Системы искусственного интеллекта

Большинство специализированных пакетов, реализующих методы искусственного интеллекта, обеспечивают пользователям возможность работы с ними в рамках терминологии конкретной предметной области. В настоящее время существуют различные технологии искусственного интеллекта. В финансовом менеджменте используется нейронные сети, генетические алгоритмы, нечеткая логика и экспертные системы.

Технология искусственного интеллекта «Нейронные сети»является разновидностью статистических методов классификации и прогноза. К достоинствам технологии относят:

· возможность моделирования и прогнозирования нелинейных процессов;

· способность работать с зашумленными данными;

· быстрое обучение;

· гибкость адаптации к изменениям внешней среды.

Нейронные сети удобно рассматривать как черный ящик с некоторым количеством входов и выходов. Значения входных переменных обрабатываются внутри сети, и результат отображается на выходах. В процессе обработки входной информации происходит изменение внутренней структуры сети, т.е. алгоритма преобразования. Этот процесс называется обучением, и он кардинально отличает нейронные сети от других программных систем.

В целом для нейросетей характерны следующие особенности:

1. Не требуется выполнение сложных расчетов.

2. Результаты обработки (прогноза) зависят от полноты и вида имеющихся данных.

3. Существует приемлемое время настройки системы.

4. Необходим большой объем обучающей выборки данных для настройки системы.

К недостаткам систем на основе технологии «Нейронные сети» относят следующие:

1. Неспособность объяснять свои действия.

2. Не всегда удается правильно выбрать архитектуру нейронной сети, необходимую для эффективного решения поставленных задач.

3. Отсутствие больших объемов исторических данных, которые необходимы при обучении и настройке нейронных сетей для анализа российских рынков.

Недобросовестная реклама в России представляет системы на основе нейрокомпьютерных технологий как панацею от всех бед, тогда как они ориентированы на решение ограниченного круга задач. Применение нейросетей показывает высокую эффективность в тех областях финансового и инвестиционного менеджмента, где требуется получение оценок и прогнозов, связанных с обработкой больших объемов информации, и принятие решений в минимально короткие интервалы времени (исследование динамики финансовых рынков, определение оптимального портфеля ценных бумаг и кредитных рисков, предсказание банкротств финансовых учреждений).

Для решения задач в финансово-кредитной сфере популярным являются пакет Brain Maker Pro (California Scientific Software, США).

Технология «Генетические алгоритмы»представляют собой направление искусственного интеллекта, использующее механизм биологической эволюции для поиска оптимальных решений. Генетические алгоритмы позволяют найти не точное, а приемлемое решение для сложных и нелинейных задач большой размерности.

В общем случае генетический алгоритм представляет собой разновидность метода градиентного спуска. Этот метод включает исследование абстрактной «поверхности» возможных значений, которое производится одновременно из множества исходных точек. На каждом шаге оптимизации происходит порождение нового множества точек, соответствующих различным комбинациям значений переменных. В итоге получают некоторое подмножество точек, для которых отклонение от целевой функции минимально.

Генетический алгоритм оптимизации является множественно-вероятностным и позволяет находить множество значений, приблизительно соответствующих искомому условию. Это обстоятельство существенно для решения задач с неявно выраженными максимумами или минимумами.

Системы на основе генетических алгоритмов являются мощным средством решения комбинаторных и оптимизационных задач. Перспективными направлениями практического применения таких систем в финансовом менеджменте является:

· формирование инвестиционного портфеля с оптимизацией доходности и учетом риска;

· разработка бизнес-плана с оптимизацией прибыли учетом потенциальных издержек;

· финансовое планирование с оптимизацией налоговых платежей с учетом будущих доходов.

Существует несколько программных продуктов, достаточно эффективно реализующих генетические алгоритмы. Наиболее популярными из них для применения в финансово-кредитной сфере являются программы Evolver (Palisade Corp, США), GeneHunter (Ward Systems, США), Omega (KiQ and CAP, США). Первые два программных продукта реализованы в виде надстроек к MS Excel и написаны на языке Visual Basic for applications (VBA).

Технология искусственного интеллекта «Нечеткая логика» возникла как средство формализации качественных знаний и понятий, выраженных на естественном языке. Потребность в использовании аппарата нечеткой логики объясняется тем, что необходим анализ целесообразности применения правил при решении задач динамического управления в условиях временных ограничений.

Основным понятием нечеткой логики является лингвистическая (нечеткая) переменная. Её значениями могут быть числа, слова или предложения естественного либо искусственного языка.

Для перехода от качественных описаний к формализованным описаниям необходимо построить отображения, которые называют функцией принадлежности. При этом функции принадлежности могут отражать мнение одного или группы экспертов. Достоинства систем, базирующихся на технологии искусственного интеллекта «Нечеткая логика»:

1. Обладают лучшей адаптируемостью к условиям реального мира.

2. Доступны специалистам, которые при решении задач оперируют качественными понятиями.

3. Предоставляют возможность работы с нечеткими критериями и неполными данными, встречающимися при решении задач.

Системы искусственного интеллекта на основе технологии «Нечеткая логика» применяют:

· в ситуационном моделировании процессов в экономике и финансах;

· при решении задач динамического управления в финансовом планировании;

· в предметных областях при условии неполноты и противоречивости информации при значимых изменениях параметров.

Большой популярностью в финансово-кредитной сфере пользуется продукт FuziCalc (Fuzi Ware, США), который позволяет производить вычисления с неточно известными числами. Среди других разработок в этой области можно отметить FuzzyTECH (Inform Software, США) и SieFuzzy (Siemens, Германия).

Экспертная система – это сложный программный комплекс, который аккумулирует знания специалистов о конкретной предметной области и оперирует ими с целью выработки рекомендаций или решения проблем. Экспертная система отличается от других прикладных программ наличием нескольких признаков.

1. Моделирует механизм мышления человека применительно к решению задач в определенной проблемной области.

2. Помимо выполнения вычислительных операций, формирует определенные выводы, основываясь на знаниях, которыми она располагает.

3. При решении задач основными являются эвристические и приближенные методы, которые не всегда гарантируют успех.

В общем случае экспертная система включает следующие основные компоненты: базу знаний, механизм логического вывода и интерфейс пользователя. База знаний содержит информацию о предметной области в виде фактов, наблюдений, различных данных и набор правил, использующих эту информацию в процессе принятия решений. Механизм логического вывода является, по сути, интерпретатором правил, который использует имеющиеся факты для решения проблем.

Помимо программных и коммуникационных средств, в структуру экспертной системы могут быть включены специалисты: инженер по знаниям и эксперт. Они проверяют и дополняют заключение, сформированное экспертной системой (рис.1).

Рис.1 Структура экспертной системы

Основными преимуществами экспертных систем принято считать возможность пополнения баз знаний новыми правилами и фактами, а также способность объяснять полученные решения.

Автоматизированное рабочее место экспертной системы относится к классу интеллектуальных рабочих мест. Оно объединяет программно-аппаратные средства для взаимодействия инженера по знаниям и эксперта с компьютером и обеспечивает:

· возможность ввода информации в систему (через клавиатуру, сканер и пр.);

· обработку, анализ и вывод результатов требуемой форме на устройство вывода (монитор, принтер, графопостроитель и др.).

Отличительной особенностью автоматизированных рабочих мест некоторых экспертных систем является подключение модулей Data Mining. Они способны осуществлять поиск нетривиальной информации и формировать в режиме реального времени виртуальные базы данных, необходимые для создания конкретного экспертного заключения.

Класс экспертных систем образует несколько тысяч программных продуктов, предназначенных для работы в различных предметных областях (рис.2). В финансово-кредитной сфере они широко применяются при решении задач планирования, страхования, консультирования, анализа рисков и т.д.

Рис.2 Возможная классификация экспертных систем

Основной тенденцией развития программных средств для поддержки финансово-экономических решений является стремление разработчиков предоставить потребителю комплекс совместимых и взаимодействующих между собой продуктов различных классов для наиболее полного удовлетворения его запросов. Комплексы популярных программных продуктов отечественных разработчиков для поддержки финансово-экономических решений приведены в таблице 1.

При решениипроблемы автоматизации труда финансовых менеджеров и аналитиков целесообразно использовать линию продуктов одного производителя, наиболее полно удовлетворяющих требованиям и специфике конкретного предприятия.

Таблица 1.