Интеллектуальные технологии в экономике (на примере разработки экспертной системы финансового состояния предприятия)
Министерство
образования и науки Российской Федерации
НОВОСИБИРСКИЙ
ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ЭКОНОМИКИ
И УПРАВЛЕНИЯ «НИНХ»
Информационно-технический
факультет
Кафедра
прикладных информационных технологий
КУРСОВАЯ
РАБОТА
по
дисциплине Представление знаний в ИС
Интеллектуальные
технологии в экономике
(на
примере разработки экспертной системы финансового состояния предприятия)
экспертный система финансовый
Студента:Стафоркин
Алексей Владиславович
Новосибирск
2015
Введение
Интеллектуальные информационные технологии (ИИТ)
- это информационные технологии, помогающие человеку ускорить анализ
политической, экономической, социальной и технической ситуации, а также -
синтез управленческих решений. При этом используемые методы не обязательно должны
быть логически непротиворечивы или копировать процессы человеческого мышления.
В настоящее время интеллектуальные технологии
обширно используются в экономической сфере деятельности. А именно, это
использование экспертных систем, о чем я и хочу рассказать в данной
исследовательской работе.
Экспертная система - это возможность накапливать
знания, сохранять их длительное время, обновлять и тем самым обеспечивать
относительную независимость конкретной организации от наличия в ней
квалифицированных специалистов. Накопление знаний позволяет повышать
квалификацию специалистов, работающих на предприятии, используя наилучшие,
проверенные решения.
Экспертные системы используются для решения
разнообразных типов задач в самых проблемных областях, таких, как финансы, нефтяная
и газовая промышленность, энергетика, космос, образование и многое другое.
Цель работы: рассмотреть применение экспертных
систем в экономике и разобрать экспертную систему финансового предприятия на
VisualProlog.
Для достижения поставленной цели были поставлены
следующие задачи:
Подробнее узнать историю развития экспертных
систем.
Рассмотреть разновидности экспертных систем.
Используя навыки, полученные на курсе«Представление
знаний в ИС», написать программу на языке VisualProlog для выполнения
поставленной задачи.
. Интеллектуальные
технологии в экономике
1.1 История
развития экспертных систем
Что собой представляет экспертная
система? Это интеллектуальная компьютерная программа, которая может давать
советы, консультировать, проводить анализ и ставить диагноз на уровне
специалиста в некоторой узкой предметной области. Экспертные системы в отличие
от других программных продуктов, используют при работе не только данные, но еще
знания и специальные механизмы вывода решений и новых знаний на основе
имеющихся. Поиск решения может осуществляться логическими, эвристическими,
математическими и гибридными методами [5].
Своеобразной точкой отсчета для
работ по созданию экспертных систем можно считать 1965 г. В том году ученые из
Станфордского научно-исследовательского института Эдвард
Фейгенбауми
Брюс
Бучанан
вместе
с нобелевским лауреатом Джошуа Ледербергом приступили к созданию компьютерной
системы, предназначенной для определения молекулярной структуры химических
соединений.При построении этой системы - она получила название Dendral- они
в первую очередь создали программу, основанную на простой, но вместе с тем
достаточно мощной системе Аристотелевой логики. С ее помощью формулировалась
серия вопросов типа «если - то», которые описывали правила атомных связей. Создатели
системы Dendral, используя знания, накопленные в процессе ее совершенствования,
вскоре разработали новую систему - Meta-Dendral. Последняя стала вспомогательным
инструментом при построении других экспертных систем. Среди многочисленных
«потомков» программы Dendral следует упомянуть:MYCIN- для диагностики серьезных
бактериальных инфекций и помощи в выборе антибиотиков, PUFF - для диагностики
легочных заболеваний, ONCOCIN - для назначения лечения при раковых
заболеваниях, а также системы MOLGEN и GENESIS, оказывающих помощь специалистам
в области молекулярной биологии при планировании экспериментов по изучению ДНК
и клонированию[2].
Возникшее в середине 60-х годов прошлого
века новое направление в искусственном интеллекте с тех пор только ускоряет
темпы своего развития. Сегодня любая экспертная система окупается моментально,
принося огромную пользу в тех областях, где наблюдается недостаток специалистов
или существует реальная опасность для их жизни (атомные электростанции).
Каждая экспертная система имеет
интеллектуальный естественно-языковой или речевой интерфейс. А круг ее общения
- обычные люди, владеющие компьютерной грамотой. Кроме того, экспертная система
включает подсистемы объяснения и обучения для интерпретации собственных
рассуждений.
1.2 История
появления первой ЭС DENDRAL
Все началось в далеких шестидесятых,
в то время в космос отправился первый человек, медицина ознаменовалась успехами
в клинической трансплантации органов (первая успешная пересадка сердца), были
заложены основы современных операционных систем.
Тогда Эдвард Фейгенбаум,
исследователь в области искусственного интеллекта, как и многие ученые его
времени, задумывался над тем, может ли машина думать и рассуждать подобно
человеку и как много знаний в нее возможно вложить. Он считал, что ответ
удастся получить, только сконструировав такую "мыслящую" систему. Но
какое же научное направление выбрать для экспериментов? В какой предметной
области разработки Фейгенбаума принесли бы большую пользу? Разрешить эти
вопросы помог лауреат нобелевской премии, биохимик Джошуа Ледерберг. Он
предложил создать компьютерного помощника, который мог бы определять путем
расчета молекулярную структуру химических соединений и который, по словам
Ледерберга, был просто необходим в органической химии. Так появилась идея о
построении экспертной системы DENDRAL.
В 1965 году в Стэндфордском
университете Эдвард Фейгенбаум, Джошуа Ледерберг и примкнувший к ним Брюс
Бученен (Bruce Buchanan) начали работы по созданию первой экспертной системы.
Одной из главных проблем, которую ученым надлежало решить, было построение
гибкой программы, оперирующей с многочисленными знаниями и работающей по
правилам логики ("если - то"). Однако, как оказалось, сложнее всего
было создать базу данных, включающую знания многих специалистов в органической
химии. Для этого разработчикам DENDRAL пришлось опросить как можно больше
экспертов. Приобретение знаний - не такой легкий процесс, как это может показаться
на первый взгляд. Одно дело собрать факты, другое - познания конкретного
человека. Поэтому опрашиваемым специалистам была предоставлена специальная
программа, которая производила некоторые "умозаключения", правдивость
или ложность которых им нужно было установить и объяснить. Таким образом,
отделив механизм логического вывода от базы знаний, Бученен предложил хороший
инструмент для создания экспертных систем. Одной из самых первых подобных
программ была META-DENDRAL. С ее помощью и с помощью аналогичных разработок
были построены такие ЭС, как PROSPECTOR, MYCIN и CYRUS.
1.3 Развитие ЭС
в 70-80-90-х годах
С 70-х годов ЭС стали ведущим
направлением в области искусственного интеллекта. В этот период было создано
множество разнообразных экспертных и диагностических систем, большая часть
которых действует и сегодня. Самыми известными из них являются MYCIN, служащая
для диагностики и лечения инфекционных заболеваний, и PROSPECTOR,
предназначенная для геологической разведки месторождений полезных ископаемых.
Первая версия ЭС MYCIN была
построена в уже знакомом нам Стэндфордском университете в середине 70-х годов.
Ее создатель - врач и специалист в области вычислительной техники Эдвард
Шортлайф (Edward Shortliffe). Вот мы и добрались до самой популярной области
применения экспертных систем - медицины. Дело в том, что диагностика многих
заболеваний для успешного выздоровления пациента должна проводиться оперативно.
Иногда максимально возможные сроки определения метода лечения составляют от
одного до двух суток. Кроме того, каждый человек, идя на прием к врачу, хочет
надеяться, что его примет профессионал, который внятно объяснит причину
недомогания и предложит одну или несколько эффективных методик лечения. Любая
медицинская экспертная система, содержащая знания и логику рассуждения лучших
специалистов в мире, может это позволить.
Как же происходит общение пациента и
машины? Конечно, на естественном человеческом языке, и это характерно, как было
сказано, для всех экспертных систем. Сам больной или доктор вводит в MYCIN
симптомы устанавливаемой болезни, а экспертная система задает уточняющие
вопросы и, в конце концов, ставит диагноз и предлагает методы лечения. Кроме
того, система на любом шаге может "объяснить" свои доводы. Механизм
логического вывода в MYCIN включает первоначальный опрос пациента, прямой вывод
с использованием некоторых правил продукции и правил нечеткой логики и обратный
вывод.
Исследования работы ЭС MYCIN,
проведенные в Стэндфордском университете, показали, что система для диагностики
бактериальных инфекций все-таки уступает группе врачей, состоящей только из
профессионалов, на 20%. Правда, даже приблизительную дату этого тестирования
так и не удалось найти. Но база знаний MYCIN постоянно расширяется, и благодаря
этому ЭС "осваивает" все новые области медицины. Теперь MYCIN
используется преимущественно для обучения врачей, а ее механизм логического
вывода E-MYCIN был успешно применен для создания многих других ЭС, таких, как
NEOMYCIN и PUFF для исследования легочных заболеваний.
Экспертная система PROSPECTOR
разрабатывалась SRI International с 1974 по 1983 год. Как уже было сказано, она
предназначена для геологических изысканий и относится к интерпретирующему типу
экспертных систем, которые выводят некоторые заключения на основе наблюдений.
Данная программа располагает динамическим количеством геологических моделей,
каждая из которых содержит знания об определенных видах полезных ископаемых.
Так же, как и MYCIN, PROSPECTOR вовлекает геолога в диалог, чтобы, опираясь на
его наблюдения, точно выбрать модель и дать ответ на вопрос "Где
бурить?". В 1984 году система точно предсказала существование
месторождения молибдена, оцененного в многомиллионную сумму.
При разработке последующих
экспертных систем были учтены особенности и недостатки PROSPECTOR и MYCIN.
Благодаря этому такие диагностические медицинские системы, как INTERNIST и
CASNET, основанные на ассоциативном и казуальном (от анг. casual - случайный)
подходах, приобрели более мощные механизмы вывода [5].
В 90 -х годах усложнение систем
связи и решаемых задач потребовало качественно нового уровня
«интеллектуальности» обеспечивающих программных систем, таких систем, как
защита от несанкционированного доступа, информационная безопасность ресурсов,
защита от нападений, смысловой анализ и поиск информации в сетях и т.п. И новой
парадигмой создания перспективных систем защиты всех видов стали
интеллектуальные системы. Именно они позволяют создавать гибкие среды, в рамках
которых обеспечивается решение всех необходимых задач. Это новое направление
получило название мультиагентных систем. Каждый агент имеет свою систему
целеполагания и мотивации, свою область действий и ответственности, а
взаимодействие между ними обеспечивается мета интеллектом. В рамках такого
осмысления традиционные методы, алгоритмы и программы становятся элементарными
«кирпичиками», из которых строятся затем алгоритмы и решения возникающих задач.
Таким образом, моделируется некоторое виртуальное сообщество интеллектуальных
агентов-систем, которые автономны, активны, вступают в различные «социальные»
отношения - кооперации и сотрудничества, конкуренции, соревнования, вражды и
т.п. Этот «социальный» аспект решения задач - фундаментальная особенность
концептуальной новизны передовых информационных технологий, искусственных
организаций, виртуального общества.
1.4 Экспертные
системы сегодня
Сейчас количество экспертных систем
исчисляется тысячами и десятками тысяч. В развитых зарубежных странах сотни
фирм занимаются их разработкой и внедрением в различные сферы жизни. Имеются и
удачные попытки построения экспертных систем в СНГ. В настоящее время ведутся
разработки самостоятельно обучаемых экспертных систем. Кроме того, в
искусственном интеллекте обозначилось такое направление, как инженерия знаний,
отвечающая за поиски передовых методов в сборе, представлении, хранении и
преумножении информации. Еще можно упомянуть то, что пятое поколение ЭВМ,
возникшее в 90-х годах, базируется полностью на экспертных системах.
В качестве современных экспертных
систем можно назвать быстродействующую систему OMEGAMON (фирма Candle, с 2004
г. IBM) для отслеживания состояния корпоративной информационной сети и G2
(фирма Gensym) - коммерческую экспертную систему для работы с динамическими
объектами. Они служат для принятия решения за считанные секунды с момента
наступления внештатных или критических ситуаций. Для G2 также характерно
распараллеливание процессов рассуждений. Для простого перечисления других
современных экспертных систем, возможно, не хватит газетной полосы. Вот лишь
некоторые из них: GUIDON, TATR, ONCOCIN, MOLGEN, GENESIS.
Сравнивая положение вещей в создании
экспертных систем в 70-х и 90-х годах, просто поражаешься, насколько далеко
наука шагнула вперед. Экспертные системы сейчас являются прогрессирующим
направлением в искусственном интеллекте, которое вряд ли в ближайшее время
уменьшит скорость своего развития [4].
1.5 Экспертные
системы в финансовых предприятиях
Идея создания первых советующих
экспертных систем зародилась свыше 30 лет назад, в ходе развития методов
обработки данных на ЭВМ. За последние годы данная область в результате быстрого
развития теоретических и прикладных аспектов стала приобретать новые очертания,
включая системы, ранее почти не имевшие отношения к проблемам принятия решений
(прежде всего, нейросетевые технологии, мониторинговые системы и генетические
алгоритмы). Отсюда появилось и новое название «советующие экспертные системы»,
которое объединяет в себе как традиционные экспертные системы, базирующиеся на
«мягких» вычислениях, так и новейшие технологии оценочного и диагностического
характера.
Существует установленное понятие,
что экспертная система представляет собой воплощение в программных компонентах
опыта эксперта, основанного на знании в такой форме, что машина может дать
интеллектуальный совет или принять интеллектуальное решение относительно
обрабатываемой функции. При этом желательно, чтобы система была способна по
требованию объяснить ход своих рассуждений понятным для пользователя образом.
Обеспечение этого требования осуществляется программированием, основанным на
формальных правилах [6].
Множество фирм на Уолл-Стрит
установили ЭС для решения задач в таких областях как: торги на фондовой бирже,
автоматическое понимание новостей, кредитный анализ, управление рисками,
построение портфелей кредитов и инвестиций, оценка рейтинга банков,
автоматизация аудита, предсказание изменений на финансовом рынке и т.д.
ЭС Nikko Portfolio Consultation
Management System, разработанная для внутреннего использования фирмой Nikko
Securities, Ltd., помогает управляющим фондами выбрать оптимальный портфель для
своих клиентов. Данная система основана на базе данных с информацией за пять
лет продаж акций и на системе с новой теорией управления портфелем, которая
вычисляет и оптимизирует портфель ценных бумаг для страховки от различных
рисков. Управляющие фондами освобождаются от рутинных вычислений и, таким
образом, имеют возможность более быстро составить оптимальный портфель ценных
бумаг. Компания IDS Financial Services, подразделение финансового планирования
American Express Company, классифицировали финансовые экспертизы своих лучших
управляющих для создания экспертной системы, названной Insight. IDS включила
экспертизы лучших управляющих в свои средства, т.е. экспертную систему,
доступную всем своим планировщикам. Одним из основных результатов применения
экспертной системы в компании IDS стало то, что процент покинувших фирму
клиентов упал более чем наполовину[5].
1.5 Разновидность
экспертных систем
Существуют две основные
разновидности ЭС:
Для специалистов, чей
профессиональный уровень не слишком высок. В базах знаний таких хранятся
знания, полученные от экспертов, используемые всякий раз, когда в этом
возникнет необходимость.
Для специалистов высокой
квалификации, выполняя для них значительную часть рутинных операций и просмотр
больших массивов информации. Сходство и различия использования ИТ в экспертных
системах и системах поддержки принятия решений.
Сходство информационных технологий,
используемых в экспертных системах и системах поддержки принятия решений,
состоит в том, что обе они обеспечивают высокий уровень поддержки принятия
решений [3].
Рисунок 1 - Структура статистической
ЭС
Типичная статическая ЭС состоит из
следующих основных компонентов (Рисунок 1):
Интерпретатора;
Рабочей памяти (РП), называемой
также базой данных (БД);
Базы знаний (БЗ);
Объяснительного компонента;
Диалогового компонента[3].
. Проектирование
и разработка программного обеспечения экспертной системы для финансового
состояния предприятия
2.1 Постановка задачи
Требуется разработать экспертную
систему, предназначенную для анализа финансового состояния предприятия. В
качестве языка программирования выбран Visual Prolog, так
как является одним из самых простых для изучения.А также, данная программа
является бесплатной.
Система должна "уметь"
задавая вопросы пользователю выдавать финансовое состояние предприятия,
после чего, пользователь экспертной системы сможет понять, какого состояние
предприятия на производстве, в каких областях проблемы, и сможет подумать над
тем, как их решить.
.2 Основные предикаты
В разработанной нами на языке Prolog информационной
системе используются секции: domains, predicates, clauses, goal.
В разделе domains объявим
домены, используемые для аргументов предикатов. Объявим sкак текстовый параметр
symbol, iкак числовой параметр integer, l=i* - числовой список.
В разделе predicates будут описаны
основные предикаты, то есть правила, обеспечивающие основную логику работы
программы.
Предикат rule имеет два
аргумента (строка,список). Он содержит список характеристик и результат,
который будет выведен на экран, после того, как мы ответим на вопросы,
содержащиеся в предикате cond. Предикат condимеет два аргумента (число,
строка). Он содержит в себе вопрос и значение из списка характеристик. Предикат
condвзаимодействует с предикатом test. Предикат testимеет два аргумента (число,
список). Это предикат содержит заданное значение и список характеристик из
предиката rule. Данный предикат работает таким образом: мы получаем вопрос на
экран, который внутри программы имеет свое значение, если на этот вопрос
ответить «да», то значение которое имеет это вопрос, проверяется в списке
характеристик. После чего мы переходим к следующему вопросу, если такой есть. А
в случае если ответить «нет» мы сразу же перейдем к следующему вопросу.
Предикат do_consultingне имеет
аргументов. Служит для запуска программы и перебора всех фактов.
.3 Пример работы программы
После запуска программы, мы сразу
начинаем отвечать на вопросы.
Пример 1
Пользователь получает ряд
определенных вопросов и начинает на них отвечать.
Рисунок 2 - Пример 1выполнение
программы
Пример 2
Пользователь получает ряд
определенных вопросов и начинает на них отвечать.
Рисунок 3 - Пример 2 выполнение
программы
Заключение
В результате выполнения данной курсовой работы
были выполнены следующие поставленные задачи:
Была изучена история развития экспертных систем.
Узнали, как экспертные системы повлияли на
финансовые предприятияи экономику.
Рассмотрели разновидности экспертных систем.
Была разработана и протестирована экспертная
система.
Список использованных источников
Базовые
понятия экспертных интеллектуальных систем
<#"863134.files/image004.gif">