Системы искусственного интеллекта и их роль в решении экономических задач

Системы искусственного интеллекта и их роль в решении экономических задач

1.  Новая технология  решения задач управления.

В процессе развития искусственного интеллекта  (ИИ)  были заложены основы новой технологии  обработки  информации.  При  этом  новая  технология нашла  воплощение в самых  разнообразных  приложениях,  например в понимание естественного языка, распознавании  образов,  в  экспертных  системах,  при  разработке  интеллектуальных информационных систем.

В  последние  годы  технология  решения  информационных  задач  значительно изменилась.  Интенсивно  развивается  и  внедряется  новая  информационная  технология решения задач управления эффективностью бизнеса.

Для  дальнейшего  анализа  новой  технологии  рассмотрим  традиционную  технологию решения  задач: постановка  задачи  конечным  пользователем; формализация  и  разработка программы  задачи  (системным    аналитиком  и  программистом  без  участия  пользователя); необходимые  корректировки, вносимые в постановку; оценка новых результатов.

Далее  по  новому  кругу.  Корректировку  в  программу  вносят  системный  аналитик  и программист.  Корректировка  порой  является  более  сложным  процессом,  чем  разработка новой программы. Часто изменение программы связано с изменением производственной, экономической  ситуации,  изменением  взглядов  группы  пользователей  на  процесс эксплуатации  задачи,  неправильного  понимания  создателями    прикладного  программного обеспечения  (ПО)   соответствующих требований конечного  пользователя.

Сложная  программная  система  обычно  содержит  ошибки,  не  выявленные  на  стадиях отладки и тестирования. Ошибки могут быть внесены на любой стадии создания системы. Исправление ошибок -    необходимое  сопровождение  программной  системы.  Это необходимо также в связи с  изменениями условий, в которых задача решается, что вызывается естественным развитием предметной области. Эти изменения требуется внести в программу.  Как  следствие, возникает необходимость     постоянного расширения функциональных возможностей системы.

При традиционной технологии решения задач сопровождение прикладного программного обеспечения выполняется на протяжении всего ее жизненного цикла. Процесс сопровождения в традиционной  технологии  требует  по  крайней  мере  такого  же  количества  ресурсов,  как  и разработка программы (удваивается число специалистов по  ПО, обслуживающих потребности пользователей).  Это  обусловило  необходимость  изменения  технологии  использования компьютеров.

Ситуацию  можно  преодолеть  только  путем  привлечения  пользователей  к  процессам решения  задач,  сопровождения  программной  системы,  и,  возможно,  даже  разработки прикладного ПО. Однако  это  требует  коренного  изменения  принципов  организации  прикладного  ПО  и методов  его  использования  при  решении  задач,  сложившихся  в  рамках  традиционных технологий.   Прежде всего, необходимо строить программные системы таким образом, чтобы радикально упростить процессы их эксплуатации и сопровождения.

Для  того,  чтобы  глубже  понять  характер  затруднений  пользователя  при  его взаимодействии с компьютером при решении задач, необходимо подчеркнуть, что программная система  в  традиционной  технологии  решения  обычно  основывается  на  формальной  модели решения  задачи.  Это  может  быть  модель  исследования  операций,  численный  метод решения  прикладного математического анализа, некоторая модель данных и т.п. При этом, как правило, множество понятий и  терминов, в которых  формулируется и описывается задача для применения  программы,  минимально  и  связано  с  математической  моделью,  а  не  с конкретной областью ее применения.

Как следствие -   стремление к универсализации программных систем, т.е.  к возможности использования такой системы в различных предметных  областях. В то же время, каждая предметная  область  характеризуется  системой  содержательных  понятий,  которыми оперирует пользователь при решении задач.

Таким  образом,  в  традиционной  технологии  обработки  данных  системы  понятий предметной области и формальной модели, положенной в основу  программы, как правило, не совпадают.  Это  различие  и  является  основной  причиной  затруднений,  возникающих  при взаимодействии пользователя с компьютером в процессе решения задачи.

Для  применения  программы  пользователь  должен  перевести  постановку  задачи, выраженную в системе понятий предметной области, в постановку,  выраженную  в  системе понятий  формальной  модели.  Перевод  из  одной  системы  понятий  в  другую  называется интерпретацией.  При  получении  результатов  решения  задачи  пользователь  также  должен выполнить  интерпретацию,  обратную  первой.  Процесс  интерпретации  связан  с  рядом существенных  объективных  и  субъективных  трудностей,  которые  увеличиваются  с  ростом объема, сложности и универсальности программной среды.

Новая  информационная  технология  ставит  своей  целью  обеспечение  простоты процесса  взаимодействия  пользователя  с  компьютером  с  исключением  необходимости регулярного сопровождения.

Основная идея новой технологии, призванная обеспечить проблемы интерпретации, состоит в том, чтобы рассматривать систему понятий предметной области и соответствие между  ней  и  системой  понятий  формальной  модели  как  исходную  информацию  для решения прикладных задач.

В  идеале  подобный  подход  должен  обеспечить  пользователю  возможность самостоятельного  изменения  системы  понятий  предметной  области,  определения  новых понятий  через  «известные»  системе.  Пользователь  получает  возможность  формулирования своего видения предметной области, выделения в ней объектов и взаимосвязей,  существенных для решения задачи и удобных для рассуждения в процессе решения.

Разработчики  систем  искусственного  интеллекта  и  экспертных  систем,  как  важной составляющей  новой  информационной  технологии  решения  задач,  ставят  своей  задачей изменения  традиционных  подходов  к  системе  взаимодействия  человека  и  компьютера  при решении  задач  принятия  решений  в  реальном  времени,  обеспечения  удобства  и  комфорта пользователя, повышения эффективности взаимодействия таких систем.

Новая информационная технология основывается прежде всего на интеллектуальных технологиях и теории искусственного интеллекта. Искусственный  интеллект  –  это  термин,  который  охватывает  много  определений. Многие  специалисты  согласны,  что  ИИ  соотносится  с  двумя  базовыми  идеями.  Во  – первых,  ИИ  вовлечен  в  процессы  изучения  мыслительных  процессов  человека  (для понимания,  что  представляет  собой  интеллект);  во-вторых,  ИИ  имеет  дело  с представлением этих процессов через машины (такие как компьютеры и роботы).

Одним из многих определений ИИ является следующее: искусственный интеллект  – это такое поведение машины, что если оно совершалось бы человеком, то могло бы быть названо умным, т.е. интеллектуальным.

Если  исследовать  значение  термина  интеллектуальное  поведение,  то  можно определить различные способности, которые рассматриваются как признаки интеллекта:

-  обучение или понимание из опыта;

-  выявление смысла из двусмысленности или противоположных сообщений;

-  быстрый  и  адекватный  отклик  на  новую  ситуацию  (разнообразные  реакции,

гибкость);

-  использование  рассуждений  при  решении  проблем  и  эффективном  направлении

поведения;

-  использование относительной важности различных элементов в ситуации;

-  мышление и рассуждение.

Как  искусственный  интеллект  и  интеллектуальные  технологии  отличаются  от традиционных вычислений?

Традиционные  компьютерные  программы  основываются  на  алгоритме,  который ясно  определяет  последовательную  процедуру  для  решения  проблемы.  Это  может  быть математическая  формула  или  последовательная  процедура,  которая  ведет  к  решению.

Алгоритм  преобразуется  в  компьютерную  программу,  которая  только  указывает компьютеру  какие  операции  выполнять.  Кроме  того,  для  решения  проблемы  алгоритм использует данные, такие как числа, буквы или слова.

Интеллектуальная  технология  и  программное  обеспечение  ИИ  основывается  на символическом представлении и манипуляции. В ИИ символ – это буква, слово или число, которые  используются  для  представления  объектов  процессов  и  их  отношений. Объектами могут быть люди, идеи, понятия, события или утверждения о фактах.

         При использовании символов возможно создать базу знаний (БЗ), которая содержит факты,  понятия  и  отношения  между  ними.  Используются  различные  процессы  при манипулировании  символами  для  генерации  советов  или  рекомендаций  при  решении задач.

Каким  образом  программное  обеспечение  ИИ  осуществляет  рассуждения  и  делает заключения  на  основе  этой  БЗ?  Базовой  техникой  являются  поиск  и  сопоставление образцов.  Получив  первоначальную  информацию,  программа  ИИ  просматривает  БЗ, осуществляя  поиск  специфичных  условий  или  образцов.  Она  ищет  подобия  и соответствия, которые удовлетворили бы установленному критерию решения задачи.

Несмотря  на  то  что  решение  задач  при  помощи ИИ  не  реализуется  напрямую алгоритмически, алгоритмы используются для осуществления процесса поиска.

Таким  образом,  ИИ  –  это  в  основном  уникальный  подход  к  программированию компьютеров,  и  только  он  должен  рассматриваться.  Можно  использовать  различные технологии,  но  система  ИИ  –  это  компьютерная  информационная  система,  хотя  и имеющая некоторые отличительные характеристики (табл. 1).

Методы  искусственного  интеллекта  очень  ценны  и  значимы.  Они  помогают показать,  как  мы  думаем  и  как  лучше  использовать  наш  интеллект.  Интеллектуальные технологии  и  методы  ИИ  могут  сделать  компьютеры  легче  в  использовании  и  сделать доступными большие объемы знаний. Возможно, это даже не имеет значения, что мы не можем  полностью  дублировать  человеческий  мозг.  Даже  когда  мы  имитируем  его функциональные части, результаты могут быть очень полезными.

2.  Искусственный  интеллект в проблеме принятия решений

Человек  в  своей  практической  деятельности  постоянно  вынужден  принимать решения,  причем  эти  решения  и  соответствующие  им  действия  должны  быть правильными, т.е. приводить к  желаемому результату. В основе решений, принимаемых человеком,  всегда  лежат  его  опыт  и  знание.  С  возникновением  математики  появилась возможность количественного обоснования решений. Компьютер значительно убыстрил этот  процесс,  и  в  поддержке  принятия  решения  большую  роль  начали  играть  матема-тические  модели,  что  позволило  принимать  не  просто  правиль ные,  а  оптимальные решения, в частности, достигать желаемой цели с наименьшими затратами.

Знакомство с курсом математического моделирования в экономике может создать неверное впечатление, что математические методы  (математическое программирование и др.)  способны  решать  любые  проблемы  в  принятии  эко номических  решений.  На  самом деле в такой сфере деятельности,  как экономика, где велика роль человека, это далеко не так.  Поведение  человека  не  поддается  полностью  количественному  описанию,  человек продолжает принимать решения в первую очередь на основе опыта, знаний. Более того, несмотря  на  существенное  развитие  экономико-математических  методов,  решения принимаемые  человеком,  зачастую  оказываются  более  правильными,  чем  рекомендации ЭВМ.

Это объясняется, в частности, тем, что количественные математические модели не в  состоянии  учесть  многих  качественных  характеристик  объекта  моделирования, накопленного  веками  качественного  опыта  действий  в  той  или иной  ситуации.  Поэтому решение  остается  прерогативой  человека  (и  не  только в  экономике),  а  создаваемые формализованные  методы  и  системы  способны  лишь  обеспечить  помощь,  поддержку  в принятии этих решений.

Осознание этого факта привело к имитации на математическом языке способности человека  анализировать  с  точки  зрения  ситуации  качества,  что  позволило  добавить  к количественным  математическим  методам  и  моделям  их  качественные  аналоги  и  тем самым  расширило  возможности  систем  поддержки  принятия  решений,  не  выходя  за  их рамки.

Во  второй  половине  XX  в.  были  предприняты  небезуспешные  попытки  создания систем искусственного интеллекта. Такие системы должны не только уметь обрабатывать комбинации  количественной  и  качественной  информации,  но  и  каким - либо  образом формализовать  знания  человека  об  окружающем  мире  либо  свойственные  человеку приемы мышления, посредством которых он  изучает окружающий мир и подчиняет его своим интересам.

Интеллектуализация  систем  поддержки  принятия  решений  началась  с математической логики и ее приложений, которые  позволили анализировать достаточно сложные  ситуации  при  помощи  простейших  характеристик  —  «да»  и  «нет».  Позднее появились нечеткие множества и нечеткая логика, позволившие существенно расширить семантику  (смысл)  качественных  характеристик.  Были  созданы  различные  системы моделирования  знаний,  на  их  основе  разработаны  базы  знаний  и  механизмы  принятия решений,  например,  в  виде  правил  «если  ситуация  такая  —  то  действия  должны  быть такими».  Это,  в  конечном  счете,  привело  к  созданию  экспертных  систем,  имитирующих действия и решения  наиболее квалифицированных специалистов  —  экспертов. В основе экспертных  систем  лежат  знания,  получаемые  от  экспертов,  отсюда  их  синоним  — когнитивные системы (лат. cognitio — познавание) или системы, основанные на знаниях.

Существует  другой  подход  к  созданию  систем  искусственного  интеллекта, называемый  структурным,  к которому относятся  нейронные сети.  Такие сети имитируют деятельность  человеческого  мозга,  образуя  совокупность  заимствованных  из нейрофизиологии моделей параллельных вычислительных  структур.

Третье направление реализуется в рамках  эволюционного  моделирования,  к которому можно  отнести  генетические  алгоритмы.  В  основу  эволюционных  методов  легло заложенное самой природой свойство живых организмов осуществлять правильный выбор, в частности, на основе эволюционного отбора. Генетические алгоритмы являются мощным универсальным  средством  решения  задач  глобальной  оптимизации,  с  помощью  которого выбираются решения, если не оптимальные, то достаточно близкие к ним.