поведiнки i взаємодiї i програми логiчного виведення i призначена для iмiтацiї роботи людини–експерта в цiй областi.
За допомогою експертних систем встановлюються дiагнози захворювань, вiдкриваються родовища корисних копалин, визначаються причини збоїв в роботi приладiв i механiзмiв.
В процесi роботи з експертною системою користувач має нагоду поповнювати базу даних i базу знань — «навчати» систему. Таким чином, експертна система в своїй роботi використовує ту базу знань, яка була закладена в неї при розробцi i бути поповнений в процесi експлуатацiї. Це — знання i досвiд людей — фахiвцiв в конкретнiй областi. Своїх власних знань, отриманих без допомоги людини, експертна система в процесi роботи не придбає [3, c. 121].
Оскiльки термiнологiя в областi розробки ЕС постiйно модифiкується, визначимо основнi термiни в рамках даної областi.
Інженер знань – людина, яка проектує i створює експертну систему.
Інженер по знаннях — фахiвець в областi штучного iнтелекту, виступаючий в ролi промiжного буфера мiж експертом i базою знань. Синонiми: когнитолог, iнженер–iнтерпретатор, аналiтик.
Інструмент – скорочене позначення засобу побудови експертної системи.
Штучний iнтелект – роздiл iнформатики, пов'язаний з розробкою iнтелектуальних програм для комп'ютерiв.
Кiнцевий користувач – людина, яка використовує закiнчену експертну систему; людина, для якої розроблена система.
Пошук – продумано органiзований перегляд простору можливих рiшень, гарантуючий ефективне знаходження необхiдного рiшення.
Користувач – людина, яка використовує експертну систему, наприклад кiнцевий користувач, експерт, iнженер знань, розробник iнструменту або лаборант.
Користувач — фахiвець предметної областi, для якого призначена система. Звичайно його квалiфiкацiя недостатньо висока, i тому вiн потребує допомоги i пiдтримки своєї дiяльностi з боку ЕС.
Уявлення – процес формулювання або опису проблеми так, щоб її легко вирiшити.
зручнi програми редагування i розвинутi пристрої графiчного виведення [2, c. 13].
Засiб побудови експертної системи – мова програмування i пiдтримуючий пакет програм, що використовується при створеннi експертної системи.
Експерт – людина, яка за роки навчання i практики навчилася надзвичайно ефективно вирiшувати задачi, що вiдносяться до конкретної предметної областi.
Експертна система – комп'ютерна програма, яка використовує експертнi знання для забезпечення високоефективного рiшення задач у вузькiй предметнiй областi.
Інтерфейс користувача — комплекс програм, якi реалiзують дiалог користувача з ЕС як на стадiї введення iнформацiї, так i при отриманнi результатiв.
База знань (БЗ) — ядро ЕС, сукупнiсть знань предметної областi, записанi на машинному носiї у формi, зрозумiлiй експерту i користувачу. Паралельно такому «людському» уявленню iснує БЗ у внутрiшньому «машинному» уявленнi.
Інтелектуальний редактор БЗ — програма, яка представляє iнженеру по знаннях можливiсть створювати БЗ в дiалоговому режимi. Включає систему вкладених меню, шаблонiв мови представлення знань, пiдказок («help» — режим) i iнших сервiсних засобiв, полегшуючих роботу з базою.
Знання декларативнi – знання, якi записанi в пам'ятi iнтелектуальної системи так, що вони безпосередньо доступнi для використовування пiсля звернення до вiдповiдного поля пам'ятi. У виглядi З. Д. звичайно записується iнформацiя про властивостi предметної областi, факти, що мають в нiй мiсце, i тому подiбна iнформацiя.
Знання експертнi – знання, якi мають в своєму розпорядженнi фахiвцi в деякiй предметнiй областi.
Інтерфейс – сукупнiсть технiчних чи програмних засобiв, забезпечуюча сполучення двох або бiльш елементiв системи для їх сумiсного функцiонування в цiй системi. Типовим прикладом технiчного І. є набiр конструктивних параметрiв телефонних апаратiв i телефонних каналiв, дозволяючих пiдключити будь–який телефонний апарат до будь–якого телефонного каналу [11, c. 36]
1. 2 Поняття та сутнiсть iнформацiйної дiяльностi
Інформацiйна дiяльнiсть - дiяльнiсть, забезпечуюча збiр, обробку, зберiгання, пошук i розповсюдження iнформацiї, а також формування органiзацiйного ресурсу i органiзацiю доступу до нього.
Отримання i обробка iнформацiї є необхiдною умовою життєдiяльностi будь-якого органiзму. Навiть найпростiшi одноклiтиннi постiйно сприймають i використовують iнформацiю, наприклад про температуру i хiмiчний склад середовища для вибору найсприятливiших умов iснування [13].
корму. Для цього їм доводиться застосовувати спецiальну мову, на якiй цю iнформацiю можна передати («танець» бджiл).
Людина також сприймає iнформацiю за допомогою органiв чуття, а для обмiну iнформацiєю мiж людьми служать мови. За час розвитку людського суспiльства таких мов виникло дуже багато. Перш за все це рiднi мови (росiйська, болгарська, англiйська та iн.), на яких говорять численнi народи свiту. Роль мови для людства виключно велика. Без неї, без обмiну iнформацiєю мiж людьми було б неможливим виникнення i розвиток суспiльства. Дiяльнiсть людини, пов'язану з процесами отримання, перетворення, накопичення i передачi iнформацiї, називатимемо iнформацiйною дiяльнiстю.
Для отримання (сприйняття) iнформацiї у тварин i людини є органи чуття (особливi нервовi клiтки — рецептори): зiр, слух, нюх, дотик. У мiру свого розвитку людство створювало спецiальну апаратуру, що пiдвищує можливостi органiв чуття: вимiрювальнi прилади, мiкроскопи, пiдсилювачi звукових сигналiв i т. i.
Першим носiєм людських знань i досвiду, першим засобом обмiну iнформацiї мiж людьми стала людська мова.
образи i передавали тонкi емоцiї, приказка «краще один раз побачити, нiж сто разiв почути» часто виявляється справедливою.
Тому людство навчилося використовувати для передачi i збереження iнформацiї малюнки, креслення, схеми, а згодом — фотографiї, телевiзiйнi зображення i т. i.
В даний час застосовують безлiч спецiальних мов, пристосованих для передачi iнформацiї конкретного змiсту, що з'являється при рiшеннi певних задач. До них можна вiднести мови математики, фiзики, хiмiї i iнших наукових дисциплiн, дорожнi знаки, мова запису шахових партiй, систему знакiв для внесення редакторської правки в рукопис, позначення на картах, мови спiлкування з ЕОМ i iншi. Кiлькiсть таких мов безперервно збiльшується в прямiй залежностi вiд зростання рiзноманiття вирiшуваних людиною задач.
Проблеми мови, її структури, змiст i т. д. вивчаються цiлим рядом рiдних iнформатицi наук — лiнгвiстикою, математичною лiнгвiстикою i iн. Саму iнформатику мова цiкавить, перш за все, як форма уявлення i засiб передачi iнформацiї.
Перетворення, цiлеспрямована обробка iнформацiї — найважливiший з iнформацiйних процесiв.
У мiру розвитку суспiльства, науково-технiчного прогресу людство створювало все новi засоби i способи збору, зберiгання, передачi iнформацiї. Але найважливiше в iнформацiйних процесах — обробка i цiлеспрямоване перетворення iнформацiї — здiйснювалося до недавнього часу виключно людиною [14].
Проте постiйне вдосконалення технiки i виробництва привело до рiзкого зростання об'єму iнформацiї, якою доводиться оперувати людинi в процесi її професiйної дiяльностi, постiйно збiльшувався також об'єм iнформацiї, необхiдної для вирiшення задач планування i управлiння виробництвом, народним господарством.
i, як наслiдок, появу нових iнформацiйних технологiй [14].
людським суспiльством нової якостi.
Перша революцiя пов'язана з винаходом писемностi, що привело до гiгантського якiсного i кiлькiсного стрибка. З'явилася можливiсть передачi знань вiд поколiння до поколiння.
Друга (середина XVI в.) викликана винаходом книгодрукування, яке радикально змiнило iндустрiальне суспiльство, культуру, органiзацiю дiяльностi.
Третя (кiнець XIX в.) обумовлена винаходом електрики, завдяки якiй з'явилися телеграф, телефон, радiо, дозволяючи оперативно передавати i накопичувати iнформацiю в будь-якому об'ємi.
Четверта (70-тi рр. XX в.) пов'язана з винаходом мiкропроцесорної технологiї i появою персонального комп'ютера. На мiкропроцесорах i iнтегральних схемах створюються комп'ютери, комп'ютернi мережi, системи передачi даних (iнформацiйнi комунiкацiї). Цей перiод характеризують три фундаментальнi iнновацiї:
перехiд вiд механiчних i електричних засобiв перетворення iнформацiї до електронних;
мiнiатюризацiя всiх вузлiв, пристроїв, приладiв, машин;
створення програмно-керованих пристроїв i процесiв.
Остання iнформацiйна революцiя висуває на переднiй план нову галузь — iнформацiйну iндустрiю, пов'язану з виробництвом технiчних засобiв, методiв, технологiй для виробництва нових знань. Найважливiша складова iнформацiйної iндустрiї — iнформацiйна технологiя.
Інформацiйна технологiя — процес, використовуючий сукупнiсть засобiв i методiв збору, обробки i передачi даних (первинної iнформацiї) для отримання iнформацiї нової якостi про стан об'єкту, процесу або явища. Сучасна ІТ спирається на досягнення в областi комп'ютерної технiки i засобiв зв'язку [15].
1. 3 Сутнiсть та аналiз експертних систем
В серединi сiмдесятих рокiв в дослiдженнях по штучному iнтелекту сформувався самостiйний напрям, що отримав назву експертнi системи (ЕС). Цiль дослiджень в експертних системах полягає в розробцi програм (пристроїв), якi при рiшеннi задач, важких для експерта-людини, одержують результати, не поступливi за якiстю i ефективностю рiшенням, одержуваними експертом. В бiльшостi випадкiв експертнi системи вирiшують важкоформалiзуючi задачi або задачi, що не мають алгоритмiчного рiшення. В даний час експертнi системи знайшли застосування в рiзноманiтних наочних областях (медицина, обчислювальна технiка, геологiя, математика, сiльське господарство, управлiння, електронiка, юриспруденцiя i iн.).
Дослiдники в областi експертних систем для назви своєї дисциплiни використовують термiн knowledge engineering (буквально "iнженерiя знань"), включаючи в круг вивчення власне науковi, технологiчнi i методологiчнi питання. Цей термiн був введений Фейгенбаумом. Задачу даної дисциплiни Фейгенбаум визначив як "привнесення принципiв i iнструментарiю дослiджень з областi штучного iнтелекту в рiшення важких прикладних проблем, вимагаючих знань експертiв".
Причини успiшного практичного використовування експертних систем полягають в том, що при їх побудовi були врахованi попереднi дослiдження в областi штучного iнтелекту [6, c. 7].
У зв'язку з тим, що основним джерелом потужностi ЕС є знання, ЕС повиннi мати здатнiсть придбавати знання. Процес отримання знань можна роздiлити на: отримання знань вiд експерта; органiзацiю знань, забезпечуючи ефективну роботу системи; представлення знань в зрозумiлому системi виглядi. Процес отримання знань здiйснюється на основi аналiзу дiяльностi експерта, так званого "iнженера по знаннях" (knowledge engineer). Евристичний характер знань робить їх придбання вельми трудомiстким процесом. Трудомiсткiсть цього процесу призводять до того, що вiн є найбiльш узким мiсцем при створеннi експертних систем i взагалi систем штучного iнтелекту.
рiшення (а не готове рiшення) [6, c. 8].
Специфiка додаткiв експертних систем в порiвняннi з iншими системами штучного iнтелекту полягає в наступному. По-перше, експертнi системи застосовуються для вирiшення тiльки важких практичних (не "iграшкових") задач. По-друге, за якiстю i ефективнiстю рiшення експертних систем. не поступаються рiшенням експерта-людини. По-третє, рiшення експертних систем володiють "прозорiстю", тобто можуть бути поясненi користувачу на якiсному рiвнi (на вiдмiну вiд рiшень, отриманих за допомогою числових алгоритмiв, i особливо вiд рiшень, отриманих статистичними методами) . Ця якiсть експертних систем забезпечується їх здатнiстю мiркувати про свої знання i висновки. По-четверте, експертнi системи здатнi поповнювати свої знання в ходi дiалогу з експертом. Практичнi успiхи експертних систем пiдтверджують той факт, що дана область дослiджень досягла зрiлого стану. Проте необхiдно мати на увазi, що наукова база цiєї областi знань знаходиться на початковому рiвнi розвитку. До цих пiр, не дивлячись на наявнiсть базових принципiв, створення кожного нового додатку вимагає серйозних трудовитрат (порядку декiлькох человеко-рокiв) i не завжди приводить до успiху, Проте вже зараз iснують методики i iнструментарiї, якi можуть бути переданi (i передаються) вiд одного додатку до iншого [6, c. 9].
Будь-яка експертна система складається з трьох основних частин — бази даних, бази знань i програм логiчного виведення. База даних мiстить iнформацiю про поняття i об'єкти наочної областi. База знань — iнформацiю про їх поведiнку i способи взаємодiї. Аналiз конкретної ситуацiї, логiчнi виведення i складання вiдповiдей на питання виконують програми логiчного виведення. Робота цих програм побудована на принципах роботи iнтелекту людини.
Серцевину експертної системи складає база знань, яка нагромаджується в процесi її побудови. Знання вираженi в явному виглядi i органiзованi так, щоб спростити ухвалення рiшень. Важливiсть цiєї особливостi експертної системи неможливо переоцiнити [8, c. 15].
Наслiдки цього факту виходять за межi побудови програми, призначеної для вирiшення деякого класу задач. Причина в том, що знання — основа експертних систем — є явними i доступними, що i вiдрiзняє цi системи вiд бiльшостi традицiйних програм. Вони володiють такою ж цiннiстю, як i будь-який великий об'єм знань, i цi знання можуть широко розповсюджуватися за допомогою книг i лекцiй.
областi, що веде до рiшень творчих, точних i ефективних. Саме високоякiсний досвiд в поєднаннi з умiнням його застосовувати робить систему рентабельною, здатною заслужити визнання на ринку. Цьому сприяє також гнучкiсть системи. Система може нарощуватися поступово вiдповiдно до потреб бiзнесу або замовника. Це означає, що можна спочатку вкласти порiвняно скромнi засоби, а потiм нарощувати її. можливостi у мiру необхiдностi.
Інша корисна можливiсть експертних систем це наявнiсть у них прогностичних можливостей. Експертна система може функцiонувати як теорiя обробки iнформацiї або моделi рiшення задачi в заданiй областi, даючи очiкуванi вiдповiдi в конкретнiй ситуацiї i показуючи, як, змiняться цi вiдповiдi в нових ситуацiях. Експертна система може пояснити детально, яким чином нова ситуацiя привела до змiн. Це дозволяє користувачу оцiнити можливий вплив нових фактiв або iнформацiї i зрозумiти, як вони пов'язанi з рiшенням. Аналогiчно, користувач може оцiнити вплив нових стратегiй або процедур на рiшення, додаючи новi правила або змiнюючи вже iснуючi.
База знань, визначальна компетентнiсть експертної системи, може також забезпечити нову якiсть: iнституцiйну пам'ять. Якщо база знань розроблена в ходi взаємодiї з провiдними фахiвцями установи, вiддiлу або штабу, то вона представляє поточну полiтику або способи дiї цiєї групи людей. Цей набiр знань стає зведенням дуже квалiфiкованих думок i довiдником якнайкращих стратегiй i методiв, що використовуються персоналом. Провiднi фахiвцi йдуть, але їх досвiд залишається. Це важливо для дiлової сфери i особливо цiнно для озброєних сил i урядових органiв з їх частими перетвореннями i персональними перемiщеннями [8, c. 17].
ЕС включає два компоненти: вирiшувач (процедури виведення) i динамiчно змiнна база знань. Вибiр як основа для реалiзацiї вирiшувача систем продукций зумовлює наявнiсть в ЕС також i робочої пам'ятi. Третiй, практичний принцип пред'являє до системи наступнi вимоги: здатнiсть вести дiалог про вирiшувану задачу на мовi, зручнiй користувачу (експерту), i, зокрема, придбавати в ходi дiалогу новi знання; здатнiсть при рiшеннi задачi слiдувати лiнiї мiркування, зрозумiлiй користувачу (експерту); здатнiсть пояснювати хiд свого мiркування на мовi, зручнiй для користувача (експерта), що необхiдно як при використовуваннi, так i при вдосконаленнi системи. Перша вимога реалiзується лiнгвiстичним процесором ЕС i компонентом придбання знань, а для виконання другої i третьої вимог в ЕС вводиться пояснювальний компонент. Крiм того, друга вимога накладає обмеження на спосiб рiшення задачi — хiд мiркування в процесi рiшення повинен бути зрозумiлий користувачу (експерту). Дане обмеження призводить до того, що в експертних системах, як правило, незастосовнi, наприклад, статистичнi методи [6, c. 10].
Отже, типова експертна система має наступнi компоненти: база знань, що береже безлiч продукций, робоча пам'ять, що береже данi (база даних); iнтерпретатор, вирiшальний на основi знань, що є в системi, пред'явлену йому задачу; лiнгвiстичний процесор, здiйснюючий дiалогову взаємодiю з користувачем (експертом) на природнiй для нього мовi (природна мова, професiйна мова, мова графiки, тактильна дiя i т. i.); компоненту придбання знань; пояснювальна компоненту, даюча пояснення дiй системи i вiдповiдаюча на питання про те, чому деякi висновки були зробленi або знехтуванi.
Експертна система працює в двох режимах: в режимi придбання знань i в режимi рiшення задач. В режимi придбання знань в спiлкуваннi з експертною системою бере участь експерт (через посредство iнженера по знаннях). В цьому режимi експерт наповнює систему знаннями (правилами), якi дозволять їй в режимi рiшення самостiйно вирiшувати задачi з областi експертизи. Вiдзначимо, що режиму придбання знань в традицiйному пiдходi до розробки програм вiдповiдають етапи алгоритмiзацiї, програмування i вiдладки, виконуванi програмiстом. Таким чином, на вiдмiну вiд традицiйного пiдходу, в ЕС розробку програм здiйснює не програмiст, а фахiвець в областi експертизи, не володiючий програмуванням.
В режимi рiшення задач в спiлкуваннi з експертною системою бере участь користувач, якого цiкавить результат i (або) спосiб отримання рiшення. Необхiдно вiдзначити, що залежно вiд призначення ЕС користувач може або не бути фахiвцем в данiй проблемнiй областi (в цьому випадку вiн, не умiючи отримати вiдповiдь саму, звертається до ЕС за порадою), або бути фахiвцем (в цьому випадку користувач може i сам отримати результат, але звертається до ЕС з метою прискорити процес отримання результату або з метою покласти на ЕС рутинну роботу) [6, c. 12].
В режимi отримання знань експерт вводить в систему продукцiї про область експертизи. Продукцiї (в бiльш загальному трактуваннi правила) представляються на природнiй для користувача мовi. Об'єднання знову введених продукций з базою знань здiйснюється компонентой придбання знань. Для того, щоб переконатися в достатностi знань (тобто переконатися в том, що процес вiдладки задачi завершений), експерт дає системi тестовi приклади. У випадку, якщо результат, отриманий системою, не задовольняє експерта, вiн за допомогою пояснювальної компоненти одержує вiдомостi про те, як був сформований результат. Пiсля закiнчення процесу вiдладки система передається в експлуатацiю користувачам. В режимi рiшення данi про задачу користувача пiсля обробки їх лiнгвiстичним процесором поступають в робочу пам'ять [7, c. 13].
Важливо вiдзначити, що архiтектура реальних експертних систем розрiзняється в першу чергу по наступним характеристикам: спосiб представлення даних i знань; склад знань, що використовуються; методи роботи iнтерпретатора. Вибiр тих або iнших характеристик при проектуваннi експертної системи визначається в основному властивостями вирiшуваний задачi i бажаними властивостями системи.
здебiльшого пiд час фази проектування, а частiше всього розроблялося декiлька прототипних версiй програм, перш нiж був отриманий кiнцевий продукт. Такий пiдхiд дiє добре в дослiдницьких умовах, проте в комерцiйних умовах вiн є дуже дорогим, щоб виправдати комерцiйно життєвий продукт [5, c. 606].
Проектування експертних систем має iстотнi вiдмiнностi вiд проектування звичайного програмного продукту. Досвiд розробки раннiх ЕС показав, що використовування при їх проектуваннi методологiї, прийнятої в традицiйному програмуваннi, або надмiрно затягує процес створення ЕС, або взагалi приводить до негативного результату. Рiч у тому, що неформализованность задач, вирiшуваних ЕС, вiдсутнiсть завершеної теорiї ЕС i методологiї їх проектування приводить до необхiдностi модифiкувати принципи i способи побудови ЕС в ходi процесу проектування у мiру того, як збiльшуються знання розробникiв про проблемну область. Ураховуючи вiдзначенi складнощi, при проектуваннi ЕС використовується концепцiя "швидкого прототипу". Суть цiєї концепцiї полягає в том, що розробники не намагаються вiдразу побудувати кiнцевий продукт. На початковому етапi вони створюють прототип ЕС. Прототип повинен задовольняти двом суперечливим вимогам: з одного боку, вiн повинен вирiшувати типовi задачi конкретного додатку, а з iншою — трудомiсткiсть його розробки повинна бути вельми незначною, для того, щоб його можна було швидко розробити. Для задоволення вказаним вимогам, як правило, при створеннi прототипу використовуються рiзноманiтнi засоби, прискорюючи процес проектування. Цi засоби в узагальненому виглядi називають iнструментарiєм.
Прототип повинен продемонструвати придатнiсть методiв iнженерiї знань для даного додатку. У разi успiху експерт за допомогою iнженера по знаннях розширює знання прототипу про проблемну область. При невдачi може бути потрiбно розробка нового прототипу або розробники можуть прийти до висновку про непридатнiсть методiв ЕС для даного додатку. У мiру збiльшення знань прототип може досягти такого стану, коли вiн успiшно вирiшує всi задачi даного додатку [6, c. 14].
Оскiльки процес проектування ЕС вiдпрацьований недостатньо, слiд мати на увазi, що розробка конкретних систем може мати свої особливостi. Цiль — видiлити основнi проблеми проектування, з якими стикалися розробники експертних систем за п'ятнадцятирiчну iсторiю їх iснування.
по розробцi ЕС; програмiст, здiйснюючий модифiкацiю i узгодження iнструментальних засобiв. Звичайно в розробцi ЕС бере участь не менше чотирьох чоловiк (1 експерт, 2 iнженера по знаннях i 1 програмiст). Необхiдно особливо пiдкреслити, що вiдсутнiсть серед учасникiв iнженера по знаннях (тобто замiна їх програмiстами) або приводить до невдачi процесу розробки ЕС, або значно подовжує цей процес.
Перейдемо до етапiв побудови ЕС. На етапi iдентифiкацiї розв'язуються наступнi задачi: визначаються учасники процесу проектування i їх ролi, iдентифiкується проблема, визначаються ресурси i цiлi. Задача визначення учасникiв i їх ролей зводиться до визначення кiлькостi експертiв i iнженерiв по знаннях, а також форми їх взаємостосункiв (наприклад, експерт може виступати або в ролi вчителя, або в ролi iнформуючого). На цьому ж етапi визначаються джерела знань (книги i iнструкцiї). Ідентифiкацiя проблеми полягає в складаннi неформального (вербального) опису вирiшуваної проблеми. В цьому описi указуються загальнi характеристики проблеми; пiдпроблеми, що видiляються усерединi даної проблеми; ключовi поняття i вiдносини: вхiднi данi; гаданий вид рiшення; знання, релевантнi вирiшуваний проблеми. Якщо початкова проблема виявляється дуже складною з погляду ресурсiв, що є, то етап iдентифiкацiї може зажадати декiлька iтерацiй.
При проектуваннi експертної системи типовими ресурсами є: джерела знань, час розробки, обчислювальнi засоби i об'єм фiнансування. При визначеннi ресурсiв необхiдно мати на увазi, що термiни розробки i упровадження експертної системи складають. Задача визначення ресурсiв є вельми важливою, оскiльки обмеженiсть якого-небудь ресурсу iстотно впливає на процес проектування [6, c. 15].
На етапi концептуалiзацiї експерт i iнженер по знаннях використовують ключовi поняття, вiдносини (згаданi на етапi iдентифiкацiї) i характеристики, необхiднi для опису процесу рiшення проблеми. На цьому етапi визначаються наступнi особливостi проблеми: типи доступних даних; данi, що виводяться; пiдпроблеми загальної проблеми; стратегiї, що використовуються, i гiпотези; види взаємозв'язкiв мiж об'єктами областi; типи вiдносин, що використовуються; типи обмежень, що накладаються на процес рiшення; склад знань, що використовуються для отримання i обгрунтовування рiшення. Досвiд показує, що для визначення перерахованих характеристик проблеми доцiльно скласти детальний протокол дiй i мiркувань експерта в процесi рiшення хоча б однiєї конкретної задачi. Такий протокол забезпечує iнженера по знаннях словником термiнiв i деяким приблизним уявленням про тi стратегiї, якi використовує експерт. Крiм того, протокол допомагає вiдповiсти на багато iнших питань, виникаючих в ходi розробки. На цьому етапi iнженер по знаннях розглядає деякi питання, що вiдносяться до представлення знань i методiв рiшення, але говорити про вибiр конкретних чинiв i методiв тут ще рано.
засоби, що є, для вирiшення проблеми, що розглядається необхiднi оригiнальнi розробки. Виходом етапу формалiзацiї є опис процесу рiшення проблеми, що розглядається, на запропонованiй формальнiй мовi, тобто на даному етапi визначається склад i способи представлення декларативних i процедурних знань системи [6, c. 17].
Процес формалiзацiї залежить вiд трьох основних чинникiв: структури простору пошуку, характеризуючої особливостi вирiшуваний задача; моделi, лежачої в основi проблеми; властивостей даних проблеми, що розглядається.
Важливим кроком в процесi формалiзацiї знань є побудова моделi дослiджуваної проблеми, оскiльки саме знання моделi дозволяє генерувати рiшення. Якщо в процесi мiркувань i аргументування експерт використовує хоча б найпростiшу модель, то аналiз цiєї моделi дозволить виробити важливi поняття багато кого i вiдносини.
кiнцевий продукт, придатний для промислового використовування. Розробка прототипу полягає в програмуваннi його компонентiв. Звичайна помилка розробникiв при створеннi прототипу полягає в тому, що процес придбання знань вiдкладають до повного завершення програмування. Тим самим, по-перше, ця сама трудомiстка частина роботи вiдсовується на пiзнi етапи, i, по-друге, в процесi накопичення знань доводиться вносити змiни у вже готовi програми. Тому необхiдно починати придбання знань, як тiльки складена програми, дозволяючи працювати з найпростiшим представленням знань i з найпростiшими управляючими структурами. Такий пiдхiд дозволяє максимально рано почати виконання окремих пiдзадач i знайти, що у рядi випадкiв для їх вирiшення необхiдне додатковi знання. Іншими словами, перший прототип експертної системи (ЕС-1) повинен з'явитися через декiлька мiсяцiв, а не через роки пiсля початку роботи.
Створення першого прототипу повинне пiдтвердити, що вибранi методи рiшень i способи уявлення придатнi для успiшного вирiшення принаймнi ряду задач з областi експертизи. Пiсля завершення першого прототипу необхiдно розширити коло задач, вирiшуваних системою, для того, щоб зiбрати побажання i зауваження, якi будуть врахованi в черговiй версiї системи (ЕС-2). Для отримання вказаної iнформацiї необхiдно розвинути версiю ЕС-1, шляхом додавання в неї засобiв для збору зауважень користувачiв (без участi iнженера по знанням), i средств зберiгання бiблiотеки задач, вирiшених системою [6, c. 18].
цi поняття можуть явно не згадуватися (а можливо, i не усвiдомлюватися) експертом. Задача iнженера по знаннях — видiлити такi поняття, знайшовши схожi дiї експерта при обробцi рiзних ситуацiй.
В ходi етапу тестування здiйснюється оцiнка вибраного способу представлення знань i всiєї системи в цiлому. Як тiльки система виявляється в змозi обробити вiд початку до кiнця два або три приклади, необхiдно починати перевiрку на бiльш широкому крузi прикладiв для того, щоб визначити недолiки бази знань i управляючого механiзму (процедур виведення). Задача iнженера по знаннях полягає в пiдборi прикладiв, забезпечуючих усесторонню перевiрку експертної системи. Звичайно видiляють наступнi джерела невдач в роботi системи: тестовi приклади: введення/виведення: правила виведення; управляючi стратегiї.
Найочевиднiшою причиною невдалої роботи системи є недостатньо показовi тестовi приклади. У гiршому разi тестовi приклади можуть виявитися взагалi зовнi проблемної областi, на яку розрахована ЕС, проте частiше безлiч тестових прикладiв знаходиться в проблемнiй областi, що розглядається, але є однорiдним i не дозволяє охопити всю проблемну область.
На етапi досвiдченої експлуатацiї перевiряється придатнiсть експертної системи для кiнцевого користувача. Тут система займається рiшенням всiх можливих задач при роботi з рiзними користувачами. Доцiльно органiзувати роботу системи не на стендi розробника, а на мiсцi роботи користувачiв. До цього етапу слiд переходити лише пiсля того, як система, на думку експерта, успiшно вирiшуватиме практично всi задачi, що вимагаються, щоб помилки в рiшеннях не створювали у користувача негативне уявлення про систему [6, c. 21]. Придатнiсть системи для користувача визначається в основному зручнiстю роботи з нею i її кориснiстю. Пiд кориснiстю системи розумiється здатнiсть системи в ходi дiалогу визначити потреби користувача, виявити i усунути причини невдач в роботi i задовольнити потреби користувача (тобто вирiшити поставленi задачi). Кажучи iншими словами, користувачу важливо "довести до свiдомостi" системи свою iнформацiйну потребу, не дивлячись на можливi помилки, що допускаються їм у зв'язку з недостатнiм знанням системи. Звичайно, для користувача важлива також повнота i правильнiсть рiшень, але цi характеристики повиннi бути є перевiренi експертом на попередньому етапi.
В ходi побудови експертної системи майже постiйно здiйснюється її модифiкацiя. Удосконалення прототипу здiйснюється в процесi циклiчного проходження через етапи виконання i тестування з метою вiдладки правил i процедур виведення. Цикли повторюються до тих пiр, поки система не поводитиметься очiкуваним чином. Змiни, здiйснюванi при удосконаленнi, залежать вiд вибраного способу уявлення i вiд класу задач, вирiшуваних експертною системою. Якщо в процесi удосконалення бажана поведiнка не досягається, то необхiдно здiйснити бiльш значнi модифiкацiї архiтектури системи i бази знань. Повернення з етапу тестування на етап формалiзацiї приводить до перегляду вибраного ранiше способу представлення знань. Даний цикл називають переконструюванням. Якщо виниклi проблеми ще бiльш серйознi, то пiсля невдачi на етапi тестування може бути потрiбно повернення на етапи концептуалiзацiї i iдентифiкацiї. В цьому випадку йтиметься про переформулировании понять, що використовуються в системi, тобто про проектування всiєї системи практично наново [6, c. 22].
З розробкою i використовуванням експертних систем тiсно зв'язанi такi поняття, як знання i бази знань, особлива роль знань в експертних системах обумовлено, перш за все, областю їх застосування, експертнi системи призначенi для вирiшення важкоформалiзованих задач або задач, що не мають алгоритмiчного рiшення у вузькоспецiалiзованих областях дiяльностi людини. Експертнi системи дозволяють акумулювати, вiдтворювати i застосовувати знання, якi самi по собi володiють величезною цiннiстю. Перехiд вiд даних до знань є закономiрним слiдством розвитку i ускладнення iнформацiйних структур [12, c. 12].
Аналiзуючи експертнi системи треба також розкрити їх класифiкацiю. Клас «експертнi системи» сьогоднi об'єднують декiлька тисяч рiзних програмних комплексiв, якi можна класифiкувати по рiзних критерiях.
ЕС дiагности виконують процеси вiднесення об'єкту до деякого класу i виявлення несправностей в деякiй системi. Несправнiсть — це вiдхилення вiд норми. Таке трактування дозволяє з єдиних теоретичних позицiй розглядати i несправнiсть устаткування в технiчних системах, i захворювання живих органiзмiв, i всiлякi природнi аномалiї.
ЕС монiторингу є орiєнтований на безперервну iнтерпретацiю даних в реальному масштабi часу i сигналiзацiю про вихiд тих або iнших параметрiв за допустимi межi.
ЕС проектування готують специфiкацiї на створення «об'єктiв» з наперед певними властивостями. Пiд специфiкацiєю розумiється весь набiр необхiдних документiв — креслення, записка пояснення i т. i.
ЕС планування знаходять плани дiй, що вiдносяться до об'єктiв, здатних виконувати деякi функцiї. В таких ЕС використуються моделi поведiнки реальних об'єктiв з тим, щоб логiчно вивести наслiдки планованої дiяльностi.
ЕС навчання дiагностують помилки при вивченнi якої-небудь дисциплiни за допомогою ЕОМ i пiдказують правильнi рiшення. Вони акумулюють знання про гiпотетичного «учня» i його характернi помилки, потiм в роботi вони здатнi дiагностувати слабостi в пiзнаннях i знаходити вiдповiднi засоби для їх лiквiдацiї [2, c. 14].
Наступна класифiкацiя по зв'язку з реальним часом. Статичнi ЕС розробляються в наочних областях, в яких база знань i данi, що iнтерпретуються, не мiняється за час рiшення задачi. Вони стабiльнi. Наприклад, дiагностика несправностей в автомобiлi.
Квазiдинамiчнi ЕС iнтерпретують ситуацiю, яка мiняється з деяким фiксованим iнтервалом часу. Наприклад, мiкробiологiчнi ЕС, в яких знiмаються лабораторнi вимiрювання з технологiчного процесу один раз в 4—5 годин (виробництво лiзину, наприклад) i аналiзується динамiка отриманих показникiв по вiдношенню до попереднього вимiрювання.
Динамiчнi ЕС працюють з даними, що змiнюються пiд час рiшення задачi, часто в сполученнi з датчиками об'єктiв, iнодi в режимi реального часу з безперервною iнтерпретацiєю даних, що поступають. Приклад — управлiння ГПС, монитофiнг в реанiмацiйних палатах i iн.
Розглянемо класифiкацiю по типу ЕВМ. ЕС на супер ЭВМ для унiкальних стратегiчно важливих задач (Ельбрус, CRAY i iн.).
ЕС на ЕОМ середньої продуктивностi (типу ЄС ЕОМ).
ЕС на символьних ЕОМ i робочих станцiях (SYMBOLIC SUN, APOLLO i iн.).
ЕС на мiнi- i супер-мини-ЭВМ (СМ-1700, VAX, miсro-VAХ i iн.).
ЕС на ПЕВМ (IBM PC, PS/2 i подiбнi). Ця класифiкацiя, мабуть, не вимагає пояснень [2, c. 16].
Наступна класифiкацiя по ступеню iнтеграцiї з iншими програмами. Автономнi ЕС працюють безпосередньо в режимi консультацiй з користувачем тiльки для «експертних» задач, при рiшеннi яких не вимагається привертати традицiйнi методи обробки даних (розрахунки, моделювання i т. д.).
знаннями. Це може бути iнтелектуальна надбудова над пакетом прикладних програм або iнтегроване середовище для вирiшення складної задачi з елементами експертних знань.
Не дивлячись на зовнiшню привабливiсть гiбридного пiдходу слiд зазначити, що розробка таких систем виявляє собою за' дачу на порядок складнiшу, нiж розробка автономної ЕС Стиковка не просто рiзних пакетiв, а рiзних методологiй (що вiдбувається в гiбридних системах) породжує комплекс теоретичних i практичних труднощiв [1, c. 16].
побудовi були врахованi попереднi дослiдження в областi штучного iнтелекту. Також треба додати що, найкориснiшою характеристикою експертної системи є те, що вона застосовує для вирiшення проблем високоякiсний досвiд.
2. 1 Аналiз iнформацiйної дiяльностi органiзацiї або установи: сутнiсть, складовi
Останнiми роками новi iнформацiйнi технологiї в банкiвськiй системi України переживають бурхливий розвиток. Не дивлячись на iснуючi недолiки законодавства регулюючого дiяльнiсть банкiв, ситуацiя неухильно змiнюється на краще.
Швидка i безперебiйна обробка значних потокiв iнформацiї є однiєю з головних задач будь-якої крупної фiнансової органiзацiї. Вiдповiдно до цього очевидна необхiднiсть застосування iнформацiйних банкiвських технологiй дозволяючих обробляти всi зростаючi iнформацiйнi потоки. Крiм того на базi iнформацiйних технологiй створюються i реалiзуються численнi банкiвськi послуги.
Тому бiльшiсть сучасних банкiв в числi своїх задач ставлять упровадження нових iнформацiйних технологiй. Треба сказати, що iнтерес до розвитку компьютеризированних банкiвських систем визначається не бажанням отримати вигоду, а, головним чином, стратегiчними задачами, оскiльки iнвестицiї в такi проекти починають приносити прибуток лише через певний перiод часу, необхiдний для навчання персоналу i пристосовування системи до конкретних умов [18].
Інформацiйнi технологiї мають певну мету, методи i засоби реалiзацiї. Цiллю iнформацiйної технологiї є створення з iнформацiйного ресурсу якiсного iнформацiйного продукту, задовольняючого вимогам користувача. Методами iнформацiйних технологiй є методи i прийоми моделювання, розробки i реалiзацiї процедур обробки даних. Як засоби iнформацiйних технологiй застосовуються математичнi методи i моделi рiшення задач, алгоритми обробки даних, iнструментальнi засоби моделювання бiзнеспроцесiв, даних, проектування iнформацiйних систем, розробки програм,власне програмнi продукти, рiзноманiтнi iнформацiйнi ресурси, технiчнi засоби обробки даних.
Головна вiдмiтна особливiсть iнформацiйних технологiй полягає в їх цiльовiй спрямованостi на оптимiзацiю iнформацiйних процесiв, вихiдним результатом яких є iнформацiя.
Інформацiйна банкiвська технологiя – процес перетворення банкiвської iнформацiї на основi методiв збору, реєстрацiї передачi, зберiгання i обробок даних [18].
Розглянемо iнформацiйну дiяльнiсть в економiцi та менеджментi. Для ухвалення ефективних управлiнських рiшень в умовах динамiчного розвитку ринкової економiки пiдприємству потрiбна доцiльна система iнформацiйного забезпечення, що об'єктивно вiдображає економiчну ситуацiю, що склалася. Хороше iнформацiйне забезпечення це не тiльки запорука успiху i конкурентоспроможностi фiрми, але i деколи виступає як засiб виживання в умовах жорсткої конкуренцiї.
Інформацiйне забезпечення управлiння – це зв'язок iнформацiї з системами управлiння пiдприємством i управлiнським процесом в цiлому. Воно може розглядатися не тiльки в цiлому, охоплюючи всi функцiї управлiння, але i по окремих функцiональних управлiнських роботах, наприклад прогнозуванню i плануванню, облiку i аналiзу. В сучасних умовах важливою областю стало iнформацiйне забезпечення, яке полягає в зборi i переробцi iнформацiї, необхiдної для ухвалення обгрунтованих управлiнських рiшень.
технiки i iнших технiчних засобiв зв'язку [16].
В мiжнароднiй конкуренцiї на перший план виходять економiчнi, ринковi критерiї ефективностi, пiдвищуються вимоги до гнучкостi. Науково-технiчний прогрес i динамiка зовнiшнього середовища примушує сучаснi пiдприємства перетворюватися на все бiльш складнi системи, для яких необхiднi новi методи для забезпечення керованостi. Тому можна затверджувати, що ефективна дiяльнiсть сучасного пiдприємства можлива тiльки за наявностi єдиної корпоративної системи, об'єднуючої управлiння фiнансами, персоналом, постачанням, збутом i процес управлiння виробництвом. Такi системи стали розглядатися як засiб досягнення основних цiлей бiзнесу - полiпшення якостi товарiв, що випускаються, i послуг, збiльшення об'єму виробництва, заняття стiйких позицiй на ринку i перемоги в конкурентнiй боротьбi. Вимоги, що пред'являються до корпоративної iнформацiйної системи, не залежать вiд форми власностi i сфери дiяльностi пiдприємства, а її програмнi модулi повиннi вiдповiдати бiзнес - процесам, функцiї автоматизованих робочих мiсць - посадовим обов'язкам спiвробiтникiв.
Інформацiя потрiбна всiм: керуючим структурам, колективам пiдприємств, суспiльним органiзацiям, всiм працюючим. Неможливо спиратися тiльки на iнтуїцiю, на свiй життєвий i практичний досвiд, необхiдно одержувати i освоювати всю iнформацiю, що розширяється, яка допомагає вирiшувати виникаючi питання. Інформацiя виступає сьогоднi як один з першорядних ресурсiв, значення якого не менше нiж значення матерiальних, сировинних i iнших ресурсiв. До речi, використовування останнiх в значнiй мiрi залежить саме вiд стану i використовування iнформацiї. На вiдмiну вiд бiльшостi ресурсiв, якi здатнi виснажуватися, iнформацiйний потенцiал може використовуватися багато разiв як колективами, так i iндивiдуальними працiвниками. При цьому вiн постiйно збiльшується [16].
Найважливiший чинник пiдвищення ефективностi виробництва в будь-якiй галузi є полiпшення управлiння. Вдосконалення форм i методiв управлiння вiдбувається на основi досягнень науково-технiчного прогресу, подальшого розвитку iнформатики, що займається вивченням законiв, методiв i способiв накопичення, обробки i передачi iнформацiї за допомогою рiзних технiчних засобiв.
мереж i глобальної мережi Інтернет приводило у свою чергу до вдосконалення системи iнформацiйного забезпечення управлiння пiдприємством. Зрештою роль iнформацiї в органiзацiйному управлiннi фiрмою постiйно зростає, що пов'язано iз змiнами соцiально-економiчного характеру, появою новiтнiх досягнень в областi технiки i технологiй, результатами наукових дослiджень. Науково-технiчна революцiя висунула iнформацiю як найважливiший чинник виробничого процесу. Інформацiйний процес необхiдний як неодмiнна умова роботи сучасної технiки, як засiб пiдвищення якостi робочої сили, як передумова успiшної органiзацiї самого процесу виробництва.
Процес передачi iнформацiї навiть в одному напрямi проходить через множину посередникiв, а це значить, що пiд час передачi iнформацiї вiдбувається її затримка i спотворення. Крiм того, iнформацiя може перетворюватися залежно вiд того до кого вона адресована. Так, наприклад, при передачi iнформацiї вгору вiд пiдлеглих до керiвника вiдбувається її узагальнення, а при передачi вниз, вiд керiвника до пiдлеглих навпаки – вона конкретизується. Головне в цьому процесi максимальна швидкiсть передачi iнформацiї при мiнiмальних допустимих спотвореннях [17].
(мiж начальниками пiдроздiлiв, пiдлеглими одного рiвня). Як джерело iнформацiї може бути рiвень цiн на ринку, розмiр прибутку фiрми в минулому кварталi або вказiвка керiвника.
Менеджмент повною мiрою використовує об'єктивну i своєчасну iнформацiю, збирану, оброблювану, що зберiгається i поширюється за допомогою сучасних наукових методiв i технiчних засобiв. Потрiбно не тiльки мати в своєму розпорядженнi своєчасну i точну iнформацiю, але умiти осмислювати її, робити необхiднi висновки i результативно утiлювати в управлiнських рiшеннях. Звiдси необхiднiсть присутностi iнформацiйної складової в управлiннi очевидна, оскiльки вона є основою всього управлiнського процесу [16].
Можна зробити висновок, що iнформацiйна дiяльнiсть - дiяльнiсть, забезпечуючи збiр, обробку, зберiгання, пошук i розповсюдження iнформацiї, тому вона є необхiдною у всiх сферах людської дiяльностi. Інформацiйне забезпечення це необхiдна послуга для функцiонування економiки та менеджменту в сучасних умовах. У ринковiй економiцi незалежнi, самостiйнi виробники товарiв i послуг, а також всi тi, хто забезпечує безперервнiсть циклу "наука - технiка - виробництво - збут - споживання" не зможуть успiшно дiяти на ринку, не маючи iнформацiї.
Область застосування експертних систем розширяється швидко. І уряд, i промисловiсть починають фiнансувати комерцiйнi експертнi системи, так що вже через декiлька рокiв компанiї в США включаться в розробки i дослiдження по штучному iнтелекту i експертним системам. Компанiї, iгноруючи цi новi технологiчнi досягнення, в недалекому майбутньому напевно опиняться в невигiдному положеннi в порiвняннi зi своїми бiльш далекоглядними конкурентами [8, c. 223].
крупних унiверситетiв пропонують окремi курси або повнi освiтнi програми по ШІ i експертним системам, але бiльша частина роботи в цiй областi була виконана всього в декiлькох з них. Пов'язаними з унiверситетами центрами дослiджень в областi ШІ в США є Станфорд, Карнеги-Меллон i МТІ (Массачусетський технологiчний iнститут). Два з цих унiверситетiв, Станфорд i Карнеги-Меллон, стали iнiцiаторами в розробцi експертних систем i iнженерiї знань.
Дослiдження, що привели до появи систем, заснованих на знаннях, i до створення iнженерiї знань, виросли з обмiну iдеями мiж Станфордськiм унiверситетом (SU) i Унiверситетом Карнеги-Меллон (CMU). В шестидесятих роках Аллан Ньюелл i Херберт Симон з CMU вивчили процес вирiшення задач людиною, розробляючи i застосовуючи методи комп'ютерної обробки iнформацiї для моделювання людської свiдомостi i пам'ятi [NEW72]. Ключова iдея Ньюелла полягала в тому, щоб представити довготривалу пам'ять людини як послiдовнiсть, правил. Кожне правило має наступний вигляд: «Якщо я розпiзнаю деяку ситуацiю S в оперативнiй пам'ятi, то я зроблю деяку дiю A». Зробленi дiї змiнюють змiст оперативної пам'ятi. Як тiльки змiст змiнився, виникає нова ситуацiя, активуюча новi правила [8, c. 205]. Ньюелл використовував цю процедуру активацiї правил i змiни пам'ятi для того, щоб змоделювати процес вiдшукання людиною рiшень проблем i назвав отриману систему продукцiйною системою.
Ідея Ньюелля - використовувати правила для опису процесу пiзнання - потiм була узагальненою в iнших роботах, що проводилися в Станфордi в кiнцi 60‑х. Програма, названа Р, розроблялася, щоб дослiджувати методи представлення евристичних методiв в програмах ШІ у виглядi наборiв явних i окремих правил [WAT68, WAT70]. Метод вiддiлення операцiйних знань в програмах ШІ вiд решти частин програми вплинув на роботи по темi DENDRAL в Станфордi на початку сiмдесятих, що i привело до концепцiї системи, заснованої на знаннях. В DENDRAL евристичнi знання були представленi через окремi правила, i цей успiх з DENDRAL вплинув на розробку MYCIN в тому ж Станфордi в серединi сiмдесятих. Успiх DENDRAL, MYCIN i iнших станфордських проектiв привiв до усвiдомлення того факту, що розумнiсть i умiлiсть програми в значнiй мiрi обумовлена вбудованими в неї високоякiсними знаннями. Ед Фейгенбаум iз Станфорда ввiв термiн iнженерiя знань для опису процесу побудови таких програм, i ера експертних систем почалася.
Навiть в даний час Станфорд i Карнеги-Меллон вважаються найпродуктивнiшими унiверситетськими центрами розробки експертних систем. Іншi унiверситети, такi як Рутжерс, МТІ i Унiверситет штату Ілiнойс, також виробили цiкавi програми дослiджень в областi експертних систем. В Станфорде дослiдження почалися в хiмiї i медицинi, але потiм були розширенi на iншi областi, включаючи електронiку i iнженерну справу. Дослiдження в Карнеги-Меллон спочатку були зосередженi на комп'ютерних системах i промисловостi, а потiм охопили електронiку i управлiння процесами. Унiверситет Рутжерс спочатку розробляв експертнi системи в медицинi, але пiзнiше дослiдження включили i iншi областi, такi як електронiка, комп'ютернi системи i iнженерна справа. В Унiверситетi штату Ілiнойс i в МТІ дослiдження охопили багато областей, включаючи медицину i математику [8, c. 206].
Перейдемо до розглядання роботи по експертним системам в дослiдницьких центрах. Дослiдницькi центри, розробляючи експертнi системи, бувають самими рiзними, вiд досвiдчених лiдерiв в областi ШІ до хоробрих новачкiв. Деякi з них - це крупнi корпорацiї, включаючи групу або вiддiл дослiджень по ШІ, iншi - невеликi компанiї, що майже виключно займаються розробкою методiв ШІ i додаткiв експертних систем в певних областях. Через їх численнiсть важко перерахувати всi такi органiзацiї. Проте ми можемо описати роботи деяких з них. Це «Ренд Корпорейшн», Дослiдницький центр компанiї «Ксерокс» в, Лягло Алто, Едванст Інформейшн & Дiсижн Системи i лабораторiя ШІ компанiї «форд Аероспейс» [8, c. 208].[
Органiзацiя «Ренд Корпорейшн», заснована в 1948 г.— це крупний приватний некомерцiйний дослiдницький центр, який займається проблемами нацiональної безпеки i соцiального забезпечення. «Ренд» почав дослiдження в областi ШІ з моменту зародження цiєї науки в серединi 50-х рокiв з фундаментальних робiт Ньюелла, Шоу i Симона по дослiдженню доказiв теорем методами символiчної логiки [NEW57a, NEW57b]. У наш час роботи по ШІ в «Ренд» зосередженi на засобах побудови експертних систем i їх додатках. Багато з цих робiт було використано урядовими установами наприклад, така як DARPA (Defense Advanced Research Project Agency). Дослiдження «Ренд» в областi ШІ проводяться у вiддiлi iнформатики (Information Sciences Department) i включають розробку мов iнженерiї знань, мов моделювання, програмних засобiв пiдтримки i додаткiв експертних систем. Один з напрямiв дослiджень експертних систем — це розробка ROSIE, схожого на англiйськi мови iнженерiї знань. Цiль цiєї роботи — розширити i удосконалити можливостi ROSIE i створити засоби пiдтримки, такi як блоки пояснення i навчання в експертних системах, заснованих на ROSIE. Інший напрям дослiджень — проектування самих експертних систем, включаючи розробку систем для юридичних мiркувань в областi вiдповiдальностi за випуск дефектної продукцiї, що привiв до нещасних випадкiв або збитку для здоров'я споживачiв.
Едванст Інформейшн & Дiсижен Системс (AI&DS) рiзко вiдрiзняється вiд Ренд Корпорейшн. Це невелика науково-дослiдна фiрма була заснована в 1979 р. для супроводу i випуску закiнчених програмних продуктiв в областi ШІ, теорiї ухвалення рiшень, теорiї управлiння i теорiї оцiнювання. Велика частина сучасних дослiджень в AI&DS присвячена ШІ, i багато проектiв експертних систем знаходяться на рiзних етапах розробки. До них вiдносяться експертнi системи для аналiзу радарних сигналiв, дiагностики несправностей в системах iнерцiйної навiгацiї лiтакiв i запиту розвiдувальної iнформацiї. Багато цих систем написано на ефективних мовах програмування низького рiвня, таких як Фортран або Сi [KER78]. Фiрма також займається розробкою експертних систем для виявлення i усунення несправностей в управляючiй апаратурi систем життєзабезпечення космiчних станцiй.
Дослiдницький центр компанiї Ксерокс в Лягло Алто (PARC) є науково-дослiдною лабораторiєю, вивчаючою комерцiйнi можливостi iнформацiйних систем. Заснований в 1970 р. PARC проводить дослiдження в рiзних областях, включаючи електроннi iнтегральнi схеми, матерiалознавство i психологiю пiзнання. Роботи в областi експертних систем в основному зосередженi на розробцi мов i iнструментальних засобiв, таких як LOOPS i SMALLTALK, i на деяких додатках до проектування СБІС. В PARC входить Лабораторiя iнтелектуальних систем, яка проводить дослiдження в областi iнженерiї знань, теорiї природної мови i ергономiцi [8, c. 210].
Лабораторiя ШІ до «форда Аероспейс» є прикладом нової тенденцiї крупних комерцiйних органiзацiй визнавати важливiсть методiв штучного iнтелекту i експертних систем в комерцiйнiй сферi. Створена в 1982 р., ця дуже маленька група по ШІ провела дослiдження в областi експертних систем для планування, складання розкладу i дiагностики, а також «iнтелiгентних» систем виведення iнформацiї. Проекти багато кого, що розробляються цiєю групою, пов'язанi з системами дiагностики i складання розкладу робiт для програми «Спейс Шаттл».
Розглянемо роботи по експертних системах в приватних компанiях, що спецiалiзуються на iнженерiї знань.
За останнi роки число компанiй, що займаються дослiдженнями в областi штучного iнтелекту, швидко росте. Цi компанiї проявляють тенденцiю до спецiалiзацiї; вони зосереджують свої зусилля на рiзних комерцiйних аспектах штучного iнтелекту, вiд проблем розумiння природної мови до iнженерiї знань. Банки i страховi компанiї виявили особливу цiкавiсть до експертних систем. Такi компанiї в областi ШІ, як APEX, Syntelligence i CGI, розробили системи для цих додаткiв. І Teknowledge, i Intellicorp випустили в якостi готових програмних продуктiв мови iнженерiї знань; це ж зробили деякi iншi новi компанiї. Деякi з компанiй, що недавно з'явилися, пропонують для продажу учбовi курси чи короткi консультацiйнi програми по штучному iнтелекту i iнженерiї знань. Тепер опишемо п'ять з цих компанiй бiльш детально: APEX, CGI, Intellicorp, Syntelligence i Teknowledge. APEX Заснована в 1983 р., APEX (Applied Expert Systems, Inc.) розробляє заснованi на методах штучного iнтелекту програмнi продукти для фiнансової iндустрiї. Продукти розроблються не по замовленням, але можуть бути пристосованi до потреб конкретного клiєнта. Хоча APEX розробляє тiльки програмнi продукти, але вона може забезпечити своїх клiєнтiв комплектом апаратури i програм, для неї призначених, послугами i супроводом. APEX провела ряд пакетiв програмного забезпечення для крупних банкiв, компанiй по кредитуванню, страхових компанiй для восьми крупних бухгалтерських фiрм [8, c. 212]. Перший продукт компанiї Apex—система, надаюча допомогу при ухваленнi рiшень та складаннi планiв фiнансового обслуговування — була розроблений для автоматизованого робочого мiсця (АРМ) IBM РС-ХТ та упроваджений в червнi 1983 р. в рiзних мiсцях країни. Другий схожий програмний продукт був реалiзований на АРМ Xerox 1100 i в даний час комерцiйно експлуатується. Іншi програмнi продукти поки що тiльки розробляються.
системи до потреб клiєнтiв, а також може надати комплектнi комп'ютернi системи з програмним забезпеченням, розробляємим i пiдтримуваним CGI. Компанiя також забезпечує перепiдготовку i навчання в областi ШІ.
Компанiя CGI була заснована в 1982 р. спiвробiтниками Унiверситету Карнеги-Меллон, дослiдженнями, що займалися, в областi ШІ, та розробила декiлька програмних продуктiв, якi пiдтримують побудову експертних систем, включаючи SRL+ i PLUME, а також автоматизоване робоче мiсце (АРМ) iнженерiї знань. SRL+ є мовою iнженерiї знань, заснованою на фреймах, який об'єднує заснованi на правилах i орiєнтованi на об'єкти парадигми представлення знань. PLUME є iнтерпретатором природної мови, дозволяючим користувачам розробити свої власнi iнтерфейси з природною мовою, орiєнтованi на конкретну проблемну область. Цi iнструментальнi засоби призначенi для АРМ, розробленого CGI, тобто могутнiх мiнiкомп'ютерiв, забезпечених програмним середовищем Common LISP i растровою графiкою з високою роздiльною здатнiстю. Цi iнструментальнi засоби також поставляються для серiй комп'ютерiв DEC VAX/VMS i Symbolic 3600.
Компанiя Intellicorp проектує, розробляє i продає експертнi системи i iнструментальнi засоби побудови систем для бiотехнологiї i iнших додаткiв. Велику частину доходiв компанiя отримала вiд продажу програмного забезпечення для генної iнженерiї i iнструментальних засобiв побудови комерцiйних i промислових експертних систем. Intellicorp проводить також розробку експертних систем по контрактах з клiєнтами [8, c. 213].
Заснована в 1980 р., Intellicorp пропонує i спецiалiзованi, i унiверсальнi програмнi продукти. В допомогу молекулярним бiологам компанiя розробила експертнi системи для моделювання i планування експериментiв по рекомбiнацiї ДНК, для аналiзу нуклеотидних послiдовностей, для управлiння базою бiологiчних даних i iнших додаткiв генної iнженерiї. Компанiя також розробила АРМ BION з вiдповiдним програмним забезпеченням. Цей «верстат» є графiчно орiєнтованим комп'ютером з мiкропроцесором М68010, використовуючий UNIX як операцiйна система.
Щоб допомогти iнженеру знань при побудовi експертних систем, компанiя Intellicorp розробила унiверсальну мову iнженерiї знань, так званий КЕЕ. Це мова, орiєнтована на об'єкти, об'єднує заснованi на фреймах, на правилах i орiєнтованi на процедури парадигми уявлення i включає засоби пояснення, якi використовують графiчнi дисплеї, показуючи лiнiї мiркування експертної системи, написаної на КЕЕ. КЕЕ може бути використаний з комп'ютерними системами Xerox 1100 або Symbolic 3600.
Як i APEX, Syntelligence розробляє i продає експертнi системи, призначенi для фiнансового обслуговування. Компанiя спiвробiтничає з фiнансовими органiзацiями, щоб спiльно розробляти початковi прототипи систем, використовуючи стандартне математичне забезпечення, яке можна пристосувати до вимог клiєнтiв. Вона також надає варiанти своїх експертних систем, приспособленi до режиму роздiленого часу, щоб дозволити клiєнтам оцiнити систему перш, нiж придбати її, або використати її регулярно, але в обмежених масштабах. Звичайнi клiєнти Syntelligence — це страховi компанiї, банки, iнвестицiйнi посередники i маклери [8, c. 214].
З часу пiдстави в 1983 р. компанiя розробила декiлька експертних систем для iндустрiї фiнансового обслуговування. Цi системи допомагають страховим агентам аналiзувати i оцiнювати комерцiйний ризик; допомагають органiзацiям-кредиторам встановлювати розмiри позик в оптовiй торгiвлi i допомагають складати кошториси проектiв споруд iнженерним i будiвельним фiрмам. Для того, щоб полегшити побудову експертних систем, компанiя розробила власну мову iнженерiї знань, названий SYNTEL/1. Це iнструментальний засiб, розроблений по аналогiї з системою KAS, пристосовано для процедури ухвалення рiшень, характерної для бiльшостi фiнансових задач.
Teknowledge — це мiжнародна компанiя, що спецiалiзується на iнженерiї знань, яка пропонує як готовi продукти, так i послуги, пов'язанi з розробкою експертних систем. Її продукцiя включає мови iнженерiї знань як для персональних комп'ютерiв, так i для АРМ, працюючих на мовi Лiсп, i навчальний пакет по iнженерiї знань, складений з вiдеокасет i програмного забезпечення. Teknowledge також пропонує розробку експертних систем для замовникiв на основi контрактiв.
Заснована в 1981 р. групою фахiвцiв по ШІ iз Станфордського унiверситету, Teknowledge розробила декiлька програмних iнструментальних засобiв, таких як S. 1 i М. 1. Обидва iнструментальнi засоби є мовами iнженерiї знань, заснованими на правилах, i обидва включають допомiжнi графiчнi засоби вiдладки i засобу пояснення процесу мiркувань системи. S. 1 працює на АРМ серiї Xerox 1100, а мова М. 1. призначена для персональних комп'ютерiв фiрми IBM. Teknowledge також пропонує Т. 1 (повчальний пакет, що складається з лекцiй на вiдеокасетах, якi проводять провiднi фахiвцi по ШІ), демонстрацiйнi зразки експертних систем, призначених для персональних комп'ютерiв фiрми IBM, i друкарськi матерiали по ШІ.
пов'язаних з прихваткою долота, i система складання замовлень на комп'ютерну апаратуру i комплектування такої апаратури; вона нагадує систему XCON, тобто складає конфiгурацiї, i призначена для фiрми NCR [8, c. 214].
наукових дослiджень, а не в комерцiйних цiлях. В бiльшостi наукових органiзацiй робота вважається зробленою, як тiльки концепцiя продемонстрована. Проте тепер iснують комерцiйнi експертнi системи, систематично виконуючi корисну роботу: кориснiсть тут розумiється в значеннi застосування системи чи для наукових дослiджень вiдмiнних вiд ШІ областей, або в дiловiй сферi.
Розглянемо високоякiснi експертнi системи, що використовуються в наукових дослiдженнях. Експертна система СНЕМ2 синтезує складнi органiчнi молекули без допомоги будь яких-небудь вказiвок з боку фахiвця-хiмiка. Система використовує знання про хiмiчнi реакцiї, щоб побудувати план дiй для створення цiльової молекули iз становлячих її фрагментiв. Потiм система намагається знайти оптимальний ланцюжок синтезу, починаючи вiд початкових речовин до отримання цiльового з'єднання, застосовуючи евристичнi методи, якi обмежують пошук шляхами, задовольняючими обмеженням задачi. СНЕМ2 може працювати на рiвнi компетентного хiмiка-органiка, що свiдчить про її чималу майстернiсть. Одна з цiлей цього науково-дослiдного проекту полягає в тому, щоб розробити вчинений евристичний методи пошуку, необхiдний для надзвичайно складних або нових способiв синтезу [8, c. 216].
перелiку всiх можливих молекулярних структур i застосовує спецiальнi знання, щоб скоротити цей перелiк можливих структур до осяжного розмiру. Компетентнiсть системи DENDRAL забезпечується зiбраними уручну знаннями по хiмiї, включаючи правила фрагментацiї, пов'язанi з конкретними молекулярними структурами. Повсюдно в Сполучених Штатах ученi-хiмiки використовують DENDRAL в своїх експериментах. Проект DENDRAL, початий в 1965 р., був одним з перших, в якому знання були представленi у виглядi наборiв явних правил. Насправдi проект DENDRAL чудовий тим, що вiн став джерелом iдей багато кого, лежачих в основi пiдходу експертних систем до побудови програм.
вигляду i зiставленням iз зразком. Система використовує математичнi знання, представленi у виглядi програмних модулiв або окремих джерел знань. MACSYMA так само як CHEM2 i DENDRAL — одна з перших експертних систем, робота над якою була почата в серединi шестидесятих рокiв i чудова тим, що однiй з перших досягла високого рiвня компетентностi.
Розглянемо високоякiснi експертнi системи, що використовуються в дiловiй сферi.
YES/MVS, DELTA i АСІ — це експертнi системи, розробленi крупними корпорацiями для комерцiйного використовування. Хоча всi демонструють високу якiсть роботи, але їх комерцiйна експлуатацiя тiльки починається. YES/MVS, розроблена компанiєю IBM, допомагає операторам застосовувати операцiйну систему MVS (multiple virtual storage). YES/MVS працює в режимi реального часу, вона спостерiгає за дiями MVS, планує прогiн великих задач i попереджає операторiв про неполадки в комунiкацiйних мережах [8, c. 218].
їх для вибору вiдповiдних стратегiй i ремонту локомотива. Система може керувати користувачем протягом всiєї процедури ремонту, указуючи, якi дiї зробити, як тiльки несправнiсть визначена. По ходу цього процесу система видає креслення деталей i пiдсистем i показує записанi на вiдеодиск мультфiльми про вiдповiднi послiдовностi ремонтних операцiй. DELTA є експертною системою, заснованою на вiдносно простих правилах.
АСІ аналiзує стан телефонного кабелю i виробляє вiдповiднi дiагностичнi повiдомлення. Ця система працює, аналiзуючи данi про технiчне обслуговування i генеруючи повiдомлення, що описують мiсцезнаходження несправностей i характеристики мережi у вказаному мiсцi.
АСІ може генерувати висновки, але не може пояснити, якi мiркування до них приводять. Натомiсть АСІ додає до свого повiдомлення зведення даних, якi привели до цього висновку; таке пояснення, мабуть, цiлком задовольняє користувачiв системи.
XCON — це одна з найзрiлiших i широко використовуватися експертних систем, дiючих в даний час на комерцiйнiй основi. Вона була спiльно розроблена групою по ШІ з Унiверситету Карнеги-Меллон i групою iнтелектуальних систем компанiї DEC. В 1980 р. XCON могла складати конфiгурацiї комп'ютерних систем VAX-11/780, в даний час вона комплектує всi системи серiї VAX для компанiї DEC на її заводах в США i Європi. XCON узяла на себе роботу, яку ранiше виконували редактори технiчної документацiї — люди, вивчаючi заявки покупцiв i визначальнi, якi деталi комп'ютерної системи потрiбно замiнити або додати, щоб заявка була повною н несуперечливої [8, c. 220].
Таким чином експертнi системи - це сфера дiяльностi, що бурхливо розвивається. По всiй країнi провiднi унiверситети, науково-дослiднi центри i комерцiйнi корпорацiї намагаються на практицi реалiзувати переваги, якi обiцяють експертнi системи.
ВИСНОВКИ
Системи, використовуючи декларативнi бази даних, а також продукцiйнi правила, вiдносини, прототипи, схеми i семантичнi мережi, для уявлення i використовування знань, що мiстяться в них, вiдкривають дiйсно новий пiдхiд до програмування, який полягає в можливостi передачi вiд людини до програми найпростiшим чином знань неврегульованої структури в довiльних областях.
Експертнi системи достатньо молодi — першi системи такого роду MYCIN i DENDRAL з'явилися в США в серединi 70-х рокiв. У наш час в свiтi налiчуються декiлька тисяч промислових ЕС, якi дають поради при управлiннi складними диспетчерськими пультами, постановцi медичних дiагнозiв, пошуку несправностей в електронних приладах, по проектуванню iнтегральних мiкросхем, управлiнню перевезеннями, прогнозу вiйськових дiй, фiнансуванню i т. д. Зараз легше назвати областi, де ще немає ЕС, нiж тi, де вони вже застосовуються.
рiвнi розвитку. До цих пiр, не дивлячись на наявнiсть базових принципiв, створення кожного нового додатку вимагає серйозних трудовитрат i не завжди приводить до успiху. Проте вже зараз iснують методики i iнструментарiї, якi можуть бути переданi (i передаються) вiд одного додатку до iншого.
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.
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., Гiркiн Є. Й. Інтелектуальнi системи та теорiя прийняття рiшень Навчальне видання. – Луганськ: Вид–во СНУ, 2000. – 200с.
9. Ситник В. Ф. та iн. Основи iнформацiйних систем: Навч. посiбник. – Вид. 2–ге, перероб. i доп. / В. Ф. Ситник, Т. А. Писаревська та iн.; За ред.. В. Ф. Ситника. – К.: КНЕУ, 2001. – 420с.
10. Таран Т. А., Зубов Д. А. Штучний iнтелект. Теорiя i застосування. Навч. посiбник. – Луганськ: Вид–во СНУ iм. 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.
|
