Особливості інтелектуальних систем, заснованих на знаннях

Сучасні персональні комп\'ютери надають користувачеві чимало нових можливостей, істотно прискорюючи його працю. При цьому проблема розуміння комп\'ютером усної і письмової людської мови плавно перейшла в розробку засобів автоматизації введення, висновку та обробки інформації за участю людини і на сьогоднішній день багато в чому успішно вирішена.

Роботи в галузі штучного інтелекту переважно пов\'язані з інтерпретацією знання, отриманого всілякими шляхами і володіючого різноманітними властивостями.

“Інженерія знань являє собою сукупність технічних прийомів, націлених на створення систем, що призначені для рішення проблем з використанням знань” [95]^[163].

“Знаннями прийнято називати збережену (в ЕОМ) інформацію, формалізовану відповідно до визначених структурних правил, яку ЕОМ може автономно використовувати при рішенні проблем за такими алгоритмами, як логічні висновки” [95]^[164].

Питання про те, яким умовам повинні відповідати знання, включаючи і їхні описові можливості, має різну відповідь у залежності від сфери їхнього застосування. Подання знань і їх використання, розглянуте стосовно до конкретної прикладної галузі, є предметом інженерії знань.

Активні дослідження у галузі інженерії знань привели до значних практичних результатів. У травні 1997 р. комп\'ютер Deeper Blue, розроблений фірмою IBM, виграв матч у чемпіона світу по шахам Гаррі Каспарова, продемонструвавши тим самим, що системи штучного інтелекту здатні боротися на рівних навіть із самими авторитетними фахівцями. Сучасні інтелектуальні системи, засновані на знаннях, застосовуються у всіляких галузях діяльності людини.

Щоб краще зрозуміти сутність досліджень у цій предметній галузі, необхідно, насамперед, визначити зміст поняття “інтелект” і поняття “інтелектуальне поводження”, що випливає звідси.

Фахівці звичайно з великою обережністю підходять до питання про визначення поняття інтелекту.

Розмаїтість трактувань інтелекту вплинула і на тлумачення предмета штучного інтелекту: учасники міжнародної конференції по штучному інтелекту, що проходила у місті Карлсруе в 1983 р., запропонували 107 визначень, які можна умовно розділити на чотири групи.

1. Прагматичні, приміром, побудова програми зі зрозумілим для людини змістом; здатність комп\'ютера адекватно функціонувати в людському оточенні; спроба знайти корисні рішення проблем, які ми не вміємо вирішувати.

2. Предметно–орієнтовані, мета яких – виявити місце штучного інтелекту в ряді наукових дисциплін. Наприклад, дослідження за допомогою комп\'ютера процесів міркування, рішення задач, розуміння; створення абстрактної теорії інтелекту, незалежної від носія.

3. Песимістичні, що виражають сумнів в існуванні “штучного інтелекту”. Наприклад, несуттєво, якого рівня інтелектуальності досягнуть програми штучного інтелекту, тому що вони ніколи не будуть кращими за людей, що ними користуються; рішення загадкового поводження людини незадовільними методами.

4. Метафоричні. Приклади: інформаційна скульптура; механічна епістемологія; одержання влади над інтелектом; спроба протиставити людям автомати, позбавлені почуттів.

Рішення проблеми штучного інтелекту певною мірою пов\'язано з філософським підходом до співвідношення відображення й інформації. У філософській літературі наявні дві основні концепції їхнього співвідношення:

а) інформація подається як форма високоактивного відображення в самокерованих системах;

б) інформація представляється як сторона, частина будь–яких видів відображення, у тому числі і його вищих формах.

Створення систем штучного інтелекту з погляду концепції інформації як сторони відображення не означає відтворення всіх особливостей людської свідомості як вищого виду відображення.

Людвіг Вітгенштейн, спираючись на Фреге і Рассела, сформулював у своєму “Логіко–філософському трактаті” у чистому вигляді цей синтаксичний, репрезентаціоністський погляд на відношення свідомості до дійсності, визначивши світ як сукупність логічно незалежних атомарних фактів, які можна вичерпним чином розкласти на прості об\'єкти [30]^[167]. Якщо дані всі об\'єкти, то тим самим дані також і всі атомарні факти, що репрезентуються у свідомості. Ми створюємо для себе образи фактів. Те, що елементи образа з\'єднуються один з одним визначеним способом, показує, що так само з\'єднуються один з одним і речі.

У сфері інформаційних технологій дефініції “інтелектуальні системи” будуються на підставах, відповідно до досвіду інженерів знань у сфері технологічного відношення до знання, оцінкою машинних ресурсів, прийнятності тих або інших технологічних ресурсів.

Наприклад, на думку К.Хоггера, “інтелектуальні системи, засновані на знаннях, – це такі системи, у яких механізми інтелектуальних міркувань застосовуються до явних представлень знань” [146]^[168].

Т.Гергей і В.Фінн вважають, що “під інтелектуальною системою будемо розуміти пари: людина – комп\'ютерна система, у якій другий компонент реалізує міркування, що використовує структуровані дані з бази даних і знання з бази знань, здатні не стільки імітувати діяльність висококваліфікованого експерта, скільки підсилювати у процесі взаємодії людини (експерта)” [33]^[169].

“Інтелектуальна система – “процесор ідей”, що допомагає людині в рішенні проблем, здатний до поглинання знань будь–якого ступеня оформленості і формалізованості, навіть якщо це всього лише початкові ідеї або уривчасті окремі повідомлення типу розумінь” [80]^[170], – визначає В.С.Лозовський.

Звертає увагу на себе те, що фахівці позбавляють “інтелектуальну систему” атрибутів експертної системи як транслятора особистісного знання і декларують можливість обробки будь–якого знання, а також розмаїтість потреб користувача.

Рутинну діяльність людини намагалися автоматизувати за допомогою традиційних обчислювальних технологій, що базуються на тріаді: формальна теорія – алгоритм – програма.

У той же час, штучний інтелект накопичував досвід нетрадиційного використання комп\'ютера як засіб моделювання інтелектуальних процесів, що відбилося в популярній у 60–і роки науково–дослідній програмі “евристичне програмування”, ключовою ідеєю якої стала думка про програмування евристик людини в рішенні слабоформалізованих задач (евристика – це засноване на досвіді правило, стратегія, прийом, що спрощує пошук рішення задачі). Методологія створення таких програм була досить простою: евристики витягалися із самозвітів випробуваних. Самими популярними програмами стали “Логік–теоретик” (1957 р.), призначена для доказу теорем у вирахуванні висловлювань, і “Загальний вирішувач задач” (1959 р.) для створення програми гри в шахи, розроблені А.

Ці програми мали демонстраційний характер і не мали прикладного значення, але на їхній базі були створені машинні програми інтегрування невизначених інтегралів, доказу теорем у вирахуванні предикатів першого порядку, шахові програми. Відповідно до лабіринтової моделі, усяке рішення задачі людиною можна уподібнити рухові по лабіринту можливостей, де вибір одного шляху з безлічі можливих альтернатив здійснюється за допомогою спеціальних локальних критеріїв успіху. Однак для творчих задач лабіринтова модель виявилася непридатною, тому що найчастіше подібні задачі не є лабіринтовими або лабіринти для їхнього рішення мають занадто великий розмір.

Тому необхідним був пошук моделі рішення задач, у яких би брали участь не тільки метапроцедури пошуку і локальної оцінки альтернатив, але й інші механізми метарівня. Штучний інтелект можна трактувати як спробу відшукати в суб\'єкті (у людині або в комп\'ютері) прості елементи і логічні відносини, що відбивають ті прості об\'єкти і відносини між ними, з яких зроблений світ. Інтуїція ж, відповідно до якої нам варто створювати штучний інтелект, моделюючи мозок, а не символьні репрезентації світу у свідомості, черпала свої спонукальні мотиви не з філософії, а з нейронауки. У роботах Д.О. Хебба в 1949 р. було зроблене припущення, що деяка маса нейронів здатна навчатися в тому випадку, якщо при одночасному збудженні нейрона А та нейрона В це збудження збільшувало силу зв\'язку між ними. Франк Розенблатт, ґрунтуючись на цьому припущенні, вважав розумне поводження, що базується на нашій репрезентації світу, важко формалізованим, і тому необхідно намагатися автоматизувати ті процедури, за допомогою яких мережа нейронів навчається розрізняти образи і відповідно реагувати на них [44]^[173]. Розенблатт хотів побудувати такий фізичний пристрій (або змоделювати його на комп\'ютері), що потім зміг би генерувати свої власні здатності.

Рішення було запропоновано за допомогою побудови асоціативної моделі, ідея якої полягає у тому, що у процесі навчання людина формує систему асоціативних зв\'язків, котрі носять ймовірнісний характер.

Однак на базі асоціативної моделі не можна було вирішити великої кількості задач. Тому з\'явилися метапрограми, що спираються на реляційні моделі, у яких вихідна ситуація і цільова ситуація описуються деякими структурами, до складу яких входять об\'єкти або поняття і поєднуючі їх відносини. З цих моделей виникли програми ситуаційного керування, програми, що працюють із семантичними мережами і фреймами.

Тоді ж дослідження зі штучного інтелекту дозволили зробити переконливий висновок про те, що справді необхідним для рішення проблем є знання експертів. Отже, якщо створити систему, здатну запам\'ятовувати і використовувати знання експертів, то вона знайде застосування в практичній діяльності. Тобто, таку комп\'ютерну програму, що оперує зі знаннями у визначеній предметній галузі для вироблення рекомендацій або вирішення проблем з метою підтримки ухвалення рішення.

Таким чином, основою всієї діяльності, що виконується штучними інтелектуальними системами, служать знання. Знання і робота зі знаннями визначають той набір метапроцедур, що дозволить конструювати програми, які імітують ті або інші види творчої діяльності.

Приватний аспект кібернетики, з якого юридична наука і практика може витягти ще не цілком усвідомлену користь, розцінюється як прикладна галузь і звичайно згадується як інтелектуальні системи, засновані на знаннях. Ці системи містять подання знання, що може розгортатися при рішенні даних проблем. Експертні системи, більш точно, – це різновид інтелектуальних систем, заснованих на знаннях.

Таким чином, мета інженерії знань – роздобути знання фахівців і зробити їх доступними для всіх користувачів інтелектуальних систем. Тому що експертна система містить знання у визначеній предметній галузі, накопичені в результаті практичної діяльності людини (або людей протягом всієї історії розвитку суспільства), і використовує ці знання для пошуку і вироблення рішення при виникненні проблеми, то поняття “експертна система” ширше, ніж просто “система, заснована на знаннях”.

На думку Пітера Джексона, система, заснована на знаннях, – це будь–яка система, процес роботи якої заснований на застосуванні правил відносин до символічного подання знань, а не на використанні алгоритмічних або статистичних методів [41]^[174].

В міру розвитку цієї галузіі як сфери досліджень з початкової безлічі класів інтелектуальних задач, складених за предметним принципом, почали виділятися нові типи. Вони формували класи вже за принципом необхідних для їхнього рішення формальних засобів: структур даних і механізмів їх обробки. Багато розроблювачів поступово оцінили, що необхідно намагатися розвивати комп\'ютерні системи в галузі законодавства, які втілюють знання і навіть можуть займатися розпізнаванням.

У даному контексті термін “штучний інтелект”, можливо, найкраще буде розцінений не як здобутий із суворих концепцій філософів, психологів і лінгвістів, а як позначення того, що деякі комп\'ютерні системи володіють ним до деякої міри. Такі системи, будучи розроблені і побудовані так, щоб виконувати ті задачі і вирішувати ті проблеми, які створені і прийняті людьми, що показують розпізнавання, можуть, як вважають, виявляти штучний інтелект. У цьому зв\'язку, термін “штучний інтелект” як розпізнавання і позначення, можливо при недостатній філософській суворості, служить просто як пояснювальний, метафорично створений, класифікаційний. Існує багато задач, які вчені–комп\'ютерщики зараз намагаються вирішувати за допомогою комп\'ютерних програм, що приводять до проявів штучного інтелекту у комп\'ютера:

– розуміння і трансляція природної мови (обробка природної мови);

– розуміння розмовної мови (розпізнавання мови);

– розпізнавання зображень і об\'єктів фізичного світу (система технічного зору і сприйняття);

– комплексні ігри, такі як шахи (прогін гри);

– навчання на прикладах і прецедентах (машинне навчання);

– написання комп\'ютерних програм, що можуть самостійно генерувати програми (автоматичне програмування);

– складне утворення користувачів (інтелектуальні комп\'ютерні інструктори або репетитори);

– інтелектуальне рішення задач і міркування (інтелектуальні системи, засновані на знаннях або експертні системи).

Експертна система може цілком узяти на себе функції, виконання яких звичайно вимагає залучення досвіду людини–фахівця, або відігравати роль помічника для людини, що приймає рішення. Той, хто приймає рішення, може бути як експертом зі своїми власними правилами, так і “новачком”. І в тому, і в іншому випадку експертна система може виправдати своє існування, підвищуючи ефективність роботи першого або дозволяючи другому домогтися з її допомогою результатів більш високої якості. Упровадження подібних комп\'ютерних програм ефективне в тих галузях діяльності людини, що вимагають мислення, певної майстерності і накопиченого досвіду.

Експертна система моделює механізм мислення людини стосовно до рішення задач у визначеній предметній галузі, а не фізичну чи іншу природу цієї предметної галузі. Крім виконання обчислювальних операцій, експертна система формує визначені розуміння і висновки, ґрунтуючись на тих знаннях, якими вона володіє. Знання в системі представлені на якійсь спеціальній мові, зберігаються окремо від власне програмного коду, що і формує висновки, і називаються базою знань.

Таким чином, експертна система являє собою систему, побудовану з таких компонентів, як база знань – сукупність знань, описаних з використанням зворотної форми їхнього подання – і механізм висновків, що забезпечує маніпулювання з цими знаннями при рішенні прикладних проблем. Механізм висновків зв\'язує знання воєдино, а потім виводить з послідовності знань висновок. Формалізм опису знань в експертних системах визначається як подання знань, а компонент, що використовує для рішення проблем знання експертів, які описані в заздалегідь обраній для них формі подання, є механізмом висновку [95]^[175].

Фундаментальним поняттям в експертних системах є подання знань. Теорія подання знань вивчає методи асоціативного збереження інформації, подібні тим, що існують у мозку людини, з боку логічної, а не біологічної сторони процесу, опускаючи подробиці фізичних перетворень. У галузі експертних систем подання знань цікавить як засіб відшукування методів формального опису великих масивів корисної інформації з метою їхньої наступної обробки за допомогою символічних обчислень. “Формальний опис означає упорядкування в межах будь–якої мови, що володіє досить чітко формалізованим синтаксисом побудови виразів і такого ж рівня семантикою, що погоджує зміст виразів з їх формою” [41]^[176]. Вибір способу подання знань впливає на будь–яку складову частину цих систем, подання знань визначає можливості системи баз знань. Можливість застосування знань виникла разом з появою механізму висновків, а механізм висновків був визначений, у свою чергу, з подання знань, що є засобом опису знань людини.

На думку Пітера Джексона [41]^[177], комп\'ютерну програму можна назвати експертом при виконанні таких умов:

– “знання, якими володіє програма, повинні бути сконцентровані на визначену предметну галузь... Знання припускають визначену організацію й інтеграцію – тобто окремі відомості повинні співвідноситися один з одним і утворювати щось на зразок ланцюжка, у якому одна ланка “тягне” за собою наступну”;

– програма повинна мати знання, а не просто містити в собі здатність виконувати деякий алгоритм;

– з цих знань повинно безпосередньо випливати рішення проблеми.

Розробкою експертної системи займається колектив розроблювачів, центральною фігурою якого є інженер зі знань, що створює базу знань на підставі інформації, яка є джерелом знань для аналітика, отриманим в результаті тривалих бесід з експертом і вивчення спеціальної літератури.

Процес отримування знань, їхнього осмислення, структурування і формалізації є самим вузьким місцем при створенні експертної системи. Формалізація знань – це запис знань обраною мовою подання знань.

Інженерія знань служить для рішення задач у слабоформалізованих або слабоструктрованих предметних галузях. Інженерія знань допомагає там, де господарем становища традиційно є експерт, озброєний своєю кваліфікацією і майстерністю. Правознавство являє собою саме таку предметну галузь, оскільки тут переважає якісна, а не кількісна інформація, утримуються розмиті, нечіткі визначення і поняття, представлена велика кількість об\'єктів, понять, властивостей і зв\'язків між ними, не працюють традиційні методи математичного моделювання, велику роль відіграє особистий професійний досвід фахівців–експертів.

При роботі над експертними системами дослідники прийшли до висновку, що подання знань усередині експертної системи повинне згодом привести до створення систем навчання за допомогою комп\'ютера. Якщо в нашому розпорядженні є програма, що успішно вирішує визначене коло проблем, то вона, цілком імовірно, може бути використана і для того, щоб навчити користувача вирішувати аналогічні проблеми.

Однак виявилося, що перетворити експертну систему в ефективний засіб навчання далеко не так легко, як це здається з першого погляду. Програма повинна усвідомлювати те, як саме вона вирішує проблему і чому на даному етапі процесу віддає перевагу саме таким знанням. Дослідники прийшли до висновку, що в процесі навчання особливе значення має набір стратегій рішення проблем і що ці стратегії повинні бути подані в програмі в явному вигляді, а не просто реалізовані в програмному коді [41]^[178].

Головна практична цінність експертних систем полягає в тім, що, взаємодіючи з користувачем і вирішуючи складні для конкретного користувача – не експерта задачі, вона якісно поліпшує діяльність користувача по спеціальній тематиці (наприклад, допомога в прийнятті рішень) і заповнює недостачу експертів у конкретній проблемній галузі. Крім того, експертна система може виключати наслідки зайвої спеціалізації людини завдяки наданню і накопиченню експертних знань і навчає користувача завдяки накопиченню ним досвіду в розумовій діяльності. При цьому система не виступає в ролі вчителя, а відбувається евристичне навчання самого користувача за рахунок надання йому нових можливостей [110]^[179].

Розробка експертних систем – це один з методів дослідження принципів побудови теорії експертних здібностей і теорії прийняття рішень.

Сьогодні загальноприйнято використовувати комп\'ютер як високоефективний інструментальний засіб для накопичення і пошуку юридичного матеріалу. В Україні створені і реально працюють кілька десятків комп\'ютерних правових бібліотек, що містять в актуальному стані десятки тисяч документів нормативного характеру. Однак їхній технологічний рівень далеко не завжди задовольняє практикуючих юристів, тому що в результаті пошуку по запиту може бути отримана велика кількість документів, не пов\'язаних з цікавлячою користувача проблемою, або, навпаки, не будуть отримані потрібні документи, що фактично присутні в базі даних. Тому необхідна побудова систем, заснованих на знаннях і здатних до розумного поводження. Наділивши комп\'ютери здатністю “міркувати” і сконцентрувавши ці можливості у вигляді прикладних систем знань або так званих експертних систем, практикуючі юристи, використовуючи подібну програму, зможуть одержати розумну пораду або здійснити розумне рішення поставленої задачі.

У базах даних формальні юридичні джерела накопичені в пам\'яті комп\'ютера у форматі, що читається комп\'ютером, і відновлені користувачем як документи, ідентичні за змістом нормативним актам і юридичним документам загальноприйнятих юридичних бібліотек. Юридичні дані в них не інтерпретуються, а просто вміщуються в пам\'ять комп\'ютера як вихідний матеріал для процесу юридичного міркування. У системах, заснованих на знаннях у праві, навпаки, ці джерела повинні бути представлені, тобто реструктуровані так, щоб бути накопиченими в пам\'яті і використаними в процесі міркування. Отже, подання юридичного знання містить у собі діяльність інтерпретативних процесів, що мають силу у певний момент часу, ретельно досліджених, проаналізованих і, зрештою, сформульованих у стилі, що є відповідним за значенням першоджерелу і враховує прозорість і гнучкість експертних систем у праві [99]^[180].

Створення систем моделювання міркувань відноситься до одного з найбільш дискусійних напрямків автоматизації процесів застосування права [64]^[181]. З огляду на приклади формалізації знань у якійсь визначеній галузі права, можна спробувати побудувати експертну систему, здатну використовувати ці знання в манері, схожій із засобом міркування практикуючого юриста. “Щоб установити, чи можливо представити юридичне знання в юридичній експертній системі, визначене юридичне знання повинно бути зібраним і систематизованим, тобто є сенс обмежитися досить вузькою галуззю законодавства” [102]^[182].

Методи, що можуть бути використані для формалізації юридичного знання, вимагають точного формулювання досліджуваних явищ для того, щоб експертна система була здатна служити моделлю юридичного знання. Експертні системи застосовуються користувачами як інтенсивні інтелектуальні посібники, що акумулюють багатство знання і досвіду різних експертів, – це пояснює їх іншу назву: інтелектуальні помічники (intelligent assistants). Очевидно, що експертні системи повинні відповідати теорії юриспруденції, оскільки усі вони в праві обов\'язково роблять припущення щодо природи закону і юридичного міркування.

Таким чином, всі експертні системи повинні втілити принципи загальної теорії систем, структури і функцій правових законів, теорію правових норм, теорію юридичного міркування, логічну теорію і спеціальну теорію юридичних систем [102]^[183].

Специфіка задач, розв\'язуваних за допомогою експертних систем, впливає на її внутрішню організацію, що відповідним чином відбивається на технології їхнього створення й експлуатації. Сьогодні, працюючи разом з експертом, інженер по знаннях аналізує розв\'язувану задачу й сферу моделювання, а потім намічає загальні підходи до проектування системи. Поряд з обстеженням предметної галузі і визначенням характеру знань накреслюється загальна архітектура системи, способи подання об\'єктів даних і їхніх взаємозв\'язків, вимоги до їхньої обробки, формуються принципи вирішення, а також стратегія рішення задачі.

Експертні системи повинні бути [166]^[184] :

– прозорими, тобто вони можуть генерувати послідовний опис ходу міркування до висновку;

– евристичними, тобто основа їхнього функціонування – використання знань, що базуються на досвіді в даній галузі на основі евристичних правил, сформульованих експертами;

– гнучкими, тобто здатними без особливих труднощів змінювати їхні бази знань (запаси знань) у міру зміни предметної галузі.

Розробку подібних програм умовно можна розділити на такі основні етапи.

1. Накопичення знання, тобто визначення способу, при якому знання, особливо евристичне, може бути отримане від кількох людей–експертів і потім з\'єднано з метою подання його в системі.

2. Методи подання знання, що будуть прийняті в процесі перебудови структури знання окремої галузі так, щоб їх можна було представити як структуру даних у пам\'яті комп\'ютера. Це повинно бути виконане таким чином, щоб не тільки полегшити наступні зміни в базі знань, але також і не впливати на сталу практику рішення задач, а також бути структурою, еквівалентною за значенням до первісної сукупності знання.

3. Використання знання – це відноситься до процедур висновку, тобто до методів міркування, що використовуються системою в процесі рішення задач. Для всіх експертних систем необхідний механізм, за допомогою якого база знань взаємодіє з даними у відношенні будь–якої проблеми так, щоб можна було одержати висновок [166]^[185].

Якщо користувач експертної системи частину рішення задачі покладає на програму, то виникає нова проблема досліджень: чи знижується значеннєва чутливість користувача такої програми, що дає усього лише відповіді на питання системи.

У самій архітектурі експертної системи, на думку Д. Мічі, закладена частка відповідальності перед суспільством, завдяки “когнітивному вікну”, на якому користувач бачить трасування рішення проблеми. Японський фахівець Х. Кобасі зазначає такі соціальні наслідки впровадження експертних систем у соціум [96]^[186] :

1) заповнення недостачі експертів у конкретних предметних областях^[187];

2) виключення небажаних наслідків зайвої спеціалізації людини завдяки представленню і накопиченню експертних знань;

3. Ефект евристичного навчання, обумовлений накопиченням користувачем досвіду в розумовій діяльності (наприклад, прийняття рішень високого рівня). Подібного досвіду без систем користувач би не накопичив.

Розробки експертних систем у різних предметних галузях були розпочаті в 60–х рр. Перший успішний проект був розпочатий у 1965 р. Це був проект DENDRAL, проведений у Стенфордському університеті, натхненний одним з “батьків” штучного інтелекту Едвардом Фейгенбаумом. Використовуючи формальне й евристичне знання двох учених – професора генетики, нобелівського лауреата Джошуа Ледерберга і фізичного хіміка Карла Джерассі, який розробив препарат обмеження народжуваності, Едвард Фейгенбаум написав програму, що могла виводити молекулярну структуру невідомої молекули встановленої спектральної маси, що було доступно фізичному хімікові, який займається даною задачею. Можливості системи в цій сфері, як тепер вважають, перевищують подібні будь–якої окремої людини (включаючи проектувальників), і це використовується в університетах і в промисловій індустрії в усім світі. Інша експертна система, PROSPECTOR, функціонує як інтелектуальний помічник геологів, повідомляючи щодо локалізації рудних родовищ; вона заснована на геологічних даних (база знань містить евристичне і формальне знання вчених U.S. Geological Survey). Прямий результат застосування цієї системи – відкриття родовища молібдену в 1982 р., оцінене в сто мільйонів доларів. Широко відомі експертні системи, що дозволяють робити медичні діагнози.

Натхнені такими успіхами, деякі адвокати припустили можливість “юридичної діагностики”, у той же час програмісти звернулися до галузі права, щоб розширити їхній діапазон завоювань.

Однією з перших юридичних експертних систем була JUDITH (1975 р.), розроблена в Гейдельбергському і Дармштадському університетах, що дозволяє юристам одержувати експертні висновки по цивільних справах. JUDITH служить інструментом вивчення юридичних міркувань. LEGAL ANALYSIS SYSTEM (розроблена в Массачусетському технологічному інституті) допомагає адвокатам проводити юридичний аналіз справ про навмисну образу дією. Правові знання, теорія і факти справи уявляються в цій системі у виді семантичних мереж. Система подає свої висновки, включаючи логіку, на якій вони засновані. Вона обґрунтовує свої висновки посиланнями на судові рішення і допоміжні законодавчі документи.

Експертна система SARA (демонстраційний прототип SARA розроблений у Норвезькому дослідницькому центрі по комп\'ютерах і праву) допомагає юристам аналізувати рішення, виходячи з дискреційних норм. Користувач повідомляє системі фактори і їхні значення, істотні для деякого рішення. Система приписує ваги усім факторам так, щоб пояснити якнайбільше прийнятих рішень. Фактори і рішення представляються у виді фреймів.

Приведені тут приклади далеко не вичерпують перелік створених розробок в галузі юридичного комп\'ютерного аналізу.

Базуючись на вищевикладеному, ми могли б очікувати експертні системи в праві, що відповідають таким експериментальним характеристикам:

– це комп\'ютерні програми, написані за допомогою висококваліфікованих юристів–експертів;

– ці експертні системи розроблені, щоб функціонувати як інтелектуальні помічники в процесі дозволу юридичної проблеми (і можуть використовуватися також як навчальні посібники);

– ці системи пропонують роз\'яснення їхніх напрямків міркування і можуть бути необхідними для передбачення основ для всіх зроблених тверджень і вироблених висновків.

У тісному контакті з користувачами, будучи моделлю експерта і фахівця, подібні програми сприяють розширенню теорії прийняття рішень. Відомо, що знання, до яких приходить людина через досвід рішення задач, стають знаннями для рішення наступних задач. Виділяючи найважливіше для досягнення мети, людина реагує не тільки на ситуацію довкола неї, але і на зміст цієї ситуації для неї. Методологічна цінність експертних систем полягає в тому, що вони пропонують нові теми і методи досліджень [100]^[188].

Виходячи з викладеного вище, інженерія знань у правознавстві представляє процес створення штучних інтелектуальних систем, призначених для моделювання юридичних міркувань і рішення проблем, специфічних для даної предметної галузі.

2.1.