В современном мире существуют, так называемые, системы поддержки принятия решений (СППР) – компьютерные автоматизированные системы, целью которых является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности [2]. СППР решает две основные задачи:
- выбор наилучшего решения из множества возможных (оптимизация)
- упорядочение возможных решений по предпочтительности (ранжирование)
Причем в качестве решаемой задачи может выступать почти любая реальная задача. Например, оптимизация транспортных поставок или принятие решения об экономичной закупке комплектующих частей для готовой продукции.
Для анализа и выработок предложений в СППР используются разные методы. Это могут быть:
- информационный поиск,
- интеллектуальный анализ данных,
- поиск знаний в базах данных,
- рассуждение на основе прецедентов,
- имитационное моделирование,
- эволюционные вычисления и генетические алгоритмы,
- нейронные сети,
- ситуационный анализ,
- когнитивное моделирование и др.
Некоторые из этих методов были разработаны в рамках искусственного интеллекта.
Автоматизированные системы экспертной оценки (АСЭО) являются частным случаем систем поддержки принятия решений. АСЭО – компьютерные автоматизированные системы, основанные на анализе оценок экспертов в решении поставленных задач [1].
Укажем основные свойства АСЭО, отличающие ее от других интеллектуальных систем, и, в частности, от СППР:
- АСЭО — сложная многоуровневая система, позволяющая организовать проведение экспертизы от формирования целей и конкретного содержания до определения результата и его анализа. В АСЭО при организации и проведении экспертизы предусматривается взаимодействие экспертов, аналитической группы, операторов. Поэтому обязательным элементом АСЭО является технологический граф организации и проведения экспертизы, в котором определена последовательность экспертных процедур, процедур информационного обеспечения, обработки и анализа результатов экспертизы, а также регламентирована деятельность в процессе проведения экспертизы экспертов, аналитической группы, операторов [1].
- АСЭО позволяют осуществлять достаточно полную разностороннюю оценку объектов экспертизы с помощью высококвалифицированных специалистов. Процесс экспертного оценивания должен быть информационно обеспечен. Поэтому АСЭО обязательно снабжены базами данных, в которых содержится вся необходимая экспертам и организаторам экспертизы информация об объектах экспертизы.
- В АСЭО должна быть предусмотрена оценка качества эксперта, как априорная, так и апостериорная, получаемая на основании оценки результатов участия эксперта в проведенных ранее экспертизах. Наиболее конструктивным способом оценки качества эксперта, с нашей точки зрения, является расчет его рейтинга. Рейтинг эксперта может как служить основанием для приглашения специалиста в состав экспертной комиссии, так и учитываться при определении размеров оплаты труда эксперта, в особенности отложенных поощрений.
- В АСЭО для каждого эксперта предусматривается оценка степени его профессионального знакомства с каждым из объектов экспертизы.
АСЭО позволяют избежать достаточно распространенной ошибки, когда эксперт вынужден оценивать не только объекты, с которыми он знаком профессионально, но и объекты, с которыми он по тем или иным причинам знаком недостаточно. Эксперту предоставляется возможность формировать перечень объектов, которые он предлагает оценивать в процессе экспертизы.
При формировании перечня объектов для оценки каждым экспертом могут учитываться и такие факторы, как нецелесообразность оценки экспертом тех объектов, которые представлены организацией, в которой он работает, либо выполненных при его непосредственном участии, либо в положительной (отрицательной) оценке которых он может быть заинтересован [3].
- АСЭО обеспечивают возможность достаточно гибкого оценивания объектов экспертизы. Например, для оценки эффективности деятельности фирмы в целом используются одни критерии, для отдельного её подразделения — другие, для оценки эффективности специалистов различных профилей — сотрудников фирмы также требуются различные оценочные системы. Поэтому в АСЭО предусматривается в качестве обязательного элемента наличие развитой оценочной системы с возможностью ее настройки при оценке того или иного конкретного объекта экспертизы.
Оценочная система включает набор критериев, информацию об их сравнительной весомости, о шкалах для оценки значений по каждому из критериев. В оценочную систему может включаться также информация о сравнимости критериев, зависимости критериев, о наличии эффекта доминирования одной группы критериев над другой. Оценочная система может иметь иерархическую структуру критериев.
В оценочных системах АСЭО предусмотрена возможность формирования индивидуальных оценочных подсистем экспертов, если это необходимо в соответствии с принятой процедурой проведения экспертизы.
- В проведении экспертиз предполагается участие высококвалифицированных специалистов. Поэтому в АСЭО включаются АРМы эксперта, позволяющие эксперту непосредственно за компьютером в интерактивном режиме осуществлять оценку объектов экспертизы, а при необходимости настраивать индивидуальную оценочную систему, определять степень знакомства с объектами экспертизы, формировать индивидуальный перечень объектов для оценки каждым экспертом.
- При проведении многих экспертиз требуется не только оценка одного отдельно взятого эксперта, но и оценка коллектива экспертов, представляющих наиболее квалифицированных специалистов в рассматриваемой области, возможно принадлежащих различным школам. Поэтому в АСЭО предусматривается возможность коллективной оценки объектов экспертизы при использовании различных методов организации и проведения экспертиз [4].
После получения индивидуальных экспертных оценок в АСЭО предусмотрены процедуры обработки экспертной информации, позволяющие получать результирующую экспертную оценку -коллективное мнение экспертной комиссии. В частности, в АСЭО содержатся алгоритмы получения результирующих количественных и качественных оценок, результирующих ранжирований, классификаций и т.д.
- В АСЭО предусматривается анализ результатов экспертизы. В частности, предполагается оценка согласованности экспертов по результатам оценки объектов экспертизы (по результатам ранжирований, страфикаций и т.д.) с последующей классификацией экспертов- выделением коалиций единомышленников, давших объектам близкие оценки. В АСЭО предоставляется возможность определения результирующей экспертной оценки отдельно для каждой из групп экспертов- единомышленников с последующим анализом. В рамках системы может быть предоставлена возможность оценки непротиворечивости экспертных суждений, их точности и надежности.
В АСЭО могут быть предусмотрены также этапы получения предварительной экспертной оценки с целью выявления и исключения заведомо неконкурентоспособных объектов, не соответствующих предъявляемым требованиям, определения степени дублирования объектов экспертизы с целью более рационального распределения средств, установления соответствия запрашиваемых объемов финансирования и материального обеспечения предполагаемому объему работ. Укажем основные этапы создания АСЭО.
При разработке АСЭО следует также учитывать поддержку интеграции со сторонними информационными системами и базами данных, так как в настоящее время система, не имеющая возможности обмениваться данными с уже существующими системами, обречена на неудачу.
Ярким представителем АСЭО является библиотечно-информационный центр Библиотеки по естественным наукам (БЕН) РАН, который обеспечивает через свою сеть библиотек в академических институтах информационную поддержку научных исследований, проводимых РАН в области естественных наук. Комплектование фондов библиотек, входящих в централизованную библиотечную систему (ЦБС) БЕН РАН, базируется на двух основных принципах [2]:
- обеспечение максимальной информативности заказываемых изданий;
- поддержка сбалансированного обеспечения литературой научных направлений РАН.
Множество примеров АСЭО встречается в различных областях деятельности:
Пример психолингвистической экспертной системы:
- Ваал(R) позволяет прогнозировать эффект неосознаваемого воздействия текстов на массовую аудиторию, анализировать тексты с точки зрения такого воздействия, составлять тексты с заданным вектором воздействия, выявлять личностно-психологические качества авторов текста, проводить углубленный контент-анализ текстов и делать многое другое. Система разрабатывается с 1992 г.
Примеры экспертной системы в экономике:
- S&PCBRS. Разработчиком данной экспертной системы является Chase Manatten Bank, Standart & Poor’s Corp. S&PCBRS была разработана для решения следующих задач: оценка рейтинга ценных бумаг по данным о фирмах эмитентах; формирование корректной рейтинговой шкалы. Экспертная система имеет следующие характеристики: представление задачи оценки рейтинга как задачи классификации; отбор данных о фирмах эмитентах и формирование обучающего материала; выбор нейроклассификатора, его обучение и тестирование; сравнение с оценками экспертов; использование нейросетевой парадигмы Couter-Propagation. Вероятность правильного предсказания рейтинга экспертной системы S&PCBRS составляет 84%.
- Разработчиком данной экспертной системы является NTT Data, The Tokai Bank, Science Univercity of Tokyo. Данная система была разработана для поддержки принятия решений для оптимизации работы с валютными опционами. Система облегчает дилерскую поддержку для оптимального ответа из возможных представленных вариантов. Nereid более практична и дает лучшие решения, чем обычные системы принятия решений. Данная система разработана с использованием фреймовой системы CLP, которая легко интегрирует финансовую область в приложение ИИ. Предложен смешанный тип оптимизации, сочетающий эвристические знания с техникой линейного программирования [4].
Пример экспертной системы в торговле:
- РЕМОРАМА ЭС создана ООО «Медиасофт» и реализована как коммерческий продукт. РЕМОРАМА подбирает стройматериалы под заданные пользователем параметры и производит расчёт их стоимости. Предполагается использование обычными людьми, не прошедшими специального обучения. ЭС устанавливается на сенсорные киоски в торговых залах строительных гипермаркетов. Итогом решения ЭС становится чек с перечнем, количеством и стоимостью материалов, которые удовлетворяют условиям задачи. С помощью этого чека покупатель осуществляет набор материалов и оплачивает их на кассе (одно сканирование для покупки комплекта материалов). Программа предлагает как основные, так и сопутствующие товары для решения задачи [4].
Пример экспертных систем в военном деле:
- HASP/SIAP SIAP обнаруживает и идентифицирует различные типы океанских судов, используя преобразованные в цифровую форму данные от сетей гидрофонов. Данные имеют вид сонограмм, являющихся аналоговыми записями спектров принятой датчиками звуковой энергии. Для их интерпретации система применяет знания о характерных особенностях сонограмм различных типов кораблей. SIAP пытается идентифицировать суда и сгруппировать их в более крупные единицы, например флоты. Система обеспечивает анализ в режиме реального времени и корректировку ситуации с учетом непрерывно поступающих данных. Знания представлены в виде правил в рамках архитектуры доски объявлений с применением иерархически организованной схемы управления. На этапе предварительного изучения система называлась HASP [или SU/X]; и на ее основе была разработана система SIAP. Она реализована на языке INTERLISP и создана совместными усилиями Станфордского университета и компании Systems Control Technology. Она доведена до уровня исследовательского прототипа. (Surveillance Integration Automation Project)
Пример экспертной системы в компьютерных системах:
- Экспертная система оказывает помощь программистам в написании микропрограмм для разработанной Texas Instruments СБИС TI990. По заданному описанию микропрограммы система получает оптимизированные микропрограммы для TI990. MIXER содержит знания по микропрограммированию для TI990, взятые из руководства и из анализа микропрограммы управляющего ПЗУ TI990. Сюда относятся знания о том, как преобразовывать введенные описания в наборы промежуточных операций, как выделить соответствующие регистры под переменные и как преобразовать промежуточные операции в наборы микроопераций. MIXER использует эти знания, чтобы определить, какие микрооперации являются лучшими для реализации микропрограммы. Система представляет знания в виде правил и данных, обладает унификацией, управляемой механизмом вывода, и динамическим возвратом. MIXER реализована на языке Пролог. Она была разработана в Токийском университете и доведена до уровня демонстрационного прототипа.
- ExpSystem PC 1.4.2. Эта экспертная система поможет людям не столь хорошо разбирающихся в комплектующих для персонального компьютера подобрать себе приемлемую конфигурацию будущего компьютера. В программу вводятся данные о требовании к системе и максимальной сумме денег, предполагаемой для покупки. Так же данная экспертная система пригодится для менеджеров компьютерных салонов что бы автоматизировать свою работу и сделать автоматизированное рабочее место для своих покупателей. Для подбора комплектующих используется два алгоритма расчета: для «богатого» и «бедного» покупателя. Данная ЭС была разработана в декабре 2006 года
- ACE — Экспертная система ACE определяет неисправности в телефонной сети и дает рекомендации по необходимому ремонту и восстановительным мероприятиям. Система работает без человеческого вмешательства, анализируя сводки-отчеты о состоянии, получаемые ежедневно с помощью программы, следящей за ходом ремонтных работ в кабельной сети. ACE обнаруживает неисправные телефонные кабели и затем решает, нуждаются ли они в планово-предупредительном ремонте и выбирает, какой тип ремонтных работ вероятнее всего будет эффективным. Затем ACE запоминает свои рекомендации в специальной базе данных, к которой у пользователя есть доступ. Система принимает решения, применяя знания относительно телефонных станций, сообщения системы и стратегии анализа сетей. Представление знаний в системе основано на правилах; используется схема управления посредством прямой цепочки рассуждений. Она разработана в Bell Laboratories. ACE прошла опытную эксплуатацию и доведена до уровня коммерческой экспертной системы [2].
Список литературы:
- Джарратано Д., Райли Г. «Экспертные системы: принципы разработки и программирование»: Пер. с англ. — М.: Издательский дом «Вильямс», 2006. — 1152 стр. с ил.
- Ларичев О. И., Петровский А. В. Системы поддержки принятия решений. Современное состояние и перспективы их развития. // Итоги науки и техники. Сер. Техническая кибернетика. — Т.21. М.: ВИНИТИ, 1987, с. 131—164.
- Сараев А. Д., Щербина О. А. Системный анализ и современные информационные технологии //Труды Крымской Академии наук. — Симферополь: СОНАТ, 2006. — С. 47-59
- Терелянский, П. В. Системы поддержки принятия решений. Опыт проектирования: монография / П. В. Терелянский; ВолгГТУ. — Волгоград, 2009. — 127 с.[schema type=»book» name=»АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ ЭКСПЕРТНОГО ОЦЕНИВАНИЯ» author=»Корябкин Владислав Владимирович, Драчева Елена Евгеньевна» publisher=»БАСАРАНОВИЧ ЕКАТЕРИНА» pubdate=»2017-06-15″ edition=»ЕВРАЗИЙСКИЙ СОЮЗ УЧЕНЫХ_ 30.12.2014_12(09)» ebook=»yes» ]