Utilizarea Sistemelor de Inteligenta Artificiala In Managementul Organizatiilor
UTILIZAREA SISTEMELOR DE INTELIGENȚĂ ARTIFICIALĂ ÎN MANAGEMENTUL ORGANIZAȚIILOR
CUPRINS
CAPITOLUL 1 – ORGANIZAȚIILE BAZATE PE CUNOAȘTERE, UN CADRU FAVORABIL DEZVOLTĂRII SISTEMELOR DE INTELIGENȚĂ ARTIFICIALĂ
1.1. Organizațiile bazate pe cunoaștere în contextul societății informaționale
1.2. Abordări internaționale asupra organizațiilor bazate pe cunoaștere în contextul dezvoltării sistemelor de inteligență artificială
1.3. Inteligența Artificială: definiții, aplicații, avantaje și limite
1.3.1. Definițiile inteligenței artificiale
1.3.2. Inteligența artificială în aplicații
1.3.3. Avantajele și limitele inteligenței artificiale
CAPITOLUL 2 – SISTEMELE DE INTELIGENȚĂ ARTIFICIALĂ UTILIZATE ÎN MANAGEMENTUL ORGANIZAȚIILOR
2.1. Inteligența artificială în organizația bazată pe cunoaștere
2.2. De la inteligența naturală la inteligența artificială
2.3. Principalele aplicații ale inteligenței artificiale
2.4. Categorii de sisteme inteligente
2.4.1. Sistemele neuronale artificiale
2.4.2. Sistemele inteligente bazate pe algoritmi genetici
2.4.3. Sistemele fuzzy
2.4.4. Sistemele expert
CAPITOLUL 3 – SISTEMELE EXPERT
3.1. Prezentarea generală a sistemelor expert
3.2. Tipologia sistemelor expert
3.3. Componentele sistemelor expert
3.4. Principalele avantaje ale utilizării sistemelor expert
CAPITOLUL 4 – LOCUL SISTEMELOR EXPERT ÎN ECONOMIE
4.1. Aplicatii ale sistemelor expert in domeniul financiar bancar si in contabilitate
4.2. Alte aplicatii economice ale sistemelor expert
4.3.FINEVA un sistem expert pentru analiza financiara a firmelor
CAPITOLUL 5 – UTILIZĂRIEA SISTEMELOR DE INTELIGENȚĂ ARTIFICIALĂ ÎN MANAGEMENTUL ORGANIZAȚIILOR
5.1. Factorii care determină introducerea sistemelor de inteligență artificială
5.2. Utilizarea rețelelor neuronale
5.3. Utilizarea algoritmilor genetici
5.4. Utilizarea strategiilor evolutive
5.5. Utilizarea programării evolutive și programării genetice
Studiu de caz: Market.Maket.ro Joc de simulare cu bani virtuali
CONCLUZII
BIBLIOGRAFIE
CAPITOLUL 1 – ORGANIZAȚIILE BAZATE PE CUNOAȘTERE, UN CADRU FAVORABIL DEZVOLTĂRII SISTEMELOR DE INTELIGENȚĂ ARTIFICIALĂ
Societatea informațională în care omenirea se încadrează ireversibil este definită ca o societate a cunoașterii și, în același timp, ca o societate a organizațiilor. (Peter Drucker, 1992)
Întemeierea pe cunoaștere înseamnă, pentru organizații, atingerea stadiului deplinei maturități, concordant cu esența societății informaționale căreia îi aparțin. În funcționarea unor asemenea organizații, determinante sunt procesele desemnate generic prin sintagma celor „3I”, respectiv inovare (crearea de cunoștințe noi), învățare(asimilarea de cunoștințe noi) și interactivitate partenerială (referitoare la cunoaștere).
1.1. Organizațiile bazate pe cunoaștere în contextul societății informaționale
Organizațiile bazate pe cunoaștere sunt actorii colectivi inteligenți ai societății informaționale și au un rol determinant în afirmarea acesteia ca societate a cunoașterii. Aparținând realității contemporane atât în calitatea lor de mediu de activitate profesională și managerială, cât și în cea de obiect de cercetare științifică și de proiect strategic, ele marchează convergența între două fenomene definitorii pentru natura umană – cel al cunoașterii și cel al organizării – într-o construcție socială emblematică pentru ideile de competență colectivă, acțiune inteligentă și performanță durabilă.
Conceptul de organizație bazată pe cunoaștere își are originile în anii 1984-1988 și a înregistrat faze succesive de cristalizare. Astfel, Huber (1984) și-a pus în mod explicit probleme legate de natura și proiectarea organizațiilor „post industriale”, sesizând necesitatea unui model organizațional propriu noului tip de societate ce ii succede celei industriale.
Câțiva ani mai târziu, ideea de organizație bazată pe cunoaștere se regăsește în cadrul a două abordări care îi explică determinismul fie pornind de la factori tehnologici, fie de la factori organizaționali, fiecare din ele propunând și soluții specifice de operaționalizare.
De pe pozițiile promotorilor tehnologiei informatice, Holsapple și Whinston (1987) organizația bazată pe cunoaștere este definită ca o „colectivitate ai cărei membri desfășoară muncă de concepție, interconectați printr-o infrastructură computerizată”. Autorii consideră că existența unei asemenea organizații, prevăzută cu stații de lucru locale, centre de suport, canale de comunicații și colecții distribuite de cunoștințe, necesită un demers explicit de proiectare și realizare, de natura unei informatizări avansate, cu aplicații ale inteligenței artificiale.
De pe pozițiile celeilalte abordări, cea managerială, Peter Drucker (1988) tratează organizația bazată pe informații ca reprezentând modelul organizațional al secolului al XXI-lea și îi prezintă principalele caracteristici: componența dominantă de profesioniști, numărul redus al nivelurilor intermediare de conducere ierarhică, asigurarea coordonării prin mijloace de factură non-autoritară (standarde, norme, reguli de cooperare, etc.).
Caracteristici ale organizațiilor bazate pe cunoaștere în contextul societății informaționale
Indiferent de tehnologiile informaționale mai mult sau mai puțin sofisticate pe care le folosesc, organizațiile – ca sisteme socio-umane complexe – au fost și sunt întotdeauna condiționate de cunoaștere, cel puțin la nivelul comportamentelor individuale ale membrilor lor. Aceștia conștientizează, într-o măsură mai mică sau mai mare, relațiile dintre scopuri/obiective, mijloace și rezultate, precum și pe cele dintre organizație și ambiantul ei, comunică pentru a putea interacționa coordonat și își elaborează propriul comportament raportat la norme și valori comune.
Specifice sociatății informaționale sunt acele organizații care se bazează pe cunoștere într-un sens mai profund și extins la scara colectivă a comportamentului grupurilor și ansamblului organizației. Într-un asemenea cadru, întemeierea pe cunoaștere devine sistematică și se instituționalizează sub următoarele aspecte:
fondul de cunoștințe este înțeles drept principala resursă a organizației, decisivă pentru performanța ei strategică globală;
procesele intelectual-intensive devin nu doar preponderente, ci și determinante pentru funcționarea organizației în direcția atingerii obiectivelor ei;
managerii organizației bazate pe cunoaștere structurează roluri și responsabilități noi privitoare la gestionarea cunoașterii și a proceselor legate de ea;
cultura organizațională instituie consensual repere normative pentru perenitatea valorilor legate de creativitate, competență, învățare, comunicare;
aspectele referitoare la cunoaștere capătă un rol esențial în afirmarea identității organizației, în asigurarea integrității și coerenței acesteia în termeni de structură, strategie și acțiune.
Admițând că organizațiile devin inteligibile prin explicarea modului cum sunt structurate și cum funcționează pentru a-și atinge obiectivele, se poate vorbi de identificarea de caracteristici ale organizațiilor bazate pe cunoaștere prin încadrarea lor în tipologii asociate fiecăruia din cele două criterii: primul se regăsește în succesiunea modelelor de structuri organizaționale (figura 1), iar cel de-al doilea – în succesiunea practicilor manageriale (tabel nr.1).
Tabel nr.1
Atribute ale organizațiilor în funcție de tipul de orientare
Tipologia de structuri organizaționale prezentată anterior arată că acestea au evoluat în direcția unei creșteri a gradului lor de întemeiere pe cunoaștere, înțeleasă ca o tendință de umanizare progresivă (Palmer,1998). Cât timp această evoluție s-a inspirat din paradigma organizației bazate pe control și autoritate, ea a putut fi susținută prin reproiectări ameliorative ale configurațiilor de tip ierarhic, specific capitalismului industrial, culminând cu forma de organizare matriceală. La sfârșitul secolului al XX-lea, pe fondul consacrării schimbării de paradigmă în teoria organizațiilor devin clare atât limitele ierarhiei, cât și pertinența alternativei reprezentate de organizația bazată pe cunoaștere. În locul unei structuri piramidale rigide apare o diversitate de forme structurale non-ierarhice, în general de tip rețea; comportamentele tipice pentru actorii din cadrul lor sunt de natură antreprenorială, dar pot avea și anumite atribuții manageriale.
Pentru a face mai clare distincțiile sugerate mai sus, în figura 2 și tabelul 2 se prezintă, sub forma diagramelor de strctură și a unei grile de comparație, principalele atribute ale modelului organizației ierarhice și ale alternativei non-ierarhice, ilustrată prin alte două modele: organizația anarhică și cea centrată pe memorie.
Figura nr. 2
Modele organizaționale: ierarhia și alternativele
non-ierarhice
Tabel nr.2
Grila de comparație a structurilor organizaționale
Managerii nu mai pot să continue cu ceea ce știau și obișnuiau să facă în mediul ierarhiilor, iar pentru ceea ce ar trebui să facă au nevoie de competențe noi; cunoașterea – ca resursă și ca proces organizațional – necesită un tip de intervenție managerială ce se impune oficializat și profesionalizat, excelența rămânând rezervată celor ce îl practică din vocație.
Managementul cunoașterii organizaționale, fundamentul pentru utilizarea sistemelor de inteligență artificială
Managementul cunoașterii poate fi definit ca un „demers, orientat strategic, de motivare și facilitare a angajării membrilor organizației în dezvoltarea și utilizarea capacităților lor cognitive, prin valorizarea, subordonată obiectivelor ei de ansamblu, a surselor de informații, experienței și abilităților fiecăruia dintre ei” (Uit Beijerse, 1999).
Pe baza cercetărilor lui Nonaka și Takeuchi vizând elaborarea unei tipologii a formelor de cunoaștere organizațională, în literatura domeniului s-a propus preluarea unei distincții sesizate inițial de Polanyi: cea între cunoașterea explicită (articulată), care este formalizabilă, accesibilă și comunicabilă, pe de o parte, și cunoașterea implicită (tacită), care este subtilă, profund personalizată, neformalizată și difuz prezentă în contextul organizațional. Unele atribute suplimentare, propuse de Hedlund (1994) sunt redate in Tabelul nr.3
Tabel nr.3
Tipologia formelor cunoașterii organizaționale
Întemeierea pe cunoaștere face ca în comportamentul unei organizații să fie prezente și active noi mize strategice specifice, care o determină:
să-și reprezinte integrator și transparent acumulările de cunoaștere explicită și implicită existente la nivel individual, de grup sau pe suporturi artificiale;
să-și extindă continuu baza de cunoștințe prin stimularea proceselor de învățare și inovare organizațională și prin capitalizarea rezultatelor acestora;
să-și dezvolte capacitatea de a transforma inteligent și oportun cunoașterea disponibilă în acțiuni de succes;
să conștientizeze și să gestioneze propria ignoranță
Pentru organizații, baza de cunoștințe se referă integrator atât la dimensiunea personalizată a cunoașterii, prezentată la purtători umani (indivizi și grupuri), cât și la dimensiunea ei artificială, prezentă în sistemele informatice inteligente (Dutta, 1997). Structura conceptuală a bazei de cunoștințe a organizației este redată schematic în Figura nr.3:
Figura nr.3
Modelul conceptual al bazei de cunoștințe a organizației
Astfel concepută, baza de cunoștințe prezintă atributele unei memorii organizaționale extinse, menită să susțină cognitiv proiecte autonome specifice și să beneficieze cumulativ de rezultatele lor.
Mizele strategice enunțate mai sus angajează actorii organizaționali în comportamente articulate sinergic, și anume de co-elaborare (generare interactivă de cunoștințe noi), co-învățare (validare reciprocă a noilor achiziții cognitive), co-gestiune a cunoașterii capitalizate. Ele se referă la cunoașterea organizațională ca resursă, dar și ca proces, antrenând situarea actorilor care le animă într-un cadru comunitar; relațiilimplicită (tacită), care este subtilă, profund personalizată, neformalizată și difuz prezentă în contextul organizațional. Unele atribute suplimentare, propuse de Hedlund (1994) sunt redate in Tabelul nr.3
Tabel nr.3
Tipologia formelor cunoașterii organizaționale
Întemeierea pe cunoaștere face ca în comportamentul unei organizații să fie prezente și active noi mize strategice specifice, care o determină:
să-și reprezinte integrator și transparent acumulările de cunoaștere explicită și implicită existente la nivel individual, de grup sau pe suporturi artificiale;
să-și extindă continuu baza de cunoștințe prin stimularea proceselor de învățare și inovare organizațională și prin capitalizarea rezultatelor acestora;
să-și dezvolte capacitatea de a transforma inteligent și oportun cunoașterea disponibilă în acțiuni de succes;
să conștientizeze și să gestioneze propria ignoranță
Pentru organizații, baza de cunoștințe se referă integrator atât la dimensiunea personalizată a cunoașterii, prezentată la purtători umani (indivizi și grupuri), cât și la dimensiunea ei artificială, prezentă în sistemele informatice inteligente (Dutta, 1997). Structura conceptuală a bazei de cunoștințe a organizației este redată schematic în Figura nr.3:
Figura nr.3
Modelul conceptual al bazei de cunoștințe a organizației
Astfel concepută, baza de cunoștințe prezintă atributele unei memorii organizaționale extinse, menită să susțină cognitiv proiecte autonome specifice și să beneficieze cumulativ de rezultatele lor.
Mizele strategice enunțate mai sus angajează actorii organizaționali în comportamente articulate sinergic, și anume de co-elaborare (generare interactivă de cunoștințe noi), co-învățare (validare reciprocă a noilor achiziții cognitive), co-gestiune a cunoașterii capitalizate. Ele se referă la cunoașterea organizațională ca resursă, dar și ca proces, antrenând situarea actorilor care le animă într-un cadru comunitar; relațiile dominante aici sunt cele orizontale (non-ierarhice), de tipul interacțiunii între omologi, rezultând efecte sistemice de co-evoluție a lor în plan cognitiv.
Organizațiile bazate pe cunoaștere pun în evidență nu numai o fenomenologie nouă, ci induc și o viziune diferită cu privire la modul de a concepe și practica managementul. În raport cu specificul structurilor organizaționale non-ierarhice apar tipuri noi de actori și roluri, iar tipologia practicilor manageriale se schimbă radical.
Astfel s-a constatat că activitățile legate de producerea cunoașterii (inovare), diseminarea ei (comunicare) sau achiziția acesteia (învățare) nu se pretează nici la o dirijare autoritară, și nici la un control ierarhic strict și exhaustiv; caracterul lor subtil face ca distincția dintre latura formală și cea informală să se estompeze, iar controlul oficial exterior, devenit inoperant, cedează locul auto-controlului (Dragomirescu, 1995).
Separarea dintre conducere și execuție devine irelevantă. Actul managerial se concentreză pe probleme de elaborare de viziune strategică și de facilitare a acțiunii coordonate a unor actori competenți și cooperanți, care se auto-responsabilizează, inclusiv sub aspect decizional. Managerul devine mai mult un purtător de responsabilitate conceptuală (proiectare de „arhitecturi” de sisteme și procese, validare de soluții, ratificare de propuneri) decât de putere administrativă; gama rolurilor se îmbogățește cu cele de mentor, moderator sau promotor. Exercitarea unor asemenea roluri necesită înzestrarea actorilor implicați cu tipuri adecvate de abilități manageriale, în special de concepție strategică, relaționare interpersonală, conducere de proiecte și gestionare a schimbărilor. În plus, specificul organizațiilor studiate face să apară și roluri manageriale fără precedent în mediul ierarhiilor, cum sunt cele de director pentru probleme de cunoaștere („chief knowledge officer”) sau de informație („chief information officer”), responsabili de proiecte de dezvoltare a competențelor, de învățare organizațională, etc.
Prin natura lor, organizațiile bazate pe cunoaștere presupun gestionarea competențelor colective în calitate de surse de viabilitate sistemică (Hendriks, 1999). În termenii cei mai generali, competențele desemnează ceea ce o organizație știe și este capabilă să facă, în raport cu obiective proprii și cu condițiile de mediu determinate, pe baza abilităților individuale ale membrilor lor, articulate sistemic și mobilizate strategic.
1.2. Abordări internaționale asupra organizațiilor bazate pe cunoaștere în contextul dezvoltării sistemelor de inteligență artificială
Întemeierea pe cunoaștere a activității organizațiilor și a actorilor din cadrul lor face ca, în domeniile asociate acestei evoluții (managementul cunoașterii, învățarea organizațională, sistemele inteligente), delimitarea dintre latura teoretică și cea aplicativă să rămână pur convențională. Noile elaborări de concepte și soluții sunt integrate în proiecte, se expun transparent unei validări comunitare, inclusiv la scară internațională, și se transformă în realitate sub formă de modele, instrumente și practici organizaționale; dinamica lor novatoare atestă că, înainte de toate, cunoașterea înseamnă originalitate în diversitate.
Viziunea americană și vest-europeană, formată în medii organizaționale cu valori preponderent individualiste, situează pe prim plan diseminarea și utilizarea cunoașterii; în contrast, viziunea japoneză se concentrează pe producerea cunoașterii, diseminarea ei fiind implicită într-un mediu centrat tradițional pe valorile grupului. Paradoxal, în abordarea occidentală, aplatizarea piramidei ierarhice este considerată o soluție necesară pentru întemeierea organizațiilor pe cunoaștere.
O serie de companii au transformat activitatea lor curentă în mediu de cercetare, dar și de învățare, după cum sugerează noile concepte de „centru de cunoaștere” („knowledge center”) sau „universitate de firmă” („corporate university”).
Realizări semnificative, mai ales pe linia noilor soluții de management al cunoașterii, s-au obținut nu numai în firme producătoare de bunuri intelectuale (birouri de consultanță, laboratoare de cercetare), ci și de bunuri intelectual-intensive (produse electronice sau farmaceutice). Printre cele mai convingătoare exemple pot fi citate cele ale companiilor Ernst & Young, Skandia, Microsoft, Ericsson (Hellstrom, 2000). Acestora li se adaugă cele din categoria instituțiilor publice, cum este cazul autorităților guvernamentale din țările scandinavice, care practică sistemul economiei negociate, bazată pe valorile consensului social și profesionismului.
Ca regulă generală, promovarea acestor dezvoltări se conformează principiilor societății cunoașterii, prin aplicarea selectivă a regimului de bun intelectual public (cu acces gratuit), devenit conținut informațional pentru comunități virtuale:
disponibilitatea noilor concepte și soluții pe portal-uri sau site-uri Internet dedicate, cu arhive de publicații virtuale și biblioteci de programe informatice în versiuni demonstrative sau experimentale;
întreținerea de dicționare virtuale cu rol de unificare a limbajului specific domeniului;
crearea de forum-uri (ex: www.km-forum.org ), liste de discuții pe Internet și pagini personale ale participanților implicați în dezvoltarea domeniului;
acreditarea de programe educaționale de dezvoltare a competențelor de management al cunoașterii (ex: www.kmpro.org );
inițierea de parteneriate și proiecte internaționale pentru concertarea acțiunilor diferitelor centre din lume cu preocupări în domeniul managementului cunoașterii, inovării și învățării organizaționale (ex: www.hellasnet.gr/macis ) își propune studierea impactului societății informaționale asupra organizațiilor și reproiectarea adecvată a conținutului disciplinelor din învățământul superior de management.
La nivelul uniunii Europene, majoritatea inițiativelor relevante sunt subsumate devizei „Europa inovației”, adresată prioritar tandem-ului universități-firme. Se poate constata că structurile europene acordă prioritate rolului tehnologiei informației și comunicațiilor în asistarea inteligentă a activităților de învățare, inovare și management al cunoașterii, susținând adoptarea extinsă a celor mai bune practici, cu o atenție specială acordată întreprinderilor mici și mijlocii.
În planul acțiunilor non-guvernamentale predomină inițiativele de tip asociativ, concretizate în crearea de organizații deschise participării individuale și instituționale, cum sunt: European Consortium for the Learning Organization (www.eclo.org), Federation for Enterprise Knowledge Development (www.fend.es), Global Knowledge Economics Council (www.gkec.org), etc.
Dinamica mondială rapidă a ideilor referitoare la organizația bazată pe cunoaștere, deși benefică sub aspectul aplicațiilor posibile, este considerată „de o abundență și diversitate aproape derutante, iar necesara lor sistematizare se lasă încă așteptată” (Hendriks, 1999).
1.3. Inteligența Artificială: definiții, aplicații, avantaje și limite
1.3.1. Definițiile inteligenței artificiale
Chiar dacă inteligența artificială este unul dintre cele mai recente domenii ale tehnologiei moderne, ea are deja o istorie legată strâns de aceea a tehnologiei informaționale.
Multă lume a încercat să răspundă la întrebarea: ce este inteligența artificială? Dificultățile găsirii unei definiții pentru acest termen sunt (în principal) două: întâi, că nu se prea știe ce este însăși inteligența naturală; apoi, că cei ce încearcă să formuleze o definiție sunt complexați de realizările acestui domeniu al științei calculatoarelor. Așa că ei se văd siliți să definească mai degrabă ce ar trebui să fie inteligența artificială, decât ceea ce ea este efectiv in prezent.
Clyde W. Holsapple și Andrew B. Winston spun că inteligența artificială se străduiește să creeze mașini capabile de comportament inteligent așa cum se observă la oameni, iar aptitudinea de a înțelege limbajul natural și de a raționa sunt două chei importante ale inteligenței reprezentând fiecare câte un domeniu de cercetare pentru inteligența artificială.
Academicianul român Mihai Dragănescu arată că inteligența artificială este o derivată a inteligenței naturale, care capătă forme concret sociale, în sensul că dezvoltă inteligența socială în mod direct și indirect, ca urmare a intereselor în activitatea economico-socială.
Foarte sugestivă este și mențiunea lui Patrick Winston în sensul că inteligența artificială se ocupă cu studiul ideilor care permit calculatoarelor să efectueze acele lucruri care fac pe oameni să pară inteligenți. Obiectivele principale ale inteligenței artificiale sunt de a face mai utile calculatoarele electronice și de a înțelege principiile care fac posibilă inteligența.
Sunt reprezentative și definițiile sistematizate de către Russel și Norvig în cartea lor „Artificial Intelligence“. „A modern approach” în baza cărora autorii sintetizează ca „sistemele inteligente sunt acele sisteme care gândesc și acționează ca oamenii, în sensul că gândesc rațional și acționează rațional”. În lumina tuturor acestor definiții, se ajunge la concluzia că inteligența artificială abordează probleme pentru care omul este mai performant decât mașina.
Potrivit definiției date de Elaine Rich, și anume "inteligența artificială este domeniul care studiază cum se face ca să se execute cu calculatorul electronic sarcini pentru care omul este astăzi cel mai bun", creierul uman se arată de o complexitate deosebită și de o eficacitate incomparabilă în multe domenii. Această eficacitate se datorează mecanismelor de raționament și învățare specifice pe care încearcă să le modeleze sistemele de inteligență artificială.
1.3.2. Inteligența artificială în aplicații
Interesul pentru inteligența artificială a crescut în ultimii ani datorită răspândirii aplicațiilor comercializate, în sensul că, din ce în ce mai multe întreprinderi și organizații au început să folosească această tehnologie și dispun de personal specializat în domeniu.
O perspectivă relativ completă a aplicațiilor inteligenței artificiale ne-o oferă diagrama de mai jos:
Figura 4. Aplicațiile inteligenței artificiale
RGP = rezolvator general de probleme;
SE = sistem expert;
PLN = prelucrarea limbajului natural;
RF = recunoașterea formelor;
R = robotica;
IAC = învățământ asistat de calculator;
RGP
De mulți ani, unul din scopurile inteligenței artificiale a fost dezvoltarea tehnicii care să ajute omul, cercetătorii, economiștii, inginerii etc. să rezolve probleme mai repede și mai ușor. Eforturile din anii '50-'60 s-au orientat spre obținerea unui model care să rezolve o gamă cât mai largă de probleme. În anii '70, cercetătorii în inteligența artificială recunosc faptul că pentru a dezvolta un astfel de model (General Problem Solver) este necesară o cât mai bună apropiere de domeniul specific problemei. Aceasta recunoaștere a catalizat preocupările și s-au reușit realizări aplicative în direcțiile planificării și programării – două probleme care prezintă un interes special pentru întreprinderi și producție în general. S-a reușit dezvoltarea unor programe de inteligență artificială pentru planificarea optimală în care se comunică la intrare pașii și restricțiile problemei și se obțin la ieșire rezultatele finale – planurile optime. Și în cadrul problemelor de programare din întreprinderi, care implică personal, stocuri și alte resurse, se urmărește maximizarea eficienței și minimizarea costului, existând deja programe de inteligență artificială capabile să soluționeze cele mai complexe probleme. Un alt tip de probleme, care au făcut mereu obiectul cercetărilor și proiectării de sisteme inteligente, îl constituie demonstrarea teoremelor și reducerea formulelor. Și pentru aceasta există în prezent tehnici de inteligență artificială bine puse la punct, capabile să verifice rezultatele muncii din laboratoare sau din domeniile respective.
SE
Sistemele expert constituie un domeniu fertil mai ales pentru întreprinderi. Ele satisfac vechiul vis de obținere a mașinilor inteligente pentru ca stimulează raționamentul uman pentru sarcini specifice unor domenii relativ restrânse.
Sistemele expert sunt destinate simulării comportamentului unui expert uman, când acesta încearcă să rezolve probleme complexe dintr-un domeniu dat. Cheia succesului unui sistem expert stă în validitatea și completitudinea cunoașterii care-i este oferită.
Atunci când cunoașterea este combinată prin cele mai variate tehnici de inferență specifice inteligenței artificiale, rezultatul este un sistem capabil să rezolve probleme cu rezultate care uneori depășesc performanța sistemului uman. Orice domeniu în care experții umani sunt utilizați la soluționarea problemelor, acesta devine domeniu potențial pentru utilizarea sistemelor expert.
Imaginea asupra soluționării problemei la care se ajunsese în anii '60-'70 era aceea a găsirii unui mecanism cu scop general (GPS) care să dispună de toți pașii necesari identificării soluțiilor complete.
PLN
De la începutul producerii calculatoarelor, comunicația dintre calculatoare și oameni nu a fost naturală din punctul de vedere al factorului uman. În prezent, atenția este din ce în ce mai mult îndreptată spre îmbunătățirea comunicării om – calculator. Tot mai mulți cercetători sunt convinși că ideal pentru comunicarea cu calculatorul este limbajul vorbit, cel natural, de zi cu zi al omului, in locul tastaturilor sau altor instrumente de comunicație. S-au obținut deja rezultate notabile în utilizarea limbajului natural pentru comunicarea cu calculatoarele electronice.
Problemele comunicației în limbaj natural rămân însă deosebit de complexe; limbajul natural nu este ușor de înțeles din cauza cuvintelor cu semnificații multiple (polisemie), în funcție de context, iar sistemele dezvoltate pentru utilizarea limbajului natural sunt departe de a da un randament corespunzător pentru înțelegerea deplină a limbii vorbite, ele sunt limitate la un set de structuri lingvistice. Sistemele de înțelegere a limbajului natural utilizează una din cele doua tehnici de baza: (1) cuvântul cheie și (2) analiza sintactică/semantică.
Sistemele care utilizează tehnica "cuvântului cheie" încearcă să insereze o parte din semnificația comunicării, tocmai din semnificația cuvântului cheie al comunicării. Sistemele care utilizează "analiza sintactică/semantică" sunt mai promițătoare pentru obținerea de sisteme comerciale. La aceste sisteme o frază este fragmentată în părți de vorbire și se încearcă inserarea semnificației din această analiză. Întotdeauna este necesară o mare cantitate de memorie pentru un dicționar cât mai cuprinzător.
RF
Recunoașterea formelor sau Computer Vision constituie un subdomeniu distinct al inteligenței artificiale care se ocupă de dotarea calculatoarelor cu proprietatea de a vedea și efectua pe această bază anumite sarcini.
Sistemele de recunoaștere a formelor sunt capabile să identifice trăsăturile obiectelor reale sau imaginile acestora, iar informația astfel obținută o utilizează pentru soluționarea anumitor probleme. În asemenea situații se utilizează tehnici de căutare și „pattern matching” pentru preluarea informației vizuale. Ele pot sesiza detalii care scapă ochiului uman. Există deja aplicații în câteva domenii: robotics, examinarea fotografiilor aeriene etc.
Aceste sisteme sunt foarte complexe și reclamă o mare cantitate de resurse, Sunt limitate la situații în timp real și se depun în continuare eforturi pentru îmbunătățirea vitezei de prelucrare și gestiune a memoriei.
R
Robotica înseamnă dotarea mașinii cu capacitatea de a se deplasa. Roboții, la început o ficțiune, au un număr însemnat de trăsături și sunt capabili să execute un număr important de sarcini, mai ales în producție (manufacturing), în mediu periculos pentru om, operații repetitive, obositoare (în mină, lucru cu explozivi etc.). De obicei roboții au un brad cu câteva articulații care sunt mișcate sub controlul unui program inteligent.
Scopul cercetărilor în robotică este încorporarea programelor inteligente în roboți, care să le permită să execute sarcini cu o mai mare "inteligență" și eventual sisteme expert și sisteme de recunoaștere și sinteză a vocii.
IAC
Învățământul asistat de calculator este un subdomeniu al inteligenței artificiale în legătură cu o interfață utilizator foarte dezvoltată și un sistem expert care controlează și ajustează din mers nivelul cursului în funcție de nivelul studentului și dificultatea dorită, compară tehnicile folosite de student cu cele ale expertului în domeniu și ajută studentul în cursul rezolvării, atunci când s-a blocat în raționamentele făcute.
1.3.3. Avantajele și limitele inteligenței artificiale
Unul din aspectele pozitive constă în faptul că inteligența artificială poate rezolva probleme complexe. Calculatoarele devin mai utile atunci când tehnici ale inteligenței artificiale sunt încorporate atât în echipamente, cât și în programe, sarcinile se realizează mai eficace și la un cost mai mic. Unele probleme nerezolvabile pot fi acum soluționate. Beneficiile posibile sunt creșterea productivității, achiziția expertizei și medii de lucru mai sigure pentru utilizatori.
În privința aspectelor negative trebuie reținut că dezvoltarea produselor program inteligente presupune mai multe dificultăți și costuri mai mari, este mare consumatoare de timp și implică învățarea mai multor medii de programare și limbaje specifice. În fapt, nu există prea multe sisteme de inteligență artificială comerciale. La acestea se adaugă lipsa personalului instruit pentru a lucra în echipe la dezvoltarea și implementarea sistemelor inteligente.
Cu toate acestea, chiar dacă progresul va fi mai încet, este clar deja că inteligența artificială are un impact major asupra tehnologiei informaționale și acest impact se va amplifica în toate domeniile aplicative menționate mai sus, precum și asupra altora încă nebănuite.
Calculatoarele inteligente devin sisteme cu o productivitate net superioară calculatoarelor electronice actuale dacă sunt introduse în întreprinderi.
Inteligența artificială nu este atât de perisabilă ca inteligența naturală și oferă șansa diseminării prin duplicare, lucru extrem de util pentru învățare. Trebuie remarcat și faptul că inteligența artificială este mai ieftină decât inteligența naturală în sensul că sarcinile prestate de un calculator inteligent sunt mai ieftine decât ale unui expert uman pe termen lung. Inteligența artificială este mai consistentă și temeinică, ea poate fi documentată prin așa-numitele "trase" ale activității sistemului inteligent, în timp ce inteligența naturală este dificil de reprodus mai ales că experții pot schimba raționamentele în funcție de situația care le convine cel mai mult.
Se pot remarca și avantajele inteligenței naturale asupra inteligenței artificiale: inteligența naturală este creativă, în inteligența artificială sunt necesare construcții mai dificile pentru acest lucru; inteligența naturală permite oamenilor să beneficieze și să utilizeze experiența senzorială directă, în timp ce inteligența artificială utilizează numai intrări simbolice; inteligența naturală face uz de contextul experienței, în timp ce inteligența artificială se concentrează numai pe specific.
Din avantajele inteligenței naturale asupra inteligenței artificiale rezultă și limitele sistemelor expert.
Calculatoarele se pot utiliza pentru colectarea și prelucrarea informațiilor despre obiecte, evenimente, procese etc., mai eficient decât o pot face oamenii. Oamenii însă, din instinct, pot realiza lucruri deosebit de dificile pentru un program inteligent: recunosc relațiile dintre lucruri, simt calitățile obiectelor cu care intra în contact, identifică structuri simbolice sau explică relația dintre astfel de structuri.
Dacă calculatoarele electronice trebuie să devină mai inteligente, atunci ele trebuie să facă aceleași asocieri dintre calitățile obiectelor, evenimentelor și proceselor care sunt la oameni atât de naturale.
CAPITOLUL 2 – SISTEMELE DE INTELIGENȚĂ ARTIFICIALĂ UTILIZATE ÎN MANAGEMENTUL ORGANIZAȚIILOR
Sistemele expert sunt produse ale Inteligenței Artificiale (IA), ramură a științei calculatoarelor ce urmărește dezvoltarea de programe artificiale. Cu toate că existența marchează peste 25 ani, ele devin populare abia în ultimii ani ca urmare a scăderii costurilor informațiilot tehnologice și a calculatoarelor, motiv pentru care numărul utilizărilor potențiali este într-o continuă creștere. Ceea ce este remarcabil pentru sistemele expert este aria de aplicabilitate ce a cuprins multe domenii de activitate de la arhitectură, bănci, comerț, educație, ingineria sistemelor, etc.
Antecedentele IA trebuiesc căutate la vechii greci Gorder 1986, dar ideea formării unei discipline de cercetare a inteligenței umane și a raționării formale a condus diverse grupuri din S.U.A. și Europa după cel de-al doilea război mondial.
Evoluția științei calculatoarelor și comportarea umană a stimulat interesele raționării pe mașină, deoarece nu oferea mijloacele ce puteau fi utilizate în modelele de calcul ale gândirii și raționării. Aceasta a determinat o nouă disciplină, cea a inteligenței artificiale. Fără procedurile de calcul, nu se pot ilustra conceptele raționării pe mașină utilizând hârtie, creion și modele fizice. Pentru ca potențialul raționării pe o mașină să poată fi realizat, este necesar reunirea eforturilor de cercetare din mai multe discipline formale. Prin cercetarea începută în 1956 și cu evenimentul consolidării prin Summer Research Project realizat la Darthmounth College, John McCarty a stabilit termenul de IA. Primele succese sunt datorate programelor capabile să demonstreze teoreme logice matematice (1963) ce au determinat noua deschidere către programe ce folosesc tehnici de IA și o revigorare a domeniului IA, devenind astfel o disciplină, mai mult decât o căutare matematică pentru mașinile inteligente.
Prelucrarea nealgoritmică a cunoștințelor în cadrul sistemelor de inteligență artificială a dus la extinderea ariei de aplicare a tehnologiilor informatice în mediul economic. Se poate vorbi de o extindere pe orizontală în sensul cuprinderii unor noi domenii economico-sociale, cum ar fi: activitățile educaționale, juridice, politice în care procesele de prelucrare informațională se algoritmizează cu greu sau chiar nu se pot algoritmiza, datorită naturii preponderent calitative, necuantificabile a informațiilor. Pe de altă parte se poate vorbi de o extindere pe verticală, în sensul cuprinderii în actuala tehnologie informatică a noi prelucrări, procese informaționale precum: evaluarea calitativă, raționamentul, în sens general.
Sistemele de inteligență artificială reprezintă un mijloc important de dominare a complexității informaționale.
Sistemele de inteligență artificială pun în evidență capacitatea raționamentului artificial de a prelua aspecte relevante din practica rezolvării problemelor așa cum algoritmul preia aspectele precise ale acesteia.
Sistemele de inteligență artificială pot oferi soluții mai productive unor probleme abordate și rezolvate deja algoritmic. Soluțiile obținute cu ajutorul acestor sisteme sunt soluții de o calitate deosebită prin faptul că oferă posibilitatea utilizării în cadrul raționamentului automat a regulilor euristicii validate de practică, ce concură cu succes abordările formale.
În domeniul managementului organizației, sistemele de inteligență artificială au dobândit o largă utilizare, deoarece pentru orice funcție managerială există probleme decizionale complexe, dinamice, definite prin criterii multiple și contradictorii de selectare a alternativelor. Aceste probleme decizionale reclamă utilizarea sistemelor de inteligență artificială.
2.1. Inteligența artificială în organizația bazată pe cunoaștere
Inteligența artificială este un domeniu de mare actualitate care utilizează sistemele bazate pe cunoștințe, sistemele expert, sistemele bazate pe algoritmi genetici, sisteme fuzzy, sisteme hibride și sisteme neuronale ca surse generatoare de rezultate superioare. Computerizarea, răspândirea economiilor tehnologice face ca viitorul să fie al cunoștințelor. Supremația și puterea provin din aplicarea cunoașterii. Economia suprasimbolică a dus la personalizarea produselor, la robotizarea proceselor economice la introducerea de rețele informaționale ca parte a unui sistem complet al comunicațiilor, la perfecționarea metodelor și tehnicilor de conducere, la flexibilitatea structurilor. Noile tehnologii condamnă iremediabil tehnologiile vechi. Capacitatea de a învăța, de a înțelege, de a folosi informații și fapte din trecut sunt abilități necesare managerilor. Cunoașterea poate fi folosită ca multiplicator al profitului. Ea este o resursă a puterii. Totul depinde de cunoaștere. Cunoașterea a devenit cheia succesului, un amplificator final, o resursă inepuizabilă de profit. Controlul cunoașterii a devenit ținta în lupta pentru putere. Economia avansată a transformat orientarea proceselor de muncă asupra informațiilor. Calitatea și avantajul competitiv se pot obține prin utilizarea tehnologiilor avansate, iar cei ce vor înțelege lucrul acesta vor câștiga însemnate avantaje strategice. Problemele nestructurate, nonliniare, dinamice și stochastice au aspectele calitative și cantitative, în care intervin intuiția, experiența, noțiunile vagi cu mediul intern și extern și folosesc sisteme de inteligență artificială.
Inteligența artificială ce își propune să imite caracteristicile inteligenței umane susține efortul de eficientizare a organizației, în info-warul de pe piața modernă creând modele dinamice și foarte variate.
Dorința oamenilor, în general, de a deține și folosi mașini inteligente a fost un vechi deziderat al omului care a început să se concretizeze în a doua jumătate a secolului trecut prin conturarea inteligenței artificiale ca domeniu distinct, autonom.
Principalele momente ale evoluției inteligenței artificiale ca domeniu distinct al științei sunt prezentate susccint în continuare:
În anul 1951 Eckert și Mauchly au conceput primul calculator UNIVAC I. Câțiva ani mai târziu, în 1955 Allen Newell, J.C.Shaw și Helbert Simon au realizat primul limbaj de programare în inteligență artificială IPL II și au creat programul Logic Theorist care devine General Problem Solver. Încă din acea perioadă se foloseau tehnici recursive pentru soluționarea problemelor matematice în logica propozițiilor. În 1956 John McCarthy lansează termenul de inteligență artificială care a fost acceptat de specialiști pentru a desemna o nouă știință.
2.2. De la inteligența naturală la inteligența artificială
Inteligența artificială este un domeniu care reține din ce în ce mai mult atenția economiștilor, managerilor și celorlalte profesii, deoarece sistemele bazate pe cunoștințe, sistemele bazate pe algoritmi genetici, sistemele fuzzy, sistemele hibride și sistemele neuronale sunt sisteme de inteligență artificială pe cale de a ocupa un loc din ce în ce mai important în viața lor profesională. Capacitatea de a învăța, de a înțelege, de a ști, din experiența și de a se descurca în situații vechi și noi, aceasta "inteligență" însoțită de colectarea informației, efectuarea prelucrărilor, pregătirea alternativelor decizionale și în final luarea deciziei este acum în slujba managerilor de toate tipurile și a celor economiști în mod special.
Științele economice și domeniul lor (managementul, finanțele, contabilitatea, etc.) sunt în practică realizate din oameni cu performanțe diferite care trebuie să facă față sarcinilor nestructurate, nonliniare, dinamice și stocastice, cu luarea în seamă, simultan, a aspectelor cantitative și calitative, în care intervin intuiția, experiența și inteligența, noțiuni vag definite, percepute cu aproximație și având consecințe asupra comportamentului în interacțiunile cu mediul intern și extern.
Dicționarele specializate prezintă inteligența ca pe capacitatea de a învăța sau înțelege din experiența, abilitatea de a achiziționa și memora cunoștințe, capacitatea de a răspunde repede și cu succes la probleme noi, utilizarea facultății de a raționa în rezolvarea problemelor și conducerea activităților cu eficacitate.
Din această definiție generală desprindem termeni care pot fi imediat asociați naturii omului, inteligenței și comportamentului uman. Simplificând, putem spune că inteligența este abilitatea de a achiziționa cunoștințe și de a le utiliza. În acest proces se folosesc gândirea și raționamentul. Acestea sunt aspectele care caracterizează ceea ce, în mod obișnuit, se numește inteligența umana (naturala).
Inteligența artificială își propune să imite caracteristicile inteligenței umane cu ajutorul calculatoarelor electronice și al programelor inteligente. Scopul final este comportamentul inteligent al calculatoarelor.
Sistemele de inteligență artificială sunt astăzi pregătite să memoreze cunoașterea din cele mai diverse domenii, dacă specialistul (expertul în domeniu) le-o pune la dispoziție și să o redea la momentul oportun sau să o utilizeze în raționamente specifice.
Cunoașterea sistemelor de inteligență artificială este depozitată într-o bază de cunoștințe care conține fapte, concepte, proceduri și relații. Această cunoaștere este organizată, inteligibilă și rapid utilizabilă de către sistem în rezolvarea problemelor și luarea deciziilor. O limită a cunoașterii acestor sisteme constă în faptul că scopul său îl reprezintă un subiect particular sau un domeniu și deci nu are aceeași cuprindere care poate fi așteptată de la un om. Totuși, scopul unui sistem de inteligentă artificială este relevant pentru domeniul respectiv.
Pe lângă cunoaștere, a doua componentă a inteligenței artificiale este în legătură cu tehnicile și metodele utilizate pentru ca sistemul să gândească și să raționeze pe baza cunoașterii.
Dotat cu astfel de trăsături, un sistem inteligent poate face interferențe și elabora concluzii, sfaturi, soluții sau decizii în domeniul respectiv. Un sistem inteligent este acela care este capabil să facă mai mult decât soluționarea de probleme pentru care este nevoie de punere în calcul, memorare și regăsire a cunoștințelor sau un simplu control al raționamentelor.
Sistemele de inteligență artificială depind de bazele de cunoștințe proprii și strategiile inferențiale (de control al raționamentelor) programate în vederea rezolvării problemelor. Ele sunt capabile să rezolve și alte probleme fără schimbări în baza de cunoștințe sau în strategiile inferențiale, pot utiliza și algoritmi, mai ales pentru căutarea și controlul cunoștințelor, dar acești algoritmi nu dau forța care comanda procesele de soluționare a problemelor ca în cazul programelor convenționale. Valoarea potențială a inteligenței artificiale poate fi mai bine înțeleasă dacă o punem în contrast cu inteligența naturală (umană).
În concluzie, putem menționa fără să greșim că inteligența artificială este un domeniu dinamic și foarte variat. Majoritatea cercetătorilor sunt de acord că inteligența artificială este în legătură cu două idei de bază:
– implică studierea proceselor umane de gândire pentru a înțelege ce este inteligența;
– este in legătură cu reprezentarea acelor procese, via calculator, robot sau alte mașini inteligente;
Strâns legat de aceste două idei se pot specifica și obiectivele inteligenței artificiale:
1. obiectivul primar: să facă, în general, mașinile mai inteligente;
2. obiectul laureatului Nobel: să înțelegem ce este inteligența;
3. obiectul antreprenorial: să facă mașinile mai utile.
2.3. Principalele aplicații ale inteligenței artificiale
Interesul pentru inteligența artificială (IA) a crescut în ultimii ani datorită răspândirii aplicațiilor comercializate, în sensul că, din ce în ce mai multe organizații au început să folosească această tehnologie și dispun de personal specializat în domeniu.
Principalele aplicații ale inteligenței artificiale sunt:
Rezolvator general de probleme
S-a reușit dezvoltarea unor programe de IA pentru planificarea optimală în care se comunică la intrare – pașii și restricțiile și se obțin la ieșire – rezultatele finale, planuri optime. Un alt tip de probleme îl constituie demonstrarea teoremelor și reducerea formulelor.
Sistemele expert (SE)
Sunt destinate simulării comportamentului unui expert uman care încearcă să rezolve probleme complexe. Când cunoașterea este combinată cu cele mai variate tehnici specifice IA, rezultatul este un sistem capabil să rezolve probleme cu rezultate care uneori depășesc performanța sistemului uman.
Recunoașterea formelor sau Computer Vision
Constituie un subdomeniu al IA care se ocupă de dotarea calculatoarelor cu proprietatea de a vedea și efectua pe această bază anumite sarcini. Aceste sisteme se bazează pe descompunerea imaginii în pixeli și determinarea zonelor care au repetabilitate și se pot compara cu imaginile memorate. Sistemele de recunoaștere a formelor sunt capabile să identifice trăsăturile obiectelor reale sau imaginile acestora, iar informația obținută o utilizează pentru soluționarea anumitor probleme.
Robotica
Înseamnă dotarea mașinii cu capacitatea de a se deplasa. Ideea constă în funcționarea unui număr de motoare egale cu grade de libertate cu un număr de pași ce se comandă sincronizat electronic. Se dorește ca aceșia să execute sarcini de mare complexitate.
Învățământul asistat de calculator
Este un subdomeniu al IA în legătură cu o interfață utilizator și un sistem expert care controlează și ajustează nivelul cursului în funcție de nivelul student și dificultatea dorită, compară tehnicile folosite de student cu cele a expertului și ajută studentul în cursul rezolvării atunci când se blochează în raționamente.
Investigațiile în domenii cum sunt recunoașterea formelor și prelucrarea vocii sunt noi domenii în IA. Nu trebuie să surprindă faptul că utilizarea în ultimii ani a sistemelor expert a fost asociată cu cercetările de IA deoarece structura și proprietățile sunt apropiate de produsele IA.
Sistemele expert (SE) beneficiază de cercetările ce au fost realizate în diferite zone ale IA. În figura de mai sus se pot observa relațiile între sistemele expert și celelalte domenii ale IA. În prezent, SE sunt tot mai mult asociate direct cu modurile de rașionare și cunoștințele reprezentate. Aceste sisteme sunt de fapt dezvoltări în noile câmpuri ale achiziției de cunoștințe ca forme specializate de învățare, în care cunoștințele sunt achiziționate direct de la expert. Alte SE ca tehnici de IA includ explicații, învățare inteligentă, planificarea, rezolvarea problemelor distribuite, cercetări ce sunt adresate direct IA.
2.4. Categorii de sisteme inteligente
Sistemele inteligente constituie – în momentul de față – acea tehnologie informațională de vârf, capabilă să identifice "ceva cât de cât important pentru mersul afacerilor, poate chiar fundamental pentru evoluția firmei, eventual structuri și relații care ar putea transforma practicile de management și afaceri". Ele dispun de un repertoriu de tehnici specifice inteligenței artificiale cum sunt rețelele neuronale, algoritmii genetici, sistemele expert, sistemele fuzzy (vagi) și sistemele hibride. Cu ajutorul acestora se informatizează eficient câteva domenii ale managementului, în care intervine expertiza umană considerabilă.
Cercetarea de specialitate a dovedit eficiența sistemelor inteligente pentru domeniul economic, în aplicații de genul desfacerii produselor bancare, investițiilor în portofolii, supravegherea bancară, planificarea, asigurările, diagnosticul financiar, gestiunea resurselor umane, contabilitate și audit, impozitare și multe alte tipuri de probleme, de tip diagnostic, planificare, proiectare, control și monitorizare.
2.4.1. Sistemele neuronale artificiale
Sistemele neuronale artificiale au apărut în anii '80 și au la bază metoda rețelelor neuronale de reprezentare a cunoașterii. Paradigma lor poartă numele de „conexionism”, deoarece modelează soluțiile problemelor prin instruirea neuronilor artificiali conectați în rețele configurate în prealabil cu ajutorul unor medii de dezvoltare specifice. Neuronii artificiali sunt automate elementare al căror mod de funcționare se inspiră din funcționarea neuronilor biologici. Numeroși cercetători care au investigat rețelele neuronale au observat că ele oferă un mare potențial pentru management.
Sistemele neuronale constituie cea mai bună opțiune atunci când există foarte multe date, informații și cunoștințe empirice, și nu pot fi realizați algoritmi suficient de rapizi și corecți pentru prelucrarea acestora.
Pe lângă fiabilitate înaltă, sistemele neuronale oferă și o bună funcționalitate la un preț de întreținere mic.
Toate aceste caracteristici fac din sistemele neuronale artificiale mijloace informatice foarte atractive pentru soluționarea problemelor de marketing bancar, comercializarea titlurilor, evaluarea creditelor, diagnosticul financiar al firmelor și optimizări dintre cele mai diverse. De aceea, există numeroase sisteme neuronale în sectoarele comercial și financiar-bancar.
În literatura de specialitate sunt considerate mai reprezentative două asemenea sisteme: sistemul neuronal pentru detectarea fraudelor cu cărți de credit al companiei Visa International, utilizat de cinci bănci din Canada și zece bănci din SUA, și respectiv sistemul neuronal CHRIS (Card Holder Risk Identification Service), care identifică tranzacțiile de la stațiile de benzină achitate tot cu cărți de credit și raportează fraudele eventuale.
2.4.2. Sistemele inteligente bazate pe algoritmi genetici
Mecanismul specific acestor sisteme este inspirat din funcționarea sistemelor biologice, în sensul că încurajează soluțiile candidatului capabile să rezolve o problemă și penalizează soluțiile fără succes. În felul acesta se obțin, după mai multe generații, soluții foarte bune pentru probleme de optimizare complexe, cu un mare numar de parametri.
Ideea de bază a unui algoritm genetic constă în a se începe cu o populație de soluții pentru o anumită problemă și a produce noi generații de soluții, fiecare mai performantă decât precedentele. Fazele ciclului prin care operează un asemenea algoritm sunt: (1) crearea unei populații de "membri" (soluții candidat la rezolvarea unei probleme), (2) selecția membrilor care s-au adaptat cel mai bine necesităților problemei de soluționat, (3) reproducerea (se folosesc operatorii genetici de încrucișare și mutație, pentru a obține noi membri), (4) evaluarea gradului în care noii membri corespund mai bine soluționarii problemei și (S) abandonarea populației vechi prin înlocuirea ei cu populația nouă din noua generație. Un asemenea ciclu se repetă până când este identificată cea mai bună soluție la problema în cauză.
Figura 5 – Fazele ciclului algoritmilor genetici
Datorită structurii lor inerent paralele, sistemele inteligente bazate pe algoritmi genetici s-au dovedit performante în problemele de căutare și identificare a structurilor și relațiilor specifice în cadrul bazelor de date și bazelor de cunoștințe voluminoase (data-mining). Un succes particular s-a obținut cu ele în problemele de optimizare referitoare la selectarea personalului și selectarea portofoliilor.
Aceste sisteme, deoarece pot învăța relații și structuri complexe în cadrul seturilor de informații și cunoștințe incomplete, se pot adapta schimbărilor survenite în mediile în care funcționează și pot fi utilizate ca instrumente pentru descoperirea unor cunoștințe noi. Ele pot oferi explicații la deciziile luate într-un format perceptibil de către om.
Aplicațiile acestor sisteme s-au diversificat rapid și s-au dovedit utile în domeniile afacerilor financiare, comerțului cu titluri, evaluarii creditelor, detecției fraudelor și predicției falimentului. De exemplu, unii cercetători au folosit asemenea sisteme la inserarea unor reguli pentru predicția falimentului întreprinderilor, pe baza indicatorilor financiari obtinuți din bilanț (financial ratios). Alți cercetători descriu modul de utilizare a algoritmilor genetici în alocarea bugetară, în vederea asistării guvernelor și administrațiilor locale la adoptarea celor mai bune decizii.
2.4.3. Sistemele fuzzy
Sistemele inteligente bazate pe logica fuzzy dispun de o flexibilitate deosebită și s-au dovedit performante într-o varietate de aplicații de control industrial și de recunoaștere a structurilor, începând cu scrisul de mână și terminând cu evaluarea creditelor.
Teoria mulțimilor fuzzy utilizează drept concept de bază, testarea valorii de adevăr a unei propoziții, care este reprezentată în sistemul fuzzy printr-un număr real aparținând intervalului [0,1], în care „0” corespunde stării „Fals”, iar „1” corespunde stării „Adevărat”. În acest mod, teoria mulțimilor fuzzy își propune să răspundă la faptul că o manieră strictă de evaluare a valorii de adevăr a unei propoziții nu coincide cu modul mult mai flexibil în care gândesc oamenii, în condiții de incertitudine și incompletitudine.
Teoria mulțimilor fuzzy are la bază teoria terțului exclus, formulată de către Aristotel, conform căreia, valoarea de adevăr a unei propoziții nu poate fi exprimată decât prin termenii „Adevărat” sau „Fals”. Ulterior, teoria a fost contestată de către Platon, care consideră că o astfel de abordare este nerealistă și inflexibilă în majoritatea situațiilor și că între Adevărat și Fals trebuie să existe și o „zonă” intermediară.
Prima alternativă sistematizată la teoria terțului exclus a fost propusă de matematicianul polonez Jan Lukasiewicz care, în 1920, a descris primul sistem logic format din trei valori, însoțit de un suport matematic. Cea de-a treia valoare logică a fost denumită „Posibil” și a fost situată între „Adevărat” și „Fals”. Inițial, cele trei elemente au fost reprezentate numeric prin sistemul [0,1,2], însă, ulterior, Lukasiewicz a propus sisteme formate din 4 sau 5 numere și a declarat că, în principiu, un astfel de sistem poate cuprinde un număr infinit de valori.
Cel care a extins teoria posibilității la un sistem formal de logică matematică a fost însă profesorul Lotfi Zadeh care, în 1965, a adus în discuție modalitățile de lucru cu termeni nuanțați ai limbajului natural. Sistemul permitea extinderea valorii de adevăr a unei propoziții la toate numerele reale din intervalul [0,1].
Prima utilizare în domeniul comercial a teoriei mulțimilor fuzzy a fost în cadrul unei firme din Danemarca (1973). La începutul anilor '90, logica fuzzy a fost acceptată cu entuziasm în Japonia și ulterior în Singapore și în alte țări ale Asiei de Sud Est. Tot în anii '90, tehnicile derivate din logica fuzzy au fost utilizate și în țările occidentale, însă au fost îndelung criticate de către comunitățile științifice. Începând cu anul 2000, aplicațiile de tip neuro-fuzzy au devenit foarte populare în Asia și ulterior în S.U.A. și Europa Occidentală.
Raționamentul fuzzy este procesul de inferare (derivare) a concluziilor dintr-un set de reguli fuzzy care acționeaza supra cunoașterii fuzificate. Față de sistemele inteligente bazate pe reguli convenționale, în care numai o regulă va fi executată ca urmare a adevărului premisei sale, în raționamentul fuzzy toate regulile din baza de reguli fuzzy ale căror premise sunt total sau parțial adevărate (numai anumite condiții sunt îndeplinite) vor contribui la soluția finală a problemei care face obiectul rezolvării. Această acțiune agregată a regulilor fuzzy constituie principiul cheie care stă la baza flexibilității sistemelor inteligente din categoria abordată și favorizează până la extrem prelucrarea cunoștințelor incerte, incomplete, inconsistente sau imprecise.
Întotdeauna trebuie acordată atenție proceselor de fuzificare (conversia datelor între funcțiile membrilor seturilor fuzzy) și defuzificare. În toate cazurile se folosesc reguli fuzzy, foarte utile în raționamente.
Puterea acestor sisteme, față de cea a sistemelor neuronale, constă în aceea că bazele lor de cunoștințe folosesc structuri de tip reguli de producție, foarte ușor de examinat, înțeles și modificat. Datorită faptului că funcțiile membrilor și regulile trebuie stabilite pe cale manuală, de catre experți, intervine un mare consum de timp și posibilitatea de a face erori. Ce este mai neplăcut este că aceste sisteme nu sunt chiar așa de ușor adaptabile la schimbările mediului operațional; noile reguli necesare trebuie elaborate tot manual atunci când condițiile de afaceri se schimbă.
În prezent, se înregistrează o creștere a numărului de aplicații de tip fuzzy „data base retrieval” (regăsire fuzzy în bazele de date) deoarece regăsirea datelor în bazele de date convenționale nu oferă o foarte bună flexibilitate operatorilor umani. Regăsirea fuzzy pune în acțiune un mecanism care operează și pentru condițiile îndeplinite doar parțial, mărind astfel eficiența căutării.
Fuji Bank din Tokyo dispune de un sistem inteligent fuzzy pentru comerțul cu titluri de credite pe termen scurt, care conține circa 200 reguli de producție fuzzy bazate pe cele mai cunoscute strategii de comercializare.
Sistemele expert fuzzy sunt necesare și oportune pentru:
controlul liniar și neliniar al proceselor economice;
luarea deciziilor în condiții de incertitudine;
diagnosticarea activităților dintr-o firmă;
monitorizarea proceselor de execuție și de management;
previzionarea comportamentului clienților și concurenței;
recunoașterea pattern-urilor;
sistemele financiare de evidență si control;
sistemele de navigație ale aeronavelor;
controlul automat al trenurilor;
controlul nivelului debitelor fluxurilor de apă;
realizarea graficelor pentru controlul circulației;
controlul mecanismelor de funcționare a mașinilor de spălat, cuptoarelor cu microunde sau aparatelor de fotografiat.
2.4.4. Sistemele expert
Tehnologia sistemelor inteligente de tip sisteme expert este cea mai "veche" și cea mai bine pusă la punct, în special pentru sisteme expert bazate pe reguli. Există deja câteva sute de sisteme expert operaționale și comerciale, pentru o gamă foarte largă de aplicații. Toate folosesc o cunoaștere numită expertiză, provenită de la experții umani, iar procesul de colectare a acesteia se numește achiziția cunoașterii. Este nevoie de mai multe interviuri cu experții sau de alte metode adecvate până când este pusă la punct baza de cunoștințe, o componentă importantă a acestor sisteme. Există metode și instrumente de achiziție a cunoașterii, unele foarte perfecționate. Mediile de dezvoltare disponibile ușurează mult construirea sistemelor expert funcționale, de la stadiul de prototip până la stadiul de sistem expert comercial, în conformitate cu metodologia adoptată.
Adevarata putere a sistemelor expert stă în motoarele de inferențe și în sistemele de explicații de care dispun. Totuși, sistemele expert nu sunt capabile să învețe, să se instruiască automat, ca celelalte tipuri de sisteme inteligente menționate anterior și din acest motiv nu se pot adapta ușor la schimbările intervenite în mediul în care acționează. Logica fuzzy oferă și pentru aceste sisteme scheme de reprezentare a cunoașterii mult mai flexibile. De aceea viitorul imediat al acestora se va baza foarte mult pe logica fuzzy.
CAPITOLUL 3 – SISTEMELE EXPERT
O ramură a Inteligenței Artificiale (IA) este reprezentată și de către sistemele expert.
Din punct de vedere funcțional, un sistem expert poate fi definit ca un program care urmărește un grup de cunoștințe pentru obținerea în același mod ca și experții umani a rezultatelor despre activități dificil de examinat. Principala caracteristică a sistemelor expert este derivată din baza de cunoștințe împreună cu un algoritm de căutare specific metodei de raționare. Un sistem expert tratează cu succes probleme pentru care o soluție algoritmică clară nu există.
Sistemele expert au fost acceptate cu entuziasm într-o mulțime de domenii: afaceri, industrie, alte sfere profesionale, ca o cale de fructificare a experienței, disponibilă oricând este necesară. SE sunt binevenite în domenii particulare în care experții umani existenți au suficientă experiență pe care o pot furniza.
Un sistem expert este bazat pe 2 componente distincte complementare:
noi tehnologii de programare ce permit utilizarea de foarte multe cunoștințe, precum și modul de diferențiere cu acestea;
noi construcții și metodologii dezvoltate, ce permit utilizarea efectivă a acestor tehnologii legate cu probleme complexe.
Succesul dezvoltării SE este legat de modul în care sunt combinate aceste două obiective. Tendințele tehnice de bază pledează ca raționarea și cunoștințele să nu fie văzute distinct, întrucât sistemul expert presupune o armonizare între cunoaștere și raționare.
Sistemele expert au cunoscut o largă utilizare, aplicațiile lor fiind necesare și oportune în managementul organizațiilor, în activități specifice, cum ar fi:
funcția control și monitorizare;
controlul inteligent al sistemelor;
diagnosticul și întreținerea deoarece localizează erorile de funcționare și recomandă corecțiile necesare;
instruire contribuind la îmbunătățirea performanțelor celor ce învață;
planificare asigurând dezvoltarea schemelor de activitate orientate spre scop;
predicție pentru inferarea unor situații probabile pe baza informațiilor deja cunoscute;
simulare în scopul deducerii consecințelor acțiunilor sau evenimentelor declanșate de sistemul însuși;
selecție pentru identificarea celei mai bune alternative dintr-o listă de posibilități;
interpretare pentru clarificarea unor situații, inferarea semnificațiilor situațiilor noi pe baza semnalelor de la senzori.
3.1. Prezentarea generală a sistemelor expert
Feigenbaum Edward consideră că sistemele expert sunt programe concepute pentru a raționa în scopul rezolvării problemelor pentru care în mod obișnuit se cere o expertiză umană.
Louis Franzel consideră că sistemul expert este un program particular care încorporează baza de cunoștințe și un motor de interferențe. Programul se comportă ca un consilier inteligent într-un domeniu particular.
Sistemele expert sunt capabile să memoreze cunoașterea, să stabilească legături între cunoștințe și să elaboreze concluzii, soluții, recomandări, sfaturi, respectiv cauzele unor fenomene și situații pe baza faptelor și prelucrării cunoașterii incerte.
Termenul de sistem expert se utilizează cu un înțeles de sistem bazat pe cunoștințe. Sistemele expert sunt acele programe de inteligență artificială sau mașini bazate pe cunoașterea de nivel înalt comparabilă cu cea a experților dintr-un domeniu și care pot realiza preformanțe de gândire și intuiție similare experților umani.
Sistemele expert reproduc raționamentul experților asupra cunoștințelor puse la dispoziția lor într-o anumită manieră, multiplică aceste cunoștințe și explică liniile proprii de raționament. Cunoașterea într-un sistem expert este organizată într-un fel care separă cunoștințele despre domeniul problemei de alte tipuri de cunoștințe, cum sunt cele despre rezolvarea problemei și cele despre interacțiunea cu utilizatorul.
Utilizarea sistemelor expert are ca obiective: achiziționarea cunoașterii, exploatarea eficientă a colecției de cunoștințe, utilizarea operațiilor cu cunoștințele (adăugarea, modificare și eliminarea lor). Obiectivele derivate sunt: reducerea riscurilor, creșterea creativității, învățarea.
3.2. Tipologia sistemelor expert
Sistemele expert se clasifică după natura problemelor pe care le soluționează, caracteristicile cunoașterii memorate sau metodele de reprezentare a cunoașterii (bazate pe reguli, modele, etc.), strategiile de control și metodele de inferență, criterii organizaționale (interne, externe și consultante) sau de profunzime, raportul fașă de celelalte sisteme bazate pe cunoștințe.
După natura cunoașterii:
sisteme expert bazate pe reguli;
sisteme hibride, care includ câteva metode de reprezentare a cunoașterii;
sisteme bazate pe modele, care sunt structurate în jurul unui model pentru simularea structurii și funcționării unui sistem.
După natura problemelor soluționate, se disting:
sisteme expert cu colectarea faptelor doveditoare;
sisteme expert cu rafinare în pași succesivi, care au un număr mare de ieșiri obținute prin detalierea succesivă pe niveluri a problemei din domeniu;
sisteme expert cu asamblare în pași succesivi, la care ieșirile într-un număr foarte mare au legătură cu o paletă largă de rezultate posibile;
sisteme expert la cheie, dezvoltate pentru nevoile unui utilizator;
sisteme expert în timp real, în care timpul de răspuns are o limită strictă, suficientă pentru controlul proceselor.
Altă clasificare este aceea care împarte sistemele expert în:
sisteme care se comportă ca o interfață inteligentă;
sisteme care servesc pentru transmiterea de informații, în calitate de instructor;
sisteme pentru asistare la realizarea unor sarcini, lucrări de sprijinire a deciziilor.
După clasa de utiizare:
sisteme expert de clasa I;
sisteme expert de clasa II;
sisteme expert de clasa III.
Prin utilizarea acestor sisteme se realizează înlocuirea expertului, înlocuirea parțială a expertului, asistarea expertului, asistarea unei aplicații informatice clasice, integrarea într-o aplicație informatică, interfața de ieșire într-o aplicație informatică, utilizarea în scop de instruire și documentare. O mare dezvoltare au cunoscut-o sistemele inteligente obținute prin integrare. S-a constatat că evoluția către interacțiuni determină activități de un nivel înalt. Aceasta este ideea care a generat sistemele multiexpert.
Sistemele multiexpert se caracterizează prin următoarele:
conține mai multe module de cunoaștere;
motorul de intreferențe trebuie separate de modulele de cunoaștere;
modularitatea cunoașterii trebuie să ramână validă (adăugarea, modificare sau ștergerea nu trebuie să afecteze alte module);
funcționarea sistemului trebuie să permită aflarea soluției la o problemă propusă;
În sistemele multiexpert apar restricții de sincronizare a funcționării modulelor de cunoaștere.
Inteligența artificială distribuită rezolvă probleme cu ajutorul mai multor module care cooperează între ele.
Inteligența artificială distribuită este tratată în 3 teme:
rezoluția distribuită a problemelor, care urmărește să determine cum se poate repartiza o sarcină de rezolvare a unei probleme particulare între mai multe module de cunoaștere, fiecare cu cunoștințe particulare;
rezoluția multiagent, care caută să coordoneze comportamentul mai multor agenți autonomi în soluționarea problemei inițiale. Coerența globală se realizează prin interacțiunea dintre agenți (conflict, negociere, compromis);
arhitecturi paralele, care permit creșterea performanțelor și în care fiecare agent este văzut ca un nod fizic într-o rețea de calculatoare. Un agent este capabil să efectueze numai sarcinile fără să fie nevoie și de alte restricții asupra lor. Prin gruparea agenților într-un sistem multiagent se poate ajunge la o inteligență distribuită.
În legătură cu sistemele multiagent se pun următoarele probleme:
comunicarea între modulele de cunoaștere;
controlul rezolvării problemei;
organizarea cunoașterii în sistemele multiexpert.
Sistemele multiexpert se evaluează prin rapiditate, siguranță, calitatea soluției, eficacitatea, claritatea, adecvarea la domeniul aplicativ, costurile de concepere.
Integrarea sistemelor informatizate înseamnă că sistemele sunt cuplate într-unul singur. Integrarea se poate face la nivelul instrumentului de dezvoltare sau la nivelul aplicației.
Prin integrarea sistemelor expert cu sisteme informatice convenționale se urmăresc costul redus și eficiența. În urma integrării, beneficiile penru sistemele expert sunt:
îmbunătățirea generatoarelor de sisteme prin adăugarea unor trăsături ale sistemelor convenționale;
îmbunătățirea construirii bazei de cunoștințe;
lărgirea sferei de utilizare a sistemelor expert;
transferul informației mai rapid între componentele de tip inteligent și cele convenționale.
3.3. Componentele sistemelor expert
Componentele de bază ale unui sistem expert sunt:
baza de cunoștințe – care stochează elemente de cunoaștere și suportă operațiile asupra cunoștințelor;
motorul de interferențe – care conține cunoațterea de control, procedurală sau operatorie și exploatează baza de cunoștințe;
intrefața de dialogul cu utilizatorii – care dispune și de un limbaj de exprimare a cunoașterii achiziționată de la experții umani;
modulul de achiziționare a cunoașterii;
modulul explicativ.
Sistemele expert nu acționează izolat de celelalte componente ale mediului exterior. El poate fi apelat de către alte programe externe sau poate trimite rezultate către alte programe. Sistemele expert sunt interactive.
Baza de cunoștințe conține informații preluate de la experții umani în legătură cu domeniul problemei. Aceste informații descriu fapte reale sau ipotetice, situații evidente și euristice.
Modulul de achiziție al cunoașterii ajută expertul să introducă cunoștințe într-o formă recunoscută de către sistem și să actualizeze baza de cunoștințe. Sunt sisteme expert ce folosesc o bază de date relațională. În acest caz, trebuie să existe și o interfață de date. Când cunoașterea este memorată sub forma regulilor de producție, baza de cunoștințe conține 2 componente – baza de fapte și baza de reguli a motorului de inferențe ce se mai numește și interpretor de reguli.
Motorul de inferențe este un program care conține mecanisme inferențiale pentru prelucrarea cunoștințelor cu raționamente determinând modificarea cunoașterii în scopul soluționării problemei. Mecanismele inferențiale sunt cele care oferă în final rapoarte, texte, grafice și liste afișate pe ecran care reprezintă un diagnostic, sfaturi, explicații, planuri de acțiune, variante decizionale, precum și rezultate utile persoanelor care consultă sistemul expert.
Interfața de dialog cu utilizatorii care asigură accesul utilizatorilor la faptele și cunoștințele din bază, deoarece permite achiziția cunoașterii de la experți, precum și dialogul cu ceilalți utilizatori în timpul sesiunii de consultare și uneori chiar cu alte sisteme.
Modulul explicativ urmărește obținerea de explicații asupra desfășurării proceselor inferențiale, a soluțiilor obținute în sesiunile de consultare cu evidențierea cauzelor unor eșecuri.
Crearea unui sistem expert implică următoarele activități:
achiziția de la experți a cunoașterii și a metodelor utilizate de aceștia în rezolvarea problemei;
rafinarea cunoașterii și a metodelor în vederea utilizării ulterioare.
Activitățile de achiziție și rafinarea cunoașterii poartă denumirea de ingineria cunoașterii.
Caracteristicile sistemelor expert:
dispun de expertiză – care este o cunoaștere intensivă, specifică domeniului problemei, achiziționată prin instruire, citire sau experiență îndelungată;
presupun un raționament simbolic;
profunzime – se referă la abilitatea de a extinde cunoașterea existentă;
autocunoașterea – posedă cunoaștere despre cunoaștere și au posibilitatea de a explica.
Proprietățile sistemelor expert:
transparență – puterea de a explica soluția oferită prin indicarea cunoștințelor utilizate în raționamente;
flexibilitate – posibilitatea adăugării, schimbării și eliminării cunoștințelor;
competență – capacitatea de a soluționa probleme pentru experții umani;
utilizare prietenoasă.
MODULELE SISTEMULUI EXPERT
MOTORUL DE INFERENȚE – se caracterizează printr-un ciclu de bază, o strategie de căutare și strategii de control al raționamentelor. Ciclul de bază al unui motor de inferențe cuprinde următoarele faze: selecția, filtrarea, rezolvarea conflictelor și execuția.
Motorul de inferenșe realizează următoarele funcții:
activează regulile;
adresează utilizatorului o întrebare;
adaugă răspunsul utilizatorului în baza de fapte;
inferează un nou fapt într-o regulă;
adaugă faptul inferat în baza de fapte;
compara faptele din baza de fapte cu componentele corespunzătoaredin reguli;
dacă sunt potriviri, regulile se declanșează;
dacă mai sunt și asemănări, controlează dacă scopul prestabilit este atins;
Criteriile care diferențiază între ele motoarele de inferențe sunt:
modul de invocare al regulilor;
metodele de inferență;
strategiile de căutare;
monotonia și nonmonotonia;
stilul de programare;
limbajul de descriere al cuoașterii.
BAZA DE CUNOȘTINȚE
Colecția de cunoștințe despre o problemă care trebuie soluționată cu un sistem expert se numește baza de cunoștințe. Cunoașterea expertului despre o problemă se numește cunoaștere de domeniu.
Cunoașterea constituie factorul major în sistemele expert unde funcționează relația: cunoaștere + inferențe = sistem expert
Expertiza este un tip specializat de cunoaștere de care dispun experții, o cunoaștere implicită care aparține expertului uman și care trebuie extrasă, colectată, făcută explicită astfel încât să se poată formaliza, codifica în baza de cunoștințe a sistemului expert.
Metacunoașterea înseamnă cunoașterea despre cunoaștere. Cunoașterea este achiziționată prin procese de învățare, observare a realității, abstractizare și obiectivizare prin rafinare permanentă.
Gândirea despre reprezentarea cunoașterii se concentreză pe trei teme:
domeniul cunoașterii;
limbajul de reprezentare al cunoașterii;
mecanismele de inferență
Achiziția cunoașterii reprezintă procesul de colectare, structurare și organizare a cunoașterii, din una sau mai multe surse în scopul de a o depozita în sistemele expert și a o utiliza la soluționarea problemelor.
Procesul propriu-zis al cunoașterii cuprinde:
identificarea caracteristicilor problemei;
formularea conceptelor de reprezentat;
proiectarea structurii și organizarea cunoașterii;
formularea regulilor;
validarea și testarea bazei de cunoștințe.
INTERFAȚA DE DIALOG CU UTILIZATORII
Interfețele au în vedere comunicația interactivă dintre sistemul expert și utilizator. Dintre calitățile interfețelor, cele mai importante sunt: viteza, acuratețea, timpul de instruire, preferința utilizatorului, puterea, flexibilitatea, controlul.
Interfețele trebuie să permită utilizarea ușoară a sistemului și să avantajeze utilizatorul în comunicația cu sistemul. Interfața trebuie să dispună de componente fizice, componente perceptuale și psihologice.
Dacă funcționalitatea și beneficiile unui sistem nu sunt percepute rapid de către utilizator, atunci sistemul este considerat neoportun, fără utilitate.
Din punct de vedere psihologic, dacă utilizatorul are o percepție confuză din cauza lipsei de instruire sau a documentării, sistemul expert va apărea ca un program ostil, mai ales când mesajele de eroare abundă tocmai din cauza interfeței neadecvate. Interfața poate fi gândită ca o suprafață pe care se introduc informațiile solicitate și comenzile necesare în timpul sesiunii de utilizare a sistemului expert și se obțin rezultate de la sistem.
Cele mai cunoscute interfețe sunt:
interfața bazată pe meniuri – care permite utilizatorului să selecteze dintr-o listă de opțiuni pe aceea pe care dorește să o execute;
interfața de tipul întrebare-răspuns – este foarte cunoscută și ușor de programat;
interfața orientată pe icoane – constituie un stil special de interfață, în care pe ecran apar o serie de obiecte grafice numite icoane, care pot fi manevrate de către utilizator în cadrul dialogului cu sistemul expert;
interfața bazată pe ferestre multiple – constituie cel mai modern format, deoarece permite afișarea pe ecran a unor ferestre în care se pot lansa operații de tot felul.
Interfețele utilizatorilor pot fi îmbunătățite prin utilizarea unor tehnologii moderne cum sunt:
GUI (Graphical User Interface) – sunt interfețe utilizator grafice care oferă controlul direct asupra obiectelor vizibile pe ecran, înlocuind comenzile care au sintaxa completă și sunt greu de memorat;
VIM (Visual Interactive Modeling) – s-a utilizat cu succes în sistemele expert din domeniul managementului operațional. Ea folosește afișaje grafice pentru prezentarea impactului diferitelor decizii. Este diferită de grafica obișnuită, deoarece utilizatorul poate interveni în procesul de luare a deciziei și poate vizualiza imediat rezultatele intervenției sale. Din această cauză se mai numește și „modelare vizual-interactivă”.
Hipermedia – este o clasă specială de multimedia și descrie documente de proveniență informatică, care conțin câteva tipuri de medii (text, grafică, imagini video și sunet), care permit legarea prin asociere a informațiilor.
3.4. Principalele avantaje ale utilizării sistemelor expert
Sistemele expert (SE) sunt instrumente ale managementului în controlul operațiilor și organizării, având ca impact majorarea profitului și elaborarea unor decizii eficiente. Sistemele expert produc semnale pentru controlul eficient al operațiilor și proceselor, sesizează nevoia de reorganizare în scopul reducerii complexității și incertitudinii.
Principalele avantaje ale utilizării sistemelor expert sunt:
sistemul expert are posibilitatea de a stoca cunoștințele experților în baza de cunoștințe și utilizarea acestora când dorește, nefiind condiționat de alte activități;
sistemul expert nu obosește, dar trebuie reactualizat;
sistemul expert ajută la îmbunătățirea deciziilor;
sistemul expert poate executa operații specifice muncii umane simple sau complexe;
sistemul expert poate fi utilizat și de către persoane cu o calificare de bază, iar expertiza poate fi împărtășită mai multor persoane;
sistemul expert are și o serie de avantaje indirecte. Ele oferă flexibilitate în exploatare, șanse de supraviețuire, ajută firmele să domine schimbările pieței și să ocupe o poziție dominantă. Costul mic al acestora le impune ca cele mai bune soluții. Necesitatea introducerii sistemelor expert este susținută de întreținerea lor ușoară, dezvoltare ușoară, portabilitate, mărirea performanțelor experților determinată de completitudine și consistență, creșterea productivității experților.
firmele ce folosesc aceste sisteme au beneficii constând în economii de personal, utilizarea eficientă a capacităților de producție, economii din producție și din documentarea automată. Are loc o îmbunătățire a calității prin calificare înaltă și instruire rapidă a personalului, proiectarea ofertelor pentru obținerea de comenzi, echiparea produselor cu inteligență proprie, automatizarea activităților.
Dincolo de avantaje, sistemele expert au și câteva limitări datorate următoarelor cauze:
procesul de achiziție a cunoștințelor este încă limitat datorită experților;
utilizatorii sistemelor expert au cunoștințe limitate în această tehnologie;
lipsa încrederii;
transferul expertizei este o problemă datorată percepției persoanelor;
dificultățile din primele faze de experimentare.
Odată cu îmbunătățirea tehnologiei, aceste limite se vor diminua și va crește încrederea managerului în avantajele majore pe care le oferă tuturor celor care sunt convinși că din colaborarea managerului cu produsele inteligenței artificiale, cel care câștigă este omul.
CAPITOLUL 4 – LOCUL SISTEMELOR EXPERT ÎN ECONOMIE
4.1.Aplicații ale sistemelor expert în domeniul financiar-bancar și în contabilitate
Dacă sistemele expert au fost dezvoltate la început în domeniul tehnic și medical, în ultimul timp asistăm la o extindere a acestora în domeniul economic și în special în domeniul financiar-bancar. Din ce în ce mai multe companii apelează la companii producătoare de inteligență artificială pentru a le crea o bază de cunoștințe din domeniul propriu de activitate. Eforturile în această direcție s-au concretizat deja în numeroase sisteme on-line în bănci, în companiile de asigurări, în sistemele de producție, în sistemele de servicii, în marile întreprinderi care și-au permis implementarea de tehnologii de ultimă oră. Pe de altă parte, sistemele inteligente sunt la mare preț și în agențiile de asistență legală, financiară, contabilă care sunt principala piață de desfacere a sistemelor expert "de gata", fabricate de companiile de soft pentru a veni în sprijinul celor ce practică meserii liberale, în care capitalul esențial este cunoașterea iar principalul serviciu oferit este raționamentul profesionist.
Principalele servicii financiare oferite de agențiile specializate sunt servicii bancare, brokeraj, investiții și asigurări. Sistemele expert tipice pentru aceste servicii oferă următoarele:
asistență în planificarea financiară
analiza bugetelor pentru sesizarea erorilor și discrepanțelor
analiza balanței pentru a fundamenta politica financiară a
întreprinderii
analiza împrumuturilor
analiza ratelor de schimb ale devizelor externe
analiza riscurilor în asigurări
asistență în serviciile bancare
Exemple de sisteme expert "la cheie " pentru asistență în planificarea financiară:
APEX Client Profiling produs de Applied Expert Systems – este un sistem expert de orientare în domeniul investițiilor financiare personale. Poate fi utilizat și ca un instrument de marketing de către companiile producătoare de servicii financiare
BUSINESS PLAN produs de Sterling Wentworth Corp – este un sistem expert care produce planificarea financiară completă pentru întreprinderi mici, furnizând recomandări în domeniul taxelor pe venituri, gestiunea riscurilor financiare, beneficiile angajaților, planificarea pensionărilor, asigurări.
LE COURTIER (engl Broker) produs de Cognitive Systems, Inc. – este un sistem expert care oferă asistență în gestionarea portofoliului de acțiuni. Inițial dezvoltat pentru o bancă belgiană, sistemul este utilizabil în departamentele bancare de asistare a clienților în activitatea lor investițională.
FINANCIAL ADVISOR – creat de Paliadian Software – este un sistem expert care asistă managerii întreprinderilor în planificarea și formularea, evaluarea și monitorizarea diferitelor tipuri de proiecte de capitalizare intensivă.
PLANMAN – produs al firmei Sterling Wentworth corp – este un sistem expert pentru planificare financiară personală. Mulându-se pe profilul financiar al clientului, PlanMan generează un raport financiar complet, cu recomandări în domeniul impozitelor, taxelor, lichidităților, gestiunii riscurilor și alte domenii financiare.
PLAN POWER – produs de Applied Expert Systems, Inc. – este tot un sistem expert pentru planificare financiară personală. Sistemul acoperă o gamă largă de probleme: securitatea investițiilor, gestionarea veniturilor fixe, asigurări, venituri imobiliare, sponsorizări, impozite. Generează planuri individuale ce se pot întinde pe o perioada de 5 ani.
Pentru aplicații în domeniul acordării de împrumuturi:
LENDING ADVISOR – produs al firmei Syntelligence – este un sistem expert mare, multi user, distribuit. Se adresează băncilor și altor instituții care acordă credite, pe care le ajută să păstreze o politică constantă în acordarea de credite, evaluează poziția financiară a solicitantului de credit, definește riscurile potențiale și garanțiile, verifică deciziile luate de angajați la diverse filiale în acordarea de credite.
MLA – MORTGAGE LOAN ANALYZER – produs de Arthur Andersen Co. – este un sistem expert orientat pe împrumuturi garantate prin ipoteci. Sistemul procesează, evaluează și trage concluzii preliminare din mai mult de 200 de elemente inscrise în documentele necesare.
Băncile mari sunt susținătoare ale sistemelor expert pentru că, la nivelul sumelor vehiculate, și o îmbunătățire minoră în deciziile luate se poate traduce prin câștiguri mari, care justifică eforturile de sponsorizare a cercetărilor științifice. Astfel, compania de software Syntelligence a implementat pentru mai multe bănci sisteme expert care au incorporat expertiza proprie fiecărei bănci, sisteme utilizate mai ales pentru diseminarea acestei expertize la nivelul filialelor dar și pentru verificarea muncii tinerilor angajați în funcții de răspundere. Exemple de bănci interesate, care au dezvoltat și utilizează sisteme expert în analiza cursurilor de schimb valutar sunt: Security Pacific National Bank, (oferă previzuni asupra ratelor de schimb ca un serviciu pentru clienți) și Manufacturer Hanover Trust Company.
În domeniul asigurărilor s-au dezvoltat sisteme expert de evaluare a riscului la care este expus cel ce subscrie o poliță de asigurare. Ca exemplu amintim sistemul expert de la Metropolitan Life Insurance Company care examinează fișele medicale ale clienților pentru a evalua starea de sănătate a acestora. Aceeași companie dezvoltă acum un sistem expert în evaluarea efectelor posibile asupra afacerilor generate de schimbarea, modificarea unor clauze în contractele de asigurare.
În domeniul bancar există un interes crescând în sisteme expert care să automatizeze elaborarea de documente, de mesaje, de exemplu mesajele pentru transferul de fonduri prin sistemul SWIFT (Society for World-wide Interbank Financial Telecommunications) care solicită ca mesajele să aibă un anumit format, mesajele respective trebuind să fie formatate, citite și înțelese. De asemenea, Banca Franței are un asemenea sistem de elaborare a documentației asupra situației întreprinderilor. în aceeași direcție se înscriu eforturile de transfer de fonduri prin rețele de calculatoare, sub controlul unor sisteme expert (colaborarea dintre Citibank, New York șl Cognitive Systems).
Sistemele expert în domeniul contabil se orientează mai ales spre mărirea capacității de examinare a situațiilor contabile oferite de sistemele clasice. Astfel, sistemele expert pot sesiza, analiza și chiar emite decizii de redresare a eventualelor abateri de la comportamentul optim. Posibilitatea verificării automate a formulelor contabile specificate pe documente de operatori umani este de un real ajutor în domeniul auditului contabil care presupune exercitarea unui control exhaustiv asupra unei mase mari de informații imposibil de verificat în amănunt. Exploatarea automată a tuturor situațiilor generate de sistemele informatice financiar-contabile clasice devenind posibilă prin exportarea lor către sisteme inteligente sub o formă foarte puțin standardizată, se deschide calea implementării unor sisteme informatice de analiză, diagnosticare, control și previziune a activității întreprinderii, calea spre sisteme inteligente de asistare a deciziei.
Sistemele expert sunt de larg interes pentru contabilii autorizați si se orientează în direcțiile următoare:
Acordarea de consultații managerilor
Monitorizarea activității de audit.
Planificarea taxelor
Analiza activității
Analiza conturilor și rezervelor
Întocmirea documentelor de raportare anuală
Diagnosticarea stării întreprinderii
Prezentăm câteva exemple concrete de sisteme expert în domeniul contabil [Thierauf]:
LOAN PROBE – dezvoltat de asociația de companii de audit Big Eight – efectuează auditarea împrumuturilor acordate de băncile comerciale prin detectarea pierderilor potențiale și stabilirea rezervelor necesare pentru acoperirea debitorilor răi platnici. Sistemul are peste 6000 de reguli pentru implementarea procedurilor de audit. Sistemul deține și informații de larg interes din 150 de domenii de activitate, pentru a putea evalua situația în contextul general al domeniului respectiv. Sistemul produce raportul final de audit.
ExperTAX produs de Coopers &Lybrand – este folosit în 96 de agenții de consulting în domeniul taxelor. Inițial a fost utilizat pentru diseminarea expertizei experților în vârstă, pe cale de pensionare, apoi a fost folosit chiar și de experți deoarece ușurează mult munca acestora de consultare a chestionarelor de cite 200 de pagini fiecare ce cuprind specificațiile clientului. Cele peste 3000 de reguli au fost colectate prin metoda interviului înregistrat.
AUTHORIZER'S ASSISTANT – dezvoltat de firma Inference Corporation pentru firma American Express Cârd. Sistemul autorizează acordarea de credite în condițiile în care nu există limită de credit iar fraudele sunt relativ ușoare. Baza de cunoștințe numără peste 800 de reguli, dintre cele mai bizare, de la cheltuielile uzuale ale fiecărui client, la istoricul plăților și maniera de a efectua cumpărăturile. Sistemul produce recomandări și explicații asociate acestora.
Sisteme expert de gestiune a activității interne a băncilor și burselor de valori:
New York Stock Exchange – cea mai mare bursă din lume dezvoltă un sistem expert de supraveghere a tranzacțiilor pentru a le detecta pe cele neuzuale sau potențial ilegale. Sistemul se cheamă Surveiliance Expert.
Arthur Andersen Co. dezvoltă un sistem expert de asistare a tranzacțiilor de valori mobiliare (SEC). Sistemul efectueză analiza rapoartelor trimestriale pe care miile de întreprinderi publice sunt obligate să le dea publicității pentru a certifica legalitatea acestora.
Gestiunea portofoliului – produs de Intelligent Technology Group pentru societăți de investiții, asigură menținerea clienților acestora pe o linie de plutire în contextul atât de fluctuant al piețelor de capital.
NAARS (Nation Accounting and Auditing Retrieval System). Acest sistem, distribuit la scară națională în Statele Unite ale Americii, deține o masă mare de date comparative pentru uzul auditorilor în etapa finală a elaborării rapoartelor de audit. Utilizatorii acestui sistem solicită informații referitoare la soluțiile adoptate în cazuri similare, sugestii în formularea opiniilor, etc.
4.2. Alte aplicații economice ale sistemelor expert
Un alt mod de abordare a domeniilor în care sunt aplicate sistemele expert este de a examina elementele și componentele sistemului economic pentru aspecte orientate spre cunoștințe:
Consumatori
analiza pieței și a concurenței
nevoile și orientarea consumatorilor
cumpărături încrucișate
Produse
informații privind funcționalitatea produselor
asocierea nevoilor consumatorilor la produsele disponibile: asistarea consumatorilor la optimizarea funcționalității, calității și costului produselor
configurarea, personalizarea și stabilirea prețului produselor
monitorizarea performanțelor produselor
optimizarea livrărilor și programarea și logistica reparațiilor
Proces
controlul tehnic de calitate
modelarea și simularea proceselor
gestiunea, controlul și monitorizarea fluxurilor de lucru
Management
supravegherea mediului cu ajutorul asistenților inteligenți
optimizarea fluxurilor de lucru: timp, calitate și costuri
Personal
suport de decizie
asignare lucru: potrivirea abilităților, performanțelor, disponibilităților și preferințelor
rezolvarea structurată a problemelor
evaluarea automată
asistenți personali
sistem suport integrat: ajutor, instruire, testare, exemple
Expertiză
reprezentarea și structurarea cunoștințelor
depozitarea cunoștințelor
achiziția cunoștințelor
descoperirea cunoștințelor
sisteme de instruire inteligente
sisteme expert consultative
FINEVA – Un sistem expert pentru analiza financiară a firmelor
FINEVA (FINancial EVAluation) este un sistem care conține implementări ale metodologiei complete pentru acumularea cunoștințelor în domeniul analizei financiare. Acest sistem este un sistem suport pentru decizii bazate pe cunoștințe pe mai multe criterii pentru evaluarea performanței colective și viabilității.
Output-ul realizat de FINEVA este o clasare specifică a firmelor considerate, luând în cosiderare o anumimtă clasă de risc.
Evaluarea performanței colective și a viabilității este asigurată prin combinarea evaluării statutului financiar cu evaluarea calitativă a firmei.
Cunoștințele obținute sunt reprezentate în baza de cunoștințe prin reguli de producție. Cunoștințele sistemului FINEVA sunt reprezentate printr-o mulțime de 1693 de reguli în total, reprezentând peste 13.000 de combinații posibile a criteriului de evaluare. În principal, sunt două mulțimi majore de reguli: una referindu-se la evaluarea firmelor bazate pe rațiile lor financiare, iar cealaltă include evaluarea calitativă a firmei prin examinarea variabilelor strategice. Prima din aceste două mulțimi este împărțită în trei submulțimi de reguli de producție, incluzând un set de reguli de profit, un set de reguli de solvabilitate (care include reguli de lichidare) și un set de reguli de performanță managerială. Fiecare din aceste submulțimi este divizată la rândul ei în submulțimi mai mici și mai specifice de reguli de producție, ca în figura urmatoare:
În figura urmatoare sunt date două exemple concrete de reguli ale sistemului FINEVA:
Pe lângă regulile de producție, mai sunt necesare câteva meta-reguli pentru reprezentarea euristicilor folosite de sistemele expert în mai multe cazuri practice la evaluarea performanței unei firme, cât și pentru a reduce timpul necesar pentru a atinge estimarea finală. Meta-regulile nu asigură o estimare necesară pentru a trage o concluzie, dar controlează și ghidează procesul de inferență către mulțimi specifice de reguli de producție și către modificarea regulilor de producție.
De exemplu, în cazul în care experiența managerilor într-un domeniu nu este "satisfăcătoare", expertul deduce că organizarea firmei nu poate fi perfectă. Această meta-regulă verifică inițial mulțimea de valori posibile(legale) a criteriului organizațional, excluzând valoarea "perfect":
Strategia de inferență a sistemului FINEVA, care trage concluzii asupra performanței companiilor examinate reflectă logica experților umani și luarea deciziei în domeniu.
CAPITOLUL 5 – NECESITATEA ȘI OPORTUNITATEA UTILIZĂRII SISTEMELOR DE INTELIGENȚĂ ARTIFICIALĂ ÎN MANAGEMENTUL ORGANIZAȚIILOR
Domeniul inteligeței artificiale s-a constituit ca un adevărat motor pentru celelalte domenii, un adevărat fenomen, un resort cu influență de mare dimensiune, cu o viteză mare de creștere și cu multe conexiuni cu alte ramuri.
Sistemele de inteligență artificială oferă concepte și metode ce sunt transferate și însușiteși de către alte științe fiin exportatoare constante de cunoștințe, inseparabile de introducerea calculatoarelor în toate domeniile de activitate.
Tendința inteligenței artificiale – care își propune modelarea pe calculator a unor activități proprii oamenilor – este aceea de părăsire a unui algoritm unic și a unei teorii unitare.
Inteligența artificială (I.A.) este puțin formalizată, astfel încât, datorită conținutului eterogen și a metodelor atât de variate, este greu de delimitat ca disciplină. Inteligența artificială încearcă să împace euristica, intuiția, expertiza în organizarea cunoștințelor cu pragmatismul contrastant, cu ținuta ordonată, sistematică. Nu este vorba de respingere a formalismului, ci de admiterea celor mai intuitive sugestii și procedee bazate pe observație și experiment.
Există tendința de trecere de la cantitativ la calitativ. Inteligența artificială a făcut progrese mari în programarea în limbaj natural cu consecințe majore asupra multor științe.
Principala trăsătură caracteristică a inteligenței artificiale este interdisciplinaritatea, numele echivalent fiind cel de știință cognitivă. Știința cunoașterii este concepută pentru transpunerea ei pe calculator.
Sistemele de inteligență artificială încearcă să dezlege mecanismele de funcționare ale minții umane. Inteligența artificilă șterge granița între sintetic și analitic și contribuie la integrarea diferențelor dintre ele.
Inteligența artificială a dat impuls modelării științelor vechi și societății și a conceput sisteme de nivel mai înalt, având capacitatea de recunoaștere a unor factori familiari pentru o anumită situație și de utilizare a unor informații memorate pentru rezolvarea acestor situații. A apărut funcția de învățare.
Tehnicile de inteligență artificială (I.A.) oferă concepte unificatoare cât și instrumente specifice pentru proiectarea, implementarea și operarea în timp real a sistemelor de conducere automată avansată.
I.A. se bazează pe reprezentarea simbolică și manipularea simbolurilor. Tehnologiile informatice – din ce în ce mai complexe – sunt recunoscute în mediul economic al firmelor și afacerilor ca vectori importanți pentru exercitarea unui management performant. Trecerea de la societatea industrială la societatea informațională a fost marcată de utilizarea sistemelor de prelucrare a datelor, a sistemelor informatice pentru management, a sistemelor de sprijinirea a deciziilor și a sistemelor expert.
Sistemele informatice pentru management (SIM) selectează datele din fișierele și bazele de date ale sistemelor informatice pentru a le da o semnificație informațională factorului decizional.
SIM se poate folosi când problemele sunt structurate și există soluții deterministe. Dacă problemele cresc în complexitate atunci se utilizează sisteme de sprijinire a deciziei.
Sistemele de sprijinire a deciziei asistă managerii ajutându-i la luarea deciziilor. Sistemul permite folosirea raționamentului asupra alternativelor sprijinind procesul decizional.
Scopul unui sistem expert este de a înlocui managerul prin captarea cunoașterii de la un expert și a expertizei sale, în timp ce scopul sistemelor de sprijinire a deciziei constă în asistarea decidentului.
În condițiile trecerii la tehnologii de vârf într-o manieră personalizată, inteligența artificială joacă un rol important. Sistemele de inteligență artificială își găsesc tot mai des loc în toate procesele unui sistem de management. Noile metode și tehnici de management au atins un stadiu avansat al integrării interdisciplinare atât în plan teoretic cât și aplicativ, realizându-se premisele interdependenței dintre economia mondială și cea națională. Activitatea de conducere cu funcții de comandă, control și reglare de acțiuni în structuri ierarhice care se transformă în rețele de muncă prin partajarea ideilor, informațiilor și resurselor, dobândește o orientare cognitivă. Sistemele inteligente joacă un rol important în politicile manageriale asupra cunoașterii referitoare la: competitivitatea firmei, calitatea totală, reducerea costurilor, timp scurt de adaptare la piața competițională, coerență și dinamism în comportament.
În modelarea firmei sunt cunoscute următoarele tipuri de structuri:
structura sistemică – ce are ca principiu interconectarea subsistemului operațional, informațional, decizional cu subsistemul cunoașterii;
structura cognitivă – ce se bazează pe ansamblul de simboluri și de reguli cu ajutorul cărora se modelează cunoașterea;
structura neuronală – rezultată din transformarea sistemelor informaționale în sisteme bazate pe cunoștințe. Aceasta se bazează pe conceptul de percepție și recunoaștere și se concretizează în rețele neuronale.
Sistemele inteligente fac parte din clasa tehnologiilor de gestiune electronică a documentelor, tehnologia grupurilor de lucru, tehnologia proceselor cooperative, mesageria electronică, videoconferința, tehnologia depozitelor de date.
Pentru determinarea oportunității introducerii sistemelor inteligenței artificiale ar trebui ca răspunsul la următoarele trei întrebări să fie semnificativ:
Este posibilă dezvoltarea unui sistem de inteligență artificială (SIA)?
Se justifică dezvoltarea unui SIA ?
Este potrivit SIA pentru soluționarea problemelor firmei ?
Cu privire la posibilitate, trebuie să se verifice dacă, atât specialiștii cât și caracteristicile problemelor de management, fac posibilă dezvoltarea SIA. Găsirea unor specialiști care să fie disponibili și corespunzători pentru dezvoltarea SIA este o problemă importantă, deoarece caracteristicile problemei au legătură cu competența acestuia. Problemele care solicită un timp prea mare nu sunt bune candidate pentru SIA, dar nici cele care se bazează pe bunul simț comun sau pe experiența directă.
Justificarea este obstacolul cel mai mare, deoarece are legătură cu obținerea resurselor (bani, personal, timp) pentru dezvoltarea SIA.
5.1. Factorii care determină introducerea sistemelor de inteligență artificială
Nici o altă motivație nu este mai mobilizatoare pentru introducerea SIA decât observarea că alte firme obțin performanțe și indicatori economici și calitativi superiori prin utilizarea acestora.
Pentru ca introducerea SIA să fie oportună într-un mediu cu risc mare, dimensiunea moderată a schimbărilor trebuie coroborată cu o pregătire internă care să asigure o înțelegere și o stăpânire a neprevăzutului. Diferența între ceea ce ar dori să fie o firmă și ceea ce este, schimbările ce se produc în interiorul proceselor de muncă, a pieței, a industriei, sunt doar câțiva factori care determină introducerea SIA.
Necesitatea introducerii SIA pornește de la:
munca ce trebuie efectuată;
înlocuirea legăturii slăbite;
metodele ce trebuie înlocuite;
problemele ce trebuie rezolvate;
înțelegerea deficiențelor și a cauzelor acestora;
a ști ce trebuie să facem.
Trecerea la economia de piață în România a determinat a schimbare a structurilor industriei și ale pieței. Schimbarea structurii industriei oferă ocazii excepționale pentru firme de a propune proiecte de modernizare și retehnologizare.
Integrarea în U.E. face ca piața să nu mai reflecte realitatea. Introducerea calculatoarelor în tot mai multe domenii produce schimbări bruște în structura industriei și asigură suportul material pe care se sprijină toate aplicațiile de I.A. Schimbările din mediul social, politic și intelectual sunt externe economicului și influențează pozitiv tendințele de modernizare. Cunoștințele noi acumulate de specialiștii ce au efectuat stagii de perfecționare în străinătate, a celor ce lucrează în firme românești construite dupăstandarde europene au produs schimbări în modul de înțelegere și percepere a sistemelor inteligente.
5.2. Utilizarea rețelelor neuronale
Utilizarea rețelelor neuronale este necesară și oportună în câteva situații specifice caracterizate prin:
legături extrem de complexe între datele de intrare și rezultatele așteptate;
dificultățile în utilizarea unor aplicații de calcul simbolic care să ofere rezultate de bună calitate la un raport corespunzător cost-beneficiu;
Rețelele neuronale s-au dovedit un suport util managerilor diferitelor organizații în special în următoarele activități:
planificarea în domeniul producției, finanțelor, marketing-ului;
optimizarea proceselor de management și execuție;
monitorizarea și controlul proceselor de fabricație.
Necesitatea și oportunitatea utilizării rețelelor neuronale a fost demonstrată prin aplicarea calculului neuronal în diferite domenii de activitate, cum ar fi:
în domeniul producției industriale și agricole, unde calculul neuronal este folosit pentru:
ordonanțarea producției;
controlul parametrilor de producție;
planificarea producției;
asigurarea calității;
creșterea eficienței proiectelor industriale/agricole;
estimarea gradului de agresiune a diferitelor activități asupra mediului;
în domeniile: financiar, bancar, al asigurărilor, calculul neuronal este folosit pentru:
estimarea riscului;
stabilirea portofoliilor în investiții financiare;
predicții privind evoluțiile pe piețele financiare și de capital;
detectarea fraudelor în tranzacțiile cu cărți de credit;
în domeniul comerțului, calculul neuronal este necesar în:
analizele de senzitivitate a prețului;
determinarea valorii unor produse;
stabilirea nivelului prețului pentru optimizarea desfacerilor;
previzionarea desfacerilor;
în domeniul energiei, calculul neuronal este necesar pentru;
elaborarea prognozelor consumului de energie;
îmbunătățirea regimului de exploatare a zăcămintelor de petrol și cărbune;
controlul proceselor de sinteză;
în domeniul marketing-ului, calculul neuronal este necesar pentru:
modelarea evoluției pieței pentru diferitele produse;
simularea comportamentului concurenței și clienților;
Rețelele neuronale s-au dovedit interesante și pentru optimizarea traficului rutier, pentru previzionarea audienței media, pentru previzionarea preferințelor clienților, etc.
Într-un studiu realizat cu privire la utilizarea rețelelor neuronale s-a constatat că numărul aplicațiilor bazate pe rețelele neuronale în Europa este mai mic decât în SUA și Japonia. Distribuția pe țări plasează Anglia, Olanda și Germania pe primele 3 locuri în Europa.
În România calculul neuronal este utilizat doar în sfera cercetării și se constată manifestarea unui interes crescând din partea firmelor private care desfășoară activități în domeniul inteligenței artificiale.
5.3. Utilizarea algoritmilor genetici
Necesitatea utilizării algoritmilor genetici s-a manifestat datorită abilității și eficienței cu care aceștia rezolvă problemele, în special cele de optimizare. Nu există algoritmi generali care rezolvă toate problemele, ci doar algoritmi adecvați pentru fiecare clasă de probleme.
Aspecte care explică necesitatea și oportunitatea utilizării algoritmilor genetici sunt:
au cea mai mare aplicabilitate în rezolvarea problemelor de optimizare din domenii continue și discrete având aplicații și în proiectarea sistemelor, planificarea activităților;
sunt necesari și în clasificarea datelor, învățarea automată, dezvoltarea evolutivă a unor reguli de învățare pentru sistemele de clasificare sau a regulilor de producție utilizate în sistemele expert;
sunt utilizați în modelare și predicție. Modelarea sistemelor economice și efectuarea de predicții privind fenomenele cu caracter economic se realizează cu foarte bune rezultate;
capacitatea pentru determinarea regulilor ce permit controlul unui sistem neliniar;
5.4. Utilizarea strategiilor evolutive
Necesitatea utilizării strategiilor evolutive este dată de diversificarea problemelor pe care le pot rezolva. Ele sunt destinate în principal problemelor de optimizare în domenii continue.
Strategiile evolutive sunt necesare și oportune în :
Biologie și biotehnologie: simularea evoluției proteinelor, proiectarea lentilelor optice, optimizarea parametrilor unui model al transmiterii semnalelor genetice bazat pe transcrierea ARN-ului, optimizareaproceselor de fermentare, etc.
Chimie și inginerie chimică: determinarea compoziției optimale de electroliți în procesele de galvanizare, estimarea parametrilor modelelor de analiză cinetică a spectrelor de absorbție, identificarea benzilor în spectrele obținute prin rezonanța magnetică nucleară, etc.
Proiectarea asistată de calculator: determinarea parametrilor unui amortizor pneumatic de șocuri, optimizarea volumului unor construcții în vederea minimizării instabilității, determinarea formei optimale a unor dispozitive, adaptarea parametrilor unor modele de tip element finit pentru proiectarea optimală a structurilor, optimizarea eficienței, senzitivității și lărgirii de bandă a convertoarelor cu ultrasunete, proiectarea optimală a arcelor utilizate în dispozitivele de suspensie de la vehicule, etc.
Fizica și analiza datelor: determinarea configurației optime a defectelor în materiale cristaline, estimarea parametrilor în probleme de dinamica fluidelor, determinarea stărilor stabile în sistemele disipative, etc.
Procesele dinamice, modelare și simulare: optimizarea unui sistem socio-economic complex, identificarea parametrilor unui model de răspândire a unor infecții virotice, etc.
Medicina și ingineria medicală: controlul optimal al protezelor, identificarea parametrilor modelelor folosite în farmacologie, etc.
Inteligența artificială: controlul inteligent al vehiculelor autonome, determinarea ponderilor rețelelor neuronale, etc.
5.5. Utilizarea programării evolutive și programării genetice
Programarea evolutivă (PE) este o ramură a calcului evolutiv necesară și oportună pentru determinarea evoluției uno structuri de calcul. Acestea pot fi sub formă de program, automat finit sau rețea neuronală.
Utilizarea programării genetice (PG) este necesară pentru a realiza predicții privind mediul informațional în care se află un sistem. PG este oportună pentru:
optimizare numerică continuă în clasa de probleme abordabilă prin strategii evolutive;
dezvoltarea sistemelor de clasificare;
antrenarea rețelelor neuronale;
proiectrea unor sisteme de control ce pot fi modelate prin automate finite;
controlul deplasării roboților;
dezvoltarea strategiilor economice;
construirea unor procese economice;
proiectarea structurilor de calcul (rețele neuronale, automate celulare, rețele de sortare);
prelucrarea imaginilor;
STUDIU DE CAZ
Joc de simulare economica cu bani virtuali
MarketMaker.ro este un proiect Intercapital Invest / kmarket.ro
Pe MarketMaker se vor realiza tranzacții virtuale cumpărând și vânzând acțiuni ca marii speculatori ai bursei.
Chiar dacă este vorba de investiții virtuale, se câștigă experiența reală în investițiile la bursa și se poate câștiga un loc fruntaș în clasamentul jucătorilor.
Marketmaker.ro este un joc de tranzacționare virtuală a acțiunilor listate la Bursa de Valori București. Utilizarea jocului este gratuită pentru orice persoană interesată din țară sau străinătate.
Pentru accesul în joc fiecare utilizator va completa formularul online de înregistrare. Contul este activat automat în urma completării formularului de înregistrare. Fiecare jucător va primi o sumă de 100.000 RON în bani virtuali ce vor fi folosiți pentru cumpărarea de acțiuni virtuale prin intermediul MarketMaker.ro. Nu se pot adăuga bani virtuali suplimentari și nu se pot retrage bani virtuali din cont. Un jucător își poate deschide maxim două conturi, însa nu se pot face transferuri între conturi, iar situațiile conturilor nu vor fi consolidate.
Prin intermediul jocului pot fi cumpărate cele mai lichide acțiuni tranzacționate la Bursa de Valori București (lista acțiunilor ce pot fi tranzacționate este disponibilă în sistem). Utilizarea jocului nu implică în niciun fel utilizarea unor sume reale de bani, iar utilizatorii înțeleg că MarketMaker.ro este un sistem de tranzacționare virtual ce nu implică dețineri sau transferuri reale de acțiuni sau de numerar.
Acțiunile pot fi cumpărate sau vândute numai în cursul programului normal de tranzacționare al Bursei de Valori. Prețurile la care se realizează cumpărările și vânzările sunt cele existente la bursă la momentul tranzacției (prețurile folosite sunt cele mai bune prețuri de cumpărare de la bursă la momentul introducerii ordinului- nivelele best big și best ask). Dacă se introduc cereri de cumpărare sau vânzare în afara programului de tranzacționare a bursei atunci acestea se vor executa la ora 10:02 în prima zi de tranzacționare a bursei ulterioară introducerii ordinului, la prețul primei tranzacții din ziua respectivă (sau la cele mai bune prețuri de vânzare sau cumpărare în cazul în care nu se realizează nicio tranzacție cu simbolul respectiv până la ora 10:02.
Nu se pot cumpăra volume de acțiuni pentru care lichiditatea emitentului este necorespunzătoare (lichiditatea este numărul de acțiuni tranzacționate la bursă).
Astfel , volumul cumpărărilor în MarketMaker.ro pentru o anumită acțiune într-o anumită zi nu poate depăși volumul mediu zilnic tranzacționat la Bursa de Valori în ultima lună cu acțiunea respectivă.
În sistem se înregistrează distribuțiile de acțiuni gratuite (pentru majorări de capital din fonduri proprii), dar nu și distribuțiile de dividende sau majorările de capital cu numerar. Acțiunile gratuite se înregistrează în MarketMaker la momentul înregistrării majorării de capital social la Depozitarul Central. Pentru toate tranzacțiile de cumpărare și de vânzare se reține un comision de 1% din valoarea fiecărei tranzacții, comision ce este dedus din banii virtuali existenți în cont.O dată la trei luni se desemnează clasamentul oficial al trimestrului. Începând cu sesiunea de concurs iulie – septembrie, structura premiilor este următoarea: se acordă premii pentru primii trei jucători clasați, premii ce constau în posibilitatea deschiderii unui cont real de tranzacționare pe piața la vedere a Bursei de Valori București, prin intermediul Intercapital Invest, cu un comision fix de tranzacționare de 0,50%. Comisionul include taxele CNVM, iar deschiderea contului nu presupune alte costuri pentru investitor. În cazul în care câștigătorul dispune deja de un cont de investiții la Intercapital Invest iar comisionul de tranzacționare este superior acestui nivel, acesta va fi ajustat pentru un comision de 0,50%.
Conturile în sistemul MarketMaker sunt reinițializate trimestrial, la începutul fiecărei perioade de joc, la valoarea de 100.000 RON în bani virtuali, și fără nicio acțiune în cont. Pentru a păstra aceeași structura de portofoliu în fiecare trimestru, jucătorii pot efectua cumpărări de acțiuni în prima zi a trimestrului, astfel încât ponderea procentuală a acțiunilor în noul portofoliu să fie la fel cu ponderea acțiunilor din portofoliul trimestrului încheiat. Structura portofoliilor la sfârșitul fiecărui trimestru, înainte de reinițializare, rămâne disponibilă pentru consultare în secțiunea "Ce acțiuni am?".
Un jucător trebuie să acorde o atenție sporită dacă data de înregistrare a unei majorări de capital social și data operării acesteia nu corespund aceleiași perioade de concurs. Având în vedere resetarea trimestrială a conturilor, un jucător nu va mai beneficia de acțiunile gratuite corespunzătoare unei majorări ce a avut data de înregistrate în alt trimestru, însă s-a operat în cel curent.
În sistemul MarketMaker se pot realiza tranzacții virtuale numai cu acțiuni listate la Bursa de Valori București. În cazul în care o anumită companie este retrasă de la cota bursei de valori (delistată), aceasta este retrasă și din MarketMaker. Acțiunile companiei din toate portofoliile MarketMaker în care aceasta există vor fi retrase automat de sistem, la prețul de închidere al ultimei zile de tranzacționare la BVB a acțiunii respective, înainte de delistare.
CONCLUZII
Așa cum rezultă din această lucrare, domeniul inteligenței artificiale este extrem de vast și complex, iar dinamica apariției de metode și instrumente noi este foarte puternică. Numărul de produse informatice oferite pe piață este în continuă creștere fără ca unul să le domine în mod evident pe celelalte, așa cum s-a putut constata în cazul instrumentelor pentru analiza deciziilor.
Din aceste motive, lucrarea conține suficiente argumente pentru a explica necesitatea și oportunitatea cunoașterii și utilizarii câtorva dintre cele mai cunoscute metode și tehnici de inteligență artificială aplicabile în managementul organizațiilor din statele avansate, în speranța că ele vor reuși să devină mai atrăgătoare și pentru mediul de afaceri din țara noastră.
Pe parcursul acestui demers de cercetare vor fi dezvoltate conceptele, metodele și tehnicile inteligenței artificiale atât din punct de vedere teoretic, dar și din punct de vedere practic, în ideea că managerii firmelor românești vor fi mai ușor convinși de sprijinul și multiplele avantaje pe care sistemele de inteligență artificială leoferă celor interesați și preocupați de îmbunătățirea performanțelor economico-financiare și manageriale ale firmelor pe care le conduc.
Este important de cunoscut faptul că viitorul imediat în domeniul inteligenței artificiale se va concentra în următoarele patru direcții de dezvoltare:
dezvoltarea masivă de generatoare de sisteme expert și sisteme neuronale, cu care se vor concepe noi aplicații în cele mai diferite domenii;
dezvoltarea unor metode mai noi, mai performante de achiziție și reprezentare a cunoașterii, care vor deveni tot mai disponibile și accesibile;
dezvoltarea sistemelor neuronale și a algoritmilor genetici, care se inspiră din structurile creierului uman și din procesul de evoluție a căror originalitate ține seama de distribuirea cunoașterii. Acestea vor fi nedisociate de sistemele expert implicându-se unele pe altele;
software-ul integrabil în sistemele neuronale va fi disponibil într-un viitor apropiat ca instrument hibrid de concepere a sistemelor care asociază tehnicile orientate pe obiect cu cele din programarea clasică și tehnicile fuzzy.
În viitorul nu prea îndepărtat vor apărea și pe piața românească medii de dezvoltare a software-ului inteligent, ca adevărate „uzine de fabricație” a sistemelor bazate pe cunoaștere care vor include metode de achiziție a cunoașterii cu o consecință dorită în materie de informație managerială, de instruire, de diagnostic, care vor genera, în conformitate cu situațiile decizionale, baze de date, programe executabile și chiar sisteme expert.
Sistemele inteligente sunt la mare preț și în agențiile de asistență legală, financiară, contabilă care sunt principala piață de desfacere a sistemelor expert "de gata", fabricate de companiile de soft pentru a veni în sprijinul celor ce practică meserii liberale, în care capitalul esențial este cunoașterea iar principalul serviciu oferit este raționamentul profesionist.
Strategia este o soluție la o problemă de afaceri. Managerul este pus în fața unei decizii importante fără să aibă cunoștințele necesare să poată răspunde imediat. Apare o contradicție între obiectivul de afaceri anterior și o provocare nouă în afaceri. De aceea, manegerul este antrenat din când în când într-un proces de creare de strategii care să poată integra obiective, politici, și secvențe de acțiuni într-un ansamblu coerent.
BIBLIOGRAFIE
Andone I. – “Sisteme inteligente în management, finanțe, bănci, marketing”, Editura Economică, București, 2000
Bergeron B., – „Essentials of Knowledge Management”
Burduș E., Căprărescu Ghe. – „Fundamentele managementului organizației”, Editura Economică, București, 2000
Burduș E., Miles M., – „Managementul schimbării organizaționale”, Editura Economică, București, 2003
Cârstoiu D., – "Sisteme Bazate pe cunostinte", Ed. Politehnica Press, 2000,
Davidoviciu A. – „Sisteme de inteligență artificială”, Editura Academiei, București, 1999
Dijmărescu I. – „Managementul inteligenței economice”, Editura Luminalex, București, 1998
D, Mackwort A. – “Artificial Intelligence”-Foundations of Computational-Agents ,2010
Georgescu I. – „Elemente de inteligență artificială”, Editura Academiei, București, 1990
Hayes R., – “Building expert systems”
Johns G. – „Comportament organizațional”, Editura Economică, București, 1998
Moise M. – Teză de doctorat – Metode și tehnici de modelare ierarhizată și de inteligență artificială utilizate în activitatea de elaborare a sistemelor informatice în economie, Editura Universitară, București,2008
Nicolescu O. – „Sistemul decizional al organizației”, Editura Economică, București, 2000
Nicolescu O. – „Managementul întreprinderilor mici și mijlocii”, Editura Economică, București, 2002
Nurmi R. – „Knowledge-intensive firms”, Business Horizons, 1998
Radu I., Ursăcescu M., Ioniță F. – „Informatică pentru Managementul Firmei”, Editura Almi, București, 1998
Radu I., Ursăcescu M., – „Informatică și Management – o cale spre performanță”, Editura Universitară, București, 2003
Sanchez R., – „Knowledge Management and Organizational Competence”
Scott J. – „Organizational knowledge and the Intranet”, Decision Support Systems, 1998
Stewart Th. A. – „Intellectual Capital. The New Wealth of Organizations”, Nicholas Brealey Publishing, London, 1999
Tiwana A. – „The Essential Guide to Knowledge Management”
Verboncu I. – „Cum conducem? Ghid metodologic pentru manageri”, Editura Tehnică, București, 2000
Zack M. – „Managing organizational ignorance”, Knowledge Directions (summer issue), 2000
Stepou A. – „Informatica economica”, Editura Eurostampa, Timisoara 2006
Gherasim Z.,Cocianu C.- „ Sisteme expert in economie”, Editura Fundatiei Romania de Maine”. Bucuresti 2005
BIBLIOGRAFIE
Andone I. – “Sisteme inteligente în management, finanțe, bănci, marketing”, Editura Economică, București, 2000
Bergeron B., – „Essentials of Knowledge Management”
Burduș E., Căprărescu Ghe. – „Fundamentele managementului organizației”, Editura Economică, București, 2000
Burduș E., Miles M., – „Managementul schimbării organizaționale”, Editura Economică, București, 2003
Cârstoiu D., – "Sisteme Bazate pe cunostinte", Ed. Politehnica Press, 2000,
Davidoviciu A. – „Sisteme de inteligență artificială”, Editura Academiei, București, 1999
Dijmărescu I. – „Managementul inteligenței economice”, Editura Luminalex, București, 1998
D, Mackwort A. – “Artificial Intelligence”-Foundations of Computational-Agents ,2010
Georgescu I. – „Elemente de inteligență artificială”, Editura Academiei, București, 1990
Hayes R., – “Building expert systems”
Johns G. – „Comportament organizațional”, Editura Economică, București, 1998
Moise M. – Teză de doctorat – Metode și tehnici de modelare ierarhizată și de inteligență artificială utilizate în activitatea de elaborare a sistemelor informatice în economie, Editura Universitară, București,2008
Nicolescu O. – „Sistemul decizional al organizației”, Editura Economică, București, 2000
Nicolescu O. – „Managementul întreprinderilor mici și mijlocii”, Editura Economică, București, 2002
Nurmi R. – „Knowledge-intensive firms”, Business Horizons, 1998
Radu I., Ursăcescu M., Ioniță F. – „Informatică pentru Managementul Firmei”, Editura Almi, București, 1998
Radu I., Ursăcescu M., – „Informatică și Management – o cale spre performanță”, Editura Universitară, București, 2003
Sanchez R., – „Knowledge Management and Organizational Competence”
Scott J. – „Organizational knowledge and the Intranet”, Decision Support Systems, 1998
Stewart Th. A. – „Intellectual Capital. The New Wealth of Organizations”, Nicholas Brealey Publishing, London, 1999
Tiwana A. – „The Essential Guide to Knowledge Management”
Verboncu I. – „Cum conducem? Ghid metodologic pentru manageri”, Editura Tehnică, București, 2000
Zack M. – „Managing organizational ignorance”, Knowledge Directions (summer issue), 2000
Stepou A. – „Informatica economica”, Editura Eurostampa, Timisoara 2006
Gherasim Z.,Cocianu C.- „ Sisteme expert in economie”, Editura Fundatiei Romania de Maine”. Bucuresti 2005
Copyright Notice
© Licențiada.org respectă drepturile de proprietate intelectuală și așteaptă ca toți utilizatorii să facă același lucru. Dacă consideri că un conținut de pe site încalcă drepturile tale de autor, te rugăm să trimiți o notificare DMCA.
Acest articol: Utilizarea Sistemelor de Inteligenta Artificiala In Managementul Organizatiilor (ID: 148506)
Dacă considerați că acest conținut vă încalcă drepturile de autor, vă rugăm să depuneți o cerere pe pagina noastră Copyright Takedown.