Арифметика аналитических расчетов всегда влечет за собой логические выводы, которые тем действеннее, чем глубже и "быстрее" интеллект руководителя. Поэтому на рабочих местах менеджеров и руководителей распространяются системы искусственного интеллекта (СИИ), имитирующие на компьютере процессы мышления и ускоряющие их.
СИИ – это программная система, имитирующая на компьютере мышление человека. Перед ее созданием структурируется совокупность знаний: а) изучается процесс мышления человека, решающего определенные задачи или принимающего решения в конкретной профессиональной области; (б) выделяются основные шаги этого процесса и (в) разрабатываются программные средства, воспроизводящие изученный процесс на компьютере . Искусственный интеллект придает компьютеру черты разума. Методы искусственного интеллекта основаны на структуризации систем принятия решений.
В СИИ знания структурированы и организованы таким образом, что они отделены от знаний других предметных областей и от общих знаний К общим знаниям относят, например, правила написания программы и команд, правила выполнения команд программы и т. п. Выделенные знания о предметной области называют базой знаний, в то время как общие знания, использованные в конкретной СИИ для нахождении решений, называют механизмом вывода (под термином "вывод" здесь подразумевается вывод логических заключений).
Для представления структурированных знаний используются в основном три метода: правила, семантические сети и фреймы.
Правило имеет следующую структуру:
ЕСЛИ <условие>, ТО <заключение>.
Обе части правила выражены символами. В теории баз знаний эта конструкция носит название правила-продукции. Пример "ЕСЛИ коэффициент соотношения заемных и собственных средств превышает единицу при низкой оборачиваемости", ТО финансовая автономность и устойчивость критическая".
Основными структурными элементами СИИ являются правила (в них выражены знания) и факты (их оценивают с помощью правил).
Зачастую в управленческой практике правила бывают выведенными эмпирически из совокупности фактов, а не путем математического анализа или алгоритмического решения. Такие правила называют эвристиками. Знания - это информация, необходимая программе, чтобы она вела себя "интеллектуально". Например, в электронной таблице вы легко организуете вычисление коэффициента оборачиваемости, равно как и других коэффициентов. Но словесное заключение о финансовом состоянии вы построите сами, в зависимости от усвоенных вами специальных экономических знаний, и запишете эту оценку в аналитическую записку. Однако можно структурировать ваше знание (в виде правил), поместить правило в базу знаний и организовать автоматическое появление соответствующего заключения в определенном месте экрана, где вы введете логические формулы вывода определенного заключения при истинности проверяемого условия.
Основная идея представления знаний с помощью семантических сетей базируется на предположении о том, что предметную область (проблемную среду) можно представить совокупность сущностей (объектов) и бинарных отношений, определяющих связи между этими сущностями. При этом сущности и связи являются семантически устойчивыми в данной предметной области.
Объекты могут быть обобщенными и индивидными (конкретными). Например, сущность "человек" является обобщенным объектом, а "Петр Первый" - индивидным объектом.
Между двумя обобщенными объектами может существовать родовая связь. Например, "примат" - "человек", "транспорт" - "автомобиль" и т.д. Обратной к родовой выступает видовая связь. Например, автомобиль - вид транспорта. Между обобщенным и конкретным объектом выступает связь "являться представителем". Между агрегатными объектами и их частями естественно возникает связь типа "быть частью". Эта связь позволяет производить структуризацию объекта. Очевидно, бинарное отношение этого вида транзитивно. Обратным для отношения «быть частью» является отношение «содержит». Следующим типом базовых отношений является отношение "есть свойство". Например, "красивый" является свойством для объекта "цветок". Другие отношения: "быть причиной", "быть агентом", "быть инструментом", "быть объектом воздействия", класс пространственно-временных отношений типа "быть справа (слева внизу раньше позже одновременно и пр.)".
Фрейм определяют как структуру данных для представления стереотипных ситуаций. Эти ситуации выделяет исследователь, опираясь на опыт. Понятие - неформальные звания о стереотипных ситуациях. Фреймы - это формализованные ситуации. Фреймы соответствуют понятиям, отражающим объекты, явления, характеристики предметной области. Фрейм рассматривают как модуль модели представления знаний. Эта модель строится в виде сети фреймов.
Особенность фреймов: наличие в информационных и процедурных элементах незаполненных частей — слотов. Они могут заполняться в процессе активизации фрейма.
Искусственный интеллект как отрасль знаний прошел долгий и тернистый путь: первые увлечения (1960 год), лженаука (1960-65), успехи при решении головоломок и игр (1965-1975), разочарование при решении практических задач (1970-1985), первые успехи при решении ряда практических задач (1962-1992), массовое коммерческое использование при решении практических задач (1993-1995). Но основу коммерческого успеха по праву составляют экспертные системы и, в первую очередь, экспертные системы реального времени. Именно они позволили искусственному интеллекту перейти от игр и головоломок к массовому использованию при решении практически значимых задач.