Ця проста коротка стаття опублікована на навчальному сайті "Система+" студентами навчально-наукового підрозділу ЖВІ і дозволяє швидко зрозуміти, що таке експертна система продукційного типу і як вона може об`єднуватися з Business Intelligence і Knowledge Management System з об`єктами управління.
Eкспертна система – це поняття зі сфери штучного інтелекту (Artificial Intelligence), яке позначає комп’ютерну систему, яка емулює здатність приймати рішення людиною-експертом.
Така система має знання та спрощені аналітичні здібності одного або кількох експертів щодо деякої галузі застосування.
Експертні системи продукційного типу з логічним виведенням за зразками призначені для вирішення не дуже складних аналітичних задач шляхом імітації міркувань експертів, використовуючи правила "якщо-то" (if–then rules). Тобто, експертні системи здатні здійснювати логічні умовиводи у спрощеній формі. Це забезпечує вирішення специфічних завдань експертів (спеціалістів в конкретній проблемній області) без їх присутності.
Експертна система розділена на дві підсистеми: підсистему логічного виведення і підсистему бази знань.
В свою чергу, база знань містить базу фактів і базу правил.
Механізм логічного виведення застосовує правила якщо-то ( if–then rules) до відомих фактів і виводить нові факти, що можуть також включати в себе пояснення і можливості налагодження.
Експертні системи створюються за допомогою двох груп людей:
1) інженер зі знань, який розробляє ядро експертної системи і, знаючи організацію бази знань, заповнює її
2) експертів (експерта) за фахом.
Сфера застосування експертних систем включає в себе: інтерпретацію вхідних даних, діагностику, проектування, прогнозування, планування, навчання, управління та інше.
Етапи розробки експертних систем:
1) етап ідентифікації проблем (identification problems) – визначаються завдання, які підлягають вирішенню, виявляються цілі розробки, визначаються експерти і типи користувачів;
2) етап вилучення знань (extraction of knowledge) – проводиться аналіз проблемної області, виявляються поняття і їх взаємозв’язки, визначаються методи розв’язання задач;
3) етап структуризації знань (structuring of knowledge) – обираються інформаційні системи і визначаються способи подання всіх видів знань;
4) етап формалізації (formalization) – здійснюється наповнення експертом бази знань;
5) реалізація експертних систем (realization expert system) – відбувається створення одного або декількох прототипів ЕС котрі вирішують поставлені задачі;
6) етап тестування (testing) – проводиться оцінка обраного способу представлення знань.
На американському і західноєвропейських ринках систем штучного інтелекту організаціям, які бажають створити експертну систему, пропонують сотні інструментальних засобів для їх побудови. Нараховуються тисячі розроблених вузькоспеціалізованих експертних систем. Це свідчить про те, що експертні системи складають дуже вагому частину програмних засобів.
У теперішній час експертні системи у класичному тлумаченні доцільно використовувати лише для навчання принципам їх роботи, а на практиці їх доцільно об’єднувати з Business Intelligence. Прикладом такої системи експертна система, узгоджена з Business Intelligence 2.0. Її узагальнена архітектура зображена нижче, а більш детально вона описана у відповідній статті.
 |
| Узагальнена архітектура експертної системи на продукційних правилах, яка інтегрована з Business Intelligence і Knowledge Management System, з об`єктами управління |
Першоджерела:
- Автори навчальної публікації - студенти 312 навчальної групи Житомирського військового інституту Москаленко В.В., Лелет І.В.: http://dss-bi.com.ua/System/експертна-система або http://dss-bi.com.ua/System/експертна-система/?print=pdf
- ЕКСПЕРТНА СИСТЕМА, УЗГОДЖЕНА З BUSINESS INTELLIGENCE 2.0. Валюх, А.І.; Круковський, І.А.; Сімаков, В.Л.; Valyukh, A.I.; Krukovskiy, I.A.; Simakov, V.L.
- Круковський І.А. Архітектура експертної системи з розширеним виведенням на трикомпонентній гібридній моделі подання знань / І.А. Круковський // зб. наук. праць ВІТІ НТУ України «КПІ». – 2009. – Вип. 3. – С. 20–24.
- Expert system from Wikipedia, the free encyclopedia
- Круковський І.А. Удосконалені вимоги до реалізації OLAP у DSS для часткових проблемних областей інформаційно-аналітичної роботи : військ.-техн. зб. / І.А. Круковський // Академія сухопутних військ. – 2010. – Вип. 3. – С. 26–32.
- Скорочений список авторських друкованих публікацій за тематикою Business Intelligence + KMS (DSS, Expert System, OLAP+, Data Warehouse, Data Mart, Dashboards, Sorecard, Visual Mining, GIS, SCADA, Web-site/hosting, Web Analytics/CRM, SiteLabs, Opinion Mining, Sentiment Analysis, методики розробки інтегруючої системи систем і окремих перерахованих підсистем, ін.)
- Скорочений список цитованих першоджерел, на які є посилання у друкованих авторських роботах за тематикою Business Intelligence + KMS.
Примітка адміністратора BI & DSS
У зв`язку зі складністю розробки і підтримки в актуальному стані баз знань і правил логічного виведення великих експертних систем, вони, в основному, виродилися у прості програмні засоби користувачів, які дозволяють створювати правила "якщо...то...інакше...". Ці засоби влаштовані до всіх сучасних СУБД, електронних таблиць. Продукційні правила широко використовуються в системах веб-безпеки, антивірусах, тощо. У останні роки почали активно розвивати й використовувати чат-боти у різних веб сферах застосування Social CRM.
До всіх сфер застосування продукційних правил (if–then rules) цілком відноситься заключна частина статті. Для прикладу, всі чат-боти повинні бути інтегровані із засобами Business Intelligence+KMS. Якщо це не зрозуміло - у Вас проблеми, навіть якщо Ви їх не помічаєте, звертайтесь за консалтинговими послугами (system.k7@gmail.com).
Приклад:
Система продукційних правил на сайтах в Системі+ сповіщає про явні спроби підбору паролів з деякими параметрами порушників.
Коментарі