пролбдю.. информ. 1. Информатизация юридической деятельности
 Скачать 3.14 Mb.
|
|
Тема 6. Интеллектуальные информационные технологии Цель и задачи: рассмотреть назначение и принципы использования интеллектуальных информационных технологий и их применение в юридической деятельности. Вопросы темы: 1. Знания. 2. Понятие искусственного интеллекта. 3. Экспертные системы. 4. Нейросетевые технологии. Вопрос 1. Знания. Информационные технологии имеют дело с информацией в виде фактов, данных, документов. Интеллектуальные информационные технологии преобразуют информацию в знания. Знания – это вид информации, хранимой в базах знаний и отражающей знание человека-специалиста (эксперта) в определенной предметной области. База знаний – это аналог базы данных, только для хранения знаний. Они включают множество всех текущих ситуаций в предметной области и способы перехода от одного описания объекта к другому. Другими словами, знания – это связи и закономерности предметной области (принципы, модели, законы), полученные в результате практической деятельности и профессионального опыта, позволяющего специалистам ставить и решать задачи в данной области. Отдельные понятия, факты, знания, связаны между собой отношениями индуктивного (от частного к общему), дедуктивного (от общего к частному) или индуктивно-дедуктивного вывода и формализуются соответствующими структурами: древовидными, морфологическими, реляционными и др. Для знаний характерны: внутренняя интерпретируемость (толкование); структурируемость; связность; активность. Говоря образно, знания = факты + убеждения + правила. Различают знания: Понятийные знания – набор понятий, используемых при решении данной задачи, например, в фундаментальных науках и теоретических областях наук, т.е. это понятийный аппарат науки (пример – информация). Конструктивные знания – наборы структур, подсистем и взаимодействий между их элементами, например, схема компьютера по Фон Нейману. Процедурные знания – методы, процедуры (алгоритмы) их реализации, например, в прикладных науках или в экспериментальных науках. Фактографические – количественные и качественные характеристики объектов и явлений. Метазнания – знания о порядке и правилах применения знаний (знания о знаниях). Представление знаний – это процесс, конечной целью которого является представление информации в виде информативных сообщений: фраз устной речи; предложений письменной речи; страниц книги; понятий справочника; объектов географической карты и т.п. Вопрос 2. Понятие искусственного интеллекта. Искусственный интеллект – это свойство автоматических и автоматизированных систем выполнять отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних условий. Создание искусственного интеллекта связано с моделированием высшей нервной деятельности человека. Выделяют два основных подхода к его исследованию и моделированию – имитационный и прагматический. Имитационный подход ставит своей целью имитировать и результаты работы мозга человека, и принципы его действия, т.е. понять, как именно работает мозг. Прагматический подход ставит цель найти методы, позволяющие машине решать сложные интеллектуальные задачи, какие умеет решать только человек. В действительности оба метода дополняют друг друга. Имитационный подход порождает основные идеи, а прагматический доводит их до стадии практически полезных разработок. В имитационном подходе обучение строится следующим образом. Накапливается статистическая информация о комбинации входных сигналов (образов). В тот момент, когда система «понимает», что некая комбинация входных сигналов не случайна, она обучается распознавать эту комбинацию как образ. Распознавание комбинации образов обучает систему формировать более сложные образы. Такой подход позволил создавать системы, способные находить способ управления в соответствии с меняющимися окружающими условиями и даже корректировать этот способ, т.е. создавать саморазвивающиеся самообучающиеся системы. Цель такой системы – улучшение собственного состояния. Под интеллектуальными информационными технологиями (ИИТ) обычно понимают такие информационные технологии, в которых предусмотрены следующие возможности: наличие баз знаний, отражающих опыт конкретных людей, групп, обществ, человечества в целом, при решении творческих задач в определенных сферах деятельности, традиционно считавшихся прерогативой интеллекта человека (например, такие плохо формализуемые задачи, как принятие решений, проектирование, извлечение смысла, объяснение, обучение и т.п.); наличие моделей мышления на основе баз знаний: правил и логических выводов, аргументации и рассуждения, распознавания и классификации ситуаций, обобщения и понимания и т.п.; способность формировать вполне четкие решения на основе нечетких, нестрогих, неполных, недоопределенных данных; способность объяснять выводы и решения, т.е. наличие механизма объяснений; способность к обучению, переобучению и, следовательно, к развитию. ИИТ строятся с использованием технологий гипертекста, мультимедиа, когнитивной графики совместно с методами имитационного и информационного моделирования, лингвистических процессоров, семантических и нейронных сетей и др. Уникальная особенность ИИТ — их «универсальность». Они практически не имеют ограничений по применению в таких областях, как управление, проектирование, машинный перевод, диагностика, распознавание образов, синтез речи и т. д. ИИТ используются для: создания экспертных систем; нахождения решений в сфере управления; решения задач аналитического характера на основе структуризации текста для создания аналитических докладов, записок; прогнозирования природных, экологических катастроф, техногенных аварий; нахождения решений в социальной и политической сферах с повышенной напряженностью и т.д. Еще одно эффективное применение — поиск информации в Интернете и других глобальных сетях, её структуризация и доставка заказчику. Вопрос 3. Экспертные системы. Назначение и структура экспертных систем. Наиболее широкое применение в юридической деятельности получили экспертные системы, создаваемые на основе интеллектуальных информационных технологий. Такие информационные системы используют знания, полученные от экспертов, т.е. квалифицированных специалистов в заданной области. Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. Экспертная система (ЭС) представляет собой сложную автоматизированную информационную систему, которая, взаимодействуя с человеком на естественном языке, обрабатывает символьную информацию и использует неполные данных для построения логических выводов, причем знания отделены от обслуживающих их программных средств и вводятся в систему описательным способом. Данные системы позволяют избежать не только технической, но и интеллектуальной работы людей с информацией, соответственно многократно повышают производительность труда за счет увеличения скорости обработки неструктурированной информации. Экспертные системы представляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристических правил (эвристик). Эвристики не гарантируют получения оптимального результата с такой же уверенностью, как обычные алгоритмы, используемые для решения задач в рамках технологии поддержки принятия решений. Однако часто они дают в достаточной степени приемлемые решения для их практического использования. Все это делает возможным использовать технологию экспертных систем в качестве советующих систем. Экспертная система работает в двух режимах: 1) режиме приобретения знаний; 2) режиме решения задачи (называемом также режимом консультации или режимом использования ЭС). В режиме приобретения знаний общение с ЭС осуществляет эксперт через посредничество инженера по знаниям. Эксперт — человек, который за годы обучения и практики научился чрезвычайно эффективно решать задачи, относящиеся к конкретной предметной области. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области. В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. В зависимости от назначения ЭС пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к ЭС за результатом, не умея получить его сам), или, наоборот, быть специалистом (в этом случае пользователь может сам получить результат, но он обращается к ЭС с целью либо ускорить процесс получения результата, либо возложить на ЭС рутинную работу). В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из БЗ формирует решение задачи. ЭС при решении задачи не только исполняет предписанную последовательность операции, но и предварительно формирует её. Если реакция системы непонятна пользователю, то он может потребовать объяснения: «Почему система задает тот или иной вопрос?» В мировой юридической практике уже давно существуют ЭС, которые решают практически любые правовые задачи. Такие ЭС выполняют следующие функции: устранение противоречий с актами высшей юридической силы; устранение внутренних противоречий и пробелов в правовом акте; формирование совета по принятию решения в конкретной юридической ситуации. Внедрение в юридическую практику ЭС позволяет оптимизировать рабочее время юристов и высвободить часть рабочей силы, занимающейся работой по вышеуказанным функциям. Фактами для БЗ юридической ЭС могут быть материальные нормы и юридические факты, правилами их преобразования – логика процессуальных правовых норм, а в случае их отсутствия – юридическая логика. Источником достоверных знаний для юридической ЭС являются нормативные правовые акты, эвристики – индивидуальные акты, в том числе судебные решения, а также иные процессуальные документы. Информация из источников на естественном языке формализуется и кодируется в машинный вид для хранения в БЗ. Сходство информационных технологий, используемых в экспертных системах и системах поддержки принятия решений, состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия. 1. Решение проблемы в рамках систем поддержки принятия решений отражает уровень её понимания пользователем и его возможности получить и осмыслить решение. Технология экспертных систем, наоборот, предлагает пользователю принять решение, превосходящее его возможности. 2. Способность ЭС пояснять свои рассуждения в процессе получения решения. Очень часто эти пояснения оказываются более важными для пользователя, чем само решение. 3. Использование нового компонента информационной технологии – знаний. Основными компонентами информационной технологии, используемой в ЭС, являются (рис.16): интерфейс пользователя; база знаний; интерпретатор; модуль создания системы.  Рис. 16.Основные компоненты ИТ экспертных систем Пользователь (специалист) использует интерфейс для ввода информации и команд в ЭС и получения выходной информации из неё. Он может использовать четыре метода ввода информации: меню, команды, естественный язык и собственный интерфейс. Технология ЭС предусматривает возможность получать в качестве выходной информации не только решение, но и необходимые объяснения. БЗ содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в БЗ принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условие, которое может выполняться или нет, и действие, которое следует произвести, если выполняется условие. Все используемые в ЭС правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил. Интерпретатор – это часть ЭС, производящая в определенном порядке обработку знаний, находящихся в БЗ. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, то выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы. Во многих ЭС вводятся дополнительные блоки: база данных, блок расчета, блок ввода и корректировки данных. Блок расчета необходим в ситуациях, связанных с принятием управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных. Программная оболочка ЭС представляет собой готовую программную среду, которая может быть приспособлена к решению определенной проблемы путем создания соответствующей БЗ. В большинстве случаев использование оболочек позволяет создавать ЭС быстрее и легче в сравнении с программированием. Примеры экспертных правовых систем. Для автоматизации работы эксперта-криминалиста создаются и используются экспертные правовые системы. Экспертные правовые системы, как и экспертные системы любого назначения, – это системы искусственного интеллекта, включающие базу знаний, правила вывода и механизм вывода («машина вывода»). Экспертные правовые системы позволяют распознавать криминальную ситуацию, находить возможные направления её расследования, давать практические рекомендации. Используемые в экспертной правовой системе знания складываются из фактов, убеждений и правил, а базу знаний составляет информация о предмете расследования в данный момент, которая создается на основе исследований в данной конкретной области и опыта специалистов. База содержит набор правил и факты в виде объектов, атрибутов и условий. Учитываются также ограничения на достоверность фактов. База знаний формируется специалистами в соответствующей области и при функционировании может активно использовать базы данных. Чтобы ускорить и упростить создание баз знаний, существуют экспертные оболочки. В правоохранительной деятельности ЭС используются, в основном, в следственной практике, хотя имеются примеры и других применений. Так экспертная система «БЛОК», предназначенная для борьбы с экономическими преступлениями, позволяет расследовать хищения в строительстве с использованием экономических, технологических, товароведческих, бухгалтерских, оперативных материалов и признаков, а также данных о лицах и документах в этой области. Экспертная система «БЛОК» может адаптироваться в процессе эксплуатации. Она предназначена для увеличения производительности труда и повышения качества работы сотрудников подразделений по борьбе с экономической преступностью (БЭП), помогает устанавливать возможные способы совершения хищений при проведении строительных работ. На этапе ввода исходных данных система позволяет пользователю — оперативному уполномоченному аппарата БЭП сформулировать свою проблему. На основании введенной информации автоматически определяются возможные способы совершения хищений. Кроме того, в ЭС реализована возможность автоматического вывода списка признаков, соответствующих тому или иному способу совершения хищения. Этот список используется для планирования мероприятий по раскрытию преступления и документированию действий расхитителей. Для формирования решения о способе совершения преступлений используется семь групп признаков: экономические, технологические, товароведческие, бухгалтерские, оперативные, а также причастные лица и документы — носители информации. Все выводы ЭС строятся на основе базы знаний, которая содержит набор взаимосвязанных правил, позволяющих определить возможность совершения хищения тем или иным способом по произвольному (введенному пользователем) набору признаков. Система отличается простотой ввода новых знаний, что позволяет быстро адаптировать её к изменяющимся внешним условиям, в процессе эксплуатации. В ЭС имеется подсистема помощи (HELP) по её эксплуатации и подсистема обучения пользователя. Экспертная система «АВТОЭКС» предназначена для экспертизы дорожно-транспортных происшествий и позволяет, например, установить, мог ли водитель транспортного средства предотвратить происшествие. Для автоматизации судебно-экспертных исследований требуется использование экспертных систем и систем искусственного интеллекта. В этой области можно выделить следующие разделы. Автоматизация сбора и обработки экспериментальных данных, полученных при расследовании, с использованием современных научно-технических способов. Для этого могут использоваться измерительно-вычислительные комплексы на базе измерительных приборов и компьютеров. Для анализа данных используются технологические банки данных. Создание банков данных и Автоматизированных информационно-поисковых систем (АИПС) по конкретным объектам экспертизы, например, «Металлы», «Автоэмали», «Волокно» (текстиль), «Красители» (волокна), «Помада» (губная), «Бумага», «Оружие», «Наркотические средства». АИПС могут работать самостоятельно или совместно с другими информационно-вычислительными комплексами. Так, например, имеются АИПС по взрывчатым веществам гражданского и военного применения, а также боеприпасам (можно определять состав, марку взрывчатых веществ по экспериментальным данным); банки данных «Модель оружия-гильзы» (можно найти тип оружия по пуле или гильзе). Автоматизированное решение экспертных задач вплоть до подготовки экспертного заключения. Этой цели служат системы поддержки судебной экспертизы (СПСЭ). С их помощью можно провести исследование и оценку вещественных доказательств, подготовить и сформулировать экспертное заключение. Примеры СПСЭ: «ЭВРИКА» (экспертиза и выдача результатов исследования кабелей), работающая в диалоговом режиме; «КОРТИК» – экспертиза холодного оружия; «БАЛЭКС» – баллистическая экспертиза; «НАРКОЭКС» – экспертиза наркотических веществ; «МОДЕЛЬ ОРУЖИЯ», «ПАТРОН» – идентификация оружия по пулям и гильзам; «ПАПИЛОН» и «СОНДА-ФРЕС» – анализ снятых на дактило-картах отпечатков пальцев с места происшествия. Принадлежность отпечатков конкретным лицам устанавливается экспертом. Сейчас системы активно внедряются в ОВД РФ; «ОБУВЬ» и «САПОГ» – исследования следов обуви. Эта важная экспертиза в РФ развита пока недостаточно. Для анализа используется кодирование элементов подошв обуви и рельефа рисунка. Принцип работы всех СПСЭ – эксперт отвечает на вопросы компьютера. В случае неоднозначности рекомендаций СПСЭ решение принимает эксперт по своим убеждениям. Поскольку СПСЭ может быть очень много, имеются программные средства их автоматизированной разработки для конкретных приложений. Следственные экспертные системы по раскрытию и расследованию преступлений: ЭС прогнозирования преступлений, позволяющая оценить зависимость между характерными особенностями личности преступника и возможным местом совершения преступления. ЭС выявления скрытых преступлений (например, скрытых хищений в производстве или торговле) на основе анализа деятельности предприятий позволяет получить материал для ревизий. ЭС поиска и установления личности преступника позволяет сделать предположения о личности преступника по материалам следствия и сузить круг подозреваемых лиц. ЭС расследования убийств, анализирующие следственные данные о преступнике, потерпевшем, способе совершения и сокрытия преступления, орудии убийства, возможных мотивах, месте и времени преступления. Такие ЭС могут иметь несколько разновидностей в зависимости от криминалистической характеристики преступления (убийство на сексуальной почве, с расчленением трупа, с особой жестокостью и др.). ЭС для расследования грабежей и разбоев и многие другие. Вопрос 4. Нейросетевые технологии. Определение. Нейросетевыми технологиями называют комплекс информационных технологий, основанных на применении искусственных нейронных сетей. Искусственные нейронные сети – это программно- или аппаратно- реализованные системы, построенные по принципу организации и функционирования их биологического аналога – нервной системы человека. Нервная система человека состоит из нейронов. Все нейроны связаны между собой нервными волокнами, которые передают электрические импульсы. Нейронные сети — иерархически организованные параллельные соединения адаптивных элементов — нейронов, которые обеспечивают взаимодействие с объектами реального мира так же, как и биологическая нервная система. К настоящему времени предложено большое количество способов объединения нейронов в нейросеть. Нейроны в сети расположены слоями. Обычно выделяют входной слой, на который подается возбуждающий сигнал, выходной слой, с которого снимают переработанный сетью сигнал, а все остальные слои называют скрытыми, поскольку они не видны пользователю. Очевидно, что для адекватного решения задачи функционирования сети нужно правильно выбрать значения весов связей между нейронами — обучить сеть. Процесс обучения состоит в настройке параметров этой сети. В практике искусственных нейронных сетей сложились два основных метода обучения: 1. с учителем; 2. без учителя. Обучение с учителем заключается в том, что помимо входных сигналов, известны также и ожидаемые выходные сигналы. Иными словами, нейрон каждый раз получает информацию о том, какой выходной сигнал от него ожидают. При обучении без учителя ожидаемые выходные сигналы неизвестны, подбор весовых коэффициентов осуществляется на основе конкуренции нейронов, либо корреляции обучающих и выходных сигналов. Наиболее ценное свойство нейронных сетей — способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации и какие бы, то ни было зависимости между входными и входными данными. С такими ситуациями (а это 80 % задач финансового анализа) не справляются как традиционные математические методы, так и экспертные системы. Нейронные сети способны успешно решать задачи, опираясь на неполную, искаженную и внутренне противоречивую информацию. Для использования методов корреляционного, регрессионного анализа требуется специалист высокой квалификации, однако эксплуатация обученной нейронной сети по силам рядовому пользователю. Внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично наращивать мощность любой нейросистемы. Можно начать с простого пакета, потом перейти на профессиональную версию, затем – на специализированный компьютер с гарантией полной преемственности всего ранее созданного. Применение нейросетевых технологий для задач юриспруденции. В настоящее время мы переживаем период широкого практического применения нейросетевых технологий для решения самых разнообразных задач. С их помощью стало возможным строить математические модели, выполняющие сложные многомерные отображения входного вектора параметров X на выходной вектор Y. Задачи подобного рода часто встречаются в самых разнообразных областях, таких как промышленность, экономика, бизнес, финансы, политология, социология, криминалистика, медицина и т.д. Практически в каждой проблеме, решаемой прикладными науками, требуется построить модель явления, процесса, объекта, т.е. выявить и математически описать зависимость одного комплекса параметров от другого, построить математические функции, которые можно использовать для более глубокого анализа объекта. Например, найти оптимальное сочетание управляющих параметров, обеспечивающих максимум целевой функции, выполнить прогнозирование, предсказать, как будут развиваться события в зависимости от того или иного воздействия. Примером такого использования является нейросетевой детектор лжи. Правду ли говорит ребенок, обычно легко определить по выражению его лица, движению глаз, покраснению кожи. Со взрослым человеком это сделать значительно труднее. Если измерять давление крови, то можно выяснить, что у одних людей, говорящих правду, оно повышается, а у других, наоборот, понижается. То же самое может происходить с пульсом. Нейросетевые технологии позволяют по-новому подойти к проблеме построения детектора лжи. Они создают компьютерную программу, которая настраивается на каждого конкретного человека и учитывает индивидуальные особенности его организма. Выборка обучающих примеров формируется в результате предварительных бесед следователя с подследственным, в ходе которых следователь задает вопросы, ответы на которые ему известны. Таким образом, следователь во время этих бесед снимает с подследственного векторы обучающих примеров. Накопив достаточное число примеров, можно научить Приведенный способ создания настраиваемого детектора лжи обладает недостатком, состоящим в трудоемкости формирования обучающей выборки. Поэтому его можно рекомендовать для ответственных случаев, когда затраты на длительные беседы следователя с подследственным оправданны. Вопросы для самопроверки: 1. Что понимается под термином «знания»? 2. В чем разница между знанием и информацией? 3. Что представляет собой искусственный интеллект? 4. Что такое Понятийные знания? 5. Что такое Конструктивные знания? 6. Что такое Фактографические знания? 7. Что такое Метазнания? 8. Что такое Экспертная система? 9. В каких режимах работает Экспертная система? 10. Кто является источником знаний Экспертной системы? 11. В чем суть нейросетевых технологий? Литература по теме: 1. Ясницкий Л.Н. Введение в искусственный интеллект: Учеб. пособие для студ. высш. учеб. заведений - М.: Издательский центр «Академия», 2011. 2. Згадзай, О.Э. Информационные технологии в юридической деятельности [Электронный ресурс] : учебное пособие для студентов вузов, обучающихся по специальностям «Юриспруденция» и «Правоохранительная деятельность». - Москва : ЮНИТИ-ДАНА, 2014. - 335 с. 3. Информационные технологии в экономике и управлении. Учебник для бакалавров. – 3 изд. – М.: Юрайт, 2012. - 521 с. |