Кспертная информация и способы ее отражения
ПРОИЗВОДСТВЕННО-ХОЗЯЙСТВЕННЫХ И
ЭКОНОМИЧЕСКИХ СИТУАЦИЙ.
1. Общие положения.
2. Понятие «эксперта».
3. Экспертные системы.
4. Экспертная информация и способы ее отражения.
-- * -- * --
бщие положения.
При решении производственно-хозяйственных и технико- экономических задач существенным фактором повышения научного уровня управления является применение математических моделей. Однако очевидно, что полная формализация этих задач средствами математики не осуществима из-за их сложности и качественной новизны. В связи с этим в последние годы в нашей стране и за рубежом широко распространяются и активно применяются так называемые методы экспертных оценок (или экспертные методы).
Они дают возможность при подготовке решений удачно использовать во взаимосвязи логические, вероятностные и статистические подходы для анализа суждений ученых, специалистов и руководителей.
Обычно указанные методы находят применение в ситуациях, когда выбор и обоснование решений и оценка последствий от них не могут быть выполнены на основе точных расчетов. Такие ситуации часто возникают при разработке современных систем управления в обществе и особенно при прогнозировании и долгосрочном планировании науки, техники и экономики.
Управлять – значит предвидеть. Сейчас это особенно актуально. Прогнозирование и долгосрочное планирование становятся основой для подготовки и принятия текущих решений, для выбора путей развития и способов решения научных, технических, экономических и социальных задач.
Под экспертными методами понимают комплекс логических и
математико-статистических процедур, направленных на
получение, анализ и обобщение информации от
специалистов, необходимой для подготовки и выбора
рациональных решений в условиях неопределенности.
Центральное место при использовании экспертных методов отводится экспертам.
2. Понятие «эксперта».
Эксперт (от латинского «опытный», «сведущий») – это
специалист, обладающий широкими знаниями и профессиональным опытом в определенной области практической деятельности.
Люди являются своеобразными думающими машинами. Обладая хотя бы незначительным опытом, они могут генерировать суждения и вырабатывать удовлетворительное решение любой задачи.
Эксперт должен быть, прежде всего, квалифицированным человеком, способным отделить важную информацию от бессодержательной. И поэтому он реагирует на меньшее количество внешней информации. Он способен предсказать многие события при минимуме своей информационной загруженности
Великий датский физик Нильс Бор говорил: «Экспертом является тот, кто знает, какие в его области могут быть совершены грубые ошибки и как их избежать».
Квалификацию эксперта можно определить по следующим критериям:
а.). числу переменных, которые, по его мнению, существенны для принятия решения (эксперт использует меньше переменных, чем неэксперт);
б.). важности этих переменных с его т.з., т.е. по их «весовым» коэффициентам;
в.). скорости идентификации им важной информации;
г.). точности его решения, т.е. на сколько оно близко к оптимуму;
д.). достоверности его прогнозов, т.е. частоте принятия верных решений.
Экспертом может быть специалист, который:
1. способен решить проблему;
2. знает, как решается проблема;
3. способен объяснить другому, как решается проблема;
4. располагает временем, чтобы решить проблему;
5. имеет достаточные побудительные мотивы к активному участию в решении проблемы.
Делая свои умозаключения, эксперт должен:
- придерживаться требований согласованности и последовательности (его суждения должны не противоречить друг другу);
- быть рациональным и подчиняться законам логики;
- давать оценки в соответствии с собственными убеждениями и не поддаваться мнению коллег или конъюнктуре;
- учитывать реальность ситуации, в которой принимается решение.
На практике эксперты имеют дело не с самой реальностью, а с
моделями реальности (гипотетическим миром). Чтобы приблизить этот мир к реальности, необходимо иметь сверхчувствительную «обратную связь». Располагающие ею системы управления включали бы информационные системы, функционирующие в реальном масштабе времени. Это позволило бы сократить существующий интервал между моментами изменения реальных событий и моментами их восприятия нами с помощью модели.
Важная роль в таких системах принадлежит ЭВМ с их высокой скоростью обработки данных и точностью. Однако только человек может определить, какая информация является наиболее существенной для принятия решения, выработать процедуры ее сбора и сформулировать правила, с помощью которых из этой информации должны быть получены ожидаемые результаты.
Качества, на основе которых основана способность эксперта давать полезную информацию в условиях неопределенности, можно разделить на:
- внутренние (индивидуальные), которые зависят от его опыта, знаний, интеллекта, способности аналитически мыслить, предвидеть будущее;
- внешние, зависящие от взаимодействия эксперта с окружающей
средой (коллективом, обществом и др.).
Все эти качества влияют на точность и надежность информации, поступающей от эксперта.
В общем случае, основные ограничения, возникающие при использовании экспертов в качестве источников информации и ведущие к возникновению погрешностей, можно свести к следующим:
1. уровень доступной информации. Когда вся информация использована и нет других ограничений в ее получении, остающаяся неопределенность может быть описана с помощью распределения вероятностей возможных исходов. Никакие дальнейшие опросы специалистов или другой анализ имеющейся информации не снизят неопределенность ниже этого уровня. Выход – получить новую информацию.
2. несовершенство информации. Разные эксперты всегда будут иметь различные знания о событии и уровне его неопределенности. В результате может быть получено разное уменьшение или увеличение уровня неопределенности.
3. двусмысленность. Неправильно заданные вопросы могут быть поняты экспертом иначе, двояко. И он будет отвечать на другой вопрос.
4. погрешность модели. Может возникать из-за недостаточной компетенции специалистов, приглашенных в эксперты. Или из-за того, что их ответы используются неверно.
5. прочие погрешности от внешних и внутренних причин, вызывающих умышленные или несознательные отклонения или ошибки.
кспертные системы.
Из-за сложности проблем, решаемых в ходе экспертизы, и
высокой трудоемкости работ в последнее время все больше говорят о т.н. «экспертных системах», использующих широкие возможности вычислительной техники.
Экспертная система – это объединение информации,
получаемой на основе знаний и опыта экспертов, и
специальных методов и средств ее обработки, способных
предложить разумный совет или осуществить разумное
решение поставленной задачи.
Иногда под экспертной системой понимают программу для
компьютера, которая оперирует со знаниями в определенной предметной области с целью выработки рекомендаций по решению какой-то проблемы. В этом случае программу можно называть «экспертом» только при соблюдении определенных условий:
- она должна обладать достаточными знаниями;
- знания должны быть сконцентрированы на определенную предметную область;
- из этих знаний должны непосредственно вытекать рекомендации или конкретные решения поставленных проблем.
Технология экспертных систем является одним из направлений
новой области научной деятельности – искусственного интеллекта ( artificial intelliqence ), которая занимается созданием компьютерных программ, способных эмулировать (имитировать, воспроизводить) те области человеческой деятельности, которые требуют мышления, определенного мастерства и накопленного опыта. К ним относятся задачи принятия решения, распознавания образов, понимания человеческого языка. Эта технология успешно принимается в некоторых областях техники и жизни (медицинской диагностике, органической химии, поиске полезных ископаемых и др.).
Конечно же, «машина» по ряду характеристик всегда уступает
человеку. Ей недостижимы способности органов чувств человека, свойственные ему соображения «здравого смысла».
Можно выделить основные признаки экспертных систем. Такая
система:
1. моделирует не столько физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека;
2. формирует, помимо выполнения вычислительных операций, определенные соображения и выводы, основываясь на тех знаниях, которыми располагает;
3. использует при решении задач в основном эвристические и приближенные методы, которые, в отличие от алгоритмических, не всегда гарантируют успех.
Эвристика, по существу, является «правилом влияния» (rule of
thumb), которое в машинном виде представляет некоторое знание, приобретенное человеком по мере накопления практического опыта решения аналогичных проблем. Такие методы являются приблизительными в том смысле, что, во-первых, не требуют исчерпывающей информации и, во-вторых, существует определенная степень уверенности в том, что предлагаемое решение является верным.
Различают следующие классы экспертных систем:
1. интерпретирующие –для формирования описания ситуаций по результатам наблюдений или данным от сенсоров ( при «распознавании образов»);
2. прогнозирующие – для логического анализа возможных последствий заданных ситуаций или событий (напр., предсказание погоды, прогноз ситуации на финансовом рынке и т.д.);
3. диагностирующие – для обнаружения источников неисправностей по результатам наблюдений за поведением контролируемой системы (технической или биологической);
4. проектирующие – для структурного синтеза конфигурации объектов (компонентов проектируемой системы) при заданных ограничениях (напр., компоновка архитектурных планов, синтез электронных схем и т.д.);
5. планирующие – для подготовки планов проведения последовательности операций, приводящих к заданной цели (составление графиков работ, движения транспорта, маршрутов следования, поведения роботов и т.д.);
6. системы мониторинга – для анализа поведения контролируемой системы и прогнозирования вероятности достижения цели (наблюдение состояния каких-либо объектов, социологические обследования и др.)
7. наладочные системы – для выработки рекомендаций по устранению неисправностей в контролируемой системе (отладка программного обеспечения, консультационные системы и т.д.);
8. системы оказания помощи при ремонте оборудования (напр., устранение неисправностей в инженерных коммуникациях);
9. обучающие системы, которые анализируют знания в определенной области, отыскивают «пробелы» и предлагают средства для их ликвидации;
10. системы контроля – обеспечивают адаптивное управление поведением сложных систем, прогнозируют появление возможных сбоев и планируют действия по их предупреждению (управление воздушным движением, военными действиями, деловой активностью и др.).
В зависимости от степени использования вычислительной
техники экспертные системы бывают ручными (человеческими), человеко-машинными и компьютерными.
Основу любой экспертной системы составляют (см. рис.1):
- база знаний (БЗ), как совокупность всех имеющихся сведений об объекте исследования;
- область запросов (ОЗ), являющуюся предметом исследования.
Рис. 11. Принципиальная схема экспертной системы.
Область запросов – это та сфера интересов, в которой экспертная
система должна быть экспертом. Если эксперт должен предсказать погоду, то область запросов должна содержать конкретно запросы о погоде.
Чтобы быть экспертом в этой области, экспертная система должна иметь соответствующую базу знаний, содержащую (хотелось бы наиболее полно) всю информацию относительно объекта изучения (в нашем случае – погоды). В идеале база знаний целиком определяет область запросов, т.е. должна содержать все о рассматриваемой проблеме. На практике она будет включать лишь некоторую часть информации. Другими словами, база данных всегда фактически меньше области запросов и существует внутри ее.
Когда возникает конкретный вопрос, запрос должен попадать в область запросов, чтобы было результативным решение. Однако он может не всегда попадать в соответствующую базу данных. Место, в которое помещен конкретный запрос, зависит от степени охвата его базой знаний внутри экспертной системы.
кспертная информация и способы ее отражения
Подготовка предложений для решения технико-экономических и хозяйственных задач, которые не могут в полной мере быть описаны математически, требует представления информации, получаемой от экспертов, в удобной аналитической форме, т.е. в формализованномвиде. При экспертизе необходимо не только представить в виде косвенных оценок ту часть информации, которая не поддается количественному измерению, и не только выразить с помощью таких оценок количественно измеримую информацию, о которой в момент подготовки решения нет достаточно надежных данных. Важно также формализовать эту информацию так, чтобы при принятии решения можно было бы выбрать из множества вариантов наиболее предпочтительный в отношении некоторого критерия.
Если эксперт в состоянии различить, сравнить и оценить возможные варианты действий, приписав каждому из них определенное число, будем считать, что он обладает определенной системой предпочтений.
Исследуемые объекты можно различать на основе признаков или факторов.
Фактор (иначе – признак, параметр, характеристика, показатель,
переменная, критерий) – это множество из по крайней мере
двух элементов, отражающих различные уровни некоторых,
подлежащих рассмотрению, величин.
Различают факторы:
А) количественные – выражаются точно в определенных единицах
измерения (рублях, тоннах, метрах, процентах и т.д.);
Б) качественные – не имеют точного выражения в виде числа
(лучше/хуже, больше/меньше, ясно/пасмурно, тихо/громко и др.).
Основные этапы формализации процесса подготовки экспертизы состоят в:
- выделении наиболее существенных факторов;
- их оценке по соответствующим шкалам (единицам систематизации или формализации) экспертами;
- сведении воедино оценок, полученных по каждому фактору различными экспертами, для сравнения и выбора наиболее предпочтительного решения на основе установленного критерия выбора.
Экспертная информация может быть формализована с помощью различных шкал:
1. номинальной. Факторы здесь выступают как ассоциативные показатели, обладающие информацией, которая может быть формализована в виде бинарных оценок двух уровней: «1» (истина) – идентичен или «0» (ложь) – различен. Можно привести пример логической аксиомы:
- i либо есть j , либо не есть j ;
- если i есть j , то j есть i ;
- если i есть j и j есть k , то i есть k .
2. порядковой. Используется тогда, когда исследуемые факторы можно в результате сравнения расположить в определенной последовательности с учетом их значимости, т.е. по какому-то критерию. Здесь часто используется т.н. «матрица предпочтений»:
+1, если i предпочтительнее j;
А = -1, если j предпочтительнее i;
0, если i и j равноценны.
3. интервальной. В этом случае используют т.н.статистические меры (диапазоны). Например, оценивая качество внедряемой однотипной техники, можно использовать за критерий срок ее службы и располагать ее в порядке убывания этого срока, взятого с некоторым приращением, образуя интервалы. А дальше определять, в какой интервал попадает та или иная техника.
Примечание: интервальные шкалы предполагают возможность
трансформации оценок, полученных по одной
шкале, в оценки по другой шкале при помощи
несложного алгебраического уравнения:
x’=a*x+b.
Характер и количество факторов существенно зависят от цели принимаемых решений. Причем один и тот же объект или явление может быть охарактеризован различными факторами, а одинаковые факторы могут иметь различную значимость в разных ситуациях.
В зависимости от существа или важности того или иного фактора на этапе подготовки и принятия решения могут использоваться различные шкалы. Такие факторы, как затраты, прибыль, время могут быть оценены по порядковой или интервальной шкале (в рублях, днях, условных единицах). Срок окупаемости, сравнительная эффективность – по интервальной. Качественные и социальные показатели – по порядковой или номинальной шкале и т. д.
Таким образом основные этапы формализации
процесса подготовки экспертизы состоят в:
- выявлении наиболее существенных факторов;
- их оценке по соответствующим шкалам;
- сведении воедино оценок, полученных по каждому фактору, для сравнения и выбора наиболее предпочтительного решения (альтернативы) на основе установленного критерия.