Понятие, развитие и область применения искусственного интелекта

       Текущее состояние нейрона определяется, как взвешенная сумма его входов.

       В зависимости от функций, выполняемых  нейронами в сети, можно выделить 3 типа:

• входные нейроны, на которые подается вектор, кодирующий входное воздействие или образ внешней среды; в них обычно не осуществляется вычислительных процедур, а информация передается с входа на выход путем изменения их активации;
• выходные нейроны, выходные значения которых представляют выходы нейросети;
• промежуточные нейроны, составляющие основу нейронных сетей.

       В большинстве  нейронных моделей тип нейрона связан с его расположением в сети. Если нейрон имеет только выходные связи, то это входной нейрон, если наоборот – выходной нейрон. В процессе функционирования сети осуществляется преобразование входного вектора в выходной, переработка информации.

       Каждый  нейрон распознаёт и посылает сигнал об одном простом событии, он не посылает много сигналов и не распознаёт много  событий. Синапс позволяет единственному  сигналу иметь различные воздействия  на связанные с ним нейроны. Распознавание более сложных событий есть работа группы взаимосвязанных нейронов (НС) и несколько биологических нейронных сетей функционируют взаимосвязанно для обработки всё более сложной информации.

       Нейронная сеть состоит из слоев нейронов, которые соединены друг с другом. Детали того, как нейроны соединены между собой, заставляют задуматься над вопросом проектирования НС. Некоторые нейроны будут использоваться для связи с внешним миром, другие нейроны - только с нейронами. Они называются скрытыми нейронами.

       Перечислим основные классы задач, возникающих в финансовой области, которые эффективно решаются с помощью нейронных сетей:

• прогнозирование временных рядов на основе нейросетевых методов обработки (прогнозирование кросс-курса валют, прогнозирование котировок и спроса акций, прогнозирование остатков средств на корреспондентских счетах банка);
• страховая деятельность банков;
• прогнозирование банкротств на основе нейросетевой системы распознавания;
• определение курсов облигаций и акций предприятий с целью инвестирования;
• применение нейронных сетей к задачам биржевой деятельности;
• прогнозирование экономической эффективности финансирования инновационных проектов;
• предсказание результатов займов;
• оценка платежеспособности клиентов;
• оценка недвижимости;
• рейтингование;
• общие приложения нейронных сетей и пр.

7.6. Информационная технология  экспертных систем

       Экспертные  системы дают возможность получать менеджеру необходимую информацию для принятия решений по любым  проблемам при наличии соответствующей  базы знаний. Они имеют непосредственное отношение к области «искусственного интеллекта». Но сюда относится также и создание роботов, систем, моделирующих интеллектуальные способности человека.

       Экспертные  системы (ЭС) возникли как теоретический  и практический результат в применении и развитии методов искусственного интеллекта с использованием ЭВМ.

       ЭС  – это набор программ, выполняющий  функции эксперта при решении  задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

       Главным достоинством экспертных систем является возможность накопления знаний и  сохранение их длительное время. В отличие  от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. при решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

       Основными отличиями ЭС от других программных  продуктов являются использование не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи. Поэтому применение алгоритма обработки знаний может привести к получению такого результата при решении конкретной задачи, который не был предусмотрен. Более того, алгоритм обработки знаний заранее неизвестен и строится по ходу решения задачи на основании эвристических правил. Решение задачи в ЭС сопровождается понятными пользователю объяснениями, качество получаемых решений обычно не хуже, а иногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила, по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов.

       Качество  ЭС определяется размером и качеством  базы знаний (правил или эвристик). Система  функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоения новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов. Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

       В любой момент времени в системе  существуют три типа знаний:

1) Структурированные  знания – статистические знания  о предметной области. После  того как эти знания выявлены, они уже не изменяются.

2) Структурированные  динамические знания – изменяемые  знания о предметной области.  Они обновляются по мере выявления  новой информации.

3) рабочие  знания – знания, применяемые  для решения конкретной задачи  или проведения консультации.

       Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

       Системы, основанные на знаниях, строятся по модульному принципу, что позволяет постепенно наращивать их базы знаний.

       Компьютерные  системы, которые могут лишь повторить  логический вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматриваемых задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

       Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: прогнозирование, планирование, контроль и управление, обучение, диагностика неисправностей в механических и электрических устройствах, медицинская диагностика.

       Большинство ЭС включают знания, по содержанию которых  их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования.

       Существует  ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами. При определении целесообразности применения таких систем нужно руководствоваться следующими критериями.

1. Данные и знания надежны и не меняются со временем.
2. Пространство возможных решений относительно невелико.
3. В процессе решения задачи должны использоваться формальные рассуждения. Существуют системы, основанные на знаниях, пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.
4. Должен быть по крайней мере один эксперт, который способен явно сформулировать свои знания и объяснить методы применения этих знаний для решения задач.

       Системы, основанные на знаниях, имеют определенные преимущества перед человеком-экспертом:

1. У них нет предубеждений.
2. Они не делают поспешных выводов.
3. Эти системы работают систематизированно, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных.
4. База знаний может быть очень и очень большой. Будучи введены в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.
5. Системы, основанные на знаниях, устойчивы к «помехам». Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены «шумам».
6. Эти системы не заменяют специалиста, а являются инструментом в его руках.