Sisteme Inteligente In Contabilitate

CUPRINS

INTRODUCERE……………………………………………………………………………4

ASPECTE GENERALE PRIVIND INTELIGENTA ARTIFICIALA…………….5

1.1 Inteligența naturală și inteligența artificială…………………………………….5

1.1.1 Ce este inteligența naturală?……………………………………………………………….5

1.1.1.1 Generalitați…………………………………………………………….5

1.1.1.2 Inteligențe multiple……………………………………………………5

1.1.1.3 Inteligența cognitivă (IQ)……………………………………………..7

1.1.1.4 Inteligența emoțională (EQ)…………………………………………..7

1.1.2 Ce este inteligența artificială?……………………………………………………………..9

1.1.2.1 Definiții. Testul Turing……………………………………………….9

1.2 Domeniile de cercetare si aplicatie ale IA………………………………………11

1.2.1 Raționamentul logic………………………………………………………..11

1.2.2 Reprezentarea cunoasterii………………………………………………….11

1.2.3 Percepția……………………………………………………………………12

1.2.4 Calcul evolutiv. Algoritmi genetici…………………………………………12

1.2.5 Rețele neurale………………………………………………………………12

1.2.6 Teoria jocurilor……………………………………………………………..13

1.2.7 Învațarea automată (Machine learning)…………………………………….13

1.2.8 Agenți inteligenți……………………………………………………………………………….13

1.2.9 Sisteme fuzzy…………………………………………………………………………………….15

SISTEME EXPERT IN CONTABILITATE………………………………………..16

2.1 Definirea și structura sistemelor expert…………………………………………..16

2.1.1 Definirea și caracteristicile sistemelor expert……………………………….16

2.1.2 Structura unui sistem expert…………………………………………………18

2.2 Reprezentarea cunoștințelor in sistemele expert………………………………….19

2.2.1 Metode folosite in reprezentarea cunoștințelor……………………………..19

2.2.2 Reprezentări bazate pe logica formală……………………………………….20

2.2.3 Reprezentări succesoriale…………………………………………………….21

2.3 Domenii de aplicare ale sistemelor expert………………………………………..22

2.4 Utilizarea sistemelor expert în contabilitate………………………………………23

CONCLUZII…………………………………………………………………………………24

BIBLIOGRAFIE……………………………………………………………………………..25

INTRODUCERE

Ce este Inteligența Artificială? O intrebare, al cărei raspuns nu este simplu de dat. Problemele pe care le dezbat cercetătorii, care încearcă să ne dea un răspuns la această întrebare, au dus la cercetari complexe incepute cu mult timp in urma, și care continuă și in ziua de astăzi.

Ca să putem răspunde la această intrebare ar trebui mai intâi să ințelegem ce inseamnă Inteligența. A spune că inteligența este doar abilitatea de a gândii abstract si de a ințelge lucrurile care ne înconjoară, este prea puțin. Inteligența inseamnă mult mai mult decât atât și include abilitatea de a realiza acțiuni complexe, capacitatea de invățare, de adaptare, de a reacționa cu mediul inconjurator, de a trăii emoții.

După ce am reușit să ne facem o idee despre ce inseamnă inteligența am putea spune că, Inteligența Artificială este căutarea de a reproduce diferite aspecte ale inteligenței in materiale non-biologice si sisteme. Una dintre cele mai cunoscute definiți ale Inteligenței Artificiale este: ” studiul in care putem face calculatoarele să realizeze lucruri, care pentru moment, sunt mai bine făcute de către oameni” (Rich, 1991).

Inteligența artificială este o inteligența reală? Răspunsul cel mai des pe care l-am putea auzi, ar fi ca nu, la fel cum o perlă artificială este una falsă, nu una adevarată. Poate că, ”Inteligența Sintetică” ar fi un nume mai potrivit, la fel cum o perlă sintetică nu poate fi una naturală dar este e perlă adevărată.

Scopul Inteligenței Artificiale este să ințeleagă sistemele reale inteligente (naturale sau sintetice) prin sintetizarea lor. Simularea unui cutremur, nu este un cutremur adevărat, astfel tendința este de a crea inteligență, la fel cum ne-am putea imagina creând un cutremur. Modelul individului inteligent este omul, dar am putea considera ca model de inteligență si o colonie de furnici pentru că ele, privite in ansamblu sunt net mai inteligente decât fiecare individ al speciei privit separat. Colonia este cea care poate să descopere hrană și să o exploateze foarte eficient și tot ea este in masură să se adapteze la noi schimbări. La fel cum și o companie poate sa dezvolte, sa comercializeze și distribuie produse ceea ce necesită o colecție de aptitudini mult mai mari decât cea a unui singur individ.

Societatea, vazută ca un agent poate fi considerată ca cel mai inteligent agent cunoscut vreodată. Exemplele pe care le luăm și care vrem să le transpunem intr-o lume ”artificială” sau ”sintetică”, sunt atât de natura biologică cât și de natură organizațională.

1. ASPECTE GENERALE PRIVIND INTELIGENȚA ARTIFICIALA

1.1 Inteligența naturala si inteligența artificiala

Paradoxul aproximării inteligenței naturale prin inteligența artificială: Ceea ce omul face mai ușor (de exemplu: recunoaștere vizuală, vorbire, mers, învățare) – e mai greu de imitat prin inteligență artificială; iar ceea ce omul face mai greu (de exemplu: calcule matematice, calcule simbolice, memorare) – e mai ușor de imitat prin inteligență artificială. Cele mai bune rezultate se obțin imitând inteligența emergentă a grupurilor de animale sociale.

1.1.1 Ce este inteligența naturală?

1.1.1.1 Generalități

Într-o descriere aproximativă, inteligența umană ar fi capacitatea individului de a învăța ușor si bine, ușurința de a soluționa probleme noi, de a se adapta la situații noi, pe baza experienței acumulate.

William Stern a descris inteligența umană, ca fiind aptitudinea generală a individului de a-și adapta conștient gândirea unor cerințe noi: ea este capacitatea spirituală de adaptare generală la noile cerințe și condiții ale vieții.

În latină, intelligere înseamnă a relaționa, a organiza, iar interlegere însemna stabilirea de relații între oameni. Probabil că aceste două cuvinte au o legătură strânsă cu etimologia cuvântului inteligență. Cuvântul „inteligent“ provine tot din limba latină de la intelligo, care în traducere înseamnă deștept, înțelept, priceput, ager la minte. Pe scurt, inteligența ar putea fi definită ca fiind capacitatea minții de a stabili legături între diferite date.

Capacitatea de a înțelege ușor și bine, de a sesiza ceea ce este esențial, de a rezolva situații sau probleme noi pe baza experienței acumulate anterior; deșteptăciune […].

Inteligența umană este obiectul de studiu al psihologiei în colaborare cu neuroștiințele (neurofiziologia, neuropsihologia, neuroanatomia, etc), psihofizica, psihologia comportamentală, cibernetica biologică, biomecanica, inteligența artificială, teoria controlului, management, informatica și matematicile aplicate, respectiv robotica, mecatronica și controlul automat.

Pentru măsurarea inteligenței este vehiculat termenul de coeficient de inteligență sau IQ (intelligence quotient), care este un scor derivat din unul sau mai multe teste psihometrice standardizate de măsurare a inteligenței.

Secolul XX a fost dominat de conceptul IQ, ca indicator extrem de important în anticiparea performanțelor de care ar fi putut fi capabil un individ, despre care se spune că nu prea mai poate fi îmbunătățit pe parcursul vieții. IQ ia în considerare doar un singur tip de inteligență, inteligența cognitivă (mentală). Ulterior însă, a fost scos în evidență un alt aspect al inteligenței umane, inteligența emoțională, care are la bază teoria inteligențelor multiple a lui Gardner.

1.1.1.2 Inteligențe multiple

Teoria inteligențelor multiple a fost formulată pentru prima oară de către psihologul american Howard Gardner. Teoria sa pornește de la ideea existenței unor inteligențe diferite și autonome ce conduc la modalități diverse de cunoaștere, înțelegere și învățșare. El consideră că inteligența nu este o însușire pusă în lumină prin forțe standard, ci capacitatea de a rezolva probleme și de a dezvolta sau realiza produse în situații concrete de viață.

Astfel, capacitatea cognitivă a omului este descrisă printr-un set de abilități, talente, deprinderi mentale pe care Gardner le numește ,,inteligențe”(inițial 7, apoi 8 și apoi a fost pomenită și a 9-a). Toți indivizii normali posedă fiecare din aceste inteligențe într-o măsură mai mare sau mai mică. Ceea ce-i deosebește este gradul lor de dezvoltare și natura unică a combinării acestor inteligențe la fiecare individ în parte. În acest sens Gardner subliniază ideea că o inteligență trebuie să fie probată de existența unei zone de reprezentare pe creier și prin existența unui sistem propriu de expresie.

Howard Gardner a identificat până în prezent următoarele tipuri de inteligență:

Inteligența lingvistică: capacitatea de a rezolva probleme și de a construi produse cu ajutorul codului lingvistic (presupune abilitatea și plăcerea de a citi, scrie, povesti sau a se juca cu cuvintele (exemple: rezolvarea cuvintelor încrucișate, practicarea jocului SCRABLE etc.);

Inteligența logico-matematică: presupune capacitatea de a descoperi legături, modele, categorii și relații (exemple: se manifestă în jocuri logice, rezolvarea problemelor de aritmetică sau în jocurile de strategie);

Inteligența spațială: se referă la capabilitatea de a gândi în imagini și la facilitatea în rezolvarea unor probleme de tip geometrico-spațial (exemple: găsirea drumului într-un labirint, aptitudinea de a desena sau de a construi figuri din cuburi Lego sau jocuri pe calculator de tip spațial);

Inteligența corporal-kinestezică: implică o mare sensibilitate în identificarea și prelucrarea senzațiilor fizice, de exemplu, a simți ritmul unui dans; inteligența la nivelul corpului și al mâinilor ne permite să controlăm și să interpretăm mișcările corpului, să manevrăm obiecte, să realizăm coordonarea (armonia) dintre trup și spirit. Acest tip de inteligență nu se regăsește numai la atleți, acrobați sau dansatori, ci poate fi întâlnit în mișcările, în practicarea unor meserii riscante care presupun o mare finețe pentru reușită (o operație pe creier, dezamorsarea unei bombe, pilotarea unei mașini de curse etc.). Acest tip de inteligență include deprinderi fizice speciale precum coordonarea, echilibrul, dexteritatea, forța, flexibilitatea, viteza, precum și deprinderi la nivelul proprioceptorilor, la nivel tactil și cutanat;

Inteligența muzicală: presupune existența urechii muzicale, adică a posibilității de a percepe și distinge sunete care par la fel altor persoane;

Inteligența interpersonală: presupune empatie (ușurință de a te pune în situația altcuiva, adică existența capacității de a înțelege sentimentele altora), este prezentă mai ales la cei cu spirit de conducător;

Inteligența intrapersonală: reflectă o bună cunoaștere a propriilor sentimente și posibilități, capacitate de introspecție și autoanaliză non subiectivă.

Inteligența naturalistă (capacitatea de a rezolva probleme și de a dezvolta produse cu ajutorul clasificărilor și reprezentărilor din mediul înconjurător).

Inteligența existențială – Gardner este convins că este o modalitate de cunoaștere a lumii care îi caracterizează pe filozofi, pe cei care pun întrebări despre sensul fericirii, începutul universului etc. Probabil că și spiritualitatea aparține acestui tip de inteligență. Gardner însă nu a stabilit localizarea pe creier.

De aceea vorbește despre aceasta ca despre o jumătate de inteligență.

Din punct de vedere biologic, inteligențele sunt independente, în funcție de zonele corticale care le guvernează. La nivel individual ele apar în combinații, fiecare individ fiind de fapt , o colecție de inteligențe.

Un studiu recent elaborat de către Karl Albrecht menționează necesitatea rearanjării modelului inteligențelor multiple al lui Howard Gardner, în alte șase categorii primare:

Inteligența abstractă: raționamente simbolice;

Inteligența socială: legăturile interumane;

Inteligența practică: organizarea activităților;

Inteligența emoțională: conștiința de sine și auto-controlul;

Inteligența estetică: sensul formelor, desenul, muzica,arta și literatura;

Inteligența kinestezică: capacitățile fizice, cum ar fi cele sportive, dansul, muzica etc.

1.1.1.3 Inteligența cognitivă (IQ). Teste psihometrice pentru IQ

Se zice că IQ este un coeficient care nu poate fi ameliorat semnificativ pe parcursul vieții. Testele de inteligență au fost folosite pentru a anticipa succesul educațional. Astfel că persoanele cu un IQ scăzut sunt uneori orientate către un program de educație pentru persoane cu nevoi speciale, în timp ce un IQ ridicat recomandă aceste persoane pentru un program educațional avansat.

Preocuparea pentru realizarea unor teste cât mai exacte datează încă din anul 1905 și se datorează psihologului francez Alfred Binet, care a publicat primul test modern de evaluare a inteligenței, cunoscut azi sub numele de scala de inteligență Binet-Simon. Principalul scop al acestui test era de a identifica studenții care aveau nevoie de asistență specială în parcurgerea planului de învățământ. În colaborare cu Theodore Simon, Binet a adus optimizări, publicând noi versiuni ale acestui test de evaluare a inteligentei în 1908 și 1911.

Abrevierea termenului de coeficient de inteligență sau IQ (traducerea din germană a Intelligenz-Quotient) a fost atribuită în 1912 unui psiholog german, William Stern, care definea IQ ca fiind coeficientul de măsurare a nivelului de inteligență al unei persoane.

În 1916, Lewis M. Terman, profesor la Universitatea Stanford, aplică teoria lui Stern pentru o versiune rafinată a Scalei Binet-Simon și elaborează un test numit scala de inteligență Stanford-Binet. Testul lui Terman a pus bazele unuia dintre cele mai moderne teste de evaluare a inteligentei folosit până în prezent.

IQ se calculeaza folosind formula:

IQ= 100 X vârsta mintală/vârsta biologică,

rezultând că pentru o persoană în vârstă de 10 ani care era evaluată la nivelul unei persoane cu vârsta de 13 ani să aibă un IQ de 130 (100 X 13/10).

Primul test de inteligență special creat pentru adulți a fost publicat de abia în 1939 de David Wechsler și era numit scala de inteligență pentru adulți a lui Weschler (WAIS), ceea ce a determinat și apariția WISC (scala de inteligență pentru minori a lui Weschler), standardizând astfel coeficientul de inteligență, care nu se mai baza pe vârstă.

Faptul ca IQ măsoară doar inteligența înnăscută și nu poate fi ameliorat semnificativ pe parcursul vieții, dar și încercările de a explica situațiile în care persoane cu un IQ mediu sau scăzut au cunoscut un mare succes în societate (de exemplu, Shakespeare, Darwin, Spilberg, Picasso, Ghandi, Einstein, Mozart, Freud etc.), au deschis perspectivele teoriei privind importanța și influența inteligenței emoționale în dezvoltarea personalității umane. Deci, inteligența este de două tipuri: cea cognitivă (analitică, logică) și cea emoțională. Prima este strategică și acționează pe termen lung, iar cea de-a doua poate oferi răspunsuri la probleme curente în viața de zi cu zi.

1.1.1.4 Inteligența emotională (EQ). Inteligența socială

Cartea lui Daniel Goleman, “Inteligența emoțională, cheia succesului în viață”, a marcat o revoluție uluitoare în psihologie prin analiza importanței covârșitoare a emoțiilor în dezvoltarea personalității umane.

Studiul său ne explică cum, atunci când ne înțelegem sentimentele, situația în care ne aflăm devine mai limpede. Descoperim chiar un nou mod de a privi cauzele bolilor care ne macină familia și societatea.

Preluând rezultatele cercetărilor asupra creierului și comportamentului, autorul propune extinderea conceptului de inteligență. Autorul a deschis calea unei psihologii care acordă un interes egal și inteligenței sentimentelor.

Inteligența emoțională (EQ) presupune, în primul rând, conștientizare de sine, autodisciplină și empatie. Ea dă seama de felul în care ne controlăm impulsurile și sentimentele.

Vestea bună este faptul că inteligența emoțională poate fi îmbunătățită.

Deși copilăria este extrem de importantă în punerea unor baze solide pentru dezvoltarea inteligenței emoționale, ea poate fi îmbunătățită și cultivată inclusiv la vârsta adultă.

La zece ani de la apariția primei ediții în limba engleză, studiul inteligenței emoționale a căpătat proporțiile unui domeniu științific autonom în slujba căruia lucrează un număr impresionant de cercetători folosind cele mai avansate metode tehnologice. Astăzi, inteligența emoțională se predă în școli și universități, competențele sale au devenit criterii de angajare sau de promovare în carieră, iar programele de educație pe baza sa au devenit punctul de plecare în politicile sociale de prevenire a îmbolnăvirilor psihice sau criminalității.

Mai mult, se vorbește azi deja și de o inteligență socială. Omul este un animal social, după cum a spus încă Aristotel. Omul trăiește și acționează într-un mediu social. De aceea, eficiența sa atât în rezolvarea problemelor din viața de zi cu zi, cât si a celor întâlnite în activitatea profesională, nu depinde numai de aptitudinea intelectuală, ci și de capacitatea de a construi și dezvolta relații interpersonale pozitive și armonioase, care să permită îndeplinirea țelurilor propuse.

O altă carte a lui Daniel Goleman, Inteligența socială. Noua știință a relațiilor umane [Gol07], ne atrage atenția asupra unui nou tip de inteligență, diferită de inteligența emoțională, nu ca parte a acesteia, ci ca dimensiune de sine stătătoare.

Reacțiile pe care le avem față de ceilalți, ca și ale lor față de noi, au un impact biologic mult mai extins decât ne închipuim. Este vorba de declanșarea unor cascade de hormoni care ne reglează întregul organism, de la inimă până la sistemul imunitar, determinând relațiile bune să acționeze ca niște vitamine, iar pe cele proaste ca niște otrăvuri. Ne putem „molipsi” de emoțiile celorlalți oameni tot așa cum luăm o gripă, iar, pe de altă parte, consecințele izolării sau cele ale unui stres social intens ne pot scurta viața.

În Inteligența socială, Goleman explică surprinzătoarea corectitudine a primelor impresii, fundamentul carismei și forța emoțională, complexitatea atracției sexuale și sesizarea minciunilor. El descrie „partea întunecată“ a inteligenței sociale, de la narcisism la machiavelism și psihopatie. Ne mai vorbește despre uimitoarea noastră capacitate de a fi vizionari, ca și despre tragedia celor care, asemenea copiilor autiști, au un acces redus la rațiune. Iar mesajul distinct al acestei cărți este următorul: noi, oamenii, avem o predilecție înnăscută către empatie, cooperare și altruism, astfel încât putem dezvolta o inteligență socială prin care să ne hrănim aceste calități neprețuite.

Modelul practic al competenței EQ elaborat de Daniel Goleman identifică următoarele cinci dimensiuni:

Conștiința de sine;

Auto-cenzurarea;

Motivația;

Empatia;

Relațiile.

Steven J. Stein și Howard E. Book se referă la organizarea EQ sub forma unor domenii:

Domeniul intrapersonal: conștiința emoțională de sine, caracterul asertiv, independența, respectul de sine, împlinirea de sine;

Domeniul interpersonal: empatia, responsabilitatea socială, relațiile interpersonale;

Domeniul adaptabilității: testarea realității, flexibilitatea, soluționarea problemelor;

Domeniul administrării stresului: toleranța la stres, controlul impulsurilor;

Domeniul stării generale: optimismul, fericirea.

Modelul inteligenței sociale elaborat de către K. Albrecht este alcătuit din cinci dimensiuni distincte:

Conștiința situațională: „radar social” sau abilitatea de a studia situațiile și de a interpreta comportamentul oamenilor;

Prezența: „Ńinuta” sau întreaga colecție de semnale pe care ceilalți le procesează într-o impresie evaluatoare a unei persoane.

Autenticitatea: „radarele” sociale ale altora asupra comportamentului nostru.

Claritatea: capacitatea noastră de ai face pe alții sa coopereze cu noi.

Empatia: dar empatia împărtățită între două persoane, ca stare a legăturilor cu altă persoană care să creeze bazele pentru o interacțiune pozitivă și cooperantă.

1.1.2 Ce este inteligența artificială?

1.1.2.1 Definiții. Testul Turing

InteligenŃa artificială (IA) este traducerea din limba engleză a sintagmei Artificial Intelligence și se referă la un domeniu de cercetare, în general în cadrul informaticii, tehnologiei informației sau științei calculatoarelor, care se ocupă cu studiul și proiectarea agenților inteligenți, unde prin agent inteligent se înțelege un sistem astfel conceput, încât să-și perceapă mijloacele și să acționeze în așa mod, încât să-și optimizeze șansele de succes. În vorbirea curentă IA este un produs rezultat în urma desfășurării acestei activități. Nu există însă o definiție standard a ce înseamnă exact IA, fiecare autor având o percepție proprie asupra definiției.

IA se poate descrie, ca fiind capabilitatea mașinilor sau programelor să mimeze procesele de gândire umane, cum ar fi cugetarea sau învățarea. Mai mult, obiectul IA se poate defini ca fiind studiul de a face calculatoarele să realizeze lucruri pentru care omul are nevoie de inteligență pentru a le realiza.

Această definiție extinsă nu doar include prima definiție, dar acoperă și tehnologiile pe care le utilizează calculatoarele pentru a dobândi sarcini inteligente, chiar dacă acestea nu simulează în mod necesar procesele de gândire umane. O trăsătură des întâlnită a IA este că sistemul respectiv este capabil să învețe, cu scopul de a se îmbunătăți permanent și fără ajutoare externe.

O altă definiție a IA ar putea fi: „capacitatea sistemelor tehnice evoluate de a obține performanțe cvasiumane.

Definiția cea mai acceptată a IA a fost dată de John McCarthy în 1955: “o mașină care se comportă într-un mod care ar putea fi considerat inteligent, dacă ar fi vorba de un om”.

Ce înseamnă un calculator inteligent?

O caracterizare a calculatorului inteligent se bazează pe aparența problemelor ce trebuie rezolvate. De exemplu, un calculator care face operația 1+1 și afișează rezultatul 2 nu este neapărat inteligent, dar un calculator ce calculează derivata simbolică a lui f(x)=cos2x e-x poate fi numit cu siguranță inteligent.

Clasele de probleme care necesită inteligență includ inferențe bazate pe cunoștințe, raționament cu informație incertă sau incompletă, diferite forme de percepție și învățare și aplicări pentru probleme ca predicție, clasificare, control și optimizare.

O a doua caracterizare a calculatoarelor inteligente se bazează pe mecanismul de susținere a proceselor biologice folosite pentru a ajunge la o soluție. Primele exemple pentru această categorie sunt rețelele neurale și algoritmii genetici.

IA, ca știință, își propune să explice și să modeleze comportamentul inteligent în termenii proceselor de calcul și este de natură interdisciplinară (informatică, matematică, psihologia proceselor cognitive etc.).

Alan Turing (1912-1954) a fost unul dintre pionierii IA, considerat ca prim părinte a acesteia. Turing nu a furnizat definiții despre mașini și gândire, ci a evitat argumentele semantice inventând un joc, jocul imitației Turing. În loc să întrebăm „Pot mașinile gândi?”, Turing spunea că ar trebui să ne întrebăm „Pot mașinile trece un test de comportament pentru inteligență?” El a prezis că în anul 2000, un calculator va putea fi programat pentru a avea o conversație cu un interogator uman pentru cinci minute și va avea 30% șanse să-l inducă în eroare. Turing a definit comportamentul inteligent a unui calculator ca abilitatea de a acumula performanțe la nivel uman în sarcini cognitive. Cu alte cuvinte, un calculator trece testul, dacă interogatorii nu pot distinge o mașină de un om pe baza răspunsurilor date la întrebările lor. Jocul imitației propus de Turing cuprinde 2 faze. În prima fază, interogatorul, un bărbat și o femeie, sunt puși în camere separate și pot comunica doar prin mediu neutral, cum ar fi un terminal la distanță. Obiectivul interogatorului este de a-și da seama care este femeia și care este bărbatul doar din întrebările pe care le adresează celor doi. Regulile jocului sunt că bărbatul ar trebui să încerce să inducă în eroare interogatorul, în timp ce femeia trebuie să-l convingă că ea este femeia. În a doua fază a jocului, omul este înlocuit cu un calculator programat să inducă în eroare interogatorul așa cum a făcut și bărbatul. Ar putea foarte bine să fie programat și să facă erori și să dea răspunsuri evazive, așa cum ar face-o un om. Dacă calculatorul poate păcăli interogatorul la fel de des ca și bărbatul, putem spune că acel calculator a trecut testul de comportament inteligent. În testul lui Turing, interogatorul nu vede, simte sau aude calculatorul, bărbatul sau femeia și deci nu este influențat de aparențe sau voce.

Testul lui Turing are două calități remarcabile ce îl fac universal:

Prin menținerea comunicației dintre om și mașină prin intermediul terminalelor, testul ne furnizează un punct de vedere standard obiectiv asupra inteligenței. Se evită dezbaterile despre natura umană a inteligenței și elimină orice înclinare în favoarea omului.

Testul însuși este destul de independent de detaliile experimentului. Poate fi realizat fie ca un joc în 2 faze sau având doar o fază, în care interogatorul trebuie să aleagă între un om și mașină.

Deși calculatoarele moderne încă nu pot trece testul Turing, acesta furnizează o bază pentru verificarea și validarea sistemelor bazate pe cunoștințe. Un program despre care se crede că este inteligent într-o anumită arie de expertiză este evaluat prin compararea performanțelor sale cu performanțele unui expert uman.

Creierul nostru stochează echivalentul a peste 1018 biți și poate procesa informații echivalente a 1015 biți pe secundă. În 2020, probabil, creierul va fi modelat de un cip de mărimea unui cub de zahăr – și poate până atunci va exista și un calculator care va putea juca – chiar câștiga – jocul imitației a lui Turing. Oricum, chiar dorim ca mașinile să realizeze calcule matematice atât de încet și incert ca și un om? Dintr-un punct de vedere practic, o mașină inteligentă ar trebui să ajute oamenii să ia decizii, să caute informații, să controleze obiecte complexe și, în final, să înțeleagă sensul cuvintelor. Probabil că nu există ceva de câștigat, dacă mașinile sunt dezvoltate cu inteligență umană. Să construim un sistem inteligent, trebuie să capturăm, organizăm și să folosim cunoștința experților umani dintr-o anumită arie de expertiză.

Alan Turing a prezis în 1950 că până în anul 2000 vor exista mașini (calculatoare) cu 109 bytes (1 GB) de memorie care vor putea "păcăli" 30% din juriile umane într-un test de 5 minute. Însă, în timp ce pe de-o parte tehnologia chiar a depășit previziunile lui Turing, IA este încă departe de a egala pe cea umană în multe domenii.

Din testul Turing se desprind câteva caracteristici implicite ale unui sistem inteligent:

prelucrarea limbajului natural;

posibilitatea de reprezentare a cunoașterii, a informațiilor apriorice și a celor recepționate în timpul dialogului;

raționament automat pentru utilizarea informațiilor în răspunsuri, concluzii sau pentru formularea propriilor întrebări;

învățarea în vederea adaptării la situații noi.

Alte definiții ale IA:

Marvin Minsky: Inteligența nu este un singur lucru, ci o colecție de strategii, iar IA este știința identificării concrete a acestor strategii și a modului în care se încadrează într-un tot coerent;

Patrick Winston: IA se ocupă cu studiul proceselor computaționale care fac posibile percepția, raționamentul, acțiunea și este studiul ideilor care permit calculatoarelor să efectueze lucrurile care fac oamenii să pară inteligenți.

1.2 Domeniile de cercetare si aplicatie ale IA

1.2.1 Raționamentul logic

Raționamentul logic sau raționamentul simbolic se bazează pe teoria logico-matematică clasică și analizează modul în care pot fi derivate cunoștințe noi din cele existente, în mod deductiv, pe baza unor reguli de inferență. Ca și cursuri pregătitoare pentru studiul IA se recomandă un curs de logică computațională. Ca aplicații, putem aminti limbajele declarative Lisp, Prolog și Clips sau sistemele de demonstrare automată a teoremelor.

1.2.2 Reprezentarea cunoașterii

Este un domeniu fundamental al IA, deoarece studiază modalitățile în care cunoștințele din lumea reală pot fi exprimate și simbolizate în vederea manipulării computaționale. Alegerea optimă a metodei de reprezentare a cunoștințelor reprezintă un pas important în construirea unui sistem bazat pe cunoștințe corect și eficient.

Prin reprezentarea cunoștințelor se înțelege descrierea și codificarea unor obiecte (entități) care aparțin unui domeniu particular de aplicare a unei forme de raționament artificial. Definiția se referă la două aspecte complementare ale reprezentării cunoștințelor, exprimarea și, respectiv, manipularea cunoștințelor. Cunoștințele sunt exprimate într-un limbaj formal, numit limbaj de descriere a cunoștințelor. Limbajul dispune de o sintaxă care cuprinde un ansamblu de expresii valide în termenii limbajului și de o semantică prin care se atribuie sensul formulelor sintactice utilizate într-un context particular. Manipularea cunoștințelor consta în aplicarea unor proceduri de organizare și utilizare a cunoștințelor reprezentate formal.

Principalele familii de metode formale (formalisme) de reprezentare a cunoștințelor, considerate în prezent suficient de consolidate din punct de vedere teoretic pentru a permite dezvoltarea unor aplicații complete de gestiune a bazelor de cunoștințe, sunt:

rețelele semantice,

logicile terminologice,

reprezentarea orientata pe obiect,

grafurile conceptuale.

Fiecare dintre aceste formalisme propune mecanisme concrete de formalizare (exprimare si manipulare) a cunoștințelor.

1.2.3 Percepția

Cercetează reprezentarea într-o formă accesibilă din punct de vedere computațional a stimulilor care provoacă reacții la nivelul organelor senzoriale umane, cum ar fi percepția vizuală și percepția auditivă. De exemplu, sistemul inteligent Optical Character Recognition (OCR) poate efectua recunoașterea scrisului de tipar sau de mână.

1.2.4 Calcul evolutiv. Algoritmi genetici

Studiază modul în care soluția poate fi găsită prin mecanisme inspirate din procesele de evoluție biologice, din așa numitul calcul natural.

În general, orice sarcină abstractă care trebuie îndeplinită poate fi privită ca fiind rezolvarea unei probleme, care, la rândul ei, poate fi percepută ca o căutare în spațiul soluțiilor potențiale. Deoarece, de regulă, căutăm cea mai bună soluție, putem privi acest proces ca fiind un proces de optimizare. Pentru spații reduse, metodele clasice exhaustive sunt suficiente; pentru spații mai mari, pot fi folosite tehnicile speciale ale IA.

Metodele calculului evolutiv se numără printre aceste tehnici; ele folosesc algoritmi ale căror metode de căutare au ca model câteva fenomene naturale: moștenirea genetică și lupta pentru supraviețuire.

Cele mai cunoscute tehnici din clasa calculului evolutiv sunt:

algoritmii genetici,

strategiile evolutive,

programarea genetică,

programarea evolutivă.

Există și alte sisteme hibride care încorporează diferite proprietăți ale paradigmelor de mai sus; mai mult, structura oricărui algoritm de calcul evolutiv este, în mare măsură aceeași.

Algoritmii genetici au apărut în jurul anului 1950, când mai mulți biologi au folosit calculatoarele pentru simularea sistemelor biologice. Rezultatele muncii au apărut după 1960, când la Universitatea din Michigan, sub îndrumarea lui John Holland, algoritmii genetici au apărut în forma în care sunt cunoscuți azi. După cum rezultă și din denumire, algoritmii genetici folosesc principii din genetică naturală. Câteva principii fundamentale ale geneticii sunt împrumutate și folosite artificial pentru a construi algoritmi de căutare, care sunt robuști și au marele avantaj că cer informașii minime despre problemă. Algoritmii genetici au fost inventați folosind modelul procesului de adaptare. Ei operează, în principal, cu șiruri binare și folosesc un operator de recombinare și unul de mutație.

1.2.5 Rețele neurale

Rețelele neurale se bazează pe analogia cu modul de organizare a sistemului nervos uman pentru înmagazinarea implicită a cunoștințelor și pentru efectuarea unor procese de învățare și generalizare în condiții de informații incomplete sau afectate de perturbații de recepție. Sunt sisteme paralele, distribuite, cu capacitatea de a învăța pe bază de exemple. Rețelele neurale caracterizează ansambluri de elemente de procesare simple, puternic interconectate și operând în paralel, care urmăresc să interacționeze cu mediul înconjurător într-un mod asemănător creierelor biologice și care prezintă capacitatea de a învăța. Nu există o definiție general acceptată a acestor tipuri de sisteme, dar majoritatea cercetătorilor sunt de acord cu definirea rețelelor artificiale ca rețele de elemente simple puternic interconectate prin intermediul unor legături numite interconexiuni prin care se propagă informație numerică. Originea acestor rețele trebuie căutată în studierea rețelelor bioelectrice din creier formate de neuroni și sinapsele acestora. Principala trăsătură a acestor rețele este capacitatea de a învăța pe bază de exemple, folosindu-se de experiența anterioară pentru a-și îmbunătăți performanțele. Deși se aseamănă în funcționare cu creierul uman, rețelele neuronale au o structură diferită de cea a creierului. O rețea neurală este mult mai simplă decât corespondentul uman, dar la fel ca și creierul uman, este compusă din unități puternice de calcul, mult inferioare însă corespondentului uman, neuronul.

1.2.6 Teoria jocurilor

Studiază strategiile pe care trebuie să le urmeze într-o confruntare cu reguli bine definite doi sau mai mulți concurenți ale căror interese nu coincid. În exemplele virtuale imaginate de diverși teoreticieni, prin joc se înțelege o situație care implică doi sau mai mulți decidenți, numiți jucători care sunt puși în fața situației de a-și alege o strategie pentru a-și maximiza recompensele primite ca urmare a propriilor acțiuni raportate la mutările celorlalți. În aceste jocuri, jucătorii au interese opuse, în totalitate sau parțial, acest aspect cauzând un anumit comportament și o anumită strategie în abordarea jocului. Strategiile sau combinațiile de strategii ale jucătorilor sunt recompensate cu un anumit punctaj. La finalul jocului are loc o comparare a rezultatelor și o corelare a acestora cu strategiile efectuate.

1.2.7 Învățarea automată (Machine learning)

Învățarea automată (Machine learning) este un domeniu de bază al IA, care se ocupă de dezvoltarea de algoritmi și metode ce permit unui sistem informatic să învețe date, reguli și chiar algoritmi. Machine learning este axat pe proiectarea și dezvoltarea de algoritmi și tehnici care permit calculatoarelor să „învețe” prin metode inductive sau deductive. Mașinile de învățat inductive extrag reguli și forme din blocuri masive de date.

Cele mai importante aplicații pentru machine learning sunt:

procesarea limbajului natural;

recunoașterea sintactică a formelor;

recunoașterea obiectelor;

instrumente de căutare;

diagnoză medicală;

bioinformatică;

detectarea fraudelor informatice;

voce electronică;

mișcarea roboților;

jocuri etc.

Învățarea automată presupune, în primul rând, identificarea și implementarea unei modalități cât mai eficiente de a reprezenta informații, în sensul facilitării căutării, reorganizării și modificării lor. Alegerea modului de a reprezenta aceste date ține atât de concepția generală asupra modului de rezolvare a problemei, cât și de caracteristicile datelor cu care se lucrează.

1.2.8 Agenți inteligenți

Un agent inteligent este o entitate autonomă (program, robot etc.), care achiziționează date și cunoștințe și acționează pe baza acestora. Agenții inteligenți sunt programe adaptive și autonome care pot fi folosite în vederea creării de software ce rezolvă anumite sarcini (task-uri) în numele unui anumit utilizator, bazându-se pe instrucțiuni explicite sau implicite din partea acestuia.

Agenții inteligenți pot facilita interacțiunea om-computer prin :

ascunderea complexității task-urilor dificile,

realizarea de task-uri (acțiuni) laborioase,

conducerea unor tranzacții în numele utilizatorului,

pregătire și învățare,

oferirea de ajutor unor anumiți utilizatori în vederea colaborării acestora,

monitorizarea de evenimente si proceduri diverse.

Agenții inteligenți operează în cadrul unui mediu software cum ar fi sistemele de operare, bazele de date sau rețelele de calculatoare. Tehnologia aflata în spatele agenților inteligenți este o combinație de tehnici din domeniul IA și de metodologii de dezvoltarea sistemelor, cum ar fi programarea orientată obiect, care permite programelor să învețe din si sa reacționeze la mediul înconjurător. Agenții inteligenți interacționează cu mediul din care fac parte prin criterii de selecție a datelor bazate pe reguli. Un agent inteligent își dezvoltă reguli corespunzătoare prin intermediul instrucțiunilor explicite furnizate de utilizator, prin imitarea utilizatorului, prin feedback (răspuns) pozitiv sau negativ primit de la utilizator și prin indicații obținute în urma interacționării cu alți agenți.

Există două tipuri de agenți inteligenți:

Agent simplu: varietatea cea mai comună de agent este agentul care este construit cu scopul de a învăța și de a prelucra permanent sarcini de rutină sau repetitive ale utilizatorului. Un astfel de agent poate recunoaște, de exemplu, că utilizatorul ignoră în mod constant e-mail-urile provenind de la un anumit expeditor și șterge automat un astfel de e-mail când acesta sosește.

Agent de tipul „fire-and-forget”: un utilizator poate instrui un agent pentru a găsi anumite informații, urmând ca apoi să-l „trimită” în căutarea acestor informații. De exemplu, agentul inteligent astfel instruit poate fi lansat în rețea, iar el își poate croi drumul spre sistemul de computere al renumitei Bibiloteci a Congresului SUA, cu scopul de a cerceta/întreba, dacă și unde se poate afla informația pe care el o caută. Utilizatorul este astfel eliberat de laborioasa sarcina de a căuta pe Internet informația ce-l interesează, lucrul acesta fiind realizat de către agentul său inteligent, care, după un anumit timp, poate chiar câteva zile, îi va furniza rezultatul căutării. În acest timp, utilizatorul se poate concentra asupra unor probleme creative, de exemplu. Sarcinile de rutină vor fi controlate și efectuate de către un astfel de agent. Alte operațiuni pe care le poate efectua un agent inteligent tip „fire-and-forget” ar fi: programarea de întâlniri (scheduling appointments), realizarea de cumpărături pe piețele electronice, sesizarea apariției anumitor oportunități (în care utilizatorul este interesat) și alertarea, eventual și remedierea automată, a problemelor de software.

Din punctul de vedere al aptitudinilor de mobilitate ale unui agent, avem de asemenea două categorii:

Agenți statici: nu-și pot părăsi locul și nu pot „traversa” prin rețea pentru a ajunge la alte servere și nu pot comunica nici cu agenții aflați în același mediu;

Agenți mobili: ei fiind caracterizați din punct de vedere formal ca fiind obiecte ce posedă comportament, stare și locație. În vederea realizării sarcinii ce i s-a încredințat, un agent din această categorie poate părăsi site-ul pentru care a fost creat și poate naviga prin rețea, în fiecare moment el identificându-se printr-o anumită locație (site-ul pe care a ajuns), un anumit comportament (task-ul pe care îl realizează în acea situație/stare) și starea corespunzătoare.

1.2.9 Sisteme fuzzy

Bazate pe logica fuzzy, sistemele fuzzy sunt considerate un caz particular al sistemelor expert (motiv pentru care mai sunt denumite și sisteme expert fuzzy) care oferă o metodă flexibilă pentru tratarea incertitudinii. Logica fuzzy, datorată lui Lotfi A. Zadeh, oferă instrumentele necesare pentru reprezentarea în sistemele inteligente a unor concepte imprecise cum sunt „mare”, „mic”, „scump”, „ieftin” ș.a., concepte numite variabile lingvistice sau variabile fuzzy.

Pentru reprezentarea acestora se folosesc seturile fuzzy, care captează din punct de vedere cantitativ interpretarea calitativă a termenilor. Japonia este țara cu cele mai multe sisteme fuzzy implementate, mai ales în domeniile urmăririi producției și al vânzărilor. De asemenea, multe sisteme fuzzy au fost încorporate în unele dintre bunurile de larg consum: mașini de spălat, cuptoare cu microunde, aparate foto, aparate de aer condiționat și până la nave cosmice.

2. SISTEME EXPERT IN CONTABILITATE

2.1 Definirea si structura sistemelor expert

2.1.1 Definirea si caracteristicile sistemelor expert

Elementul central al prelucrării inteligente îl constituie raționamentul artificial, ca imitare a celui natural, efectuat de creierul uman. În orice domeniu de activitate există probleme cu grad ridicat de dificultate, care pot fi rezolvate numai de experții, formați ca specialiști în urma unei vaste experiențe în domeniul respectiv.

Așa cum încă nu există o definiție unanim acceptată pentru inteligența artificială, nu există încă o definiție unică pentru sistemele expert.

În general, sistemele expert pot fi definite ca fiind programe bazate pe tehnicile inteligenței artificiale, care înmagazinează cunoștințele experților umani dintr-un domeniu bine definit și apoi le folosesc pentru rezolvarea problemelor din acel domeniu.

Sistemele expert încearcă să imite în principal raționamentele experților umani prin raționamente artificiale. Mai mult decât preluarea cunoștințelor expertului uman, sistemele expert le multiplică și explicitează experiența acestora. Este cunoscut faptul că un expert uman într-un domeniu se formează foarte greu și necesită, pe lângă pregătirea și experiența personală, și calități native. De aceea multiplicarea cunoștințelor experților umani prin intermediul sistemelor expert este, în zilele noastre, o necesitate obiectivă.

Pentru o mai bună înțelegere a unor aspecte privitoare la defenirea sistemelor expert, este necesară o partajare a cunoștințelor expertului uman dintr-un anumit domeniu. Un expert uman recunoaște, definește și rezolvă probleme din domeniul său de expertiză, având o capacitate crescută de a se orienta în aspecte precum complexitatea, incompletitudinea, incertitudinea, inconsistența, confuzia și aprecierile vagi.

Pornind de aici expertul uman trebuie să aducă problema în stadiul în care lucrurile sunt cât mai simple, complete, precise, consistente și clare, adică să treacă problema din sfera expertizei în sfera cunoștințelor commune de specialitate. În acest stadiu, rezolvarea problemei poate fi susținută eventual de prelucrări algoritmice utilizând baze de date. În general, expertul uman acționează într-o clasă de probleme slab structurate, pentru care nu se pot defini algoritmi de rezolvare.

încercând să imite expertul uman, sistemele expert posedă următoarele caracteristici:

cunoștințele sunt independente de mecanismul de raționament, se introduc global, nu depind unele de altele, iar modificarea unui element nu influențează raționamentul;

spre deosebire de programarea clasică, unde trebuia să se descrie explicit toate prelucrările într-o manieră statică, sistemele expert se caracterizează printr-o abordare declarativă în care se specifică cunoștințele care vor fi exploatate în mod dinamic de mecanismul de raționament;

sistemele expert trebuie să fie capabile să explice raționamentele făcute și să argumenteze soluțiile obținute, într-o manieră asemănătoare expertului uman;

cunoștințele manipulate de sistemele expert sunt în principal de natură simbolică, spre deosebire de programele clasice care utilizează preponderent date numerice;

sistemele expert trebuie să fie capabile să gestioneze baze de cunoștințe de volum mare și să trateze cunoștințe inexacte și incomplete;

sistemele expert utilizează metode empirice, bazate pe experiență, care conduc la soluțiile cele mai bune;

sistemele expert sunt specializate într-un anumit domeniu și nu în rezolvarea unei probleme, ca sistemele informatice clasice.

O problemă mult discutată în privința utilizării sistemelor expert este aceea a raportului dintre relevanță și precizie. Se știe, din teoria generală a sistemelor, că un sistem descompus într-un număr mic de subsisteme are o relevanță mare și o precizie mică, iar cu cât descompunerea avansează, relevanța scade și precizia crește. Prelucrarea algoritmică se caracterizează printr-o precizie mare iar sistemele expert printr-o relevanță mare, pe care o preia din practica rezolvării problemelor ceea ce face ca ele să fie un mijloc important de dominare a complexității.

Sistemele expert pot oferi soluții mai productive decât programele algoritmice în situațiile în care cerințele informaționale se schimbă foarte des. De asemenea, sistemele expert permit extinderea ariei informaticii către domenii greu de algoritmizat în care informațiile sunt preponderent calitative: educație, politic, juridic etc.

Dacă avem în vedere scopul pentru care un sistem expert este realizat, el trebuie să îndeplinească anumite cerințe funcționale, care vor fi prezentate în continuare.

Performanță ridicată. Sistemul trebuie să fie capabil să răspundă la un nivel de competență cel puțin egal cu al unui expert în domeniul respectiv.

Timp de răspuns adecvat. Sistemul trebuie să fie capabil să răspundă într-un timp rezonabil, cel puțin comparabil cu timpul necesar unui expert să ia o decizie în aceași problemă. Această constrângere privind timpul de răspuns este foarte severă în cazul sistemelor expert în timp real, când răspunsul sistemului trebuie să fie dat într-un anumit interval impus de sistemul fizic pe care îl modelează.

Nivel ridicat de încredere. Sistemul nu trebuie să dea răspunsuri greșite care să producă pagube, în caz contrar el neputând fi utilizat.

Capacitatea de a fi ușor înțeles. Un sistem expert trebuie să poată explica pașii raționamentului său în timpul unei execuții. Aceasta înseamnă că sistemul trebuie să aibă capacitatea de explicare, într-o manieră asemănătoare celei în care un expert uman își poate explica raționamentul.

Flexibilitate. Datotită unei mari cantități de informație pe care un sistem expert o are, este important ca el să posede un mecanism eficient pentru manipularea cunoștințelor, respectiv pentru adăugarea, ștergerea și modificarea acestora.

Există mai multe motive care au impus ca necesare aceste cerițe funcționale pentru un sistem expert:

în multe cazuri securitatea oamenilor sau a unor sisteme fizice depind de răspunsurile unui sistem expert. Acesta trebuie să-și justifice concluziile, adică să permită o verificare inteligibilă a raționamentului său de către om;

în faza de dezvoltare a unui sistem expert, trebuie să fie confirmat faptul că încărcarea cunoștințelor în baza de cunoștințe s-a făcut corect și că ele sunt corect folosite de către expertul uman. O bună facilitate de explicare face ca inginerul de cunoștințe să verifice mai ușor corectitudinea cunoștințelor;

Un alt motiv se referă tot la depanare, datorită interacțiunilor care există în sisttemele expert. Controlul execuției nu este secvențial și în general ordinea în care sistemul expert rezolvă o problemă generează o dificilă înțelegere a modului în care el lucrează.

Sistemele expert pot fi folosite de sine stătător sau pot fi integrate în alte sisteme informatice în funcție de necesități. O clasă specială de sisteme informatice în care sistemele expert pot fi integrate ușor din punct de vedere funcțional sunt sistemele interactive pentru asistarea deciziilor (SIAD). Un SIAD este un sistem informatic care utilizează cunoștințele dintr-un domeniu de aplicație pentru a ajuta decidentul în rezolvarea unor probleme slab structurate, respectiv greu de algoritmizat și programat.

Principalele caracteristici ale unui SIAD sunt:

experiența, intuiția, judecățile și preferințele decidentului sunt esențiale;

interactivitate de nivel înalt;

căutarea soluțiilor necesită manipulări de date, căutare de informații, modelare, calcule;

procedurile care urmează să se execute la un moment dat depind de date sau de rezultatele intermediare;

criterile de decizie sunt numeroase, conflictuale și depind adesea de utilizator;

datele nu sunt totdeauna dinainte cunoscute.

timpul de răspuns pentru obținerea unei soluții satisfăcătoare este limitat.

2.1.2 Structura unui sistem expert

Elementele centrale ale unui sistem expert sunt: baza de cunoștințe, baza de fapte, motorul de inferență, modulul explicativ, modulul de achiziție a cunoștințelor și interfața cu utilizatorul.

Baza de cunoștințe conține ansamblul de cunoștințe specializate într-un anumit domeniu, preluate de cognitician de la expertul uman. Procesul de creare a bazei de cunoștințe constă în preluarea acestora de la expertul uman, modelarea de către cognitician în conformitate cu cerințele metodei de reprezentare, introducerea în bază și validarea. Acest proces este unul foarte laborios și necesită o conlucrare permanentă între cognitician și expertul uman. Realizare lui necesită foarte multe iterații și teste în cursul cărora însăși expertul uman poate fi pus în dificultate pentru argumentarea unor opțiuni.

Baza de fapte conține datele unei probleme concrete care urmează a fi rezolvată (formularea problemei) precum și faptele rezultate în urma raționamentelor efectuate de motorul de inferență asupra bazei de cunoștințe. În unele publicații, baza de fapte este inclusă în baza de cunoștințe. Totuși, trebuie făcută distincția între cunoștințe, care descriu rezolvarea unei clase de probleme și fapte care descriu aserțiuni de instanțiere a unei probleme din clasa respectivă.

Motorul de inferență este elementul efectiv de prelucrare în sistemul expert, care pornind de la fapte (datele de intrare ale problemei) activează cunoștințele corespunzătoare din baza de cunoștințe, construind astfel raționamente care conduc la noi fapte (de ieșire). Altfel spus, motorul de inferență construiește un plan de rezolvare în funcție de specificul problemei, utilizând cunoștințe din domeniul respectiv.

În urma acțiunii motorului de inferență, într-un anumt context, baza de cunoștințe se îmbogățește fie prin adăugarea unor elemente noi, fie prin modificarea celor existente. În ultimă instanță, motorul de inferență este un program care implementează modalitățile de raționament: deductiv, inductiv și mixt, dar care este independent de baza de cunoștințe.

Modulul explicativ are rolul de a prezenta într-o formă larg accesibilă (în limbaj natural) justificarea raționamentelor efectuate de motorul de inferență și întrebările la care trebuie să răspundă utilizatorul. De asemenea, acest modul este util și expertului uman pentru verificarea coerenței bazei de cunoștințe.

Modulul de achiziție a cunoștințelor are rolul de a transforma cunoștințele din forma în care le exprimă cogniticianul (inginerul de cunoștințe) în forma internă de memorare pe suportul tehnic de date.

Totodată, acest modul asigură și interfața de comunicare cu baza de date sau cu alte sisteme. Pe viitor, calculatorele din noile generații vor permite achiziția de cunoștințe în limbaj natural, ceea ce va duce la dezvotarea rapidă a sistemelor expert. Rolul inginerului de cunoștințe în realizarea unui sistem expert este similar rolului analistului pentru realizarea unui sitem informatic classic.

Interfața cu utilizatorul realizează dialogul utilizatorului cu sistemul expert, în sensul furnizării de către utilizator a datelor de intrare și a rezultatelor problemei de rezolvat de către sistem.

Toate elementele unui sistem expert, mai puțin baza de cunoștințe și baza de fapte, formează așa numitul sistem esențial. Acest sistem permite dezvoltarea rapidă de sisteme expert prin crearea unor noi baze de cunoștințe, operație cunoscută sub denumirea de instanțierea unui sistem expert. Este posibil de realizat acest lucru, deoarece algoritmii de raționament implementați în motorul de inferență sunt în general aceiași, indiferent de sistemul expert pe care dorim să-l dezvoltăm. Cu toate acestea nu se poate construi un mecanism universal de inferență pentru toate domeniile de expertiză.

2.2 Reprezentarea cunoștințelor in sistemele expert

2.2.1 Metode folosite in reprezentarea cunoștințelor

Capacitatea sistemelor expert de a rezolva probleme depinde de volumul și calitatea cunoștințelor de care acestea dispun și pe care le pot folosi pentru efectuarea de raționamente.

Reprezentarea cunoașterii urmărește descrierea domeniului în care sistemul efectuează raționamente sub formă de entități corespunzătoare obiectelor (indivizilor) și sub formă de relații între acestea.

Deoarece, în timp, cunoașterea despre obiecte și relațiile dintre acestea poate să se modifice, nu este posibilă numai o reprezentare declarativă a stării inițiale ci se pune problema înregistrării enumerative a succesiunilor de stări și a mecanismelor ce asigură transformarea stărilor inițiale spre stări succesive.

O arhitectură de reprezentare a cunoștințelor poate fi constituită pe trei niveluri. Cele trei niveluri sunt stabilite în funcție de locul în care se judecă cunoștințele.

Nivelul intern este constituit din schema internă ce descrie structura de stocare fizică a cunoștințelor în baza de cunoștințe. La acest nivel se descriu detaliile complete ale stocării precum și modul de acces la cunoștințe.

Nivelul conceptual sau schema conceptuală descrie structura întregii baze de cunoștințe pentru o comunitate de utilizatori. La nivelul conceptual se face o descriere completă a bazei de cunoștințe, ascunzând detaliile legate de structura fizică, accentul punându-se pe descrierea entităților, a relațiilor dintre ele precum și a restricțiilor asociate.

Nivelul extern sau nivelul utilizator include o colecție de scheme externe ce descriu baza de cunoștințe prin prisma diferiților utilizatori. Fiecare grup de utilizatori descrie baza de cunoștințe prin prisma propriilor interese.

Reprezentarea cunoștințelor se bazează pe trei structuri fundamentale:

faptele, care sunt informațiile primare ce descriu elementele domeniului considerat,

regulile, care descriu modul în care se pot utiliza faptele,

strategiile de raționament sau metodele euristice care exprimă maniera în care se pot folosi regulile.

Prelucrarea cunoștințelor impune definirea de structuri de stocare și manipulare care să facă posibilă efectuarea de raționamente. În consecință, pentru stocarea și utilizarea cunoștințelor se folosesc structuri de cunoștințe, tot așa cum pentru stocarea și prelucrarea datelor se folosesc structuri de date.

În informatica clasică ecuația unui program, numită și ecuația Wirth este:

structurile de date + controlul execuției = program

La fel se poate defini ecuația unui sistem expert:

structurile de cunoștințe + metode de inferență = sistem expert

Integrarea cunoștințelor într-un formalism de reprezentare ridică o serie de probleme specifice.

1. Există, în primul rând, mari diferențe în privința statutului informațiilor prelucrate: ele pot fi modificabile sau intangibile, certe sau incerte, valide sau perimate, diferențieri la care formalismul de reprezentare trebuie să răspundă cât mai bine.

2. Cunoștințele referitoare la un domeniu sunt în marea lor majoritate incomplete și aceasta din două cauze principale:

pe de o parte, sunt omise unele informații în reprezentarea pe calculator deoarece pentru expertul uman ele sunt implicite;

pe de altă parte, unele cunoștințe sunt dificil de transmis sau de formalizat.

Aceasta atrage după sine necesitatea de a găsi modalități de reprezentare și raționament în condiții de incertitudine.

Cunoștințele se schimbă odată cu modificările survenite în domeniul în care se utilizează. Cum multe dintre ele sunt în strânsă interdependență, schimbările suportate de anumite cunoștințe pot antrena, prin efect indirect, actualizarea altora, devenite perimate prin modificarea celor dintâi.

Aceste schimbări pot fi extrem de diverse începând cu conținutul și terminând cu însăși tipul cunoștințelor.

Cunoștințele exprimă, în general, informații specifice unor clase sau grupuri de obiecte materiale și conceptuale. Dar, nu este exclus ca în cadrul acestora să existe niște elemente care fac excepție sau sunt chiar în contradicție cu proprietățile clasei din care fac parte. Aceasta impune găsirea unor modalități adecvate de reprezentare și tratare a excepțiilor.

Există mai multe metode de reprezentare a cunoștințelor care răspund, mai mult sau mai puțin, problemelor specifice enumerate.

Dintre cele mai utilzate metode de reprezentare a cunoștințelor amintim: metodele bazate pe logica formală; metodele bazate pe transferul succesoral de proprietăți etc.

2.2.2 Reprezentări bazate pe logica formală

Deși logica a fost concepută mai curând pentru a putea modela raționamentul, ea este foarte utilizată și pentru reprezentarea cunoștințelor. Aceasta deoarece formalismul logic este lipsit de ambiguitate și permite descrierea realității prin formulări concise.

În ceea ce privește deducerea de noi cunoștințe, ea se bazează pe reguli de inferență, care pot fi tratate sintactic în calculator prin procese de unificare și filtraj.

Cunoștințele se pot reprezenta prin:

propoziții;

predicate;

expresii de calcul logic.

În felul acesta se dispune de un formalism care poate fi utilizat atât pentru reprezentarea cunoștințelor, cât și pentru efectuarea raționamentelor.

Metodele de reprezentare specifice acestui formalism sunt regulile de producție, cu sau fără variabile.

2.2.3 Reprezentari succesoriale

Formalismele succesorale se bazează pe ideea că ceea ce este adevărat pentru un concept, este adevărat și pentru conceptele derivate din el. În această perspectivă, cunoștințele pot fi organizate în ierarhii compuse din mai multe niveluri, începând cu cele generale și terminând cu cele particulare. Elementele aflate pe un anumit nivel conțin numai descrierea proprietăților care le sunt specifice. Alături de acestea, ele moștenesc toate proprietățile superioare. Si consideram, pentru exemplificare, o societate comercială care vinde aparate electrocasnice si îmbrăcăminte. Pentru aparatele electrocasnice se cunosc: codul, denumirea, prețul, TVA (taxa pe valoarea adăugată), greutatea, durata garanției și puterea consumată. Pentru articolele de îmbrăcăminte se cunosc: codul, denumirea, prețul, TVA, culoarea și mărimea. Electrocasnice și îmbrăcăminte devin specializări ale conceptului mai general de marfă. Ele conțin numai acele proprietăți care le sunt specifice și care le individualizează: greutate, durata garanției și puterea consumată pentru electrocasnice și, respectiv, culoare și mărime pentru îmbrăcăminte. În același timp, ele moștenesc proprietățile care definesc conceptul de marfă: cod, denumire, preț și TVA.

Relația de succesiune este tranzitivă. În consecință, dacă pentru aparatele electrocasnice se definesc noi specializări, cum ar fi, spre exemplu, televizoare și aspiratoare, acestea vor moșteni atât proprietățile specifice conceptului electrocasnice cât și ale conceptului marfă.

Această modalitate de partajare a proprietăților este deosebit de eficace: ea impune o ordonare a cunoștințelor și favorizează operațiile de consultare.

În cazul în care pentru un anumit concept există excepții față de proprietățile comune moștenite de pe nivele superioare, acestea pot fi mascate prin redefinire. TVA se determină înmulțind prețul cu cota generală de 24 %. Acest calcul, definit la nivelul conceptului marfă va fi preluat prin moștenire atât de către electrocasnice cât și de îmbrăcăminte. Să presupunem însă că pentru aparatele electrocasnice se găsesc și televizoare destinate exportului, pentru care nu se calculează TVA. În acest caz, relația de calcul moștenită nu mai este valabilă: ea trebuie înlocuită cu o alta în care TVA să fie zero. Redefinirea TVA pentru televizoarele exportate o maschează pe cea moștenită pe cale ierarhică.

Un concept aflat pe un anumit nivel poate partaja proprietățile mai multor concepte diferite, aflate pe nivele superioare, situație desemnată prin termenul moștenire multiplă.

Cea mai răspândită modalitate de utilizare a acestui tip de formalism pentru reprezentarea cunoștințelor se bazează pe teoria prototipurilor. Această teorie pleacă de la unele cercetări psihologice, care au arătat că oamenii au tendința de a identifica o familie de obiecte sau entități oarecare și de a face raționamente în legătură cu aceasta făcând referință la un singur obiect, tipic pentru familia respectivă. Un concept care descrie o categorie de elemente, poate fi deci, materializat prin unul singur dintre ele, cel mai cunoscut, numit prototip.

Un prototip grupează caracteristicile ce apar cel mai frecvent la toate elementele categoriei și conține astfel informații generale implicite care pot fi asumate în absența informațiilor specifice.

Crearea unui element care partajează proprietățile unui prototip se realizează prin specializare sau copiere diferențială. El va poseda, în realitate, numai acele informații prin care se diferențiază de prototip, cele comune fiind moștenite. La rândul său, un element poate fi prototipul altor elemente, dacă acestea sunt definite drept specializări ale sale.

Partajarea proprietăților prin prototipuri facilitează considerabil tratarea unora dintre problemele fundamentale ridicate de reprezentarea cunoștințelor. Astfel, cunoștințele tipice unei anumite clase de elemente sunt stocate de către prototip și sunt moștenite ca informații implicite. Elementele care constituie excepții se reprezintă prin mascarea proprietăților implicate, fără a perturba ierarhiile deja stabilite.

Adaptarea cunoștințelor la schimbări se face și ea mai ușor. Orice modificare survenită la nivelul unui prototip este repercutată automat asupra tuturor elementelor care depind de el și care posedă decât virtual proprietățile partajate cu acesta.

2.3 Domenii de aplicare ale sistemelor expert

Teoretic sistemele expert se pot aplica în orice domeniu al cunoașterii. Până în acest moment au fost realizate sute de sisteme expert, raportate în publicații științifice, în cărți sau la conferințe, deși probabil numărul lor este mult mai mare.

Unele sisteme expert au fost proiectate ca instrumente de cercetare, dar cele mai multe funcționează în domenii industriale, medicale sau economice.

Principalele clase de aplicații ale sistemelor expert sunt prezentate în continuare.

Sisteme expert de configurare care asamblează componentele unui anumit sistem. De exemplu XCON (inițial R1) este unul din cele mai folosite sisteme expert pentru configurarea calculatoarelor unei firme.

Sisteme expert de diagnoză. Ele efectuează operații de diagnosticare în domenii precum cel medical, industrial sau financia-contabil. Cel mai cunoscut este MYCIN, sistem expert de diagnoză pentru bolile infecțioase bacteriale.

Sisteme expert de învățare (instruire). Sunt sisteme de învățare inteligentă, în care cei care se instruiesc pot pune întrebări asemănătoare celor puse unui instructor uman. Exemple: GUDON (instruirea în bolile infecțioase bacteriale), SEAMER (instruire pentru operațiile dintr-o uzină electrică), CADHELP (instruire pentru proiectarea asistată de calculator).

Sisteme expert de interpretare. Sunt sisteme care explică datele observate. Acestea sunt folosite în special în domeniul chimiei: CRYSALYS (interpretează structura proteinelor 3D), DENDRAL (interpretează structura moleculară).

Sisteme expert de monitorizare. Ele compară datele observate cu cele așteptate pentru a analiza performanțele unor sisteme. Exemplu: YES/MVS, sistem de monitorizare și control pentru sistemul de operare IBM MVS.

Sisteme expert de planificare. Planifică acțiunile pentru a produce anumite efecte așteptate. Exemplu: SPEX (planifică experimentări în biologie moleculară).

Sisteme expert de prognoză. Prognozează rezultatele într-o anumită situație.

Sisteme expert de control. Sunt sisteme de reglare și control al unui proces. În general sunt sisteme complexe ce cuprind: interpretare, diagnoză, monitorizare, planificare, prognoză și remediere. De asemenea, necesită de multe ori cerința de sisteme în timp real, pentru a putea răspunde în timp util sistemului controlat.

Utilizate inițial cu precădere în medicină, chimie, fizică și alte domenii tehnice, în ultimul timp sistemele expert sunt din ce în ce mai mult utilizate în economie, la nivelul întreprinderilor și în instituțiile financiar-bancare. În activitățile economice principalele clase de aplicații ale sistemelor expert sunt: sistemele expert de diagnoză, sistemele expert de planificare, sistemele expert de prognoză și sistemele expert de control.

La nivelul întreprinderilor, principalele activități pentru care se pot dezvolta sisteme expert sunt: analiza și planificarea economico-financiară, gestiunea trezoreriei, alegerea variantelor de finanțare a investițiilor etc.

2.4 Utilizarea sistemelor expert in contabilitate

Se identifica cinci domenii funcționale ale contabilității:

audit

contabilitatea managerială

impozitarea

sistemele informatice contabile

contabilitatea financiară

În domeniul auditului există trei categorii de auditori implicați: externi, interni și ai sistemelor informatice. Auditorii externi sunt cei din afara întreprinderii, contabili autorizați, experți contabili și cenzori. Ei elaborează o opinie contabilă despre situatiile financiare ale întreprinderii (conturile anuale), opinie cu impact direct asupra credibilității întreprinderii si capacității sale de a genera profit.

Auditorii sistemelor informatice sunt fie interni, fie externi, interesați de auditul sistemelor bazate pe calculatoare.

Contabilitatea manageriala dezvoltă o informație în scopul de a veni în întâmpinarea decidenților.

Contabilitatea impozitelor se referă la aplicarea legislației de impozitare a statului pentru întreprinderi și persoane particulare. Această ramură a contabilitații are o relație foarte puternică cu organele statului, iar deciziile cu privire la impozite afectează direct cash-flow-ul întreprinderii.

Sistemele informatice contabile sunt menite să asigure nevoia de informații pentru management, precum și cererile utilizatorilor externi.

Contabilitatea financiară are in vedere situațiile financiare și rapoartele contabile cu scop general (de sinteză). Această ramură a contabilității are legături puternice cu declarațiile contabile și situațiile emise către mediul exterior.

Câteva sisteme expert pentru domeniul contabilitații:

AUTOMATED TAX AGGREGATE – pregătire documente de impozitare, proiectare situații financiare din conturi.

AYMM – selectare finanțare guverne pentru noi debușee de afaceri.

FOLIO – determinare obiective de investiții pentru portofoliile clienților.

HELIX – consiliere în investiții pentru minimizare impozit.

NEEDHAM – prelucrări tranzacții pentru contabilitate financiară și management servicii.

TAXADVISOR – consiliere și analiză în probleme de impozite pentru întreprinderi.

TICOM – evaluarea controlului intern în auditing.

AUDITOR – asistare la evaluarea debitorilor slabi.

ESTEAM – gestiune portofolii pentru investiții profitabile.

HELIX – consiliere în selectarea portofoliilor.

SYNTELLIGENCE – gestiune în asigurări.

Specialiștii contabili sunt antrenați într-un număr important de activități specifice sistemelor expert, care au constituit o sursă și pentru sistemele expert din alte domenii: interpretarea, diagnosticul, monitorizarea, programarea, planificarea și proiectarea.

CONCLUZII

Oricum le-am numi, sistemele cognitive sau sistemele inteligente, Sistemele Expert constituie o subramură a tehnologiei Inteligenței Artificiale și s-au remarcat deja în numeroase aplicații. Sistemele Expert, generatoarele de Sisteme Expert și chiar generatoarele de sisteme neuronale sunt deja disponibile pe piață și contribuie din plin la modelarea întreprinderii viitorului.

Încă din 1985 P. Harmon și D. King întrevedeau în materie de Sisteme Expert două perioade:

prima perioadă până la începutul anilor ’90, caracterizată de aplicarea sistemelor expert de mărimee medie la soluționarea unor probleme specifice. Ele au format gustul pentru această tehnologie și un număr mare de cognicieni;

a doua perioadă, cu începere din 1992, va atinge apogeul la începutul acestui mileniu, când sistemele expert sunt concepute pentru reproducerea raționamentului uman până la punctul în care vor concura cu experții umani în materie de inteligență și expertiză

Dar ce ne oferă viitorul imediat în domeniul Sistemelor Expert? Se întrevăd trei direcții de dezvoltare:

dezvoltarea masivă de generatoare de Sisteme Expert și sisteme neuronale, cu care se vor putea concepe, de către experți, noi aplicații în cele mai diferite domenii. Cogniticienii vor avea și ei un rol crescut deoarece se vor concentra mai puțin asupra domeniilor aplicative;

dezvoltarea unor metode mai noi, mai performante de achiziție și reprezentare a cunoașterii, care vor deveni tot mai disponibile și accesibile. Acesta este sectorul cel mai interesant pentru cogniticianul viitorului;

viitorul cel mai promițător aparține sistemelor neuronale, care se inspiră din structurile creierului uman și a căror originalitate ține seama de distribuirea cunoașterii. Sistemele neuronale vor fi nedisociate de Sistemele Expert, acestea implicându-se unele pe altele. Deja se află în comerț generatoare de Sisteme Expert care utilizează descrierea obiectelor, care fac parte integrantă din baza de cunoștințe, dar acestea nu sunt decât niște precursori întrucât se va ajunge la sisteme inteligente care depășesc multe dintre generatoarele de Sisteme Expert actuale.

BIBLIOGRAFIE

Dzițac I. – Inteligență Artificială – Editura Universității Aurel Vlaicu, Arad, 2008

Bădică A., Lițoiu V. – Sisteme Expert – Editura REPROGRAPH, Craiova, 2007

Andone I., Țugui A. – Sisteme inteligente in management, contabilitate, finanțe-banci și marketing – Editura Economica, Bucuresti, 1999

www.ub642.files.wordpress.com

www.biblioteca.regielive.ro

www.e-timisoara.info

www.scrigroup.com

www.opagina.ro

www.dictionary.sensagent.com

www.curteaveche.ro

www.documents.tips

www.yumpu.com

www.intel3.wikispaces.com