і концепцій обладнання, засобів їх створення (мов) і самих експертних систем. Об'єднання інтелектуальних систем особливо ефективно в складних інфраструктурах. Інтелектуальні системи вже розробляються і впроваджуються за кордоном для комерційного використання.
Експертна система FOLIO (Стенфордський університет, США) допомагає консультантам з інвестицій визначати цілі клієнтів і підбирати портфелі цінних паперів, найбільш відповідні цим цілям. Система визначає потреби клієнта в ході інтерв'ю і потім рекомендує, в яких пропорціях треба розподілити капіталовкладення між різними фондовими інструментами, щоб найкращим чином задовольнити запити клієнта. Система розрізняє невелике число класів цінних паперів (наприклад, орієнтовані на дивіденди акції з невисоким рівнем ризику або орієнтовані на акції з високим рівнем ризику) і містить знання про властивості (Наприклад про річні відсотках на капітал) цінних паперів кожного класу. У системі застосована заснована на прийнятих правилах схема подання знань з прямий ланцюжком міркувань для виведення цілей і схема лінійного програмування для максимізації відповідності між цілями і пропонованим портфелем. Система доведена до рівня демонстраційного прототипу.
Штучна компетентність експертних систем не замінює повністю людини. Експерт-людина здатна реорганізувати інформацію і знання і використовувати їх для синтезу нових знань. В області творчої діяльності люди володіють великими здібностями і можливостями в порівнянні з найрозумнішими системами. Експерти справляються з несподіваними поворотами подій і, використовуючи нові підходи, здатні проводити аналогії з інших предметних областей. Вони адаптують свої стратегії до мінливих умов і пристосовують їх до нових обставинами у більш широкому діапазоні проблем і завдань. Експертні системи менш пристосовані до навчання на рівні нових концепцій і нових правил. Вони виявляються не настільки ефективними і мало придатними у випадках, коли треба враховувати всю складність реальних завдань.
Експерти можуть безпосередньо сприймати весь комплекс вхідної інформації: символьної, візуальної, графічної, текстової, звукової, дотиковий, нюхової. У експертної системи є тільки символи, через які представлені бази знань з втіленими в них тими чи іншими концепціями. Перетворення сенсорної інформації в символьну супроводжується втратою частини інформації.
І найголовніше, люди (Експерти і неексперти) володіють здоровим глуздом або загальними знаннями. Це широкий спектр знань про світ, про діючі в ньому законах. Через величезну обсягу знань, що утворюють здоровий глузд, не існує поки способу, вбудувати їх в інтелектуальну систему, тим більше спеціалізовану, якою є будь-яка експертна система.
Історично розвиток нейромереж складалося як спроби змоделювати ті чи інші здібності і властивості людського мислення. Після складних досліджень була з'ясована роль нейронів як елементів, що накопичують і передають інформацію. Розробка відповідних математичних методів дозволила створити навчені системи, володіють такими властивостями:
- здатністю навчатися на безлічі пропонованих прикладів;
- з високою точністю розпізнавати нові вхідні значення;
- зберігати стійкість роботи і точність розпізнавання у випадках, коли вхідні дані суперечливі, спотворені або містять шумові перешкоди.
Нейронні мережі - це узагальнена назва декількох груп алгоритмів, що володіють властивістю уміти навчатися на прикладах, витягуючи приховані закономірності з потоку даних. При цьому дані можуть бути неповними, суперечливими і навіть свідомо спотвореними. Якщо між вхідними та вихідними даними існує якийсь зв'язок, навіть не обнаруживаемая традиційними кореляційними методами, то нейронна мережа здатна автоматично налаштуватися на неї з заданим ступенем точності. Крім того, сучасні нейронні мережі мають додатковими можливостями: вони дозволяють оцінювати порівняльну важливість різних видів вхідної інформації, зменшувати її обсяг без втрати істотних даних, розпізнавати симптоми наближення критичних ситуацій і т.д.
З середини 80-х років нейронні мережі почали використовуватися на Заході - переважно в фінансових і військових додатках. Однак, незважаючи на успіхи перших експериментів, спочатку це були поодинокі замовні системи - занадто складний був інструмент і занадто дорога його розробка. Ситуація докорінно змінилася на початку 90-х років, коли на ринку з'явилося нове покоління нейромережних пакетів - потужних, недорогих і простих у використанні. Практично відразу одним з лідерів ринку став неіросетевоі пакет Brain Maker (1990 р.) американської фірми California Sientific Software. Спочатку розроблений на замовлення військових пакет був адаптований для бізнес-додатків. Треба відзначити, що при вирішенні аналітичних завдань нейронні мережі використовуються в комбінації з яким-небудь потужним пакетом традиційного технічного аналізу (наприклад пакетом MetaStock for ...
