Арифметика аналитических расчетов всегда влечет за собой логи­ческие выводы, которые тем действеннее, чем глубже и «быстрее» интеллект руководителя. Поэтому на рабочих местах менеджеров и руко­водителей распространяются системы искусственного интеллекта, ими­тирующие на компьютере процессы мышления и ускоряющие их.

Система искусственного интеллекта (СИП) - это програм­мная система, имитирующая на компьютере процесс мышления. Перед ее созданием структурируется совокупность знаний:

1)  изучается процесс мышления человека, решающего определен­ные задачи или принимающего решения в конкретной профессиональ­ной области;

2)  выделяются основные шага этого процесса;

3)  разрабатываются программные средства, воспроизводящие изу­ченный процесс на компьютере. Методы искусственного интеллекта основаны на структуризации систем принятия решений.

В СИИ знания структурированы и организованы таким образом, что они отделены от знаний других предметных областей и от общих знаний. К общим знаниям относят, например, правила написания про­граммы и команд, правила выполнения команд программы. Выделен­ные знания о предметной области называют базой знаний, общие зна­ния, использованные в конкретной СИИ для нахождении решений, - механизмом вывода (под термином «вывод» подразумевается вывод логических заключений).

Для представления структурированных знаний используют в основ­ном три метода: правила, семантические сети и фреймы.

Правило имеет следующую структуру:

ЕСЛИ <условие>, ТО <заключение>.

Обе части правила выражены символами. В теории баз знаний эта конструкция носит название правила-продукции. Пример: ЕСЛИ коэф­фициент соотношения заемных и собственных средств превышает единицу при низкой оборачиваемости, ТО финансовая автономность и устойчивость критическая.

Основными структурными элементами СИИ являются правила (в них выражены знания) и факты (их оценивают с помощью правил).

Зачастую в управленческой практике правила бывают выведен­ными эмпирически из совокупности фактов, а не путем математиче­ского анализа или алгоритмического решения. Такие правила называют эвристиками. Знания — это информация, необходимая программе, что­бы она вела себя «интеллектуально». Например, в электронной табли­це вы легко организуете вычисление коэффициента оборачиваемости, равно как и других коэффициентов. Но словесное заключение о финан­совом состоянии вы построите сами в зависимости от усвоенных вами специальных экономических знаний и запишете эту оценку в аналити­ческую записку. Однако можно структурировать ваше знание (в виде правил), поместить правило в базу знаний и организовать автомати­ческое появление соответствующего заключения в определенном месте экрана, где вы введете логические формулы вывода определенного заключения при истинности проверяемого условия.

Основная идея представления знаний с помощью семантических сетей базируется на предположении о том, что предметную область (проблемную среду) можно представить совокупностью сущностей (объектов) и бинарных отношений, определяющих связи между этими сущностями. Сущности и связи семантически устойчивы в данной пред­метной области.

Объекты могут быть обобщенными и индивидными (конкрет­ными). Например, сущность «человек» является обобщенным объектом, а «Петр Первый» - индивидным объектом.

Между двумя обобщенными объектами может существовать родо­вая связь. Например, «примат» - «человек», «транспорт» - «авто­мобиль». Обратной к родовой выступает видовая связь. Например, авто­мобиль- вид транспорта. Между обобщенным и конкретным объектом выступает связь «являться представителем». Между агрегатными объ­ектами и их частями возникает связь типа «быть частью». Эта связь позволяет структурировать объект. Очевидно, бинарное отношение этого вида транзитивно. Обратным для отношения «быть частью» будет отношение «содержит». Еще один тип базовых отношений - отноше­ние «есть свойство». Например, «красивый» является свойством для объекта «цветок». Другие отношения: «быть причиной», «быть аген­том», «быть инструментом», «быть объектом воздействия», класс про­странственно-временных отношений типа «быть справа (слева, внизу раньше, позже, одновременно и пр.)».

Фрейм определяют как структуру данных для представления сте­реотипных ситуаций. Эти ситуации выделяет исследователь, опираясь на опыт. Понятие — неформальные звания о стереотипных ситуациях.

Фреймы — формализованные ситуации. Фреймы соответствуют поня­тиям, отражающим объекты, явления, характеристики предметной области. Фрейм рассматривают как модуль модели представления зна­ний. Эта модель строится в виде сети фреймов.

Особенность фреймов: наличие в информационных и процедур­ных элементах незаполненных частей—слотов. Они могут заполняться в процессе активизации фрейма.

Искусственный интеллект как отрасль знаний прошел долгий и тернистый путь: первые увлечения (1960 г.); лженаука (1960— 1965 гг.); успехи при решении головоломок и игр (1965—1975 гг.); разочарование при решении практических задач (1970—1985 гг.); первые успехи при решении ряда практических задач (1962—1992 гг.); массовое коммерческое использование при решении практических задач (1993—1995 гг.). Но основу коммерческого успеха по праву составляют экспертные системы, в первую очередь экспертные системы реального времени. Именно они позволили искусственному интеллекту перейти от игр и головоломок к массовому использованию при решении прак­тически значимых задач.

Экспертные системы

В экспертной системе (ЭС) как системе искусственного интел­лекта используются знания для обеспечения высокоэффективного решения задач в узкой профессиональной области. Экспертные зна­ния в ЭС выделены в обособленную базу знаний и получены от экс­перта - человека, который за годы обучения и практики научился чрезвычайно эффективно решать задачи, относящиеся к такой области. Инструментальными средствами построения ЭС служат язык програм­мирования и поддерживающий пакет программ, используемые при создании ЭС.

Основой создания экспертной системы являются знания реальных экспертов в различных областях. Когда создается крупная ЭС, база зна­ний и процесс экспертизы обычно проектируются инженером по знани­ям из фактов и правил, предоставляемых экспертом. ЭС дает рекомен­дации конечному пользователю. Эксперты и конечные пользователи могут быть и сами себе инженерами по знаниям, если умеют исполь­зовать программные оболочки ЭС или интеллектуальные возможности электронных таблиц.

По сферам использования ЭС их можно разделить на производ­ственные и управленческие. Производственные ЭС дают экспертное заключение по управлению производственными процессами, экономические ЭС помогают менеджерам принимать решения.

Искусственная экспертиза постоянна, непротиворечива, легко передается, документируется и уточняется, она повышает ценность че­ловеческих знаний, делая их широко применяемыми.

К ЭС предъявляются особые требования. В отличие от обычных программ ЭС должна обладать следующим набором свойств: компе­тентность, символьные рассуждения, глубина, самосознание.

Компетентность означает, что ЭС должна достигать экспертно­го уровня решений - быть умелой, т.е. «рассуждать» исходя из фун­даментальных принципов для нахождения правильного решения даже в случае некоторых некорректных данных. Последнее свойство назы­вают также робастностью, т.е. правильное логическое заключение может быть получено на основе знания фундаментальных принципов при нехватке или некорректности некоторых фактов.

Символьные рассуждения. Это требование означает, что экспер­ты обходятся без решения систем уравнений или сложных математи­ческих формулировок, используя знания, выраженные обычными символами строк (например, «платежеспособность», «финансовая устойчивость», «рентабельность»). Результат экспертизы всегда выра­жен обычными предложениями в терминологии профессиональной области знаний. Если компьютер имеет современные средства мульти­медиа, то эти предложения могут быть даже озвучены (проговорены) компьютером. Символьные строки объединяют в символьные струк­туры (блоки) по их логическим взаимосвязям, что позволяет переформу­лировать задачу, если это необходимо.

Требование глубины означает, что ЭС должна работать в пред­метной области, содержащей трудные задачи, а также использовать сложные правила. ЭС, не обладающая глубиной, вырождается в искус­ственную задачу.

Наличие самосознания означает, что ЭС должна быть способна объяснять свои выводы и действия. Если такого объяснения нет, то про СИИ говорят, что это игрушечная задача, искусственная, такая, как игра или нереалистическое представление сложной проблемы.

Программные средства, базирующиеся на технологии и методах искусственного интеллекта, получили значительное распространение в мире. Их важность, в первую очередь экспертных систем, состоит в том, что данные технологии существенно расширяют круг практи­чески значимых задач, которые можно решать на компьютерах, и их решение приносит значительный экономический эффект. Вместе с тем технология экспертных систем служит важнейшим средством в реше­нии глобальных проблем традиционного программирования, например: длительность, следовательно, высокая стоимость разработки приложений; высокая стоимость сопровождения сложных систем; повторная используемость программ. Кроме того, объединение технологий экс­пертных систем и нейронных сетей с технологией традиционного про­граммирования добавляет новые качества к коммерческим продуктам за счет обеспечения динамической модификации приложений поль­зователем, а не программистом, большей «прозрачности» приложения (например, знания хранятся на ограниченном естественном языке, что не требует комментариев к ним, упрощает обучение и сопровождение), лучших графических средств, пользовательского интерфейса и взаи­модействия.

По мнению специалистов, в недалекой перспективе экспертные системы будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказа­ния услуг. Их технология, получив коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из гото­вых интеллектуально-взаимодействующих модулей. Помимо прочего, использование экспертных систем приносит значительный экономи­ческий эффект.

Коммерческие успехи к экспертным системам пришли не сразу. На протяжении ряда лет (с 60-х годов) успехи касались в основном исследовательских разработок, демонстрировавших пригодность систем искусственного интеллекта для практического использования. Начиная примерно с 1985 г. (а в массовом масштабе, вероятно, с 1990 г.) в первую очередь экспертные системы, потом и нейронные сети стали активно использоваться в реальных приложениях.