И одновременно 4 страница

В практике ранжирования объектов, между которыми допус­каются отношения как строгого порядка, так и эквивалентности, числовое представление выбирается следующим образом. Наи­более предпочтительному объекту присваивается ранг, равный единице, второму по предпочтительности - ранг, равный двум, и т.д. Для эквивалентных объектов удобно, имея в виду техноло­гии последующей обработки экспертных оценок, назначать одинаковые ранги, равные среднеарифметическому значению рангов, присваиваемых одинаковым объектам. Такие ранги на­зывают связанными рангами.

Для приведенного примера упорядочения на основе нестро­гого линейного порядка при N = 10 ранги объектов а_у а₄, а₅ бу­дут равными: г₃ = г₄ = г₅ = (3+4+5) /3 = 4.

В этом же примере ранги объектов а_д, а_уо также одинаковы и равны среднему арифметическому г₉ = г_|0 = (9+10) / 2 = 9,5.

Связанные ранги могут оказаться дробными числами. Удоб­ство использования связанных рангов заключается в том, что сум­ма рангов N объектов равна сумме натуральных чисел от едини­цы до N. При этом любые комбинации связанных рангов не изменяют эту сумму. Данное обстоятельство существенно упро­щает обработку результатов ранжирования при групповой экс­пертной оценке.

При групповом ранжировании каждый S-й эксперт присваи­вает каждому /-му объекту ранг r_iS. В результате проведения экс­пертизы получается матрица рангов || r_iS\\ размерности Nxk, где N - число объектов; к - число экспертов; 5=1,..., к; i = 1, ..., N. Результаты группового экспертного ранжирования удобно пред­ставить в виде табл. 1.

Аналогичный вид имеет таблица, если осуществляется ран­жирование объектов одним экспертом по нескольким показате­лям сравнения. При этом в таблице вместо экспертов в соответ­ствующих графах указываются показатели.

Поскольку ранги объектов определяют только порядок рас­положения объектов по показателям сравнения, они как числа не дают возможности сделать вывод о том, на сколько или во сколько раз предпочтительнее один объект по сравнению с другим. Если, например, ранг объекта равен 3, то отсюда не следует делать вы­вод о том, что этот объект в три раза более предпочтителен, чем объект, имеющий ранг, равный 1.

Достоинство ранжирования как метода экспертного измере­ния - простота осуществления процедур, не требующая трудоем­кого обучения экспертов. Недостатком ранжирования является практическая невозможность упорядочения большого числа объектов. Как показывает опыт, при числе объектов больше 10-15 эксперты затрудняются в построении ранжировки. Объясне­ния в том, что в процессе ранжирования эксперт должен устано­вить взаимосвязь между всеми объектами, рассматривая их как единую совокупность. При увеличении числа объектов число свя­зей между ними растет пропорционально квадрату числа объек­тов. Сохранение в памяти и анализ большой совокупности взаи­мосвязей между объектами ограничиваются психологическими возможностями человека. Психология утверждает, что оператив­ная память человека позволяет оперировать в среднем не более

^5Г 803

чем с 7 ± 2 объектами одновременно. Поэтому при ранжирова­нии большего числа объектов эксперты могут допускать суще­ственные ошибки.

Парное сравнение. Этот метод представляет собой процедуру установления предпочтения объектов при сравнении всех возмож­ных пар. В отличие от ранжирования, в котором упорядочивают все объекты, парное их сравнение - задача более простая. При сравнении пары объектов возможно либо отношение строгого порядка, либо отношение эквивалентности. Отсюда следует, что парное сравнение, так же как и ранжирование, есть измерение в порядковой шкале.

В результате сравнения пары объектов a_jt «.эксперт упорядо­чивает ее, высказывая либо а._{ >- а_р либо а. > а_р либо а. * а.. Вы­бор числового представления ф(д,) можно провести так": если а. у а_у, то ф(а,) > ф(я_у); если предпочтение в паре обратное, то знак неравенства заменяется на обратный, т.е. ф(я_у) < ф(д.). Нако­нец, если объекты эквивалентны, то естественно считать, что Ф(а,) = ф(й_у).

В практике парного сравнения используются следующие чис­ловые представления:

Г1,еслия, ycij илиа /~о/,
^Хи " { 0, если а, < а_р i, j = 1, N, ^

2, если a-_t У а.-,
Xjj = 1, если щ = а.-, (2)

О, если a/ yaj,i,j = \,N

Результаты сравнения всех пар объектов удобно представлять в виде матрицы. Пусть, например, есть пять объектов а,, а₂, а_уа_А, а₅ и проведено парное сравнение этих объектов по предпочти­тельности. Результаты сравнения представлены в виде а{Уа₂,

^а\ >■ ^аУ ^й| У ^й4> ^а\ < ^Д5> ^С12> ^й3> ^а2> ^Я4> ^а2< ^й5' ^й3 ^м «4> °3 "< ^й5' ^аЛ< ^fl5"

Используя числовое представление (1), составим матрицу из­мерения результатов парных сравнений (табл. 2). В ней на диаго­нали всегда будут расположены единицы, поскольку объект эк­вивалентен себе. Представление (2) характерно для отображения результатов спортивных состязаний. За выигрыш (футбол, хоккей и т.п.) даются два очка, за ничью - одно и за проигрыш -нуль очков. Предпочтительность одного объекта перед другим

трактуется в данном случае как выигрыш одного участника тур­нира у другого. Таблица результатов измерения при использова­нии числового представления не отличается от таблиц результа­тов спортивных турниров, за исключением диагональных элементов (обычно в турнирных таблицах диагональные элемен­ты заштрихованы). В качестве примера в табл. 3 приведены ре­зультаты измерения пяти объектов с использованием представ­ления (2), соответствующие табл. 2.

Вместо представления (2) часто используют эквивалентное ему представление, которое получается из (2) заменой 2 на +1, 1 на 0 и 0 на-1.

+1,если а, >- а.,

x_:i ~

0, если щ «ау, ___ (3)

-1,если a_iya_l;i,j = l,N.

Если пары объектов сравнивают отдельно по различным по­казателям или сравнение проводит группа экспертов, то по каж­дому показателю или эксперту составляется своя таблица резуль­татов парных сравнений.

Сравнение во всех возможных парах не дает полного упоря­дочения объектов, поэтому возникает задача ранжирования объектов по результатам их парного сравнения.

Однако, как показывает опыт, эксперт далеко не всегда пос­ледователен в своих предпочтениях. В результате использования метода парных сравнений он может указать, что объект я, пред­почтительнее объекта я₂, а₂ предпочтительнее объекта а₃ и в то же время а_г предпочтительнее объекта а,. В случае разбиения объекта на классы эксперт может к одному классу отнести пары а_{ и а₂, а₂ и а_у но в то же время объекты а_{ и а_г отнести к различ­ным классам. Такая непоследовательность эксперта может объяс­няться различными причинами: сложностью задачи, неочевидно­стью предпочтительности объектов или разбиения их на классы (в противном случае, когда все очевидно, проведение экспертизы не имеет смысла), неудовлетворительной компетентностью экс­перта, недостаточно четкой постановкой задачи, многокритери-альностью рассматриваемых объектов и т.д.

Непоследовательность эксперта приводит к тому, что в ре­зультате парных сравнений при определении сравнительной пред­почтительности объектов не удается получить ранжирование и даже отношения частичного порядка - не выполнено свойство транзитивности.

Если целью экспертизы при определении сравнительной пред­почтительности объектов является получение ранжирования или частичного упорядочения, необходима их дополнительная иден­тификация. В этих случаях имеет смысл в качестве результирую­щего отношения выбирать отношение заданного типа, ближай­шее к полученному в эксперименте.

Множественные сравнения. Они отличаются от парных тем, что экспертам последовательно предъявляются не пары,'^ трой­ки, четверки,..., и-ки (п < N) объектов. Эксперт их упорййочива-ет по важности или разбивает на классы в зависимости^ целей экспертизы. Множественные сравнения занимают промежуточ­ное положение между парными сравнениями и ранжированием. С одной стороны, в результате одновременного соотнесения объекта не с одним, а с большим числом объектов они позволя­ют использовать больший, чем при парных сравнениях, объем информации для определения экспертного суждения. С другой стороны, при ранжировании объектов их может оказаться слиш­ком много, что затрудняет работу эксперта и негативно отража-

ется на качестве результатов экспертизы. В этом случае множе­ственные сравнения позволяют уменьшить до разумных преде­лов объем поступающей к эксперту информации.

Непосредственная оценка. Метод заключается в присваивании объектам числовых значений в шкале интервалов. Эксперт дол­жен поставить в соответствие каждому объекту точку на опреде­ленном отрезке числовой оси. При этом необходимо, чтобы эк­вивалентным объектам приписывались одинаковые числа. На рисунке в качестве примера приведено такое представление для пяти объектов на отрезке числовой оси [0,1].

Поскольку за начало отсчета выбрана нулевая точка, в данном примере измерение проводится в шкале отношений. Эксперт со­единяет каждый объект линией с точкой числовой оси и получает следующие числовые представления объектов (см; рисунок):

Ф(а,) = 0,28;'ф(а₂) = ф(а₅) = 0,75; Ф(а₃) = 0,2_;ф(й₄) = 0,5.

Измерения в шкале интервалов могут быть достаточно точ­ными при полной информированности экспертов о свойствах объектов. Такие условия на практике встречаются редко, поэто­му для измерения применяют балльную оценку. При этом вместо непрерывного отрезка числовой оси рассматривают участки, ко­торым приписывают баллы.

Эксперт, приписывая объекту балл, тем самым измеряет его с точностью до определенного отрезка числовой оси. Применяют­ся 5-, 10- и 100-балльные шкалы.

Последовательное сравнение (метод Черчмена-Акоффа). Этот метод относится к числу наиболее популярных при оценке аль­тернатив. В нем предполагается последовательная корректиров­ка оценок, указанных экспертами. Основные предположения, на которых основан метод, состоят в следующем:

• каждой альтернативе а ■ (i -1, N) ставится в соответствие дей­ствительное неотрицательное число <p(a,);

• если альтернатива а₍- предпочтительнее альтернативы a., то ф(й_у) > (р(я.), если же альтернативы a_i и а. равноценны, то (р (а) =

= ф(«/);

• если (р (а) и ф (aj) - оценки альтернатив а₍ и а., то ф {а) +
+ ф(й.) соответствует совместному осуществлению альтернатив я₍.
и а.. Наиболее сильным является последнее предположение об ад­
дитивности оценок альтернатив.

Согласно методу Черчмена - Акоффа альтернативы я_р a₂,..., йдг ранжируются по предпочтительности. Пусть для удобства изложения альтернатива а, наиболее предпочтительна, за ней сле­дует а₂ и т.д. Эксперт указывает предварительные численные оцен­ки ф(а_/.) для каждой из альтернатив. Иногда наиболее предпочти­тельной альтернативе приписывается оценка 1, остальные оценки располагаются между 0 и 1 в соответствии с их предпочтительно­стями. Затем эксперт сравнивает альтернативу а, и суммы аль­тернатив й₂,..., a_N. Если а_х предпочтительнее, то эксперт коррек­тирует оценки так, чтобы

N

фСй1)>£ф(Я|)-

В противном случае должно выполняться неравенство

N

ф(я1)<Х<Р(а,)-

Ы2

Если альтернатива а. оказывается менее предпочтительной, то для уточнения оценок она сравнивается по предпочтению с суммой альтернатив й₂, а₃,..., a_N__x и т.д. После того как альтер­натива а₁ оказывается предпочтительней суммы альтернатив а₂,..., а_к(к £ 2), она исключается из рассмотрения, а вместо оценки

альтернативы а_х рассматривается и корректируется оценка аль­тернативы й₂. Процесс продолжается до тех пор, пока не откор­ректированы оценки всех альтернатив.

При достаточно большом TV применение метода Черчмена -Акоффа становится слишком трудоемким. В этом случае целесо­образно разбить альтернативы на группы, а одну из альтерна­тив, например максимальную, включить во все группы. Это по­зволяет получить численные оценки всех альтернатив с помощью оценивания внутри каждой группы.

Метод Черчмена - Акоффа является одним из самых эффек­тивных. Его можно успешно использовать при измерениях в шка­ле отношений. В этом случае определяется наиболее предпочти­тельная альтернатива а_п. Ей присваивается максимальная оценка. Для всех остальных альтернатив эксперт указывает, во сколько раз они менее предпочтительны, чем а_п. Для корректировки чис­ленных оценок альтернатив можно использовать как стандарт­ную процедуру метода Черчмена - Акоффа, так и парное сравне­ние предпочтительности альтернатив. Если численные оценки альтернатив не совпадают с представлением эксперта об их пред­почтительности, проводится корректировка.

Метод Неймана-Моргенштерна. Этот метод заключается в получении численных оценок альтернатив с помощью так назы­ваемых вероятностных смесей. В основе метода лежит предполо­жение, согласно которому эксперт для любой альтернативы а., менее предпочтительной, чем а_р но более предпочтительной, чем й,, может указать число а (0 <р < 1), такое, что альтернатива а. эквивалентна смешанной альтернативе (вероятностной смеси)

[pa_it(\ -р)а_{]. Смешанная альтернатива состоит в том, что альтер­натива й₍- выбирается с вероятностью р, а альтернатива a_f - с ве­роятностью \-р. Очевидно, что если р достаточно близко к 1, то альтернатива а_} менее предпочтительна, чем смешанная альтер­натива [pa_h(\-p)ai].

В литературе помимо уже упомянутого предположения рас­сматривается система предположений (аксиом) о свойствах смешанных и несмешанных альтернатив. К числу таких предпо­ложений относятся аксиома о связности и транзитивности отно­шения предпочтительности альтернатив, аксиома о том, что сме­шанная альтернатива [/>a,,(l-p)a/]предпочтительнее, чем 1>'а,->(!-р>/],если р> р', и др.

Если указанная система предпочтений выполнена, то для каж­дой из набора основных альтернатив а,, а₂, -••, Одг определяются числа jc_p х₂,..., Хф характеризующие численную оценку смешан­ных альтернатив.

Численная оценка смешанной альтернативы [р₁а_],р₂а₂,-.-,

P_Na_N] равна x_{p_t +x₂p₂ +... +x_Np_N.

Смешанная альтернатива \p_xa_v p&₂>—' Ptfii^ предпочтитель­нее смешанной альтернатива \p\a_v p ₂а₂„.., р'^^], если х_хр_х + х₂р₂ +... + x_Np_N > х_{р\ + х₂р\ +... +хцр'#.

Таким образом, устанавливается существование функции по­лезности

x_xPl +... + x_Np_N,

значение которой характеризует степень предпочтительности любой смешанной альтернативы, в частности и не смешанной. Более предпочтительна та смешанная альтернатива, для которой значение функции полезности больше.

Рассмотренные методы экспертных оценок обладают различ­ными качествами, но приводят в общем случае к близким резуль­татам. Практика применения этих методов показала, что наибо­лее эффективно комплексное применение различных методов для решения одной и той же задачи. Сравнительный анализ резуль­татов повышает обоснованность формулируемых выводов. При этом следует учитывать, что методом, требующим минимальных затрат, является ранжирование, а наиболее трудоемким - метод последовательного сравнения (Черчмена - Акоффа). Метод пар­ного сравнения без дополнительной обработки не дает полного упорядочения объектов.

Метод согласования оценок. Этот метод обычно применяется при обработке индивидуальных экспертных оценок. Он имеет много вариантов, различающихся способами, при помощи кото­рых из индивидуальных оценок получается обобщенная. При этом используются также различные методы согласования оценок:

1) простейшие, основанные на получении средней вероятности

1 " где п - число участвующих экспертов,

или средневзвешенного значения вероятности

p^&kiPiV&ki),

где к. - веса, приписываемые оценке каждого эксперта;

2) специальные методы оценки измерения и повышения коэф­фициентов согласованности (или коэффициентов непротиворе­чивости) мнений экспертов;

3) методы, основанные на отборе экспертной группы с высо­ким коэффициентом согласованности мнений (например, пред­ложенный В.В. Черняевым в [7] метод, основанный на преобра­зовании первых трех рангов дискретной шкалы в непрерывную и нормировании этой новой шкалы, отражающей мнения отобран­ных экспертов).

Наиболее часто при обработке материалов коллективной эк­спертной оценки используются методы теории ранговой корре­ляции. Для количественной оценки степени согласованности мне­ний экспертов применяется коэффициент конкордации W, который позволяет оценить, насколько согласованы между со­бой ряды предпочтительности, построенные каждым экспертом. Значение коэффициента находится в пределах $<*W<\, W = О, это означает полную противоположность, a W = 1 - полное со­впадение ранжировок. Практически достоверность считается хо­рошей, если W — 0,7...0,8.

Небольшое значение коэффициента конкордации, свидетель­ствующее о слабой согласованности мнений экспертов, является следствием следующих причин: в рассматриваемой совокупнос­ти экспертов действительно отсутствует общность мнений; внут­ри рассматриваемой совокупности экспертов существуют груп­пы с высокой согласованностью мнений, однако обобщенные мнения таких групп противоположны.

Для наглядности представления о степени согласованности мнений двух любых экспертов Л и В служит коэффициент пар­ной ранговой корреляции р, он принимает значения -1< р < +1. Значение р = +1 соответствует полному совпадению оценок в ран­гах двух экспертов (полная согласованность мнений двух экспер­тов), а р = (-1) - двум взаимно противоположным ранжировкам важности свойств (мнение одного эксперта противоположно мне­нию другого).

В качестве одного из методов повышения согласованности экспертных оценок применяют метод «дельфийского оракула», или «Делъфи»-метод (см.).

Тип используемых процедур экспертизы зависит от задачи

оценивания.

При проведении социологических измерений [8, 9], которые можно рассматривать как разновидность экспертных оценок (осо­бенно в случае организации выборочного социологического ис­следования), используют обычно качественные шкалы разного рода, которым ставятся в соответствие количественные оценки степени значимости.

Например («очень важно», «важно», «скорее важно, чем нет» и т.д.), оценивается введенный в вопросе качественный признак (в форме «пол­ностью согласен», «согласен», «не согласен», «категорически не согласен», или «да», «скорее да, чем нет», «скорее нет, чем да», «нет» и т.д.).

При этом могут применяться соответствующие методы обработки

результатов.

Например, при использовании шкалы Лайкерта [11], в которой за­даваемые группе лиц вопросы должны оцениваться по пятибалльной шкале (5 - «полностью согласен», 4 - «согласен», 3 - «нейтрален», 2 -«не согласен», 1 - «полностью не согласен»), при их обработке рекомен­дуется применять метод суммарных оценок. Шкалограммныи анализ Гуттмана сводится к построению шкал порядкового уровня измерения, представляющих собой одноместные шкалы, формируемые на основе первоначально используемой иерархизированной шкалы путем исклю­чения вопросов или факторов, посторонних по отношению к измеряе­мой характеристике. В случае использования метода «семантического» дифференциала, разработанного Ч. Осгудом [12] для измерения смысла понятий и слов и дифференциации эмоциональной стороны значения оцениваемого понятия, в качестве промежуточных методов обработки применяются графические, помогающие определить профиль распреде­ления установок.

Выбор подходов и методов зависят от конкретных задач и условий проведения экспертизы. Однако существуют некоторые общие проблемы, которые необходимо понимать при проведе­нии любых экспертных опросов. Кратко охарактеризуем их.

Возможность использования экспертных оценок, обоснова­ние их объективности обычно базируются на том, что неизвест­ная характеристика исследуемого явления трактуется как случай­ная величина, отражением закона распределения которой является индивидуальная оценка специалиста-эксперта о досто­верности и значимости того или иного события. При этом пред-

полагается, что истинное значение исследуемой характеристики находится внутри диапазона экспертных оценок p_i е Р (где Р = - ^<Рр/^,2' ■■■ >Рр ■■• *Р_п^{> есть} репрезентативная выборка), получа­емых от группы экспертов, и что обобщенное коллективное мне­ние является достоверным.

Однако в некоторых теоретических исследованиях это пред­положение подвергается сомнению. Например, в [2] предлагает­ся разделить проблемы, для решения которых применяются экс­пертные оценки, на два класса.

К первому классу относятся проблемы, которые достаточно хорошо обеспечены информацией и для которых можно исполь­зовать принцип «хорошего измерителя», считая эксперта храни­телем большого объема информации, а групповое мнение экс­пертов - близким к истинному.

Ко второму классу относятся проблемы, в отношении кото­рых знания для уверенности в справедливости названных пред­положений недостаточны. Экспертов нельзя рассматривать как «хороших измерителей», и необходимо осторожно подходить к обработке результатов экспертного опроса, поскольку в этом случае мнение одного (единичного) эксперта, уделяющего боль­ше внимания, чем другие, исследованию малоизученной пробле­мы, может оказаться наиболее значимым, а при формальной об­работке оно будет утрачено. В связи с этим к задачам второго класса в основном следует'применять качественную обработку результатов. Использование методов усреднения (справедливых для «хороших измерителей») в данном случае может привести к существенным ошибкам.

Задачи коллективного принятия решений по формированию целей, совершенствованию методов и форм управления обычна ' можно отнести к первому классу. При этом для повышения объек­тивности результатов целесообразно при обработке оценок вы­являть противоречивые и «редкие» мнения и подвергать их более тщательному анализу.

Другая особенность, которую нужно иметь в виду при исполь­зовании экспертных оценок, заключается в следующем.

Экспертные оценки несут в себе как узкосубъективные черты,, присущие каждому эксперту, так и коллективно субъективные,. присущие коллегии экспертов. И если первые устраняются в про­цессе обработки индивидуальных экспертных оценок, то вторые не исчезают, какие бы способы обработки ни применялись, а при

использовании «Дельфи»-процедуры и методов повышения со­гласованности мнений экспертов даже могут усиливаться.

Один из способов устранения недостатков, связанных с рас­сматриваемой особенностью, - при проведении экспертных оп­росов для принятия решений в организационных системах обра­щать особое внимание на формирование экспертной группы и на методы обработки результатов опроса, особо выделяя и учиты­вая редкие и противоречивые мнения.

При этом на получаемые усредненные оценки следует смот­реть, как на некоторую «общественную точку зрения», завися­щую от уровня научно-технических знаний общества относитель­но предмета исследования или принятия решения, которая может меняться по мере развития системы и наших представлений о ней. Такой способ получения информации о сложной проблеме, ха­рактеризующейся большой степенью неопределенности, должен стать своего рода «механизмом» в сложной системе, т.е. необхо­димо создавать регулярную систему работы с экспертами.

Еще одна особенность заключается в том, что эксперт-лидер при организации экспертного опроса в форме «Дельфи»-проце-дуры с устным обсуждением результатов оценки между турами опроса может постепенно «увести» группу экспертов в желаемом направлении.

На эту особенность обратил внимание A.M. Гендин, назвав ее «эффектом Эдипа».

Следует обратить также внимание на то, что использование классического частотного подхода к оценке вероятности при про­ведении экспертных опросов бывает затруднено, а иногда и не­возможно (из-за невозможности доказать представительность выборки). Поэтому в настоящее время ведутся исследования ха­рактера вероятности экспертной оценки, базирующиеся на тео­рии размытых множеств Заде, на представлении об экспертной оценке как степени подтверждения гипотезы или как вероятнос­ти достижения цели [3]. Последнее направление развивается на основе информационного подхода к анализу систем (см.).

Рассмотренные особенности экспертных оценок приводят к необходимости разработки методов организации сложных экспер­тиз (см.), которые помогают получать более объективные и дос­товерные оценки, расчленяя большую неопределенность на час­ти, вводя критерии оценки и применяя различные формы опроса.

• 1.Анфилатов B.C. Системный анализ в управлении / B.C. Анфилатов,
А.А. Емельянов, А.А. Кукушкин: под ред. А.А. Емельянова. - М.: Финансы
и статистика, 2002. 2. Бешелев С.Д. Математико-статистические методы
экспертных оценок / С.Д. Бешелев, Ф.Г. Гурвич. - М.: Статистика, 1980.
3. Волкова В.Н. Основы теории систем и системного анализа: учеб. для
вузов / В.Н. Волкова, А.А. Денисов. - СПб.: Изд-во СПбГТУ, 1997. -С.130-
145. 4. Л и т в а к Б.Г. Экспертная информация: методы получения и анали­
за / Б.Г. Литвак. - М.: Радио и связь, 1982. 5. Макаров И.М. Теория вы­
бора и принятия решений: учеб. пособие / И.М. Макаров. - М.: Наука, 1982.
6. Математический энциклопедический словарь / Гл. ред. Ю.В. Про­
хоров. - М.: Сов. энциклопедия, 1995. 7. Применение системного ана­
лиза на разных уровнях управления в высшей школе:«обзорная информация
/ под ред. В.Н. Волковой. -М.: НИИВШ, 1977. 8. Рабочая книга по про­
гнозированию / под ред. И.В. Бестужева-Лады. - М.: Мысль, 1982. 9. Р а б о -
чая книга социолога/под ред. Г.В. Осипова. - М.: Наука, 1977. 10. Тео­
рия прогнозирования и принятия решений / под ред. С.А. Саркисяна. - М.:
Высш. школа, 1977. 11. Like r t R. A Technique for the Measurement
of Attitudes // «Arch.Psechol.», 1932, vol. 11, № 140. 12. OsgoodCh. The
Measurement of Meaning / Ch. Osgood. G. Susi, P. Tannenbaum. - Urbana:
1957. В.Н. Волкова, А.А. Емельянов

ЭКСПЕРТНЫЕ СИСТЕМЫ - направление искусственного ин­теллекта (см.), выделившееся в самостоятельное в конце 60 - на­чале 70-х гг. XX в.

Термин «экспертная система» был введен Э. Фейгенбаумом в 1977 г. в заказанном ему пленарном докладе на Международной объединенной конференции по искусственному интеллекту (ИИ) [12]. Эту дату и принимают обычно за начало выделения направ­ления экспертных систем (ЭС) в самостоятельное. В то же время первой экспертной системой считают [1-6] систему DENDRAL [13], которая проявилась в 1969 г., а разработка ее была начата в 1965 г.

Строго говоря, Фейгенбаум ввел понятие «Knowledge engine­ering» - «инженерия знаний», которое первоначально было при­знано неудобным для русского языка, но в настоящее время считается более предпочтительным при исследовании интеллек­туальных систем (см.). Некоторые исследователи продолжают рассматривать эти два направления самостоятельными, но пере­секающимися. Другие [1] считают более общим термин «эксперт­ная система», который удобнее для практических приложений.

Дата добавления: 2015-11-04