На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
09 Декабря 2024

Применение экспертных систем при оценке кредитного риска

Статья опубликована в выпуске журнала № 3 за 1995 год.
Аннотация:
Abstract:
Автор: Егельский А.А. () -
Количество просмотров: 13890
Версия для печати

Размер шрифта:       Шрифт:

Крупные успехи в области исследований по искусственному интеллекту (ИИ), достигнутые в последние годы, создают предпосылки для значительной активизации разработки и практического внедрения прикладных диалоговых интеллектуальных систем, получивших название экспертных. Такие системы предназначены для оказания помощи различным категориям пользователей-непрофессионалов при решении ими достаточно сложных, математически слабо формализуемых задач, не поддающихся решению на ЭВМ традиционными алгоритмическими методами.

Кроме того, эти задачи, как правило, характеризуются отсутствием необходимого объема достоверных исходных данных и требуют от пользователей принятия решений на основе анализа множества различных, нередко противоречивых, условий. Современные экспертные системы (ЭС), реализуемые в основном программными средствами на базе универсальных ЭВМ разных классов, выдают им готовые решения такого рода интеллектуальных задач.

Понятие об экспертной системе

Функционирование каждой ЭС базируется на разработке знаний в той предметной области, на которую эта система ориентирована. Специалисты по ИИ называют такие специально выделяемые и описываемые для представления в ЭВМ области предметными [1]. Описание предметной области содержит подробные сведения обо всех характерных для нее объектах, явлениях, фактах и процессах.

Традиционный подход к разработке программного обеспечения [2], характеризуемый формулой

Данные + Алгоритм = Программа,

при создании систем ИИ, в частности ЭС, сменяется новым подходом (парадигмой):

Знания + Логический вывод = Программа.

Совокупность сведений, описывающих предметную область, называют базой знаний (БЗ) [3].

Термин знания является ключевым в теории и практике ИИ, хотя строгого его определения до сих пор нет. Понятие знания является дальнейшим развитием, давно ставшим традиционным, понятия данные и вместе с тем качественно от него отличается [1].

Можно отметить, по крайней мере, три отличительные особенности знаний: их интерпретируемость, наличие классификационных связей и ситуативных отношений.

Семантика данных, размещенных в памяти ЭВМ, становится понятной только через программу их обработки. Действительно, выбирая в нужные моменты те или иные данные и совершая над ними необходимые операции, программа как бы учитывает содержательные аспекты данных, которые были известны программисту. В отличие от систем обработки данных в системах, базирующихся на знаниях, содержательные аспекты данных (их семантика) хранятся в памяти системы наряду с другими характеристиками данных. Это позволяет единообразно оперировать обрабатываемой информацией всех типов. В том и состоит свойство итерпретируемости (вернее, самоинтерпретируемости) знаний.

При работе с данными различных типов невозможно (за исключением простейших случаев) устанавливать связи, отражающие существующие между этими данными зависимости. В данном случае речь идет не о функциональных зависимостях, выражаемых строгими формулами, а о классификационных связях типа родовых, причинно-следственных и др.

Только в системах, работающих со знаниями, информация о таких связях между объектами представляется в явной форме. Благодаря этому обеспечивается компактное представление всей необходимой информации и единообразие ее обработки [4].

Следует отметить, что системам, основанным на знаниях, присуща способность непосредственной передачи ситуативных отношений (временных, пространственных и др.). Это дает возможность, с одной стороны, использовать противоречивые сведения в рамках ситуаций, а с другой – выявлять существенные противоречия, препятствующие поиску правильных решений.

Другим полезным свойством систем, базирующихся на использовании знаний, является возможность обработки неопределенных и недоступных знаний. В неопределенные выражения может вводиться коэффициент достоверности либо эти выражения обрабатываются как символьная информация, например, в том случае, когда пользователь на вопрос "да-нет” отвечает выражением "возможно". Если пользователь не в состоянии ответить на вопрос, то система осуществляет самостоятельный поиск других путей определения требуемого значения.

В некоторых системах имеется возможность проверки полученных значений на основании дополнительной информации и отказа от ранее сделанных выводов.

Создание систем, ориентированных на работу со знаниями, потребовало перехода от баз данных (БД) и систем управления базами данных (СУБД) к базам знаний (БЗ) и системам управления базами знаний (СУБЗ). Последние должны обеспечивать представление знаний и различные операции с ними с помощью соответствующих языков представления знаний (ЯПЗ) и встроенных механизмов манипулирования знаниями.

Хотя в настоящее время не существует универсального, точного и общепринятого определения понятия ЭС, а имеются лишь отдельные определения, отражающие подходы разных авторов к пониманию сущности этих систем, приведем одно из определений понятия ЭС, наиболее полно отражающее сущность этого понятия.

Итак, под ЭС понимается программа или специализированное вычислительное устройство, способное накапливать и обобщать эмпирический опыт специалистов-экспертов в заданной предметной области, а затем консультировать рядовых специалистов в этих областях по поводу решаемых ими практических задач и объяснять, как система пришла к тому или иному предложенному решению [5].

В настоящее время выделяется 7-10 типовых задач, при решении которых применение ЭС дает весьма существенный эффект. Согласно классификации, предложенной рабочей группой американских специалистов, это – задачи интерпретации, диагностики, слежения, (мониторинга), прогнозирования, планирования, проектирования, отладки, ремонта, обучения и управления [5,6]. Однако, безусловно, данный перечень, с одной стороны, не является исчерпывающим, а с другой – наоборот, избыточен, так как некоторые из указанных в нем задач являются частными случаями других.

Остановимся подробнее на задаче интерпретации, так как она одна из первых оказала влияние на становление методологии ЭС. При этом под интерпретацией понимается процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Очень часто в задачах интерпретации выдвигается требование обеспечить исчерпывающий анализ, то есть рассмотреть все множество возможных интерпретаций, исключая отдельные варианты лишь в тех случаях, когда для этого имеются веские причины. Естественно, выявление последних для конкретно решаемых задач, как правило, является неформальной процедурой, отражающей опыт и знания специалистов-экспертов.

Область применения ЭС расширяется быстро; наибольшее применение системы получили в военном деле, геологии, медицине, космической технике, химии. Следует отметить, что успеху и распространению ЭС очень помог наглядный пример удачной работы некоторых конкретных систем. Эта тенденция будет продолжаться - успех в одних областях применения вызовет рост интереса в других. Ожидается повышенное внимание к ЭС в новых областях, таких как финансовое планирование, юриспруденция, управление предприятиями и управление кризисными ситуациями.

Экспертная система для оценки риска займа

В качестве примера разработки ЭС в области финансового управления приведем пример ЭС "Советчик по одобрению займов" (Loan Approvial Adviser), которая была разработана фирмой System Disiners для Бельгийского Кредитного Банка. Она спроектирована как дополнение к имеющейся в банке системе, основанной на простой схеме учета кредитования. Назначением ЭС была выдача более эффективных займов в отделениях банка в случаях, когда кредитная схема не дает конкретного ответа без обращения в штаб-квартиру банка.

"Советчик" разработан с использованием оболочки ЭС SAGE и функционирует на ПК типа IBM PC/XT. Система была разработана в течение 6 месяцев двумя разработчиками.

Существующая система "числовая оценка кредитования" запрашивает у пользователя всю информацию о клиенте, займе и о гарантиях. В результате система выдает список для кредитования. Если клиент отметит достаточно пунктов в этом списке, то кредитование будет утверждено. Если нет, то будет запущена ЭС "Советчик по одобрению займов". Эта система также обрабатывает случаи, которые не обрабатываются "числовой" системой:

- когда сумма кредита слишком велика,

- когда нужна подпись третьих лиц (например, для людей, состоящих в браке, подпись мужа или жены клиента),

- когда клиент уже имеет задолженность в банке,

- когда клиент берет в долг для уплаты других долгов,

- когда платежи погашения долга неравномерны или при срочности займа более 60 месяцев.

Данная система запрашивает ввод дополнительной информации. После каждого ответа она выполняет шаг логического вывода и принимает решение о следующих действиях. Главной целью работы системы является определение степени достоверности выдачи клиенту займа. На основе этой достоверности система дает пользователю ответ о том, можно ли выдавать ссуду этому клиенту.

Оценивается:

а) достоверность предназначения ссуды, определяемая по сроку, объему кредита, величине аванса, цели ссуды;

б) достоверность платежей погашения долга, определяемая по доходам клиента, доходам его супруга (супруги), уверенности в его доходах, в соотношении между текущим уровнем жизни и доходами клиента и т.д.;

в) достоверность гарантий, в зависимости от того, какого рода гарантии предоставляет клиент;

г) доверие к самому клиенту, определяемое в зависимости от его профессии, от того, сколько лет он пользуется банком, есть ли у него еще банковские счета в данном банке или в других банках, от того, насколько он опытен, какая у него есть собственность.

Учитывается также прошлый опыт, опыт работы с его родственниками и мнение должностного лица в отделении, где запрошен займ. Половина всех вопросов может обрабатываться непосредственно "числовой" системой (около 500 запросов в неделю). Другая половина запросов обрабатывается системой "Советчик по одобрению файлов". Есть данные, что более половины этих запросов обеспечиваются займами без вмешательства из штаб-квартиры. Таким образом, ЭС "Советчик по одобрению займов" успешно выполняла поставленную перед ней задачу: разгрузить соответствующий отдел в штаб-квартире банка.

В настоящее время реализовано множество различных прикладных ЭС. И все же – это лишь островки в океане возможных применений технологии ЭС, для развития которых характерна тенденция "экспансии" во все новые и новые предметные области [7]. Анализ существующего положения развития ЭС показывает, что только третья часть разрабатываемых ЭС доходит до стадии действующего прототипа, а до заключительных стадий доводятся лишь единицы. Тем не менее общее количество ЭС продолжает неуклонно расти.

Если же говорить об общих тенденциях расширения круга предметных областей, то в этом плане следует отметить переход от статических к динамическим предметным областям, которые требуют работы соответствующих ЭС в реальном масштабе времени, а также от классификационных задач к задачам планирования и проектирования [8].

Список литературы

1. Представление знаний в человеко-машинных и робото-технических системах. – Т. А, B, C, Д. – М.: ВИНИТИ, 1984.

2. Forsyth R. Expert System, principies and studies. London: Chapman and Hall. – 1984.

3. ART Programming Primer. Los Angeles: Inference Corp. – 1984.

4. Вычислительные машины и мышление. – М.: Мир, 1986.

5. Computure Journal. – № 4. – 1980.

6. Хейес-Рот Ф., Уотермен Д., Ленат Д. Построение экспертных систем. – М.: Мир, 1987.

7. Expert System Strategies – № 4 – 1987.

8. Expert System. Hewett J. – 1986: USA and Canada.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=1127&lang=
Версия для печати
Статья опубликована в выпуске журнала № 3 за 1995 год.

Назад, к списку статей