На думку фахівців з розроблення інформаційних програмних комплексів, клас прикладних задач, для розв’язування яких необхідні інтелектуальні системи, становить приблизно 80 % всіх задач, які виникають перед суспільством. Інтелектуальна система – це один з видів автоматизованих інформаційних систем, які ґрунтуються на знаннях. Інтелектуальна система є комплексом програмних, лінгвістичних і логіко-математичних засобів для реалізації основного завдання: здійснення підтримки діяльності людини і пошуку інформації в режимі розширеного діалогу природною мовою.
Найрозповсюдженішими серед інтелектуальних систем є інтелектуальні системи підтримки прийняття рішень. Їх використовують у тих предметних галузях, де користувачі системи хочуть отримати фахові рекомендації з підтримки прийняття рішень своєї діяльності. Такими предметними галузями є медицина, класифікація текстових документів (рубрикування), гра на біржі, пошук корисних копалин тощо. Детальніше перелік предметних галузей розглянуто у першому розділі цієї монографії. Як правило, така підтримка полягає в рекомендації системою вибрати деяку альтернативу з множини альтернатив. Користувач системи може не погодитись з рекомендаціями системи, а прийняти своє власне інше рішення.
Однак сучасне збільшення інформації, зокрема спеціалізованої інформації, яка стосується певної предметної галузі, настільки велике, що не кожний фахівець з цієї предметної галузі здатний опрацьовувати всю інформацію самотужки, тому й використовує інтелектуальні системи підтримки прийняття рішень. Основна проблема розв’язування задач такими системами пов’язана через використання ними слабкоформалізованих знань з певної предметної галузі, логічним або змістовним опрацюванням інформації, а не обчислювальним. Тому в основі архітектури сучасних інтелектуальних систем лежать бази знань, які формуються відповідно до предметної галузі, в якій використовується інтелектуальна система.
На етапі проектування та реалізації інтелектуальних систем виділяють низку методологічних і технологічних проблем, з якими безпосередньо стикаються їхні розробники. Зокрема в Україні такі проблеми полягають у відсутності концептуальної цілісності й узгодженості між окремими прийомами та методами інженерії знань; нестачі кваліфікованих фахівців у цій галузі; жорсткості розроблених програмних засобів та їх низької адаптивної здатності; складності впровадження експертних та інтелектуальних систем, що зумовлені психологічними аспектами, неприйнятті персоналом нових технологій; відсутності в Україні техніко-економічних показників оцінювання ефективності таких систем; емпіричності процедури вибору програмного інструментарію і процесу тестування (відсутність єдиних критеріїв). Перерахунок, звичайно, можна продовжувати, але, тим не менше, перспективи розвитку і впровадження інтелектуальних систем у більшість галузей науки очевидні.
Очевидно, що успіх у розв’язанні задачі побудови ефективної спеціалізованої інтелектуальної системи підтримки прийняття рішень визначається відповідністю її бази знань до особливостей предметної галузі.
Бази знань мають деякі недоліки. По-перше, сам термін “база знань” занадто абстрактний і загальний: базою знань можна вважати як інструкцію до електрочайника, так і Велику українську енциклопедію. У зв’язку з цим, кожен трактує це поняття, як хоче, часто називаючи базами знань бази даних, архіви текстових файлів та інші прості сховища іноді навіть неструктурованої та неформалізованої інформації. Для широкого впровадження будь-якої технології чи методики необхідний чіткий і арґументований стандарт. У галузі інженерії знань таким стандартом стали онтології. Онтологія – це спроба всеохопної і детальної формалізації деякої галузі знань за допомогою концептуальної схеми. Така схема, зазвичай, складається з ієрархічної структури даних, що містить всі релевантні класи об’єктів, їхніх зв’язків, теорем та обмежень, які прийняті у певній предметній галузі (ПГ). Важливою перевагою онтології, як способу подання знань є те, що її однаково легко сприймає як людина, у вигляді, наприклад, графу, так і комп’ютерна техніка.
Тому в галузі інформаційних технологій дослідження онтологій стає все популярнішим серед науковців. Сьогодні розроблення онтологій переходить зі світу лабораторій штучного інтелекту на робочі столи експертів з певних предметних галузей, інженерів та користувачів. Нині онтології широко застосовують в інформаційних технологіях (робота пошукових машин, електронна комерція, системи опрацювання інформації), матеріалознавстві (системи аналізу стану матеріалів), машинобудуванні та інших галузях науки та промисловості.
Онтологію можна розглядати як загальний словник понять для вчених, який спільно застосовують у певній предметній галузі. Він містить машинно-інтерпретовані формулювання основних понять предметної галузі та зв’язків між ними.
Отже, доходимо такого висновку. Існує широкий клас задач, для розв’язування яких необхідні інтелектуальні системи підтримки прийняття рішень. Центральною компонентою таких систем є бази знань. Стандартом баз знань є онтології. Тому перспективним виглядає підхід, який полягає у використанні онтологій під час функціонування інтелектуальних систем. Саме цей підхід до розроблення інтелектуальних систем підтримки прийняття рішень досліджено у цій монографії. Матеріал монографії розподілений так.
У першому розділі будуть розглянуті основні поняття інтелектуальних систем підтримки прийняття рішень та моделі подання знань. Описуються моделі онтологій та методології їх побудови. Розглядаються методи подання онтологій та мови їх описування.
Другий розділ монографії присвячено дослідженню використання онтологій у різних класах інтелектуальних систем підтримки прийняття рішень. Буде показано, що суть ефективного функціонування всіх інтелектуальних систем підтримки прийняття рішень зводиться до використання деякої метрики. Щоб побудувати таку метрику на основі онтологій, розширили класичне поняття онтологій введенням пари скалярних величин, які характеризують важливість понять та відношень, які зберігаються в онтології залежно від предметної галузі та задачі. Таку онтологію названо адаптивною. Розглянуто метрики на основі адаптивної онтології.
Побудова онтології є складний і рутинний процес, який потребує багато часу та ресурсів. Тому активно розвиваються автоматичні методи побудови онтологій. Пропонуємо автоматично розбудовувати вже деяку базову онтологію. Саме цій проблемі присвячено третій розділ монографії.
Автоматично розбудована онтологія може бути неефективною. Тому необхідно розглянути низку оптимізаційних задач, які покращать структуру онтологій, її швидкодію, непротирічність знань, які в ній зберігаються, тощо. Оптимізація онтологій розглянута у четвертому розділі цієї роботи.
Останні два розділи присвячено описуванням функціонування прикладних інтелектуальних систем підтримки прийняття рішень, моделі яких ґрунтуються на адаптивних онтологіях.
Автор гречно дякує науковому консультанту, завідувачу кафедри інформаційних системи та мереж Національного університету “Львівська політехніка” Володимиру Володимировичу Пасічнику за підготовку матеріалу, а також науковим співробітникам Фізико-механічного інституту імені Г.В. Карпенка НАН України Дмитру Григоровичу Досину та Романі Романівні Даревич за цікаві ідеї стосовно моделювання онтологій, підходів до їхньої оптимізації та розробленні інтелектуальної пошукової системи. Також дякую всім, хто допомагав розробляти прикладні інтелектуальні системи підтримки прийняття рішень, зокрема Наталії Шаховській, Антону Мельнику, Віктору Гайдіну, Олександру Пшеничному, Михайлу Голобородьку, а також Наталії Шкутяк та Вірі Білик за допомогу під час підготовки рукопису.
Особлива подяка рецензентам професорам Миколі Олександровичу Медиковському, Григорію Григоровичу Цегелику та завідувачу відділу Фізико-механічного інституту імені Г.В. Карпенка НАН України Богдану Павловичу Русину за уважне ознайомлення із рукописом та корисні зауваження.