характеристика правових експертних систем,приклади е.с

Експертні системи належать до класу інтелектуальних систем (систем штучного інтелекту), які виконують операції, імітуючи інтелектуальну діяльність людини — дії та розумові висновки людей у нестандартних ситуаціях, коли схема, алгоритм розв’язування задачі, що постала перед фахівцем, апріорі невідомі. Інтелектуальні системи забезпечують розв’язування неформалізованих задач користувача в деякій предметній галузі та організовують його взаємодію з комп’ютером у звичних поняттях, термінах, образах. Отже, можна подати таке визначення.

Експертна система — це інтелектуальна система, призначена для розв’язування задач у певній предметній галузі на основі знань, наданих експертами, яка містить базу знань і підтримує функції обґрунтування, пояснення та виправдання.

Застосовуються також такі терміни:

система на основі знань — інтелектуальна система, в якій знання про предметну галузь подано в явному вигляді та відокремлено від інших знань системи;

дорадча система — інтелектуальна система, що забезпечує формування рекомендацій про послідовність і перелік можливих дій користувача у процесі розв’язування задачі.

Основною відмінністю інтелектуальних систем від інших є те, що в них об’єктом нагромадження, зберігання, оброблення, передавання та використання є не дані, а знання. Знання — це сукупність фактів, закономірностей, відношень та евристичних правил, що відбиває рівень обізнаності з проблемами деяких предметних галузей. Специфічні особливості знань, що дають змогу відрізнити їх від даних, такі: внутрішня інтерпретація, наявність ситуативних зв’язків, активність і форма подання.

Згідно з різними підходами виокремлюють такі типи знань:

декларативні (предметні) знання — факти (тобто класи об’єктів і зв’язки між ними), які можна подати у вигляді множини тверджень, що не залежать від того, де і коли такі знання використовуються;

процедурні знання (правила) — описи процедур, за допомогою яких ці знання можна здобути. У разі процедурного подання знань немає потреби зберігати інформацію про всі можливі стани предметної галузі, як тоді, коли використовуються декларативні знання, — достатньо мати опис початкового стану та процедур, що генерують на його основі потрібні наступні стани;

евристичні знання — знання, які акумулюють неформальний досвід розв’язування задач у деякій предметній галузі;

семантичні знання — знання про стан об’єктів предметної галузі та відношення між ними;

прагматичні знання — знання про способи розв’язування задач у предметній галузі;

каузальні знання — знання, в основу яких покладено причинно-наслідкові зв’язки.

Знання на відміну від даних, що відбивають кількісні характеристики і подаються здебільшого в цифровому вигляді, містять якісні характеристики у вигляді текстової інформації. Це також становить одну з відмінностей ЕС від систем оброблення даних. Відповідно, користувач ЕС одержує в результаті її роботи не документ у табличному вигляді, а інтелектуальну пораду у формі тексту.

Специфіка функціонування ЕС та інформаційного об’єкта для оброблення зумовлює особливості архітектури такої системи. У загальному випадку вона складається з розглянутих далі восьми блоків.

База знань — упорядкована сукупність правил, фактів, механізмів виведення та програмних засобів, що описує деяку предметну галузь та призначена для подання нагромаджених у ній знань. У базі знань мають бути присутні як загальновідомі факти, явища, закономірності, що визнані в даній предметній галузі й опубліковані (знання 1-го роду), так і набір емпіричних правил та інтуїтивних висновків, якими користуються спеціалісти, приймаючи рішення в умовах невизначеності за наявності неповної суперечливої інформації, і які найчастіше не опубліковані (знання 2-го роду). Очевидно, що результатом роботи розробника ЕС — фахівця з ІТ, є порожня ЕС, в якій база знань не заповнена. Заповнює базу знань експерт — знавець предметної галузі — згідно з вибраною моделлю подання знань.

До основних моделей подання знань (моделей знань), що являють собою сукупності правил подання, опису та породження знань у базі знань, належать такі:

логічна — модель подання знань, в основу якої покладено формальну логіку;

фрейм — модель подання знань, яка під час заповнення її елементів — слотів — певними значеннями перетворюється на опис конкретного факту, події, процесу;

семантична мережа — модель подання знань за допомогою мережі вузлів, сполучених дугами, де вузли відповідають поняттям чи об’єктам, а дуги — відношенням між вузлами;

продукційна система — система, в якій знання подано у вигляді сукупності продукцій та правил їх застосування. Правило продукції можна подати так: ЯКЩО <умова> ТОДІ <висновок чи дія>.

Крім знань, здобутих від експертів, ЕС містить метазнання — знання про знання, що зберігаються в її базі знань, або про процедури, які можна здійснити з ними.

Можливість завантажувати базу знань та редагувати знання, які зібрані в базі, надає експертові блок нагромадження знань. Його функції охоплюють також формування емпіричних залежностей із неповних знань, тобто здобуття знань 1-го роду на основі знань 2-го роду. Але через складність реалізації цих функцій не всі ЕС містять такий блок.

Система керування базою знань — сукупність програмних та апаратних засобів для організації та ведення бази знань.

База цілей — компонент інтелектуальної системи, який містить інформацію про поведінку інтелектуальної системи в разі досягнення цілей у межах конкретної предметної галузі.

Розв’язувач задач — компонент інтелектуальної системи, призначений для формування на основі наявних знань логічних висновків, реалізація яких приводить до розв’язку задачі.

Інтелектуальний інтерфейс — сукупність програмних та апаратних засобів, які забезпечують взаємодію інтелектуальної системи з користувачем на основі звичних понять, термінів, образів, притаманних певній сфері інтелектуальної діяльності людини.

Система обґрунтування — компонент інтелектуальної системи, призначений для перевірки відповідності здобутого розв’язку знанням, що містяться в базі знань.

Система пояснення — компонент інтелектуальної системи, призначений для пояснення користувачеві способу, за допомогою якого знайдено розв’язок, а також самого розв’язку. Наявність цього блоку дає змогу використовувати ЕС не лише для прийняття рішень, а й як навчальну систему.

Система довіри — компонент інтелектуальної системи, призначений для підвищення рівня довіри користувача до здобутих результатів. Одним зі способів досягнення високої довіри може бути виправдання — функція обґрунтування деякого розв’язку із залученням наявних в інтелектуальній системі ціннісних чинників.

Використання систем штучного інтелекту в юридичній діяльності зумовлюється високим рівнем інтелектуальності, спеціалізації та професіоналізму, що притаманні розумовій діяльності юриста, судді, слідчого, криміналіста, судового експерта. Можна визначити такі напрями застосування інтелектуальних систем і технологій у галузі права: інтелектуалізація автоматизованих інформаційно-пошукових систем із законодавства; створення автоматизованих систем аналізу нормативних правових текстів; побудова консультативних систем із правотворення; створення експертних систем у сфері правозастосовної діяльності; розробка алгоритмів і програм ідентифікації за допомогою ЕОМ об’єктів при розслідуванні та розгляді судових справ (сфера криміналістики й судової експертизи).

Прикладом таких систем є «Маньяк» — ЕС підтримки прийняття рішень при розкритті серійних вбивств, здійснених на сексуальному ґрунті. Вона призначена допомагати співробітникам карного розшуку та слідчим прокуратури в розробці найбільш імовірної версії про тип можливого злочинця з обмеженням кола осіб, що підлягають перевірці на причетність до певного злочину. Основу системи становлять систематизовані взаємозв’язані набори найістотніших криміналістичних ознак, за якими виявляється зв’язок між подією злочину і вбивцею-маніяком. Використання системи сприяє збагаченню досвіду і знань працівників карного розшуку та слідчих прокуратури; установленню так званих прикордонних типів злочинців, розпізнати яких іншими методами надзвичайно важко або й зовсім неможливо; усуненню деякої частки суб’єктивізму під час формування версій за умов невизначеності; вирівнюванню знань неоднаково підготовлених співробітників.