03 августа 2017г.
Разум, созданный человеком - одно из течений кибернетики, сутью которого является анализ и создание аппаратно-программных комплексов, дающих возможность пользователю-непрограммисту конкретизировать и описывать свои, традиционно считающиеся трудно разрешимыми вопросы, общаясь с ЭВМ на ограниченном «подмассиве» естественного языка [1,3].
Основное направление виртуального разума (ВР) - это представление опыта и тщательное изучение и компиляция оболочек, основанных на сведениях. Оно связано с разработкой имитаций визуализации опыта, созданием баз опыта, образующих ядро экспертных оболочек.
История ВР насчитывает как минимум сорокалетнюю теорию развития. Издавна она рассматривалась как ряд очень сложных задач, которые, вместе с другими не апробированы, что и является предметом таких исследований, как: доказательства теорем; распознавание образов; робототехника; моделирование игр; обработка опыта; экспертные системы, инновационные решения в других областях[2].
Существуют десятки имитаций (или языков) визуализации опыта для различных предметных областей. Большинство из них может быть сведено к следующим слоям: продукционные; семантические сети; фреймы; формальные логические образцы. В основном они связаны с нематериальными активами[6]. Каждая из них используется для определённых целей и имеет свои достоинства и недостатки.
В середине 70-х годов в исследованиях в составе искусственного разума сформировалось определенное направление, получившее название экспертных систем (ЭС). Экспе́ртная систе́ма — это компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной
ситуации. Современные экспертные системы начали разрабатываться исследователями искусственного интеллекта [3] в 1970-х годах, а в 1980-х получили коммерческое подкрепление[4]. В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определённой области знаний с использованием процедур логического вывода и принятиярешений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.
Похожие действия выполняет такой программный инструмент как «Мастер» (англ. Wizard). Мастера применяются как в системных программах, так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО)[5]. Главное отличие мастеров от экспертных систем — отсутствие базы знаний — все действия жёстко запрограммированы. Это просто набор форм для заполнения пользователем.
Модель исследований по экспертным оболочкам состоит в изображении программ (механизмов), с помощью которых при решении заявленных требований, трудных для экономиста-руководителя, получаются результаты, не уступающие по необходимости и нужности решениям, получаемым экспертом. В большинстве своем экспертные оболочки решают трудно формализуемые примеры или вопросы, не имеющие алгоритмического решения. Первой творческой оболочкой считается DENDRAL [7].
Этапы разработки экспертных систем
Использовать ЭС можно только тогда, когда внимательно изучены и компилированы правила, ЭС возможна, оправдана и методы опыта «майнинга» соответствуют формализуемой задаче. Чтобы тщательное изучение и компиляция ЭС была возможной, для данного вопроса, необходимо одновременное интерпретирование нескольких требований:
1) Существуют эксперты в данной области, которые решают тему значительно качественнее, чем начинающие специалисты;
2) Эксперты утверждают, что в оценке искомого решения, нельзя будет определить качество разработанной ЭС;
3) Эксперты способны вербализовать (выразить на естественном языке) и уточнить используемые ими методики, в противном случае необходимо рассчитывать на то, что данные экспертов будут "извлечены" и описаны ЭС;
4) Решение вопроса требует только рассуждений, а не примеров;
5) Вопрос не должен быть слишком трудный (т.е. на его решение экономист затратит несколько часов или дней, а не месяцев);
6) Задача хотя и не принципиальна, но может быть определена в формальном отображении, и все же близка к достаточно "понятной" и структурированной логике, т.е. будут выделены текущие понятия, отношения и общеизвестные (хотя бы экономисту) способы получения решения вопроса;
7) Решение вопроса не должно в широком значении использовать "логический смысл" (т.е. общий спектр относящихся сведений о мире и о режимах его функционирования, которые знает и помнит, чтобы использовать в жизни любой нормальный человек), так как похожие сведения пока не формализуются (в достаточном количестве для решения примера) для интерпретации в оболочке виртуального разума.
Концептуализация ЭС может быть оправдана одним из следующих принципов: Использование ЭС принесет значительный эффект, к примеру, экономический.
Использование человека-экономиста нереально либо из-за малого количества людей, либо из-за необходимости проводить экспертизу одновременно в различных областях знаний.
Использование ЭС целесообразно, когда при «трансфере» информации эксперту смысловая часть претерпевает недопустимые смысловые разрежения времени или информации;
Использование ЭС возможно, при необходимости интерпретировать задачу в окружении, некомфортном (например, радиоактивном), для человека.
Оболочка соответствует методам ЭС, если искомая задача обладает суммой следующих качеств:
1) Задача должна быть естественным образом отображена посредством манипуляции с рунами (т.е. с помощью символических определений), а не манипуляций с данными, как принято в математических методиках и в традиционном исчислении;
2) Задача требует эвристическую, а не алгоритмическую тему, т.е. ее решение требует применения эвристических отношений. Вопросы, которые должны быть гарантированно апробированы (с соблюдением фактов ограничений) с помощью определенных формальных процедур, не важны для применения ЭС;
3) Задача описательная достаточно сложна, чтобы изыскать затраты на разработку ЭС. Однако она не должна быть чрезмерно простой (решение съедает у экономиста часы, а не месяцы), чтобы ЭС могла ее определить;
4) Задача должна быть практически значимой, чтобы вычисляться методами ЭС, и достаточно узкой.
При интерпретации ЭС обычно требуется концепция "скоростного прототипа". Важная часть этой концепции состоит в том, что экономисты не пытаются сразу выстроить конечный продукт. На начальном положении они создают аналоги (прототипы) ЭС.
Аналоги должны удовлетворять двум разным требованиям: с одной стороны, они должны выделять типичные вопросы выделенного приложения, а с другой - важность и трудоемкость их проектирования будут быть весьма незначительны, чтобы можно было максимально запараллелить процесс создания и отладки опыта (осуществляемый экономистом) с процессом выбора (интерпретации) программных оболочек (осуществляемым знающим человеком и программистом). Для определения указанных требований, обычно требуется часы, при создании прототипа используются разнообразные средства, ускоряющие процесс проектирования.
Прототип должен использовать методы опыта «майнинга» для данного приложения. В случае успеха экономист с помощью инженера по сведениям расширяет сведения прототипа о проблемной теме. При провале может потребоваться углубленное изучение и компиляция новой оболочки или разработчики могут сделать вывод о непригодности знаний ЭС для данного приложения. По мере приобретения опыта, прототип может достичь такого состояния, когда он уверенно решает все вопросы тестируемого приложения. Трансформация прототипа ЭС в конечную оболочку обычно требует перепрограммирования ЭС на языках низкого уровня, обеспечивающих и увеличение быстродействия ЭС, и уменьшение оперативной памяти. Важность и время создания ЭС в большей степени зависят от структуры используемого инструментария. В перечне работ по созданию ЭС, сложилась определенная терминология их разработки, которая включает 6 следующих пунктов: идентификацию, концептуализацию, формализацию, выполнение, тестирование, опытную эксплуатацию.
При идентификации определяются вопросы, которые подлежат оформлению, выявлению целей разработки, трактовке экспертов и типов пользователей. Концептуализация проводит содержательный и тщательный поиск в проблемной теме, выявляются текущие понятия и их взаимосвязи, выводятся описания решения явлений. На этапе формализации выбираются способы визуализации всех видов опыта, формализуются типичные понятия, определяются методы интерпретации знаний, моделируется процессы оболочки, оценивается адекватность типичным целям оболочки закрепленных понятий, методов решений, оболочек визуализации и манипулирования данными. На этапе выполнения происходит наполнение экономистом базы опыта. В связи с тем, что основой для ЭС, являются полученные сведения, данный пункт является наиболее тщательным и трудоемким этапом рождения ЭС.
Процесс накопления опыта приходится на долю специалиста, который проводит реструктуризацию опыта, обеспечивающую эффективную работу по созданию оболочки, и концептуализацию опыта в виде, понятном ЭС. Процесс изучения опыта производится экономистом по сведениям, на базе тщательного изучения пунктов по апробации реальных явлений.
Список литературы
1.Макаров В.В, Блатова Т.А. Информационно-коммуникационные технологии как индикатор развития экономики знаний // Российский гуманитарный журнал. 2014. Т. 3. №4. С. 275-281. 2.Макаров В.В., Иванова Н.О. Классификация инфокоммуникационных предприятий на основе их инновационного потенциала // Проблемы современной экономики. 2016. №1. С. 76-79.
3 .Макаров В.В., Гусев В.И., Воронин А.Г. Методологическая парадигма исследования интеллектуального капитала в условиях информационного общества// Российский гуманитарный журнал. 2012. Т. 1. №1. С. 78-83.
4 .Макаров В.В., Колотов Ю.О. Развитие Интернет-коммерции // Экономический анализ: теория и практика. 2009. №26. С.60-64.
5 .Макаров В.В., Столяров С.А. Выбор оптимальной инновационной стратегии в управлении интернет-проектами // Журнал правовых и экономических исследований. 2013. № 3. С. 19-20.
6.Макаров, В.В., Шувал-Сергеева, Н.С. Оценка экономической эффективности инвестиций в инновационные проекты с учетом нематериальных активов // Вопросы радиоэлектроники. 2015. №4 (4). С. 193-198.
7.Lindsay, R. K., Buchanan, B. G., Feigenbaum, E. A., & Lederberg, J. (1993). DENDRAL: a case study of the first expert system for scientific hypothesis formation. Artificial intelligence, 61(2), 209-261.
