Інформаційні системи в аграрному менеджменті (1999)

Експертні системи використовують знання і техніку міркувань людини-експерта і відрізняються від інших людино-машинних систем ще наявністю в їх складі підсистеми пояснення та виконанням ролі консультанта.

При розробці систем в них закладаються початкові знання, але в процесі свого функціонування вони здатні поповнювати свої знання шляхом навчання і узагальнення знань багатьох експертів. При розв’язуванні задач на основі наявних знань і засобів системи аналізують задачі, обирають хід її розв’язування й видають відповідний результат та пояснення.

Експертні системи характеризуються такими ознаками, як призначення, проблемна область, глибина аналізу проблемної області, тип використовуваних методів і знань, інструментальні засоби, клас системи, стадії існування і т.ін. Ці ознаки враховуються при класифікації ЕС.

За ступенями складності ЕС поділяють на поверхневі і глибинні.

Поверхневі ЕС подають знання про область експертизи у вигляді правил (умова  дія). Умова кожного правила визначає приклади ситуацій для дотримання правила, а пошук розв’язку полягає у виконанні тих правил, зразки яких зіставляються з поточними даними.

Глибинні ЕС додатково здатні при виникненні невідомої ситуації визначати з допомогою деяких прийнятних для даної області загальних принципів необхідні подальші дії.

За типом використовуваних методів і знань ЕС поділяють на традиційні і гібридні. Традиційні ЕС використовують переважно одержані від експертів неформалізовані знання і неформалізовані методи інженерії знань, а гібридні ЕС використовують і формальні методи, і методи інженерії знань, і дані традиційного програмування та математики.

За поколіннями виділяють 3 покоління ЕС.

1-ше покоління — статичні поверхневі ЕС;

2-ге — статичні глибинні ЕС (у тому числі й гібридні);

3-тє — динамічні ЕС (у тому числі глибинні і гібридні).

За стадіями створення і готовності ЕС виділяють: демонстраційний прототип, дослідницький прототип, діючий прототип (з кількістю правил в базі знань більше 500), промислові (з кількістю правил в БД більше 1000), комерційні (з кількість правил більше 1500).

Окрім сказаного, ЕС можуть класифікуватися залежно від використовуваних інструментальних засобів (мов програмування та інженерії, видів оболонок, наповненості знань і т.ін.). Поширеними мовами ШІ, як інструментальними засобами ЕС, в даний час є Пролог, Лісп, Smаlltalk. Відомими оболонками ЕС, що дозволяють користувачам без досвіду програмування створювати й використовувати для прийняття рішень власні бази знань, є GURU, Level 5 Object, Leonardo 2. Серед відомих інструментальних засобів для ПЕОМ є також дослідна експертна система СПЕІС, комерційні експертні системи ЕКСПЕРТ і ФІАКР та ін.

Типовими задачами для ЕС є задачі: діагностики (пошуку несправностей, певних відхилень), моніторингу (неперервної інтерпретації даних від об’єкта), інтерпретації (аналізу даних для певних передбачень), передбачення (прогнозування ситуацій і процесів), планування (складання програми досягнення цілі), проектування (розроблення документації для створення об’єкта). Тому залежно від розв’язуваних задач, ЕС можна класифікувати на діагностичні, моніторингові, інтерпретуючі, прогнозування, планування, проектування, комбіновані.

Структуру типової ЕС можна подати у вигляді схеми, зображеної на рис. 13.1.

В структурі ЕС можуть бути і окремі відмінності. В конкретних економічних експертних системах бувають додаткові спеціалізовані блоки, пов’язані зі специфікою економічного об’єкта. Наприклад, в сільськогосподарських аудиторських ЕС для користувачів-аудиторів можуть бути блоки перевірки звітності і відповідності фактичних даних нормативам, а для експерта-аудитора — аналітичні блоки з фінансово-господарської діяльності і вироблення рекомендацій. Для функціонування такої ЕС в її структурі має бути не лише база знань, але як обов’язковий компонент і база даних.

Система знань – це основа ЕС. В ЕС використовуються знання двох видів: один — то загальні факти, явища, закономірності, інший — набір правил, висновків, інтуїтивних суджень. Звичайно, в ЕС мають переважати знання першого виду, але знання другого виду також необхідні для прийняття рішення у складних ситуаціях.

Експертну систему наповнює знаннями експерт з предметної області і інженер зі знань.

Якщо експерт, як спеціаліст з предметної області, надає відповідні знання, то інженер їх описує з урахуванням моделі ЕС. Але в сучасних ЕС з удосконаленням інтерфейсу користувача і самих систем експерт може поповнювати базу знань і без допомоги інженера зі знань.

На цінність ЕС значною мірою впливають можливості інтерфейсу користувача. Мова взаємодії користувача із системою має бути наближена, з одного боку, до природної мови, а з іншого, до мови даної предметної області. Більшість вимог до інтерфейсу користувача такі самі, як і до СППР та інших видів інтелектуальних систем, про які йшлося раніше.

Блоки рішення і логічного висновку призначені для розрахунків, пошуку та побудови висновків. Виконується послідовність дій, спрямованих на виявлення (детекції), вибору і дедукції відповідних правил та здійснення висновків на основі цих правил.

Будь-яка ЕС має базу даних із правилами для інтелектуального пошуку за зразком і синтаксичного ототожнення. Правила можуть даватися, виключатися й змінюватися. Таку базу даних з правилами її використання, як уже зазначалося, називають базою знань (БЗ). У БЗ зберігаються знання, які необхідні для інших складових ЕС: для лінгвістичного процесора — про мову комунікації з користувачем і способи організації діалогу; для інтерпретатора процесів — про процеси керування рішенням проблеми; для модуля пошуку знань — про способи інтерпретації і модифікації знань; для модуля пояснень — про додаткові структурні і управляючі знання. Знання в БЗ типових ЕС поділяються на інтенсіональні та екстенсіональні. Перші — понятійні, концептуальні знання про об’єкти предметної області та їх відношення, а екстенсіональні знання — це кількісні характеристики інтенсіональних знань. В економічних ЕС переважно створюється окрема БД, оскільки виникає необхідність зберігання великої кількості планових, фактичних, розрахункових, звітних та інших даних.

Блок пояснення необхідний для обґрунтування поради користувачу і пояснення дій ЕС. Такі пояснення можуть подаватися в зв’язку з тлумаченням віповідних термінів, ходом розв’язування проблеми, очікуваних наслідків прийняття рішення, причин виникнення питань тощо.

Блоки поповнення знань і даних необхідні для актуалізації знань і даних. Робота з поповнення знань, як зазначалося раніше, виконується переважно експертами, але не виключається можливість самонавчання. Проте проблема самонавчання на даний час з огляду суперечностей знань та інших факторів реалізується дуже повільно.

Використання ЕС в аграрному менеджменті має багатоцільовий аспект. Так, в оперативному управлінні виробництвом вони дозволяють виявляти причини порушення ходу запланованих робіт, використання техніки й кадрів; у постачанні і збуті поліпшують організацію перевезень і складування, вирішення претензійних спорів; в агрономії та обслуговуванні виробництва забезпечують обґрунтування складу і кількості внесення добрив, оптимального виконання робіт, попередження захворювання рослин і т.ін.; в зоотехнії забезпечують ефективну організацію племінної справи, обороту стада, кормових раціонів тощо.

ЕС дозволяють суттєво підвищити достовірність прогнозування одержання врожаю зернових культур, бо забезпечують можливість врахування зміни родючості грунтів, поширеності бур’янів і шкідників, використання пестицидів, гербіцидів і інсектицидів, іригацію і інші фактори. Прикладом такої системи в США може бути ЕС СОМАХ.

Велике значення впливу прогнозованої діяльності людини на екологію надається і в згадуваній вітчизняній системі «Victoria», в якій на підставі знань та оцінок експертів про наслідки енергозберігаючої, податкової і цінової політики, напрямків структурної перебудови, ресурсних та інших співвідношень виконуються комп’ютерні балансові та інші прогнозні розрахунки для регіонів чи країни в цілому з паралельними екологічними розрахунками.