Файл: В юридической деятельности.docx

Для того чтобы наделить систему знаниями, их необходимо представить в определенной форме. Базы знаний являются моделями человеческих знаний. Однако все знания, которые привлекает человек в процессе решения сложных задач, смоделировать невозможно. Поэтому в ИИС требуется четко разделить знания на те, которые предназначены для обработки компьютером, и те, которые используются человеком.

Обычно в области ИИ выделяют шесть основных направлений развития:

1. 
   представление знаний;
   
2. 
   манипулирование знаниями;
   
3. 
   общение ИИС;
   
4. 
   восприятие ИИС;
   
5. 
   обучение ИИС;
   
6. 
   поведение ИИС.
   

Проблема представления знаний в ИИС чрезвычайно актуальна, поскольку их функционирование опирается на знания о проблемной области, хранящиеся на компьютере. В рамках этой проблемы решаются задачи, связанные с формализацией и представлением знаний в ИИС. Для этого разрабатываются специальные модели представления знаний и языки для описания знаний, выделяются различные типы знаний.

Как правило, выделяют два вида моделей предоставления знаний: декларативные и процедурные.

• 
  В декларативных моделях предметная область представляется в виде синтаксического описания ее состояния. Вывод решений основывается на процедурах поиска в пространстве состояний.
  
• 
  В процедурном представлении знания содержатся в небольших программах (процедурах), которые определяют поведение ИИС. При этом можно не описывать все возможные состояния среды или объекта для реализации вывода.
  

Достаточно хранить некоторые начальные состояния и процедуры, генерирующие необходимые описания ситуаций и действий.

Для того чтобы знаниями можно было пользоваться при решении задач, ИИС должна уметь оперировать, пополнять, классифицировать, обобщать знания и т.д.

Чтобы в процессе взаимодействия пользователя с ИИС происходило общение, система должна уметь решать следующие задачи: понимать связные тексты, понимать и синтезировать речь, формировать объяснение своих действий, интегрировать в единый внутренний образ сообщения различной модальности (речевой, текстовой, зрительной и т.п.) и т.д.

Существуют большие возможности в повышении уровня ИИС за счет обработки зрительной (образной) информации и соотнесения ее с обработкой символьной (текстовой) информации.

Одной из основных черт ИИС является способность к обучению, т.е. решение задач, с которыми они ранее не встречались.

Так как ИИС должны действовать в некоторой окружающей среде, необходимо разработать специальные поведенческие процедуры, которые позволили бы им адекватно взаимодействовать с окружающей средой, другими системами и людьми. Для достижения такого взаимодействия необходимо вести исследования в ряде направлений и создать модели целесообразного поведения, нормативного поведения, ситуационного поведения, специальные методы многоуровневого планирования и коррекции планов в динамических ситуациях.

---

Создание ИИС имеет существенные отличия от разработки обычного программного продукта, а копирование методологий, принятых в традиционном программировании, чаще всего приводит к отрицательному результату.

Сегодня уже существуют многочисленные варианты интеллектуальных систем, которые не имеют цели, но имеют критерии поведения: генетические алгоритмы и имитационное моделирование эволюции. Поведение этих систем выглядит таким образом, как будто они имеют различные цели и добиваются их.

Выделим наиболее крупные этапы жизненного цикла ИИС.

№	Название суть этапа жизненного цикла ИИС
I	Разработка идеи и концепции системы
II	Разработка теоретических основ системы
III	Разработка математической модели системы
IV	Разработка методики численных расчетов в системе: разработка структур данных; разработка алгоритмов обработки данных
V	Разработка структуры системы и экранных форм интерфейса
VI	Разработка программной реализации системы
VII	Отладка системы
VIII	Экспериментальная эксплуатация
IX	Опытная эксплуатация
X	Промышленная эксплуатация
XI	Заказные модификации системы
XII	Разработка новых версий системы
XIII	Снятие системы с эксплуатации

Условно ИИС можно разделить ИИС на следующие типы: системы с интеллектуальным интерфейсом; экспертные системы; самообучающиеся системы.

Системы с интеллектуальным интерфейсом – это ИИС, предназначенная для поиска неявной информации в базе данных (БД) или тексте для произвольных запросов, составляемых, как правило, на ограниченном естественном языке. Интеллектуальные БД отличаются от обычных БД возможностью выборки по запросу необходимой информации, которая может явно не храниться, а выводиться из имеющейся в базе данных. В запросе требуется осуществить поиск по условию, которое должно быть доопределено в ходе решения задачи. Формулирование запроса осуществляется в диалоге с пользователем, последовательность шагов которого выполняется в максимально удобной для пользователя форме. Запрос к базе данных может формулироваться и с помощью естественно-языкового интерфейса. Естественно-языковой интерфейс предполагает трансляцию естественно-языковых конструкций на внутримашинный уровень представления знаний.

---

Гипертекстовые системы предназначены для реализации поиска по ключевым словам в базах текстовой информации. Механизм поиска работает прежде всего с базой знаний ключевых слов, а уже затем непосредственно с текстом.

Системы контекстной помощи можно рассматривать, как частный случай интеллектуальных гипертекстовых и естественно-языковых систем. В системах контекстной помощи пользователь описывает проблему (ситуацию), а система с помощью дополнительного диалога ее конкретизирует и сама выполняет поиск относящихся к ситуации рекомендаций. Такие системы относятся к классу систем распространения знаний (Knowledge Publishing) и создаются как приложение к системам документации (например, технической документации по эксплуатации товаров).

Системы когнитивной графики позволяют осуществлять интерфейс пользователя с ИИС с помощью графических образов, которые генерируются в соответствии с происходящими событиями

Экспертные системы (ЭС) – это ИИС, которая предназначена для решения слабоформализуемых задач на основе накапливаемого в базе знаний опыта работы экспертов в проблемной области. Экспертная система является инструментом, усиливающим интеллектуальные способности эксперта, и может выполнять следующие роли: консультанта для неопытных или непрофессиональных пользователей; ассистента в связи с необходимостью анализа экспертом различных вариантов принятия решений; партнера эксперта по вопросам, относящимся к источникам знаний из смежных областей деятельности.

Исторически, ЭС были первыми системами искусственного интеллекта, которые привлекли внимание потребителей.

По степени сложности решаемых задач экспертные системы можно классифицировать следующим образом:

• 
  По способу формирования решения экспертные системы разделяются на два класса: аналитические и синтетические. Аналитические системы предполагают выбор решений из множества известных альтернатив, а синтетические системы - генерацию неизвестных решений. Аналитическая экспертная система - это ЭС, осуществляющая оценку вариантов решений (проверку гипотез). Синтетическая экспертная система - это ЭС, осуществляющая генерацию вариантов решений (формирование гипотез).
  
• 
  По способу учета временного признака экспертные системы могут быть статическими или динамическими. Статические системы решают задачи при неизменяемых в процессе решения данных и знаниях, динамические системы допускают такие изменения. Статическая экспертная система - это ЭС, решающая задачи в условиях, не изменяющихся во времени исходных данных и знаний. Динамическая экспертная система - это ЭС, решающая задачи в условиях, изменяющихся во времени исходных данных и знаний.
  

---

• 
  По видам используемых данных и знаний экспертные системы классифицируются на системы с детерминированными (четко определенными) знаниями и неопределенными знаниями. Под неопределенностью знаний (данных) понимается их неполнота (отсутствие), недостоверность (неточность измерения), двусмысленность (многозначность понятий), нечеткость (качественная оценка вместо количественной).
  
• 
  По числу используемых источников знаний экспертные системы могут быть построены с использованием одного или множества источников знаний.
  

Самообучающиеся системы – это ИИС, которая на основе примеров реальной практики автоматически формирует единицы знаний. В основе самообучающихся систем лежат методы автоматической классификации примеров ситуаций реальной практики (обучения на примерах). Примеры реальных ситуаций накапливаются за некоторый исторический период и составляют обучающую выборку. Эти примеры описываются множеством признаков классификации. Причем обучающая выборка может быть: «с учителем», когда для каждого примера задается в явном виде значение признака его принадлежности некоторому классу ситуаций; «без учителя», когда по степени близости значений признаков классификации система сама выделяет классы ситуаций.

В результате обучения системы автоматически строятся обобщенные правила или функции, определяющие принадлежность ситуаций классам, которыми обученная система пользуется при интерпретации новых возникающих ситуаций. Таким образом, автоматически формируется база знаний, используемая при решении задач классификации и прогнозирования. Эта база знаний периодически автоматически корректируется по мере накопления опыта реальных ситуаций, что позволяет сократить затраты на ее создание и обновление.

2. Использование интеллектуальных информационных систем (ИИС) в профессиональной деятельности сотрудника ОВД

Сравнительно новым и перспективным направлением использования компьютерных технологий в профессиональной деятельности сотрудника ОВД являются экспертные системы (ЭС), относящиеся к системам искусственного интеллекта.

С точки зрения систематизации законодательства в экспертных системах должна быть реализована система сведений и данных, содержащихся в нормах права, в отличие от систематизации нормативных правовых актов в информационно-поисковых системах.

---

Функционирование экспертной системы связано с решением трех основных проблем:

• 
  проблемы передачи знаний от экспертов-людей компьютерной системе;
  
• 
  проблемы представления знаний, т.е. реконструирования массива знаний в определенной правовой области и представления его как структуры знаний в памяти компьютера;
  
• 
  проблемы использования знаний.
  

Необходимость глубокой и подробной формализации процесса принятия решения для моделирования его в компьютерной системе приводит к тому, что пока экспертные системы такого рода создаются программистами и экспертами-юристами для решения конкретных вопросов в достаточно ограниченных правовых областях, т.е. являются узко специализированными. Пользователями таких систем являются юристы-практики, сталкивающиеся с правовыми проблемами, находящимися вне области компетенции, и особенно пользователи — не юристы.

Подобные системы в процессе решения задач задают вопросы пользователю, направляют ход его мыслей, используя формальные и эвристические знания экспертов. Существенно, что система объясняет выбранные стратегии решения и даже цитирует источники, в ней используемые.

Начиная с 1970 г. в Великобритании, США и ФРГ было разработано более 25 исследовательских проектов, охватывающих использование методов искусственного интеллекта в процессе правовой аргументации. Примерами являются такие широко используемые системы, как: TAXAMAN-I и TAXAMAN-II, созданные англичанином Маккарти и специализирующиеся на налоговом праве Великобритании; система Мелдмана MITProject для уголовного права; программа Пиппа и Шлинка Judith на основе Гражданского кодекса ФРГ обрабатывает юридические документы и их проекты, относящиеся к гражданскому праву; система LRS Харнера специализируется на договорном праве; Rand Project Ватермана и Петерсона моделирует процесс принятия решений в гражданском процессе; программные комплексы TAXADVISER и EMYCIN используются при планировании федерального налогообложения;

«Си Клипс» де Бессоне используется при кодификации Гражданского кодекса Луизианы; система DSCAS помогает анализировать юридические аспекты исков о возмещении дополнительных расходов, связанных с отличием физических условий на месте предполагаемого строительства от указанных в контракте; система LDS помогает экспертам-юристам урегулировать иски о возмещении убытков и компенсациях за ущерб, связанный с выпуском дефектной продукции, и многие другие.

В отечественной законодательной и правоприменительной практике в последнее десятилетие создано около полутора десятков правовых экспертных систем.

---