Современные системы информационного обеспечения управления

Для систем, основанных на знаниях, характерно применение искусственного интеллекта (AI — artificial intelligence), чтобы выдвигать гипотезы или делать разумные выводы. Они включают в себя экспертные системы, естественно-языковые интерфейсы, системы технического зрения, робототехнику и нейронные сети.

Искусственный интеллект

AI является активной областью фундаментальных исследований в течение более тридцати лет. Их целью является увеличение понимания или имитация разумных познавательных способностей и действий людей. Долгое время AI рассматривался как потенциальное решение многих проблем, касающихся применения ИТ/С в управлении.

Значительная  часть «интеллекта» на основе здравого смысла зависит от накопления и запоминания знаний, построения умозаключений, использования соответствующей эвристики и обучения на ошибках (метод проб и ошибок). Таким образом, AI предполагает представление знаний (фактов, правил, отношений) в памяти компьютера наряду с некоторой возможностью делать выводы и обучаться. Был достигнут большой прогресс в использовании AI для решения структурных проблем, требующих наличия у людей высокого интеллекта, например игры в шахматы, переводов с одного языка на другой, а также физического перемещения в сложной окружающей среде. Однако гораздо меньший прогресс был достигнут в создании компьютеров, которые могли бы демонстрировать элементарный здравый смысл, необходимый для бизнеса и управления, например искусство эффективно действовать в непривычных ситуациях. По этой причине некоторые рассматривали AI как вырождающуюся программу исследований. Несмотря на это, недавние успехи, связанные с нейронными сетями и системами параллельной обработки, сейчас говорят о том, что, возможно, надвигается вторая волна в развитии AI. На сегодняшний день одно из основных применений AI в бизнесе и управлении лежит в области экспертных систем²¹.

Экспертные системы

Экспертные  системы (ES — expert system) проектируются для объединения и копирования действий отдельных специалистов в конкретных областях, таких как медицинская диагностика, поиск неисправностей в сложных системах, интерпретация изображений, разрешение на предоставление кредитов и т. д. ES создаются для того, чтобы копировать малодокументированные или разрозненные знания специалистов, позволяя другим использовать их. Они во многих случаях оказываются дешевле, надежнее, последовательнее и доступнее, чем первоначальный источник (источники) знаний эксперта.

ES уже нашли свое применение  в основных, перечисленных ниже, функциональных областях управления:

1. Бухгалтерский учет и управление финансами. Разрешение на предоставление кредитов, консультации по вопросам, касающимся налогов и инвестиций.

Стратегия. Консультации юристов по поводу планирования приобретений; планирование проекта и анализ его результатов

Производство. Процессы мониторинга и контролирования качества продукции; анализ неисправностей в больших системах; планирование размещения оборудования, разработка продуктов, включая компьютерные системы.

HRM. Обучение в отдельных областях; определение квалификации кандидатов на получение должности, помощь при заполнении форм.

Маркетинг. Автоматический ответ на запросы покупателей, включая направление в телемаркетинговые центры; эксплуатационное обслуживание устройств и оборудования (ES обеспечивает диагностику при проведении ремонта); определение приемлемых скидок для покупателей; выбор моделей долгосрочного прогнозирования сбыта (мета-моделирование).

Кроме того, остается значительная возможность  для включения ES в состав потребительских продуктов, для того чтобы объяснить, как использовать продукт, или выявлять неисправности.

Основными компонентами экспертной системы являются:

база  знаний;

машина  вывода;

пользовательский  интерфейс²².

База  знаний (k-base) состоит из фактов, отражающих специфику предмета (например, финансовое положение покупателя), вместе с правилами вывода (например, для одобрения решения о займе). Подсистема приобретения знаний дает возможность работающим в области инфотехники использовать систему для получения специальных знаний индивидуальных экспертов в удобной форме. Техника для представления знаний включает в себя:

использование нечеткой логики (частичная принадлежность математическим множествам), чтобы создать возможность приближенного рассуждения;

семантическую сеть для представления связей между  фактами;

фреймы  или объекты для представления  всех фактов и отношений, включая конкретный объект или сущность.

В некоторых ES также могут использоваться «нейронные сети» для хранения знаний в виде моделей соединений в сети.

Машина  вывода — это программное обеспечение, используемое для того, чтобы делать логические выводы из базы знаний. Широко используются два метода логического вывода. В случае «прямого логического вывода» для поиска решения просматривается база знаний (например, сопоставление симптомов пациента с возможными заболеваниями). В случае «обратного логического вывода» система выдвигает гипотезу, а затем проверяет ее на базе знаний для возможного опровержения или поддержки. Пользовательский интерфейс проектируется таким образом, что пользователи могут отвечать на вопросы, сформулированные ES. ES может запрашивать дополнительную информацию. Затем она вырабатывает рекомендацию или решение вместе с обоснованием своих собственных рассуждений.

В ES любое возможное условие, которое  может произойти, должно быть описано в базе знаний по некоторому правилу (правилам). ES не могут управлять непредвиденными событиями, но отчасти могут учиться на опыте. Некоторые более продвинутые ES имеют ограниченную способность к метазнаниям или мудрости. Другими словами, они могут:

формулировать и излагать основные правила, которые  подытоживают их опыт;

изучать области, в которых мнение каждого специалиста наиболее весомо;

приводить в соответствие некоторые характеристики пользователя, такие как уровень  неприятия риска²³.

В пределах всей системы поддержки  принятия решений, которая включает в себя ES и пользователя (пользователей), возможны несколько режимов запроса. Например, система может искать согласие нескольких специалистов, или применять многоуровневые формальные модели к данным на входе, или комбинировать их. Дальнейшие разработки в области ES, вероятно, будут направлены на использование множественных баз знаний и усовершенствования в естественно-языковом интерфейсе, чему способствуют успехи в области параллельной обработки и нейронных сетей.

Нейронные сети

Нейронная сеть (NN — neural net) — это вид программного обеспечения, в котором данные, информация и знания представлены сетью взвешенных отношений между входными и выходными переменными. Концепция программного обеспечения, которая представляет самомодифицирующиеся сети соединений, основана на открытиях в ооласти неврологии, касающихся функционирования нервной системы людей и животных. NN обрабатывают множество входных данных одновременно. Дальнейшее развитие NN, таким образом, связано с разработкой «параллельной архитектуры» аппаратных средств компьютера. NN «обучается» посредством регулирования силы или веса соединений между процессорными элементами в ответ на входные примеры. Иначе говоря, они изучают основные принципы путем наблюдения и повторения.

Разраоотаны системы NN. которые могут копировать или даже творчески реагировать на ввод слуховых образцов, аналогичных человеческому голосу или барабанному ритму. Они используются также в системах технического зрения, которые могут заменять человеческий глаз, например для выполнения повторяющихся задач визуального осмотра. В системах технического зрения хранятся эталонные образцы изображений, которые сравниваются с вводимым изображением. Аналогично зрительному восприятию людей и животных введенный образец обрабатывается по этапам, с определением основных характеристик, таких как линии и углы; затем эти характеристики комбинируются на высоком уровне до тех пор, пока система не идентифицирует ооъект или признак.

Применение NN в основных управленческих функциях включает в себя-

1. Производство, где NN использовались для ооеспечения роботизированных промышленных предприятии системами технического зрения. NN идеально подходят для циклических задач контролирования качества продукции, например для выявления дефектов в процессе окраски

Управление  финансами, где системы NN использовались для оценки кредитоспособности путем сравнения образцов хороших и плохих заемщиков. Кроме того, они использовались для прогнозного моделирования, основанного на определенных образцах по данным фондовой биржи.

Маркетинг, где NN использовались для выявления потребителей, которые, вероятно, сделают в ближайшем будущем покупки, путем сопоставления профиля потребителя с образцом. Потенциал применения такого рода существует в отношении многих продуктов, особенно в сфере развлечений, образования и связи.

Безопасность, где NN использовались для распознавания  изображений, рукописного текста и речи, способствуя быстрой идентификации лиц, занесенных в базу данных.

Текущее изучение NN направлено на создание «реагирующего  окружения», где компьютерная система изучает личность пользователя или стиль взаимодействия, как при взаимодействии человек-человек, и затем изменяет свои ответы для соответствия характеристикам пользователя²⁴.

Системы виртуальной реальности

Виртуальная реальность (VR — virtual reality) представляет собой конечную форму реагирующего мультимедийного окружения. Целью проектировщиков систем VR является имитация или воспроизведение условий реального мира, переживание их пользователем. Системы VR создают ощущение «существования» в абсолютно искусственном мире. Они также создают «дистанционное присутствие», расширяя человеческую способность взаимодействовать с другими и в пределах действительных физических систем.

Несколько доступных в настоящее время  предшественников VR содержат гипертекст, видеотелефоны и человеко-машинные интерфейсы, которые используют системы технического зрения и приборы зрительного отслеживания для сбора данных о жестах пользователя, его выражениях, движениях глаз и т д., как введено в программу AI. При выполнении роботизированной дистанционной работы удаленная физическая операция может управляться квалифицированным оператором, снабженным датчиками (например, перчаткой, которая воспринимает движения руки оператора и передает данные роботу). Следующая волна потребительских продуктов ИТ/С для сферы развлечений, образования и других услуг, по всей вероятности, будет порождением некоторых из этих разработок.

Основные  технологии, поддерживающие развитие в направлении VR, включают в себя генерируемые компьютером изображения и звук, телевидение высокой четкости, голографию и тактильные имитаторы. Высокие требования к обработке, необходимые для полных систем VR, вскоре могут быть удовлетворены с помощью новых технологий сжатия данных, новых видов более миниатюрных и более мощных чипов (сделанных из арсенида галлия, фосфида индия) и новой фотонной компьютерной памяти. Более того, последняя потенциально совместима с волоконно-оптическими телекоммуникационными «магистралями». Нейронные сети и системы аппаратных средств обработки с массовым параллелизмом могли бы также справиться с частичными отказами систем VR (в некотором отношении аналогичных человеческому мозгу)

Уже сейчас виртуальные миры (мультимедийные изображения) могут передаваться и обновляться 60 раз в секунду, что гораздо быстрее того, что может зафиксировать человеческое сознание. Фактические и потенциальные виды применения VR в целях управления включают в себя-

1. HRM. Системы VR уже используются для опытной подготовки в коммерческих и военных целях. Они объединяют визуальные, слуховые и тактильные входные данные В этом случае обучение на ошибках становится гораздо менее дорогостоящим. Эпизоды, подобные военным задачам, могут быть тщательно отрепетированы.

2. Проектирование и производство Системы VR, такие как интерфейс CAD, могут предоставить проектировщику возможность дотянуться и потрогать «виртуальные» объекты. В случае управления крупномасштабным производственным процессом (например, предприятиями по производству ядерного оружия) VR может воссоздавать физическое присутствие при процессе, дополняя частично мыслящие модели контролеров (например, воспринимающие опасное вещество) Кроме того, квалифицированные операторы могут «работать» посредством дистанционного присутствия, физически находясь где угодно.

3. Управление финансами. В отношении финансового планирования VR выполняют обещание гораздо более сложных прогнозирующих моделей и систем «что если» Пользователи могут «извлекать» графики и работать с ними или испытывать разные сценарии способами, которые улучшают понимание и делают «риски» более очевидными.

4 Маркетинг. VR открывает неограниченные перспективы в отношении новых продуктов и услуг, особенно в индустрии финансов, развлечений и образования Концепция VR предлагает поразительные новые возможности для позиционирования продукта, его продвижения на рынок и доставки. В отношении физических продуктов и реальных услуг становится возможным пробовать версии VR, прежде чем покупать товар. Для самих продуктов VR (таких, как программное обеспечение) концепция «продвижения» становится главной философской загадкой, поскольку реальность продукта стала не более чем результатом восприятия.

5. Стратегия и структура Возможно, наиболее глубокое влияние VR на бизнес и управление будет в осуществлении тенденции, начатой с помощью IOS,t. е. в радикальном пересмотре традиционной концепции организации, собственности и богатства. Телекоммуникационные сети размыли организационные границы. Сейчас VR имеет потенциал для стирания границ между людьми посредством дистанционного присутствия и созданных компьютером миров Кто (или что) будет в виртуальном мире управлять кем и с какой целью? Что будут рассматривать как «богатство» и собственность? Таким образом, VR имеет потенциал для изменения мнения людей о самих себе и друг о друге. Со временем концепция искусства управления бизнесом или предприятием, вероятно, будет развиваться как управление виртуальными мирами.