Статья посвящена одному из самых перспективных направлений в области искусственного интеллекта — экспертным системам, а именно их перспективам в современном мире.
Ключевые слова: система, искусственный интеллект, экспертная система, знание, ключевая роль, данные.
Технологии искусственного интеллекта сильно расширили возможности разработчиков по решению неоднородных и нестандартных задач, требующих специфической обработки данных. Особо выделяются неформализованные задачи, которые решаются в рамках отдельного направления исследований по искусственному интеллекту — экспертные системы.
В традиционном программировании, с которым сталкивается большинство специалистов сферы информационных технологий, ключевую роль занимает алгоритм, четко описывающий процесс получения определенного результата из массива входных данных. Однако колоссальное число задач в нашей жизни не имеют алгоритмического решения либо это решение еще не придумано. Подобные задачи решаются субъективно, неконкретно, основываясь на опыте и интуиции специалистов. И именно решение подобных задач является одной из ключевых целей разработки экспертных систем.
Ядром любой экспертной системы являются знания. Они хранятся в специальном компоненте экспертной системы, который так и называется — база знаний. Как правило, в знаниях выделяют фактологические данные и экспертные правила. За наполнение систему знаниями отвечает эксперт. В простом виде в самом начале система наполняется большим набором практических данных эксперта, который после начинает тестировать систему, наполняя ее новыми знаниями или корректируя старые. Одним из ключевых аспектов, почему он может это делать, является то, что у экспертной системы есть объяснительный компонент, то есть система не просто даёт некое решение, но и показывает, как именно она рассуждала и на чем основывалась, делая те или иные выводы.
Процесс приобретения знаний является тем, что сильно отличает экспертные системы от других систем искусственного интеллекта. Обычно разработчики имеют дело с данными, например, большими массивами взводных и выходных знаний, которые используются для того, чтобы базово «научить» нейронную сеть, после чего процесс обучения продолжается на каждом новом наборе входных данных и оценки полученного результата. В экспертных же системах куда важнее, почему система сделала тот или иной вывод, и пополнение на основе этого понимания системы новыми знаниями. По сути дела после выполнения работ по разработке системы ключевым лицом для системы становится именно эксперт, задача которого передать весь свой опыт, знания и понимания дела системе.
Конечно, в области неформализованных задач человеческий фактор играет ключевую роль, ведь обучение системы ведет определенный эксперт или группа экспертов, с которыми могут быть не согласны эксперты другого толка. Подобные разногласия решаются компромиссом или уточнением ситуации, то есть добавлением деталей, благодаря которым познания экспертной системы становятся более полными.
Подобные системы имеют колоссальный потенциал. Ключевой сферой при этом видится образование, причём не стандартное школьное или университетское, а повсеместное, в том числе, на каждом рабочем месте.
К сожалению, в наши дни разрыв между тем, чему учат в образовательных учреждениях, и тем, что необходимо конкретным предприятиям, только растет. По этой причине компании вкладывают серьезные деньги в то, что «научить работать» каждого нового специалиста, которых на рынке ежегодно появляется почти миллион. И этот процесс требует воистину больших усилий: платить работнику зарплату за его обучение, отключать от работы специалистов для помощи, создавать корпоративные системы обучения, покупать различные курсы, приглашать экспертов, брать на себя риски скорого увольнения работника и… этот список можно, к большему несчастью предпринимателей, еще очень долго продолжать. И решение этого круга задач за счёт внедрения и эксплуатации экспертных систем приобретает совсем другой характер.
Представьте, что вместо постоянной передачи знаний от одного сотрудника к другому за счёт разговоров и обучающих сессий, все, кому позволяет уровень квалификации, будут дополнительно дублировать это в систему знаний предприятия. Конечно, она не наполнится ими за день и даже месяц, но это и не нужно. Самое главное — это создать процесс постоянного наполнения системы знаниями. И тогда в определённый момент она будет содержать в себе куда больше знаний, чем любой эксперт. Это создаст целей ряд преимуществ:
– Намного меньше времени специалистов компании будет уходить на обучение новичков;
– Понизится порог входа для выполнения тех или иных работ за счёт экспертного помощника в виде системы искусственного интеллекта;
– Уменьшится время обучения сотрудника до получения первых экономически эффективных действий для компании.
Таким образом, ключевые перспективы разработки экспертных систем заключаются в более эффективном использовании человеческих ресурсов любого предприятия за счёт создания единой богатой базы знаний и изменения подхода к образованию сотрудников. При этом такие системы могут появляться как для отрасли в целом, так для каждой компании в отдельности, отлично встраиваясь во внутренние процессы и экосистемы организаций.
Литература:
- Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы: Справочник /Под ред. Э. В. Попова. — М.: Радио и связь, 1990. — 464 с.: ил.
- Искусственный интеллект: В 3 кн. Кн. 2. Модели и методы: Справочник /Под ред. Э. В. Попова. — М.: Радио и связь, 1990. — 304 с.: ил.
- Искусственный интеллект: В 3 кн. Кн. 3. Программные и аппаратные средства: Справочник /Под ред. Э. В. Попова. — М.: Радио и связь, 1990. — 304 с.: ил.
