10.2. Особливості побудови експертних систем та галузі їх використання.

Світовий досвід створення експертних систем базується на дотриманні таких основних принципів їх розробки:

1. Потужність експертної системи обумовлена в першу чергу потужністю бази знань та можливістю її поповнення і тільки у другу чергу - методами (процедурами), які вона використовує. Раніше у дослідженнях у галузі штучного інтелекту панувала інша точка зору.

2. Знання, що дозволяють експерту (або експертній системі) отримувати якісні та ефективні рішення своїх завдань, є в основному евристичними, експериментальними, невизначеними, правдоподібними. Причинами цього є те, що ці завдання є неформалізованими або слабоформалізованими, а знання експертів мають індивідуальний характер, тобто властивий конкретній людині.

3. Враховуючи неформалізованість завдань, які вирішуються, та евристичний, особистосний характер знань, що при цьому використовуються, користувач (експерт) повинен мати можливість безпосередньої взаємодії з експертною системою у діалоговій формі.

У зв’язку з тим, що основним джерелом потужності ЕС є знання, ці системи повинні мати здібності до набуття знань і характеризуватися такими головними властивостями:

1. ЕС обмежена визначеною сферою експертизи;

2. компетентність ЕС має бути не нижче рівня експерта-фахівця;

3. здатність до міркувань при сумнівних даних на основі символьних перетворень з використанням окремих та загальних схем міркувань;

4. здатність вирішувати реальні завдання у межах предметної галузі та надавати пояснення прийнятим рішенням зрозумілим способом;

5. факти та механізм виводу чітко розмежені одне від одного;

6. відкритість ЕС, тобто можливість нарощування системи;

7. ЕС базується на використанні правил і здатна переформульовувати запити та завдання;

8. здатність до метаміркувань (міркувань про свою роботу та структуру);

9. ЕС на виході надає пораду (не таблиці цифр, малюнки, а чітку пораду);

10. ЕС повинна бути економічно вигідною.

Особливості побудови і функціонування експертних систем розглянемо на прикладі системи продукційного типу. Така типова експертна система у своєму складі має такі компоненти (див. рис. 9):

- база знань, яка зберігає множину продукцій (у загальному випадку правил);

- робоча пам’ять, яка зберігає дані (база даних);

- інтерпретатор, який вирішує на основі знань, що є в системі, поставлене їй завдання;

К

О

Р Е

И К

С С

Т П

У Е

В Р

А Т

Ч

Рис 9. Узагальнена схема типової експертної системи

- лінгвістичний процесор, який здійснює діалогову взаємодію з користувачем (експертом) на природній для нього мові;

- компонента надбання знань;

0. пояснювальна компонента, яка дає пояснення діям системи та відповідає на питання, чому ті чи інші висновки були зроблені.

Основою кожної експертної системи є широкий запас знань про конкретну проблемну галузь. У більшості випадків ці знання організовані як деяка сукупність правил, які дозволяють робити висновки на основі вихідних даних або припущень. У відповідності з загальною схемою ЕС для її функціонування необхідні такі знання:

знання про процес вирішення завдання (керуючі знання), які використовує інтерпретатор;

знання про мову спілкування та способи організації діалогу, які використовує лінгвістичний процесор;

знання про способи подання та модифікації знань, які використовує компонента надбання знань;

підтримуючі структурні та керуючі знання, які використовує пояснювальна компонента.

Експертна система працює у двох режимах: у режимі надбання знань і у режимі вирішення завдань. У режимі надбання знань у спілкуванні з експертною системою приймає участь експерт (через інженера по знанням). У цьому режимі експерт наповнює систему знаннями (правилами), які дозволять їй у режимі рішення самостійно вирішувати завдання з галузі експертизи.

У режимі вирішення завдань у спілкуванні з ЕС приймає участь користувач, якого цікавить результат і (або) спосіб отримання рішення. Необхідно зазначити, що в залежності від призначення ЕС користувач може або не бути фахівцем у даній проблемній галузі (у цьому випадку він звертається до ЕС за порадою, тому що не вміє отримати відповідь сам), або бути фахівцем (у цьому випадку користувач може й сам отримати результат, але звертається до ЕС з метою прискорити процес отримання результату чи з метою покласти на ЕС рутинну роботу).

У режимі надбання знань експерт вводить у систему продукції про галузь експертизи. Продукції (у більш загальній трактовці правила) подаються на природній для користувача мові. Об’єднання знов введених продукцій з базою знань здійснюється компонентою надбання знань. Для того щоб переконатись у достатності знань (тобто переконатися у тому, що процес налагодження системи завершено), експерт перевіряє роботу системи на тестових прикладах. Якщо отриманий експертом результат його не задовольняє, то він за допомогою пояснювальної компоненти отримує відомості про те, яким чином був цей результат сформований і, при необхідності, вносить корективи у введені продукції (правила). По завершенні процесу налагодження система передається користувачам для експлуатації.

Функція компоненти надбання (засвоєння) знань полягає у підтримці процесу здобуття знань з вузько спеціалізованої предметної галузі. Звичайно, дані про предметну галузь мають уривчастий характер, слабко структуровані та погано формалізовані. Функції передачі знань від джерела до експертної системи виконуються інженерами по знанням. Це найбільш вузьке місце при створенні ЕС. Робляться спроби автоматизації цього процесу. Одним з найбільш простих способів є організація роботи експерта з використанням опитово-відповідальної системи. Сьогодні вже створені програми, які здатні навчатися як фактичним знанням про предметну галузь, так і знанням про стратегії вирішення завдань.

Зазначимо, що вдосконалення, внесені розробниками у сучасні системи управління базами даних, дозволяють використовувати їх при створенні експертних систем. При цьому СУБД використовують не тільки як системи, які забезпечують маніпулювання базою фактів, а навіть як інструментальні засоби побудови ЕС.

У режимі вирішення завдань дані про завдання користувача після їх обробки лінгвістичним процесором надходять до робочої пам’яті. Лінгвістичний процесор виконує такі дії: перетворює вхідні дані подані на обмеженій природній мові у дані на внутрішній мові системи; перетворює повідомлення системи на внутрішній мові у повідомлення на обмеженій природній мові. Інтерпретатор на основі вхідних даних, продукційних правил та загальних фактів про проблемну галузь формує рішення завдання. Якщо відповідь системи не зрозуміла користувачу, то він може вимагати від неї пояснення, яким чином ця відповідь була отримана.

Здатність до пояснення є однією з головних якостей ЕС. Звичайно система відповідає на запитання: “як?”, “чому?”, “які?”. Наприклад, “яким чином одержано це рішення?”, “як використовувалась вказана інформація?”, “яке рішення прийнято по визначеному підзавданню?”, “чому не використовувалася вказана інформація, правило?”, "які знання використані при отриманні відповіді?”, “які співвідношення існують у базі знань?”.

Форми відповіді можуть бути різноманітними: текст на редуційованій природній мові у супроводі схем та малюнків; зворотне розгортання дерева цілей з визначенням цілей; виклик працюючого правила або правила, пов’язаного з цією подією; пошук у базі знань і подання правил, які є відповіддю на запитання.

Найбільш переконливим для користувача є пояснення, що ґрунтується на фундаментальних принципах організації знань у предметній галузі. Однак реалізація пояснення такого рівня практично недоступна сучасним ЕС.

Експертні системи на цей час використовуються для вирішення у багатьох галузях людської діяльності (медицина, геологія, математика, військова справа, управління, кібернетика, електроніка, юриспруденція, сільське господарство і т. ін.) таких завдань:

- інтерпретація (аналіз даних, за якими ведеться спостереження, з метою визначення їх змісту. Наприклад, визначення хімічних структур при проведенні масспектрометричних досліджень);

- прогноз - прогнозування перебігу подій у майбутньому на основі моделі минулого та сучасного або визначення ймовірних наслідків з визначеної ситуації (при наявності, як правило, неповної інформації);

- діагностика - процес пошуку несправностей у системі, визначення стадії захворювання живого організму, що заснований на інтерпретації даних (наприклад, зняття ЕКГ при медичному обстеженні);

- моніторинг - порівняння спостережень з критичними точками плану та повідомленням при відхиленні від плану;

- планування - побудова конфігурацій об’єктів відповідно до заданих вимог та обмежень (наприклад, проектування схем ЕОМ);

- налагодження - подання рекомендацій по усуненню несправностей;

- ремонт - організація виправлення деякого виявленого дефекту;

- управління - керування поведінкою деякої системи (керівництво повітряним або наземним транспортом та ін.).

Інструментальні засоби розробки ЕС умовно можна поділити на такі класи: звичайні мови програмування, мови подання знань, порожні (каркасні) експертні системи або оболонки ЕС, інтегровані гібридні інструментальні середовища або комплекси.

Мови програмування загального призначення (Фортран 77, Кобол, Сі, Паскаль, Бейсік, ЛІСП та ін.), хоч і не мають спеціальних засобів, орієнтованих на підтримку розробки систем баз знань, є засобами реалізації значної частини експертних систем.

Мови подання знань орієнтовані на розробку систем баз знань, і відповідно, вже містять специфічні засоби подання знань та механізм пошуку виводу. До них належать: Пролог, KRL, OPS5 (поширений у США), Loglisp, Пленер, LOOPS та ін.

Порожні експертні системи (родові, каркасні, інструментальні оболонки ЕС) містять, як правило, реалізацію деякої мови подання знань (інтегратор правил) і засоби інтерфейсу, призначені як для конструктора ЕС або інженера по знанням, так і для кінцевого користувача (підсистема пояснення рішень). Ці засоби дозволяють практично повністю виключити звичайне програмування при створенні ЕС. Це системи EMYCIN, KAS, GURU, Xi Plus, ЕКСПЕРТ МІКРО, в основу яких покладені продуційні правила, а також Tk-Solver та ряд інших порожніх експертних систем.

Інтегровані гібридні засоби мають більш гнучкі інструментальні можливості, ніж порожні ЕС. Вони містять декілька різнорідних засобів подання даних та знань і збільшений набір засобів організації інтерфейсів. До цього класу належать функціонуючі на спеціальних Лісп-станціях системи ART та KEE.

Розглянемо співвідношення між експертними системами та системами підтримки прийняття рішень (СППР). І ті і другі призначені для ефективної допомоги діяльності людини при вирішенні нею професійних завдань. Чітку межу між ними провести неможливо, а різниця полягає частіше не у результаті, а у направленості роботи. При побудові експертних систем основну увагу приділяють способам представлення знань, структурам бази знань, які відображають уявлення про довготермінову пам’ять людини. При побудові СППР основна увага направлена на сам метод прийняття рішення, на спосіб побудови правила виводу рішення. Є всі підстави об’єднувати ці поняття, виділивши системи підтримки прийняття рішень як більш загальні, що включають у себе експертні системи.

10.3. Проблеми та практика використання експертних систем у правовій діяльності та при розслідуванні злочинів.

Ідеї кібернетики, математичних методів і обчислювальної техніки у правознавстві та практичній діяльності юридичних установ давно вийшли за межі експериментального пошуку. Створені та функціонують обчислювальні центри та АРМи практичних працівників у системі Міністерства юстиції, Прокуратури, МВС, діє широка мережа автоматизованих систем, що обслуговують державно-правову діяльність.

Теоретичні основи створення та розвитку правових кібернетичних систем визначає достатньо молода (у галузі юридичних наук) правова кібернетика. Можливості використання баз знань та експертних систем у галузі права досить широкі. Перспективними напрямами використання таких систем є:

пошук нормативних актів та судових рішень, які мають відношення до визначеного набору фактів, що описують правову ситуацію;

розробка, пояснення або розпізнання ходу міркувань, які складають обґрунтування судового рішення або висновку, які містяться у тому чи іншому процесуальному документі;

складання нормативних актів з дотриманням правил законодавчої техніки;

підготовка оперативно-розшукових, тактичних, кримінально-процесуальних рішень при розкритті та розслідуванні злочинів.

Немає принципових перешкод для повного моделювання діяльності людини-експерта з урахуванням того, що всі вихідні, дослідницькі та оцінювальні процедури експертного дослідження машина зможе виконувати швидше та більш якісно і об’єктивно, ніж експерт-людина. Однак, сьогодні більшість експертних систем, які функціонують у галузі права, репрезентовані системами підтримки прийняття рішення. Таким чином, процес прийняття кінцевого рішення покладено на експерта - людину, а ЕОМ є лише інструментом пошуку оптимального результату.

Розглянемо докладніше питання використання систем підтримки прийняття рішень, зокрема експертних систем при розслідуванні злочинів.

Відомо, що головною фігурою при розкритті та розслідуванні злочину є слідчий, на якого закон покладає і надає право порушувати кримінальну справу та організувати її розслідування. Зрозуміло, що головне призначення криміналістичних систем, що ґрунтуються на знаннях, - надання допомоги співробітникам правоохоронних органів у розслідуванні злочинів. Тобто, головними завданнями таких систем є визначення можливих напрямків розслідування (формування версій); вибір найбільш ймовірних напрямків і надання рекомендацій про подальші дії (призначення експертиз, проведення оперативно-розшукових заходів, слідчих дій і т. ін.).

Зміст діяльності слідчого під час побудови ним інформаційної моделі злочину пов’язаний з виявленням, дослідженням, збиранням, оцінюванням, збереженням та використанням криміналістичної інформації. При цьому він обов’язково постає перед проблемою багатокритеріального вибору. Більш того, слідчому доводиться мати справу не з окремими критеріями, а з цілими блоками критеріїв, які обумовлені:

даними криміналістичної характеристики;

даними слідчої ситуації;

нормами кримінально-процесуального закону;

етичними нормами;

вимогами збереження тайни слідства, нерозголошення методів оперативно-розшукової діяльності;

даними про сили та засоби, які є у розпорядженні;

технічними та організаційними вимогами;

урахуванням неповторності заходів;

протидією спробам перешкодити слідству;

здійсненням розслідування у критичних умовах та урахуванням супутніх чинників;

урахуванням ергономічних чинників;

оцінкою впливу тактичних заходів на осіб, які втягнуті у сферу кримінального процесу;

урахуванням можливостей посадових осіб, які взаємодіють зі слідчим.

З урахуванням складності зв’язків критеріїв кожного блоку із заходами, які зазначаються, можна зробити висновок про високу ймовірність помилок у процесі прийняття рішень слідчим. Знизити можливість помилок дає використання систем підтримки прийняття рішень, у тому числі експертних.

Прикладами використання систем підтримки прийняття рішень при розслідуванні злочинів є системи автоматизації дактилоскопічних обліків (“DEX”, “Сонда” та ін.), а також системи розпізнавання голосу людини, ідентифікації аудіо- та відеопристроїв, балістичних експертиз та багато інших систем, що базуються на знаннях експертів.

Сьогодні у системі МВС використовуються дві основні методики побудови таких систем: засновані на статистичному аналізі слідчих ситуацій; засновані на збиранні, класифікації та використанні узагальненого досвіду розслідування у вигляді знань окремих професіоналів.

У залежності від типу завдань, які вирішуються експертною системою, у діяльності різних підрозділів органів внутрішніх справ, пов’язаній з розкриттям злочинів, можуть використовуватися такі системи:

1. Системи інтерпретації, які виводять опис ситуацій з даних, що спостерігаються. В органах попереднього розслідування такі системи можуть застосовуватись для вирішення завдань відтворення обстановки та обставин події, визначення способу здійснення злочину за виявленими слідами, висування версій і т. ін.

2. Прогнозні системи, які виводять ймовірнісні наслідки заданих ситуацій, для завдань прогнозування злочинності, прогнозування оперативної обстановки, суб’єктів злочинної діяльності.

3. Системи діагностики, які виводять висновки про порушення правильного функціонування систем за результатами спостережень. В ОВС системи такого типу можуть бути використані в процесі інформаційно-аналітичної роботи для оцінки причин незадовільної роботи тих чи інших підрозділів, у тому числі підрозділів карного розшуку та слідчого апарату. Такі системи можуть також використовуватись і при здійсненні процесуального контролю за розслідуванням злочинів, виявлення порушень, які допущені при розслідуванні карних справ.

4. Системи планування, які складають плани дій у конкретних умовах.. Вони можуть полегшити складання планів слідчих дій та оперативно-розшукових заходів, планів заходів щодо попередження злочинів, затримання злочинців і т. ін.

5. Системи моніторингу (попереджувальні системи) співставляють результати спостережень за поведінкою будь-якої системи з характеристиками, які є критичними. ЕС такого типу можуть знайти місце при попередженні дій пов’язаних з неприпустимим ризиком, з небезпекою втрати доказів, з порушенням прав та законних інтересів громадян, порушенням вимог кримінально-процесуального кодексу.

6. Системи управління дають змогу постійно інтерпретувати поточну ситуацію, прогнозувати майбутнє, діагностувати причини проблем, які з’являються, формувати план їх ліквідації та контролювати його виконання. Такі системи можуть використовуватись при прийнятті управлінських рішень керівниками слідчого апарату, у тому числі при організації комплексного використання сил та засобів у процесі розслідування злочинів.

При створенні експертних систем неминучими є суттєві витрати, але вони виправдані внаслідок створення нових можливостей для підвищення ефективності боротьби зі злочинністю.

ЗМІСТ

Змістовий модуль I. Інформаційне право: сутність, поняття та зміст. Об’єкти інформаційного права

Тема 1. Структура та завдання навчального курсу. Інформаційне право: сутність, поняття та зміст

Тема 2. Інформація як основний об’єкт інформаційного права. Поняття інформаційного простору

Тема 3. Об’єкти інформаційного права

Тема 4. Інформаційні ресурси

Тема 5. Джерела інформаційного права та інформаційне законодавство України

Змістовий модуль II. Суб’єкти інформаційного права. Їх права та обов’язки

Тема 6. Інформаційно-правові норми й інформаційні правовідносини

2

2

Тема 7. Суб’єкти інформаційних правовідносин

2

2

2

Тема 8. Права та обов’язки учасників інформаційних відносин

4

2

2

Тема 9. Інформація як інтелектуаль-на власність. Права людини і захист персональних даних

4

2

2

2

Тема 10. Конфіденційна інформація. Державна таємниця

6

2

2

2

2

Змістовий модуль ІІІ. Правове регулювання інформаційних відносин в різних сферах життєдіяльності суспільства

Тема 11. Правове регулювання ін-формаційних відносин в сфері масо-вої інформації

4

2

2

Тема 12. Правове регулювання ін-фор-маційних відносин в бібліотеч-ній та архівній справах

2

2

2

Тема 13. Правові проблеми глобаль-ної мережі Інтернет

6

2

2

2

2

Тема 14. Державна політика і дер-жавне управління в інформаційній сфері

6

2

2

2

2

Змістовий модуль IV. Правова інформатика як наука і навчальна дисципліна

Тема 15. Основи теорії правової інформатики. Правова інформатика як наука і навчальна дисципліна

2

2

2

Тема 16. Об’єкт та предмет правової інформатики

4

2

2

2

Тема 17. Інформатизація законотвор-чої, правозастосовної, право охорон-ної, судочинної та правоосвітньої ді-яльності

12

2

2

8

8

Змістовий модуль V. Прикладні питання використання комп’ютерних технологій в правовій сфері

Тема 18. Комп’ютерне моделюван-ня в правовій сфері

8

2

2

2

20

Тема 19. Інформаційні бази та бан-ки даних

4

2

2

20

Тема 20. Використання експертних систем у галузі права

8

2

2

4

20

Всього годин

36

12

8

16

72

Всього з дисципліни

90

42

24

24

90