|
Переход к
библиотеке
Экспертные системы
Введение
Экспертные системы - решающие проблему программы, которые подражают манере экспертов человеческого размышления. Эти системы были сначала развиты в конце 1970-ых как средство соединения компьютеров в пределах организаторской структуры принятия решения. В отличие от обычных программ, экспертные системы подходят к проблемам, используя качественный анализ в дополнение к стандартному количественному ориентируемому на данные анализу. Они с тех пор развились в надежные инструменты для наблюдателей и менеджеров и могут теперь быть применены к разнообразию сложных проблем. В финансовой области, экспертные системы были развиты для специализированных областей, типа ревизии, планирования налога, финансового анализа и профессионального образования. В то время, как только горстка этих систем может быть куплена, много пакетов программ доступны для пользователей, которые могут желать развить организаторское программное обеспечение принятия решения, которое специально приспособлено к их потребностям.
Экспертные системы были развиты большими фирмами и производились для разнообразных приложений. В то время, как только несколько систем могут быть куплены, пакеты доступны для запуска в работу тем, кто заинтересован в их развитии.
Авторы говорят то, что доступно.
Экспертные системы - компьютерные программы, которые используют захваченное человеческое знание, чтобы решить проблемы, которые обычно требуют человеческих экспертов. Они могут использоваться неспециалистами так же как экспертами, чтобы улучшить способность решения проблемы и обеспечить помощь в областях, типа ревизии, налога, финансового планирования, так же как профессионального образования.
Экспертные системы были развиты исследователями искусственного интеллекта в течение конца 1970-ых. В то время как экспертные системы не представляют истинный машинный разум, они подражают рассуждению человека.
Экспертные системы - революционный подход к объединению компьютеров в процесс принятия решения управления. Ранние приложения первоначально называли "экспертными системами", потому что они были предназначены для подхода к решению проблемы и ее анализу в подобной манере, и с подобными результатами, как человеческий эксперт.
В результате экспертных систем, компьютеры могут исследовать проблемы, используя устный и/или качественный анализ так же как более традиционное количественное рассуждение только для данных. По сравнению с предшествующими компьютерными представлениями, экспертные системы могут обработать более сложные ситуации, обеспечивать более полные решения, и производить результаты, сопоставимые человеческим выводам.
Результативность и гибкость экспертных систем происходят прежде всего из-за изобретательного подхода, взятого ранними исследователями в структурировании программ, чтобы вести сложную задачу имитации человеческому рассуждению. Вместо того, чтобы создавать традиционный линейный тип программы, которая следует шаг за шагом набору инструкций в предписанном порядке, исследователи развивали манеру частично подражать человеческому процессу рассуждения.
Ключ к успеху экспертных систем - уникальное разделение компонентов системы в отдельные модули с центральным двигателем, чтобы управлять ими. Эта структура продолжает использоваться сегодня в большинстве приложений технологии.
Недавно, много изданных пакетов программ экспертной системы включили способность соединять с источниками кроме непосредственного пользователя приложения. Эти другие источники могут включать установленные базы данных или крупноформатные таблицы, отдаленные измерительные приборы.
Эти особенности доступа изменяются среди пакетов программ. В будущем пользователь должен будет делать все возможное, чтобы определить совместимость доступных систем с их текущим программным обеспечением и потребностями.
Экспертные системы применимы к считающим (бух. Учет ) областям, где эксперт существует, формулировка фактов и решения правил ясны, и границы применения системы известны. Они не могут использоваться, когда данные неполны или неоднозначны. Экспертные системы не известны гибкостью или адаптируемостью, и лучше всего применимы для статических а не динамических приложений.
Использование Экспертных систем
Пользователи экспертных систем требуют небольшого или никакого количества компьютерного опыта. Пользователь начинает с того, что спрашивает экспертную систему о специфической теме бухгалтерского учета. Система отвечает ее собственными вопросами и продолжает повторно задавать пользовательские вопросы, пока правильный ответ не получен. Система далее обеспечивает рассуждение позади ответа.
Например, ExperTax, экспертная система, которая поддерживает налоговое наращивание и она спрашивает пользователя относительно различных налоговых областей.
Область выбрана, типа метода списания со счета безнадежного долга, и экспертная система спрашивает ряд вопросов, пока заключительный налоговый ответ наращивания не достигнут. С каждым ответом, ExperTax обеспечивает объяснения, типа секции IRC, Казначейского регулирования, случая суда, или управления дохода.
Современные Приложения
Экспертные системы в настоящее время используются в составлении контрольного планирования, анализа внутреннего контроля, анализа признака счета, качества, обзора, бухгалтерский учет решений, налогового планирования, консалтинга по менеджменту, и обучения.
Современные приложения бухгалтерского учета включают Loanprobe Торфом KPMG Marwick, который может использоваться в ревизиях банка, чтобы проверить запасы, потери, ссуды, ASQ Эрнстом и Молодой, который автоматизирует контрольный процесс для производственных фирм, и FSA Артуром Андерсеном, который помогает в качественном обзоре и развитии отношения для запросов.
Построение Экспертной системы
Актуальнейшие приложения бухгалтерского учета экспертных систем были сделаны на заказ информационными профессионалами системы. Эти системы были построены, на пустом месте используя языки программирования, типа Паскаля, КОБОЛА, языка обработки списков Лисп, и FoxBASE. Развитие этого типа было сохранено для больших фирм CPA и фирм с достаточным капиталом и экспертизой, чтобы взять такую задачу. Эти те же самые фирмы CPA и фирмы отказались сделать их разработки экспертной системы доступными другим. Это происходит частично из-за новизны технологии, но происходит также из-за юридических проблем ответственности. Неправильная информация, полученная из экспертной системы могла бы привести к судебному иску против разработчика. Например, отказ экспертной системы в контрольном планировании мог возможно быть обвинен в контрольном отказе, потенциально выставляя разработчика существенной юридической ответственности. Кроме того, разработчики имели тенденцию близко охранять приложения экспертной системы, которые они открывали, чтобы поддержать конкурентоспособное преимущество.
Пакеты содержат четыре основных компонента экспертной системы: основа знания, двигатель вывода, пользовательский интерфейс, и средство объяснения.
База Знания.
База знания - собрание фактов и правил, подходящих для прикладной области. Она содержит всю информацию, необходимую решить проблему в определенной прикладной области. Эти факты и правила объясняют процедуры, идентифицируют отношения, определяют классификации, и обеспечивают решения для проблемы. Используя пакет, строитель действует как инженер знания, который или использует его или её в личных исследованиях или захватывает это знание от других экспертов.
Механизм Вывода.
Механизм вывода позволяет использовать захваченное знание базы знания. Этот компонент состоит из закодированных компьютерных программ, которые выполняют рассуждающую функцию экспертной системы. Эти программы приводят в соответствие пользовательские вопросы и ответам на факты и правила, захваченные в основе знания. Процесс продолжается через ряд вопросов, пока заключительный результат не достигнут. Механизм вывода получил название из способности перемещать выводы из поставляемых пользователем фактов, которые подобраны к соответствующему захваченному знанию. Используя пакет, механизм вывода включен в пакет для разработчика.
Пользовательский Интерфейс.
Пользовательский интерфейс обеспечивает коммуникацию между пользователем и интерфейсом вывода, также представляя резервную копию от средства объяснения. Этот компонент управляет пользовательским взаимодействием, принимает команды от компьютерной клавиатуры, и показывает результаты интерфейса вывода. Это задает вопросы пользователю в нормальной форме предложения и поставляет ответы и резервную копию в соединении со средством объяснения. Интерфейс обеспечивается для разработчика в пакете. Больше всего являются весьма дружественными к пользователю.
Средство Объяснения.
Средство объяснения объясняет рассуждение системы и оправдывает его заключения. Этот компонент объясняет, почему и как выводы были сделаны. Это делает пользователей более удобными с системными операциями и уверенными относительно результатов. Используя пакет, разработчик ответственен за резервную информацию. Эта информация введена как факты, и правила захвачены в основе знания.
Рассуждение Экспертной системы
Экспертные системы могут рассудить в только одном из двух предопределенных путей, или ища состязание с известным решением (прямое формирование цепочки) или устраняя альтернативы (обратное построение цепочки). Хотя некоторые системы позволяют пользователям переключать используемый подход, немногие делают это хорошо. Эта обработка сделана механизмом логич. вывода. Механизм вывода просто следует за набором инструкций, содержавшихся в программе, которые говорят, что это, как соответствовать вводимым данным от интерфейсов с правилами, содержащимися в базе знания.
Прямое Формирование цепочки.
Этот метод - легче из двух для понимания, поскольку это подражает стандартному процессу рассуждения. О передовом формировании цепочки можно думать как перемещение вниз дерево решения, используя предварительные данные от интерфейса (ов) и используя следующую последовательность шагов:
1. Каждое правило проверено, чтобы видеть, соответствует ли это данным от интерфейсов. ("Если" в, "если тогда" поток состязания вводит?)
2. Для каждого правила, которые равноправны, заключение из того правила ("тогда" часть) становится новыми данными.
3. Новые данные тогда проверяются в отношении к другим правилам, чтобы видеть, может ли это быть подобрано.
4. Эта последовательность продолжается, пока решение не найдено.
Обратное построение цепочки.
Общепринятый быть более эффективным методом рассуждения, о обратном построении цепочки можно думать как обрабатывание дерева решения. Метод состоит из следующих шагов:
1. Компьютер начинается с результата и находит заключение ("тогда" в, "если тогда" правило), который соответствует этому.
2. Потом компьютер смотрит на условие ("если") для заключения и проверки, чтобы видеть, верно ли это (основанный на данных).
3. Если истинно, компьютер рассматривает условие как заключение и пытается найти правило соответствовать этому (как в шаге 1).
4. Если ложно, компьютер пытается найти другое правило соответствовать данным.
5. Процесс продолжается, пока компьютер не достигает результата или неспособен найти состязание с любым правилом (неизвестное решение).
|