Автоматизация процесса принятия решений.

Для реализации задач искусственного интеллекта в процессе принятия решений создаются автоматизированные системы, применяющие в своей работе множества методов и моделей искусственного интеллекта.

Среди таких моделей можно выделить нечеткую логику. Основу систем, построенных на принципах нечеткой логики составляют факты и правила, которые выстраивают логические рассуждения, и позволяют человеку, принимающему решения, обосновано подойти к тому или иному результату. Нечеткая Логика - в основном многозадачная логика, которая позволяет определять промежуточные значения между стандартными оценками подобно Да/Нет, Истина/Ложь, Черное/Белое, и т.д. Понятия подобно "довольно теплый" или "довольно холодный" могут быть сформулированы математически и обработаны компьютерами. Таким образом сделана попытка применить человеко- подобное мышление в программировании компьютера.

Другим вариантом представления знаний и организации процесса принятия решений можно представить системы, построенные по нейросетевым технологиям. Обычно такие системы применяются при реализации задач с нелинейными процессами. Особенностью нейросетевых технологий состоит в том, что процесс принятия решений происходит по мере самообучения сети нейронов на основании сформулированных экспертами правил и формул преобразования данных.

Третьим вариантом, который встречается наиболее часто в повседневной жизни, является процесс принятия решений на базе экспертных систем. Эти информационные системы позволяют на основании множества математических вычислений, анализа рассуждений и применения логических правил взаимодействия рассуждений между собой, строить обоснованные выводы по решению множества задач. Основное применение экспертные системы нашли в организации поиска текстовой информации, удовлетворяющей определенным правилам, построении систем образования, медицине. Тем не менее, их можно использовать и в других областях деятельности человека, где производится логический процесс сопоставления данных, и вырабатываются решения на основе анализа их логического взаимодействия.

Интеллектуальные системы поддержки принятия решения (ИСППР) в настоящее время развиваются весьма бурно. Это объясняется рядом причин. Основные из них связаны с активным проникновением интеллектуальных систем в экономику, социологию и политику, т.е. в области человеческой деятельности, где принятие решений в сложных ситуациях играет основную роль. Центральной задачей в системах такого рода является оценка возможных альтернатив и выбор одной из них в качестве принимаемого решения. Структура ИСППР показана рис. 2.

После обработки запроса, поступающего в систему на естественном языке и превращения его во внутреннее представление, начинает работать блок анализа альтернатив. Если ЦПРС (целенаправленный поиск на основе Различия-Сходства) или ОВМА (обоснованный выбор из множества альтернатив) приводят к однозначному решению, то оно выдаётся в качестве рекомендации лицу, принимающему решение (ЛПР). Если же информации для принятия однозначного решения недостаточно, то начинают работать блок аргументации и блок выдвижения и обоснования гипотез. Блок аргументации ищет в базе знаний дополнительные аргументы и контраргументы для имеющегося множества альтернатив, а блок выдвижения и обоснования гипотез формирует новые альтернативы, которые выводятся с помощью метапроцедур ЛВ (логический вывод) и ПЛВ (правдоподобный логический вывод) из знаний, имеющихся в базе знаний. На основе сходства-различия вновь выдвинутых альтернатив метапроцедура ЦПРС приписывает этим альтернативам некоторые решения.

 

 

 

Рис. 2. Структура интеллектуальной системы поддержки принятия решения

Часто ЛПР интересуется не единичным сиюминутным решением, а цепочкой решений. Качество результата при этом, конечно, зависит от всей цепочки принятых решений. Такие цепочки с помощью метапроцедуры ЦПД (целенаправленное планирование действий) формирует блок формирования многошаговых решений. Отбор цепочек по критерию качества получаемого решения происходит на основе оценки результатов имитационного моделирования развития текущей ситуации в условиях принятия рекомендуемых системой решений. Для моделирования используется специальный блок "имитатор".