Экспертные системы. Применение экспертных систем в экономике

Автор работы: Пользователь скрыл имя, 20 Марта 2014 в 20:00, реферат

Краткое описание

Существуют два принципиально различных класса ЭС: “основанные на правилах” и “основанные на примерах”. Первый класс ЭС применяется для работы с хорошо систематизированными элементами знаний и априори известными закономерностями, выраженными различного рода методиками, инструкциями, правилами и т.п. Второй класс ЭС используется в ситуациях, когда отсутствуют какие-либо явные связи и закономерности между элементами знаний, а сами знания представлены в виде списков примеров, описывающих реализации тех или иных событий. Если первый класс ЭС работает с хорошо определенными данными и знаниями, извлеченными из экспертов-аналитиков инженерами знаний, то второй - формирует свои знания путем адаптации к предметной области, представленной примерами, причем как обучающая, так и анализируемая информация может быть искажена и неполна.

Содержание

Введение…………………………………………………………………….3
1. История развития экспертных систем………………………………….4
2. Определение экспертных систем, их достоинства и назначение……9
3. Финансовые экспертные системы……………………………………...13
Заключение…………………………………………………………………17
Библиографический список……………………………………………….19

Прикрепленные файлы: 1 файл

Информационные системы.docx

— 61.68 Кб (Скачать документ)

 

 

МИНОБРНАУКИ РОССИИ

федеральное государственное бюджетное образовательное

учреждение  высшего профессионального образования

«Омский государственный институт сервиса»

Кафедра «Бухгалтерский учет, анализ и аудит»

 

 

 

 

 

 

 

 

РЕФЕРАТ

 

по курсу  Информационные системы в экономике


 

на тему: «Экспертные системы. Применение экспертных систем в экономике»



 

 

 

 

 

 

 

Выполнила студентка

гр. Б-101

Осадчая Алёна  Руководитель работы

старший преподаватель

кафедры БУАиА

Фадеева Олеся Юрьевна

 

 

 

 

 

 

 

Омск 2014 г.      

СОДЕРЖАНИЕ

 

Введение…………………………………………………………………….3

1. История развития экспертных  систем………………………………….4

2. Определение экспертных  систем, их достоинства и назначение……9

3. Финансовые экспертные  системы……………………………………...13

Заключение…………………………………………………………………17

Библиографический список……………………………………………….19

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ВЕДЕНИЕ

 

Термин «экспертные системы» можно довольно часто встретить в лексике специалистов не только сферы информационных технологий, но и экономики, юриспруденции, медицины, геологии, сельского хозяйства и т.д.

Экспертные системы (ЭС) представляются собой компьютерные программы, использующие принципы искусственного интеллекта и формализованные знания эксперта для обработки оперативной информации и принятия обоснованных решений в анализируемой предметной области.

Существуют два принципиально различных класса ЭС: “основанные на правилах” и “основанные на примерах”. Первый класс ЭС применяется для работы с хорошо систематизированными элементами знаний и априори известными закономерностями, выраженными различного рода методиками, инструкциями, правилами и т.п. Второй класс ЭС используется в ситуациях, когда отсутствуют какие-либо явные связи и закономерности между элементами знаний, а сами знания представлены в виде списков примеров, описывающих реализации тех или иных событий. Если первый класс ЭС работает с хорошо определенными данными и знаниями, извлеченными из экспертов-аналитиков инженерами знаний, то второй - формирует свои знания путем адаптации к предметной области, представленной примерами, причем как обучающая, так и анализируемая информация может быть искажена и неполна.

О масштабах исследований и предложений на рынке ЭС в области финансов можно судить по международным научным конференциям (например, Artificial International Applications on Wall Street, Oct. 9-12, 1991, New York) и коммерческим каталогам, в которых стоимости конкретных приложений колеблются от тысяч до десятков тысяч долларов.

 

 

 

 

 

 

 

 

 

 

1. ИСТОРИЯ РАЗВИТИЯ ЭКСПЕРТНЫХ СИСТЕМ

 

Наиболее  известные экспертные системы, разработанные в 60-70-х  годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.

1.META-DENDRAL.Система DENDRAL позволяет  определить наиболее вероятную  структуру химического соединения  по экспериментальным данным (маспектрографии, данным ядерном магнитного резонанса  и др.).Она автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

2.MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это  семейство медицинских ЭС и  сервисных программных средств  для их построения.

3.PROSPECTOR-KAS. PROSPECTOR- предназначена  для поиска (предсказания) месторождений  на основе геологических анализов. KAS- система приобретения знаний  для PROSPECTOR.

4.CASNET-EXPERT.  Система CASNET- медицинская  ЭС для диагностики выдачи  рекомендаций по лечению глазных  заболеваний. На ее основе разработан  язык инженерии знаний EXPERT, с помощью  которой создан ряд других  медицинских диагностических систем.

5.HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые  две системы этого ряда являются  развитием интеллектуальной системы  распознавания слитной человеческой  речи, слова которой берутся из  заданного словаря. Эти системы  отличаются оригинальной структурой, основанной на использовании  доски объявлений - глобальной базы  данных, содержащей текущие результаты  работы системы. В дальнейшем  на основе этих систем были  созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения ЭС. 

6.Системы AM (Artifical Mathematician- искусственный  математик) и EURISCO были разработаны  в Станфордском университете  доктором Д. Ленатом для исследовательских  и учебных целей. Ленат считает, что эффективность любой ЭС  определяется закладываемыми в  нее знаниями. По его мнению, чтобы  система была способна к обучению, в нее должно быть введено  около миллиона сведений общего  характера. Это примерно соответствует  объему информации, каким располагает  четырехлетний ребенок со средними  способностями. Ленат также считает, что путь создания узкоспециализированных  ЭС с уменьшенным объемом знаний  ведет к тупику.

В систему AM первоначально было заложено около 100 правил вывода и более 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. Сначала результаты работы системы были весьма многообещающими. Она могла сформулировать понятия натурального ряда и простых чисел. Кроме того, она синтезировала вариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можно представить в виде суммы двух простых чисел. До сих пор не удалось ни найти доказательства данной гипотезы, ни опровергнуть ее. Дальнейшее развитие системы замедлилось и было отмечено, что, несмотря на проявленные, на первых порах “математические способности”, система не может синтезировать новых эвристических правил, т.е. ее возможности определяются только теми эвристиками, что были в нее изначально заложены. 

При разработке системы EURISCO была предпринята попытка преодолеть указанные недостатки системы AM. Как и в начале эксплуатации AM, первые результаты, полученные с помощью EURISCO, были эффективными. Сообщалось, что система EURISCO может успешно участвовать в очень сложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов. Согласно одному из них, например, предлагалось взрывать свои корабли, получившие повреждения. При этом корабли, оставшиеся неповрежденными, получает необходимое пространство для выполнения маневра.

Однако  через некоторое время обнаружилось, что система не всегда корректно  переопределяет первоначально заложенные в нее правила. Так, например, она  стала нарушать строгое предписание  обращаться  к программистам с вопросами только в определенное время суток. Т.о., система EURISCO, так же как и ее предшественница, остановилась в своем развитии, достигнув предела, определенного, в конечном счете, ее разработчиком.

С 1990 года доктор Ленат во главе исследовательской группы занят кодированием и вводом нескольких сот тысяч элементов знаний, необходимых, по его мнению, для создания “интеллектуальной” системы. Этот проект назван Cyc (“Цик”, от английского слова enciklopaedia).

С 70-х годов ЭС стали ведущим  направлением в области искусственного интеллекта. Можно утверждать, что именно ЭС позволили получить очень большой коммерческий эффект от применения таких мощных методов. В этом - их особая роль. 

Каталог ЭС и инструментальных  программных средств для их разработки, опубликованный в США в 1987 году, содержит более 1000 систем (сейчас их уже значительно больше). В развитых зарубежных странах сотни фирм занимаются их разработкой и внедрением. Имеются и отечественные разработки ЭС, в том числе - нашедший промышленное применение. 

Однако  уже на начальных этапах выявились  серьезные принципиальные трудности,  препятствующие более широкому распространению ЭС и серьезно замедляющие и осложняющие их разработку. Они вполне естественных и вытекают из самих принципов разработки ЭС.

Первая  трудность возникает в связи  с постановкой задач. Заказчик желает увидеть в ней самостоятельно мыслящего эксперта в исследуемой области, способного решать широкий круг задач. Отсюда и типичные первоначальные постановки задачи по созданию ЭС: “Разработать ЭС по обработке изображения”; “Создать медицинские ЭС по лечению заболеваний опорно-двигательного аппарата у детей”. Однако, как уже отмечалось, мощность эвристических методов решения задач при увеличении общности их постановки резко уменьшается. Поэтому наиболее целесообразно  ограничиться для начала не слишком сложной обозримой задачей в рассматриваемой области, для решения которой нет простого алгоритмического способа. Кроме того, важно, чтобы уже существовала сложившаяся методика решения этой задачи “вручную” или какими-либо расчетными методами. Для успешной разработки ЭС необходимы не только четкая и конкретная постановка задач, но и разработка подробного (хотя бы словесного) описания “ручного” (или расчетного) метода ее решения. Если это сделать затруднительно, дальнейшая работа по построению ЭС теряет смысл.

Вторая  и основная трудность - проблема приобретения (усвоения) знаний. Эта проблема возникает  при “передаче” знаний, которыми обладают эксперты-люди, ЭС. Разумеется, для того, чтобы “обучить” им компьютерную систему, прежде всего, требуется сформулировать, систематизировать и формализовать эти знания “на бумаге”. Это может показаться парадоксальным, но большинство экспертов (за исключением, может быть, математиков), успешно используя в повседневной деятельности свои обширные знания, испытывают большие затруднения при попытке сформулировать и представить в системном виде хотя бы основную часть этих знаний: иерархию используемых понятий, эвристики, алгоритмы, связи между ними. Оказывается, что для подобной формализации знаний необходим определенный систематический стиль мышления, более близкий математикам и программистам, чем, например, юристам и медикам. Кроме того, необходимы, с одной стороны, знания в области математической логики и методов представления знаний, с другой - знания возможности ЭВМ, из программного обеспечения, в частности, языков и систем программирования.

Третья  серьезная трудность - в очень  большой трудоемкости создания ЭС: требуется разработать средства управления базой знаний, логического  вывода, диалогового взаимодействия с пользователем и т.д. Объем программирования столь велик, а программы столь сложны и нетрадиционны, что имеет смысл, как это принято сейчас при разработке больших программ, на первом этапе создать демонстрационный прототип системы - предварительный вариант, в котором в упрощенном виде реализованы лишь ее основные планируемые возможности и которая будет служить для заказчика подтверждением того, что разработка ЭС для решения данной задачи принципиально возможна, а для разработчиков - основой для последующего улучшения и развития системы.

Одной из причин неудач в создании ЭС стала  недооценка авторами ЭС объемов и  роли неявных знаний. Системы, базы знаний которых создавались на основе справочников, в лучшем случае так  справочниками и остались. Большинство же таких систем оказывались даже хуже справочников, так как сковывали исследовательскую мысль пользователя. Вторым  “узким местом” ЭС оказалась модель, на которой были основаны их первые экземпляры, и лишь модель знаний, принимающая вид пороговой направленной иерархической сети с возможностью выбора в конечном из логических узлов (где каждая отдельная ситуация похожа на дерево с листьями), может стать базой для построения ЭС.

В последнее десятилетие ЭС возродились в виде систем с базой знаний, которые тесно переплетались с существующими деловыми системами. Их используют в здравоохранении, страховании, банковском деле и других областях, чтобы с помощью правил и объектов накапливать опыт,  повысить качество принимаемых решений. Базы знаний встроены сегодня в наиболее современные крупные системы. Они находятся в самой сердцевине программ- агентов, осуществляющих поиск в сети Internet, и помогают коллективам пользователей справиться с потоками информации. 

Рассмотрим  факторы, стимулировавшие развитие систем с базами знаний:

  1. компании, добившиеся значительной  экономии денежных средств благодаря технологии баз знаний, развивают и выстраивают ее в специальные бизнес - процессы, которые были бы просто невозможны без компьютерной экспертизы;
  2. разработаны новые технологии  создания баз знаний, является  необходимым средством, которое может изменить бизнес - процесс;
  3. современные системы реализованы  не на специализированном, а на  стандартном оборудовании.

Объединение всех видов программных продуктов и их отдельных компонентов в единую ЭС признано экономически выгодным, так как применение ЭС  позволяет существенно сократить расходы на подготовку квалифицированного персонала, дальнейшую проверку работоспособности и надежности, разрабатываемых и исследовательских систем, а также уменьшить время проектирования и (или) исследования.

При разработке систем автоматизированного  проектирования (САПР) уже нельзя обойтись без ЭС; их использование признано экономически выгодным.

С середины 80-х годов наиболее популярные системы с базами знаний создавались  с ориентацией на стандартное  оборудование. В этом ключ к пониманию  причин успеха современной технологии баз знаний.

Информация о работе Экспертные системы. Применение экспертных систем в экономике