Рефераты, курсовые. Учебные работы для всех учащихся.

Системы моделирования рассуждений

Попытки установления закономерностей в связях, существующих между событием преступления, личностью преступника, местом и способом совершения преступления, особенностями преступного поведения всегда составляли существо криминалистических исследований.

Хорошо известны рекомендации, выработанные на основе статистического анализа информации о расследованиях.

Однако фактически при принятии решений следователи применяют их довольно редко в силу отсутствия навыков самостоятельного оперативного анализа многочисленных и разнородных данных. При этом следует учитывать, что специфика состоит и в том, что следователь вынужден работать в условиях избытка фоновой информации, не имеющей непосредственного отношения к предмету расследования.

Вполне понятно, что обычный скепсис практиков обусловлен как реальным запаздыванием в тиражировании методик, так и сомнениями относительно результативности предлагаемых общих рекомендаций на практике. Одна из существенных проблем использования подобных исследований состоит в отсутствии сколько-нибудь надежных способов их предварительной апробации.

Возникающие же в ходе расследований ситуации, как правило, непросто соотнести с достаточно жестко фиксированными наборами и значениями начальных условий, для которых авторами методик предложены действительно полезные для следствия рекомендации. В то же время адаптация любой несостоявшейся методики требует проведения новых исследований, зачастую на новых информационных массивах, преимущественно даже сформированных на иных принципах, что не всегда просто реализовать в приемлемые сроки.

Многочисленные попытки унификации процесса формирования статистически значимых массивов приводят пока что к значительным потерям информации. А получившая массовое распространение процедура формирования исходных массивов на основе стандартных карт учета преступлений в настоящее время недостаточно учитывает имеющую место подвижность преступных явлений. Так, нередко признак, существенный для определенной категории преступных посягательств, вовсе выпадает из рассмотрения.

Проблема усугубляется и тем, что многие признаки преступлений могут иметь ярко выраженную региональную специфику и, будучи включены в основную информационную базу, приводят к выявлению и, как следствие, появлению в создаваемых на их основе методиках 'наведенных связей'. Отказ же от таких неоднозначных признаков приводит к вычленению только самых общих закономерностей, очевидных для практиков и не дающих хорошего результата для следствия.

Естественное желание исследователей получить максимально представительную выборку часто приводит к коллизии выявляемых закономерностей.

Известные и получившие распространение различные методики объединения информационных массивов и критериев их оценки не всегда допускают сквозную автоматизацию процессов анализа информации.

Подход, широко используемый в системе Интерпола и ориентированный на предварительную работу группы системных аналитиков, в случае формирования информационных массивов данных для целей последующей выработки на их основе методических рекомендаций кажется наиболее продуктивным и приспособленным как для этих целей, так и для последующего вовлечения в сферу разработки консультационных систем. [1] Представляется, что наряду с методиками, основанными на статистическом анализе следственных ситуаций, имеют право на существование методики и постепенно получающие развитие компьютерные системы, основанные на сборе, классификации и использовании обобщенного опыта расследования в виде знаний отдельных профессионалов.

Массивы таких знаний, зафиксированные упрощенно в виде правил типа 'Если имеется такой-то факт, то, вероятно, имело место такое-то действие или такой-то мотив действия', подготовленные для обработки на компьютерной технике, позволяют приемлемо имитировать процесс оценки следователем ситуации расследования и обеспечивать в режиме диалога консультационную поддержку принятия им решений. Сбор, обработка и использование знаний опытных следователей в компьютерных консультационных и обучающих системах позволит сохранить для новых поколений те крупицы опыта расследования, которые исчезают вместе с уходящими из следственного аппарата профессионалами. Круг проблем, связанных с описанием, передачей и освоением опыта следователей известен. Он связан с рядом достаточно объективных факторов. Даже наиболее глубоко прорабатываемые и апробированные криминалистические теории нередко трудны для непосредственного использования в ходе расследования реальных событий преступлений не только для новичков, но и для опытных следователей. Как показывает практика, одна из существенных задач при этом состоит в правильном выделении наиболее значимых для описания исходной ситуации признаков, их соотнесении между собой, а также в установлении соответствующих логических взаимосвязей. [2] Наиболее продуктивным на данном этапе создания ИКС представляется подход, при котором наборы ситуативных признаков, выделяемых для описания ситуаций расследования, могут подбираться и дополняться следователем-методистом в ходе заполнения базы криминалистических знаний по своему усмотрению. Для этого при создании ИКС необходимо обеспечивать достаточно простую и ясную языковую основу для постоянной фиксации (отображения) в системе существа новых криминалистических методик, базирующихся на различных подходах к расследованию. То есть, в общем случае языковые средства должны на этапе заполнения и модификации базы знаний обеспечивать возможность построения описаний типовых ситуаций или их фрагментов, существенных для выработки рекомендаций и построения плана действий соответствующего органа дознания. На этапе последующей эксплуатации ИКС в режиме получения решения или обучения такой подход обеспечит построение по 'наблюдаемым' данным о конкретных следственных ситуациях описания, на основе которого система сформирует необходимые рекомендации. Таким образом все рекомендации системы будут 'формироваться по обстоятельствам' с учетом конкретных ситуационных особенностей. Такая методика построения ИКС подразумевает наличие механизмов формирования баз знаний и их использования при решении конкретных задач.

Знания и экспертный опыт специалистов представляются обычно в виде нескольких основных блоков описателей-классификаторов следственных ситуаций и методик их разрешения. На начальном этапе формирования базы знаний экспертами целесообразно создать несколько блоков классификаторов, а также описать наиболее существенные логические связи следования для их совместного использования. На следующем этапе, при практическом применении классификаторов, задача следователей — практиков будет сводиться к созданию описаний следственных ситуаций (СлС) конкретного события преступления, наиболее точно соответствующих действительности. Далее на основе полученного описания и с использованием классификаторов элементов, составляющих тактическое решение и связей, установленных с элементами следственных ситуаций, консультационная система сможет сформировать предложения по применению тех или иных следственных действий, оперативно-розыскных и организационно-технических мероприятий, а также обоснование предложенных рекомендаций.

Гибкий подход к заданию ситуации путем собирания его из отдельных элементов блоков описания следственных ситуаций позволяет ориентироваться на особенности конкретного дела и обеспечивает некоторую настраиваемость на конкретные типы следственных задач наряду с компактностью формируемого описания.

Представление знаний из области криминалистических теорий на основе систем строящихся классификаторов в сущности достаточно привычно для большинства криминалистов.

Подключение в ИКС удобных средств описания концептуальных иерархий (структура которых в общем случае существенно зависит от специфики конкретной СлС) и эвристических правил, применяемых при выполнении определенных условий, и эмулирующих отдельные шаги рассуждений следователя, позволяет сделать обозреваемыми и доступными многие криминалистические исследования, представляющие трудность для их освоения традиционным способом. В иерархиях могут учитываться самые разные связи объектов данных и знаний о процессе расследования, а также правила их преобразования.

Последовательно выделяя в предметной области объекты и устанавливая отношения между ними, можно построить соответствующие иерархии признаков, понятий и скомпоновать наборы стереотипных ситуаций, известные из опыта.

Каждый признак СлС в этом случае будет являться проявлением одного или нескольких других признаков и участвовать в определении одной или нескольких типовых ситуаций или их фрагментов. При таком описании объекта или ситуации должен быть выбран соответствующий набор значений необходимых признаков.

Существенно, что каждый элемент СлС в этом случае может быть описан с различной степенью общности в зависимости от степени узнавания исходной ситуации, а также рассматриваемого контекста. Один и тот же объект может рассматриваться в различных контекстах. Так, нож может рассматриваться в качестве возможного орудия убийства, и тогда особое значение приобретают характеристики, связанные с понятием 'Холодное оружие': длина, ширина, форма лезвия. Если же устанавливается владелец оружия, то в рассмотрение будут вовлечены признаки, приписанные понятию 'Охотничье холодное оружие': тип, место изготовления, номер партии, место продажи, зарегистрированный владелец.

Аналогичный подход может быть использован и для определения следственных действий, перечень которых должен быть сформирован с учетом отдельных элементов описания СлС под каждый конкретный случай.

Итерационный подход к описанию СлС, широко используемый в ИКС, позволяет частично уточнять и изменять описание с последующим пересмотром предлагаемых действий, что очень существенно для систем поддержки расследования, поскольку это наиболее близко сложившейся практике появления информации, необходимой для следствия в реальности. Такой подход к использованию криминалистических систем знаний дает возможность пользователю уже на ранних этапах расследования создать некоторую модель происшествия и исследовать возможные пути ее развития. На более поздних этапах модель уточняется и дополняется с учетом поступающей информации, вычленяются наиболее характерные детали.

Процесс уточнения и дополнения модели требует соответствующих программных инструментальных средств.

Классическая классификационно-иерархическая структура предполагает описание любого понятия с помощью некоторого множества свойств, идентифицирующих это понятие.

Однако при исследовании обстоятельств преступления появляются понятия, которые либо для каждого конкретного преступления определяются по-разному, либо возникают затруднения при выборе определяющего множества свойств.

Примерами таких понятий могут служить некоторые уголовно-процессуальные понятия ('подозреваемый', 'заподозренный' и другие). В этом случае необходима возможность определения понятий с помощью указания только их расположения в иерархической структуре. Такая возможность предполагает последующее уточнение понятия с использованием цепочек продукций в механизме наследования или, что то же самое, цепочек специальных правил наследования признаков. Для криминалистики, как нельзя более, характерна тесная связь между различными типами задач.

Отсюда возникает возможность совместного использования знаний в различных классах задач, а также возможность динамического конструирования базы знаний из имеющихся компонентов.

Предположим, расследуется убийство, совершенное в квартире, и установлено, что преступник проник в квартиру путем взлома входной двери, тогда скорее всего преступник проник в квартиру с целью грабежа и, следовательно, для решения задачи можно использовать знания, связанные с расследованием квартирных краж со взломом.

Учитывая описанные особенности предметной области, можно определить основные и наиболее общие требования к средствам разработки криминалистических консультационных систем. Во-первых, такие средства разработки криминалистических систем знаний должны обеспечивать достаточно богатые выразительные возможности для представления знаний, учитывающие также необходимость поддержания разноуровневых обобщений. Во-вторых, языковые средства криминалистических систем должны обеспечивать описание соответствующих иерархически-классификационных структур, с возможностью установления логики их взаимосвязей и определения стратегий обработки иерархий. В процессе создания модели ПрО должны обеспечиваться возможность определения пользователем понятий, связанных непосредственно с конкретной ситуацией, дополнение и уточнение отдельных понятий по мере получения информации, а также возможность определения и обработки понятий на различных уровнях иерархии. В-третьих, должны учитываться обычные для практики неопределенность и неполнота описаний, возникающих при соотнесении с различными уровнями иерархий систем понятий.

Увязывание иерархий классификаторов с механизмами вывода типа 'ЕСЛИ — ТО' продукционного типа обеспечивает в ИКС дополнительные возможности по развитию механизма наследования признаков. Так как информация об использовании вновь введенных элементов описателей может на практике на конкретном этапе расследования отсутствовать, то наиболее корректный подход к их обработке — использование в процессе получения решения элементов более высоких уровней иерархии. Такой подход позволяет обрабатывать в процессе формирования решения объекты описания предметной области, являющиеся проявлениями понятий введенных экспертом или пользователем дополнительно, что не допускает исключения из рассмотрения информации, которая может сильно повлиять как на процесс формирования решения, так и на само решение. При этом динамически изменяемыми стратегиями разрешения конфликтов (так обычно называют процедуру выбора применяемого правила, в случае возникновения нескольких 'правил-претендентов'). По мере компьютерной проработки методик расследования многими экспертными коллективами структурные описания СлС, по-видимому, станут более информационно насыщенными, что в свою очередь позволит сделать процесс вывода более компактным.

Настраиваемые в процессе поиска решения иерархии классификаторов могут в несколько раз сократить процедуру описания исходной ситуации.

Поскольку в этом случае на каждом этапе компьютерного расследования пользователю будут предъявляться наиболее вероятные признаки, заведомо имеющие к ней отношение. Это сделает рассмотрение исходной ситуации более сфокусированным, а задачу в целом обозреваемой.

Подобные средства представления и обработки знаний приемлемы для весьма широкого спектра криминалистических систем. При этом очевидна целесообразность их использования для создания по крайней мере консультационных систем по освоению методик расследования преступлений.

Продуктивность таких языков с точки зрения реального расследования будет выявлена только со временем после многих месяцев проверки на практике.

Понятно, что основное назначение криминалистических систем, использующих знания, — помощь работникам правоохранительных органов в расследовании преступлений, следовательно, основными задачами, которые должны решать такие системы, являются определение возможных направлений расследования (формирование версий о происшествии, по возможности, с учетом различных источников получения информации), выбор наиболее вероятных направлений и предоставление пользователю рекомендаций по дальнейшим действиям (назначение экспертиз, проведение оперативно — розыскных мероприятий, проверочные и следственные действия и т.д.). В общем виде процесс расследования с использованием криминалистических систем знаний можно представить как последовательность этапов, каждый из которых состоит из следующих действий: — осознание исходной ситуации; — анализ полученной информации; — определение направлений расследования; — выбор наиболее значимых направлений; — определение совокупности дальнейших мероприятий. Таким образом первоначально осуществляется анализ введенной пользователем информации, после чего определяются дальнейшие направления расследования и необходимые действия (формируется перечень оперативно — розыскных мероприятий, рассматриваются вопросы целесообразности и порядка назначения тех или иных судебных экспертиз и т.п.). После реализации этих действий возможно появление новой информации по данному делу. Далее опять целесообразно произвести ввод и анализ полученной информации и уточнить порядок ведения расследования.

Разрабатываемую для каждой ИКС некоторую базисную систему понятий и определяющих признаков эксперты могут использовать в качестве 'навигационного пути' при заполнении и уточнении базы знаний.

Демонстрационные примеры из области назначения экспертиз показывают, как на основе интерпретации сформированных блоков классификаторов можно осуществить ввод информации об объекте исследования и получить перечень возможных экспертиз и вопросов к ним.

Однако предоставление эксперту возможности модификации базы знаний в условиях ведения совместной разработки системы различными экспертами приводит к множественности классификаций и что требует разрешения задачи их сопоставления и установления возможных связей.

Особый научный и практический интерес к ИКС в области криминалистики вполне обоснован. В большинстве задач, представляющих практический интерес, решение зачастую опирается на большой объем знаний, специфических для рассматриваемых задач. При этом накопленный опыт не слишком просто структурируется и обобщается, а, как следствие, трудно передается. Кроме большого количества разнородных фактических данных, на основе которых такой опыт может быть приобретен и которые также, на первый взгляд, не всегда оказываются сопоставимы, необходима система 'достаточно объективных' оценок многих весьма субъективных по своей природе факторов. Более того, подходы к вычленению и анализу признаков, существенных для конкретной рассматриваемой ситуации, у разных юристов могут радикально отличаться.

Желание профессионалов попытаться сделать широко доступными наиболее эффективные стратегии решения задач и обеспечить необходимую преемственность в подходах к поиску их решений вполне естественно.

Очевидно также, что перебор и рассмотрение всех возможных вариантов разрешения нетривиальных конфликтов на практике фактически невозможны.

Поэтому интуитивное стремление проработать возможные варианты в целях сокращения 'пространства возможных вариантов' на основе экспертного опыта специалиста представляется более предпочтительным. Как отмечалось, обычно наиболее 'продвинутыми' оказываются ИКС, ориентированные на достаточно узкие предметные области.

Именно такие ИКС — один из самых привлекательных способов осуществления обмена 'профессиональными знаниями'. Криминалистика как одна из предметных областей отличается своей неординарностью. Кроме того появляется большое число преступлений, расследования которых отличаются значительной ресурсоемкостью.

Возможность же в диалоге с машиной, как правило, не требующем никаких дополнительных навыков владения вычислительной техникой кроме знакомства с клавиатурой, осуществить поэтапный анализ дела обещает серьезные перспективы и подчеркивает целесообразность использования компьютерных средств в этих целях. В то же время необходимость тиражирования криминалистического опыта в значительной мере обусловливается категорией преступлений, навыка в расследовании которых могут не иметь даже опытные следователи со значительным стажем (10 — 15 лет). [3] Примером системы, созданной на основе приведенных предпосылок, для анализа такой категории преступлений, как серийные сексуальные убийства, может служить ЭС 'Маньяк'. [4] 2. Экспертные системы Экспертная система – это интеллектуальная программа, способная делать логические выводы на основании знаний в конкретной предметной области и обеспечивающая решение специфических задач. В последнее время наблюдается возрастающий интерес людей к системам, способным давать компетентные советы в различных сферах человеческой жизнедеятельности. Это привело к тому, что программные продукты, созданные для каких - либо потребностей человека, их авторы стали называть “экспертными системами”. Это произошло из-за не достаточно четкого определения функций и задач ЭС. В данном случае лучше выяснить, какие типичные “мыслительные” процедуры выполняет человек-эксперт, а какие - в состоянии выполнить система, претендующая на название экспертной. Чем больше процедур она может выполнить, тем больше у неё оснований называться экспертной системой.

Специалисты, принимающие решения, при выполнении различных задач обычно осуществляют следующие “мыслительные” процедуры и действия для достижения наилучшего результата: 1. делают вывод на основе анализа полных, неполных и ненадежных знаний; 2. объясняют и обосновывают, почему они пришли к тому или иному выводу; 3. пополняют свои знания, заново их систематизируют, обучаются на своем и чужом опыте; 4. делают исключения из правил, используют противоречивую и неправдоподобную информацию; 5. определяют уровень своей компетентности, т.е. определяют, могут ли они принимать решение в данном случае или нет.

База знаний
Блок логических выводов
Блок объяснений
Блок приобретения знаний
Интерфейс
Пользователь
Эксперт
Формализация, Модификация, Пополнения знаний
Ввод Советы исходных объяснения, данных выводы
Как правило ни одна из экспертных систем не выполняет все эти функции в полной степени, обычно используются первые две, поэтому считается, что главным отличием экспертных систем от других программ, предназначенных для этих же целей, является способность ЭС манипулировать неполными и неточными данными. ЭС обязаны принимать решения, основываясь не только на математической логике, но и на “человеческом мышлении”. Причем система должна уметь объяснять, почему она пришла к тому или иному выводу. Эти функции система сможет выполнить, если будет содержать компоненты, представленные на рис.1. Кратко охарактеризуем функции основных блоков экспертной системы. База знаний с помощью тех или иных моделей отражает знания эксперта о предметной области, способы анализа поступающих фактов и методы вывода, т.е. порождения новых знаний на основании имеющихся и вновь поступивших. Факты и правила существуют в различных видах знаний человека-эксперта.

Наиболее определенными и широко используемыми в современных экспертных системах являются следующие виды знаний: 1. глубинные и поверхностные; 2. качественные и количественные; 3. приближенные (неопределенные) и точные (определенные); 4. конкретные и общие; 5. описательные и предписывающие. Эти виды знаний с той или иной степенью адекватности могут быть представлены с помощью одной или нескольких семантических моделей. К наиболее распространенным моделям относятся: логические, продукционные, фреймовые и семантические сети.

Рассмотрим их : Логические модели базируются на представлении знаний в системе логики и предикатов первого порядка. Вывод новых знаний осуществляется на основании силлогизмов.

Правила формальной логики постепенно расширяются, приближаясь к “человеческой” логике.

Последняя характеризуется нечеткостью, в связи с чем появились модальная, многозначная, немонотонная, псевдофизическая и другие виды логики.

Продукционные модели представляют знания в форме предикатов первого порядка, а правила манипулирования ими - с помощью конструкций “ЕСЛИ - ТО”. База правил состоит из множества фраз типа: ЕСЛИ РЕНТАБЕЛЬНОСТЬ снизилась И ПРИБЫЛЬ увеличилась ТО СЕБЕСТОИМОСТЬ ПРОДУКЦИИ увеличилась.

Фреймовое представление знаний отражает систематизированную в виде единой теории психологическую модель памяти человека.

Основной элемент модели - фрейм отражает структуру данных для описания концептуальных (понятийных) объектов.

Информация, относящаяся к одному фрейму, содержится в слоте. Все фреймы взаимосвязаны и образуют единую систему, в которой объединены факты (описательные знания) и правила манипулирования ими.

Семантическая сеть - наиболее удобная и понятийная экспертам модель представления знаний. Под семантической сетью, как правило, подразумевают граф, узлы которого соответствуют понятиям или объектам.

Логические выводы могут базироваться на прямом или на обратном рассуждениях.

Прямая цепочка связана с рассуждениями, ведущимися от данных к цели рассуждения, а обратная - от цели к данным, используемым для доказательства рассуждения.

Обратный вывод базируется на графе И / ИЛИ, связывающем в единое целое факты и заключения.

Оценка этого графа и есть логический вывод. При этом оцениваются лишь те части графа, которые имеют отношение к заключению.

Прямое рассуждение характеризуется простотой выбора правил, однако оно часто ведет к неуправляемому режиму задания вопросов в диалоге и, как правило, к падению быстродействия системы. Блок логических выводов должен быть приспособлен к работе с ненадежными данными, что приближает экспертную систему к реальной действительности. Для этого разработаны нечеткая логика, коэффициенты уверенности, байесовская логика, меры доверия и т.д. Блок объяснений также играет важную роль: система должна уметь объяснить, как она пришла к тому или иному выводу. В экспертных системах, основанных на правилах, объяснения получают обычно путем прослеживания еще раз тех шагов рассуждения, которые привели к данному выводу.

Управленческая область существенно отличается от тех предметных областей, в которых созданы и успешно функционируют экспертные системы.

Экономическая сфера отстает от перечисленных областей, как по количеству, так и по качеству созданных экспертных систем, что можно объяснить сложностью, динамичностью и большими объемами знаний, подлежащих воспроизведению с помощью компьютеров.

Выявление глубинных причин неэффективности работы того или иного предприятия существенно зависит от умения эксперта проанализировать состояние производства и управления, сформулировать диагноз и выработать соответствующий рецепт - перечень мероприятий.

Очевидно, что перечисленные процедуры затрагивают различные сферы деятельности предприятия - маркетинг, производство и т.д. Все это довольно трудно воспроизвести в базе знаний.

Перечисленные сферы деятельности указывают на тот перечень компонентов экономической экспертной системы, которые должны обеспечить управленческую деятельность.

Прежде чем перейти к описанию экономической экспертной системы, необходимо остановиться на технологии принятия управленческих решений в экономической сфере.

Управление объектом экономического профиля предполагает выполнение ряда функций, основными из которых, как уже не раз упоминалось, являются: планирование, учет, анализ и регулирование. Для того чтобы соотнести последовательность выполнения функций управления с последовательностью действий экономической экспертной системы, рассмотрим повторяющийся цикл управления.

Планирование действий
Формирование цели
ЛПР
Анализ экономической ситуации
Цель
План
Диагноз, рецепт
Учет выполнения плана
Факт
Допустим, в цикле все функции, за исключением формирования цели, можно автоматизировать.

Причем функция учета, как правило, автоматизируется вне экспертной системы и выполняет роль вспомогательного средства.

Функция целеобразования также реализуется вне экспертной системы, хотя и на основании выдаваемой ею информации.

Экономические объекты, базирующиеся на жесткой организационной структуре и имеющие одну главную цель, достижение которой зависит от подчиненных ей подцелей, порождают иерархию целей, отображающую иерархию структурных подразделений предприятия.

Разворачивание главной цели в систему подчиненных целей происходит до тех пор, пока последние не преобразуются в конкретные работы или действия должностных лиц.

Преобразование целей в отдельные операции или работы необходимо для выработки плана действий на будущее.

Выполнение работ ограничивается ресурсами или резервами, которые имеют важное значение при принятии управленческих решений.

Строгое определение понятия “ресурс” отсутствует.

Говорят о материальных, сырьевых, трудовых, денежных, энергетических и других ресурсах. В самом простом случае можно считать, что все, что лежит в основе графа целей, является ресурсом.

Ресурс можно рассматривать так же, как иерархически построенную систему.

Причем главный ресурс обеспечивает достижение главной цели, ресурсы второго уровня - достижение целей второго уровня и т.д. Для жестких организационных систем (к каким относятся экономические объекты) ресурсы, так же как и цели, заданы жестко. Часть ресурсов находится в долговременном, а часть быстро используется.

Каждому ресурсу в дереве ресурсов отведено вполне определенное место, которое почти не изменяется. Кроме понятия “ресурс”, далее будет использоваться понятие резерв, под которым понимается сверхнормативная величина какого-либо ресурса. В пределах величины резерва можно увеличивать объемы работ или величину используемого ресурса. Для того чтобы принять решение, необходимо оценить экономическую ситуацию и выявить причины отклонения от заданной траектории. Если причины удалось вскрыть, появляется возможность откорректировать ранее спланированные действия (план), после чего цикл управления повторяется.

Отсюда становиться понятным, какие функции должна выполнять экономическая экспертная система: 1. распознавание сложившейся экономической ситуации, ее анализ, формирование диагноза и ближайших целей, достижение которых обеспечит возврат к желаемой траектории развития предприятия; 2. выработку путей достижения сформулированных целей без учета и с учетом резервов предприятия; 3. пополнение базы знаний, модификацию и ликвидацию устаревших экспертных знаний из базы знаний; 4. обеспечение дружественного интерфейса пользователя системой.

Реализация второй функции требует создания специального блока оценки возможных путей достижения целей, сформулированных с помощью первой функции. В результате состав типичной экономической экспертной системы несколько изменяется, отражая специфику экономических задач. По сравнению с типичной экспертной системой в экономическую. экспертную систему введены дополнительные блоки (рис.3): база данных, блок расчетов, блок ввода и корректировки данных.

Необходимость в блоке расчетов диктуется тем, что обоснование принятия управленческих решений требует не только логического вывода, но и проведения ряда расчетов, порой сложных и объемных. Без базы данных также не может обойтись ни одна программная система экономического профиля. В базе данных находятся плановые, фактические, расчетные, отчетные и другие постоянные или оперативные показатели.

Наличие базы данных позволяет применять стандартные процедуры обработки файлов, что может резко сократить затраты на их поддержку. Блок ввода и корректировки данных присутствует в экономической экспертной системе, если она функционирует локально, т.е. вне сети передачи данных. В противном случае надобность в этом блоке отпадает, так как в системах обработки учетных и отчетных данных поддерживается (корректируется) необходимая информация. Блок логических выводов и диагноза является главным, так как с его помощью пользователь должен установить пути выхода из сложившейся экономической ситуации. Для этого выполняется факторный анализ показателей, результаты которого затем используются для логического анализа и оформления диагноза.

Диагноз можно получить на основании формализации знаний экспертов с помощью конструкции ЕСЛИ_ТО. Количество диагнозов может быть велико, насчитывая несколько тысяч, однако они могут быть классифицированы по иерархическому признаку, что позволяет снизить (на порядок) трудоемкость поиска нужного диагноза. Кроме того, иерархия диагнозов позволяет, в случае надобности, не опускаться до нижнего уровня и охарактеризовать ситуацию более общими значениями.

База знаний
База данных
Блок логических выводов и диагнозов
Блок расчетов
Блок приобретения знаний
Блок ввода и корректировки данных
Блок объяснений
Интерфейс эксперта
Интерфейс пользователя
Установление диагноза необходимо для того, чтобы получить рецепт для “лечения” предприятия.

Поэтому, если удалось доказать хотя бы одно правило ЕСЛИ-ТО, то это означает, что известен перечень мероприятий, действий или процедур, которые следует выполнить для выхода из создавшейся экономической ситуации.

Рецепты, как и диагнозы, носят иерархический характер: каждому уровню диагноза соответствует свой рецепт более или менее общего характера. Блок приобретения знаний связан с проблемой обучения и самообучения системы. В настоящее время приобретение знаний системой сводится к вводу вербализованных знаний эксперта с помощью соответствующего интерфейса.

Например, если в процессе эксплуатации системы выявлено, что правило, устанавливающее диагноз, неверно, то изменение этого правила происходит путем ввода корректуры в базу знаний.

Завершая описание общих характеристик экономических экспертных систем, следует обратить внимание на то, что они помогают в процессе принятия решений избежать типичных ошибок, которыми нередко сопровождается практика управления: 1. подмена общего частным, главного - второстепенным, определяющего - случайным. Это особенно ярко выражается в гипертрофированном преувеличении роли единичного фактора и объяснении с его помощью состояния предприятия; 2. ошибочность выводов по случайной аналогии.

Умозаключения по аналогии нередко приводят к важным выводам, однако при этом необходимо соблюдать ряд логичных правил; 3. преувеличение роли математики.

Ограниченность математических моделей приводит к иллюзиям, создающим видимость благополучия. Любые расчеты не в состоянии охватить все условия функционирования предприятия, поэтому математические модели могут лишь обогатить знания о происходящих процесса, но не заменить их.

Технология построения экспертной системы – инженерия знаний. 2.1 Инженерия знаний Модели баз данных (реляционные, иерархические, сетевые) отражают реальные объекты в виде самостоятельных абстракций. Их содержание и связь с другими объектами модели остаются за ее пределами, поэтому придание смысла связям между абстракциями модели осуществляется мысленно пользователем системы.

Достигнутые в последнее время успехи в логике, семиотике, лингвистике позволяют разрабатывать новые модели, называемые семантическими. С их помощью стал возможен качественно новый уровень отображения содержания предметных областей, ориентированных на базы данных. Под знаниями в общем смысле понимают информацию, потенциально необходимую обществу или индивидууму. В частности, это может быть информация о некоторой предметной области, ситуации, проблеме, правилах их решения, а также о конкретных условиях, определяющих выбор этих правил. В контексте баз знаний это понятие следует рассматривать как совокупность машинных сведений о некоторой предметной области, включающую не только фактические данные об объектах, их свойствах и отношениях, но и более сложные обобщающие концептуальные понятия и зависимости, что позволяет осуществлять относительно более гибкую и глубокую переработку этих данных в процессе решения поставленной проблемы. Таким образом, знания отличаются от данных большей сложностью, абстрактностью, полнотой и многосторонностью описания некоторой области действительности. В понятие знаний включаются правила манипулирования данными, а также метазнания, т.е. информация о структуре знаний и о том, как их применять. Эти отличия баз знаний от баз данных приближают первые к человеческому представлению, восприятию и обращению с информацией, т.е. отображают процесс интеллектуализации автоматизированной обработки данных.

Необходимость подхода, обоснованного на знаниях, возникла вначале у разработчиков в области искусственного интеллекта лишь в связи с проблемой распознания образов.

Многое в этом направлении дали электронные игры и работы по автоматизированной обработке текстов на естественном языке. При этом возникла потребность хранить и обрабатывать домены (области) знаний, приобретать и отображать как декларативные, так и процедурные знания.

Деятельность по извлечению (отчуждению, приобретению), формализации, хранению, выдаче и получению новых знаний (новой информации) называется инженерией знаний.

Основная сложность инженерии знаний состоит в разработке и применении методов и технологий приобретения и машинного воплощения человеческих знаний в памяти ЭВМ. Большая часть известных методов касается инженерии социальных, т.е. вербализованных персональных знаний, используемых в экспертных системах.

Экспертные системы, как правило, способны осуществлять дедуктивный вывод на основании неполных, размытых и противоречивых знаний, полученных от профессионалов-экспертов. Если программы, работающие с базами данных, могут дать ответ на поставленный вопрос только в том случае, если таковой заложен в базе, то экспертная система реагирует на вопрос, осуществляя логический вывод в условиях неопределенности или неполноты знаний. Иными словами, она позволяет быть точной в отношении неточностей. Кроме этого, обязательным условием функционирования ЭС является ее способность объяснять причины того или иного вывода.

Заключение СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 1. Бауэр Ф.Л., Гооз Г. Информатика.

Вводный курс. М., 1990. 2. Беляева Т.М. Информатика.

Математика.

Правовая информатика. М. 1998 г.- 214 стр. 3. Винер Н. Кибернетика и общество. М., 1958. 4. Громов Г.Р. Очерки информационной технологии. М., 1193. 5. Исмаилова Л.Ю., Крылов В.В.. Объектно-ориентированный подход к описанию следственных ситуаций. М. Вестник Московского Университета, Серия Право, 1994. 6. Нейлор К. Как построить экспертную систему. Пер. с англ. М., 1991 7. Н. Полевой, В. Крылова.

Компьютерные технологии в юридической деятельности. М. БЕК. 1994 г.- 304 с. 8. Першиков В.И., Савинков В.М. Перспективные информационные технологии в правовой сфере. М. 1993. [1] подробнее см.: Я.М. Бельсон.

Интерпол в борьбе с уголовной преступностью. М. Hаука. 1989. С. 240; К.С. [2] Л.Ю. Исмаилова, В.В. Крылов.

Объектно-ориентированный подход к описанию следственных ситуаций. М. Вестник Московского Университета, Серия Право, 1994, в печати. [3] Н. Полевой, В. Крылова.

Компьютерные технологии в юридической деятельности. М. БЕК. 1994 г.- 304 с. [4] Подробнее см.

Беляева Т.М. Информатика.

независимая оценка ущерба квартиры в Калуге
оценка ценных бумаг в Туле
оценка аренды земельного участка в Липецке