Экспертные системы

Экспертные системы (ES — expert system) проектируются для объединения и копирования действий отдельных специалистов в конкретных областях, таких как медицинская диагностика, поиск неисправностей в сложных системах, интерпретация изображений, разрешение на предоставление кредитов и т. д. ES создаются для того, чтобы копировать малодокументированные или разрозненные знания специалистов, позволяя другим использовать их. Они во многих случаях оказываются дешевле, надежнее, последовательнее и доступнее, чем первоначальный источник (источники) знаний эксперта. ES уже нашли свое применение в основных, перечисленных ниже, функциональных областях управления:
1. Бухгалтерский учет и управление финансами. Разрешение на предоставление кредитов, консультации по вопросам, касающимся налогов и инвестиций

2. Стратегия. Консультации юристов по поводу планирования приобретений;планирование проекта и анализ его результатов.
3. Производство. Процессы мониторинга и контролирования качества продукции; анализ неисправностей в больших системах; планирование размещения оборудования, разработка продуктов, включая компьютерные системы.
4. HRM. Обучение в отдельных областях; определение квалификации кандидатов на получение должности, помощь при заполнении форм.
5. Маркетинг. Автоматический ответ на запросы покупателей, включая направление в телемаркетинговые центры; эксплуатационное обслуживание устройств и оборудования (ES обеспечивает диагностику при проведении ремонта); определение приемлемых скидок для покупателей; выбор моделей долгосрочного прогнозирования сбыта (мета-моделирование).

exprertniye_sistemi
Кроме того, остается значительная возможность для включения ES в состав потребительских продуктов, для того чтобы объяснить, как использовать продукт, или выявлять неисправности.
Основными компонентами экспертной системы являются:
• база знаний;
• машина вывода;
• пользовательский интерфейс.
База знаний (k-base) состоит из фактов, отражающих специфику предмета (например, финансовое положение покупателя), вместе с правилами вывода (например, для одобрения решения о займе). Подсистема приобретения знаний дает возможность работающим в области инфотехники использовать систему для получения специальных знаний индивидуальных экспертов в удобной форме. Техника для представления знаний включает в себя:
• использование нечеткой логики (частичная принадлежность математическим множествам), чтобы создать возможность приближенного рассуждения;
• семантическую сеть для представления связей между фактами;
• фреймы или объекты для представления всех фактов и отношений, включая конкретный объект или сущность.
В некоторых ES также могут использоваться «нейронные сети» для хранения знаний в виде моделей соединений в сети.
Машина вывода — это программное обеспечение, используемое для того, чтобы делать логические выводы из базы знаний. Широко используются два метода логического вывода. В случае «прямого логического вывода» для поиска решения просматривается база знаний (например, сопоставление симптомов пациента с возможными заболеваниями). В случае «обратного логического вывода» система выдвигает гипотезу, а затем проверяет ее на базе знаний для возможного опровержения или поддержки. Пользовательский интерфейс проектируется таким образом, что пользователи могут отвечать на вопросы, сформулированные ES. ES может запрашивать дополнительную информацию. Затем она вырабатывает рекомендацию или решение вместе с обоснованием своих собственных рассуждений. В ES любое возможное условие, которое может произойти, должно быть описано
в базе знаний по некоторому правилу (правилам). ES не могут управлять непредвиденными
событиями, но отчасти могут учиться на опыте. Некоторые более продвинутые ES имеют ограниченную способность к метазнаниям или мудрости.
Другими словами, они могут:
• формулировать и излагать основные правила, которые подытоживают их опыт;
• изучать области, в которых мнение каждого специалиста наиболее весомо;
• приводить в соответствие некоторые характеристики пользователя, такие как уровень неприятия риска.
В пределах всей системы поддержки принятия решений, которая включает в себя ES и пользователя (пользователей), возможны несколько режимов запроса. Например, система может искать согласие нескольких специалистов, или применять многоуровневые формальные модели к данным на входе, или комбинировать их. Дальнейшие разработки в области ES, вероятно, будут направлены на использование множественных баз знаний и усовершенствования в естественно-языковом интерфейсе, чему способствуют успехи в области параллельной обработки и нейронных сетей.