Ευφυή συστήματα υποστήριξης λήψης αποφάσεων
Τα ευφυή συστήματα υποστήριξης λήψης αποφάσεων (IDSS) αποτελούν υποκατηγορία της γενικότερης κατήγοριας των Συστημάτων υποστήριξης λήψης αποφάσεων (DSS). Αυτό που τα διαφοροποιεί από τα παραδοσιακά DSS είναι η χρήση ευφυών τεχνικών βασισμένες σε τεχνολογίες και έρευνα στο πεδίο της Τεχνητής Νοημοσύνης (ΤΝ), με σκοπό την αξιόπιστη μοντελοποίηση ανθρωπίνων ικανοτήτων λήψης αποφάσεων. Η χρήση των IDSS παρατηρείται σε τομείς όπως δρομολόγηση σε δίκτυα υπολογιστών, οικονομική ανάλυση και σχεδιασμός, νομικό σκεπτικό, χρονοδρομολόγηση πλοίων και εκτίμηση χρόνου ολοκλήρωσης έργων. [1]
Ιστορία Επεξεργασία
Το πρώτο IDSS ονομαζόταν DENDRAL και δημιουργήθηκε το 1965, βασισμένο στα Έμπειρα Συστήματα. Αυτό οδήγησε στην δημιουργία και άλλων τέτοιων συστημάτων, όπως το MYCIN, το οποίο βοηθούσε στην διάγνωση ασθενειών του αίματος.[2]
Όροι όπως Συστήματα Βασισμένα σε Γνώση (KBS) και Συστήματα Προτάσεων (Suggestion Systems) άρχισαν να χρησιμοποιούνται από τις αρχές της δεκαετίας του 1980, όμως ο όρος IDSS φαίνεται να προέρχεται από τους Bonczek, Holsapple και Whinston[3], οι οποίοι με το βιβλίο τους ανέπτυξαν το ενδιαφέρον για την χρήση τεχνικών της ΤΝ στα DSS.
Τα τελευταία χρόνια, η σύνδεση των IDSS με Βάσεις Δεδομένων μέσου του Διαδικτύου έχει αυξήσει την χρήση και την αποτελεσματικότητα τους.
Ταξινόμηση Επεξεργασία
Τα IDSS μπορούν να ταξινομηθούν σε 2 κύριες γενεές[4]:
- Η πρώτη γενεά κάνει χρήση Έμπειρων Συστημάτων βασισμένα σε ένα σύνολο κανόνων που ονομάζεται βάση γνώσης. Η μηχανή εξαγωγής συμπερασμάτων διατρέχει τους κανόνες και εφαρμόζει όσους ενεργοποιούνται από τα στοιχεία εισόδου. Αυτά τα συστήματα φαίνεται να έχουν επιτυχία σε καλά δομημένα προβλήματα, τα οποία μπορούν να λυθούν με την χρήση ευρετικών μεθόδων και κανόνων, και επί του παρόντος λύνονται από ανθρώπους.[5] Αντιθέτως, παρουσιάζεται δυσκολία στην επίλυση δυσκολότερων προβλημάτων, υψηλής ασάφειας. Για την επίλυση αυτών το προβλημάτων αναπτύχθηκαν συστήματα δεύτερης γενεάς.
- Η δεύτερη γενεά περιλαμβάνει τεχνικές όπως η Περιπτωσιολογική Συλλογιστική (CBR), τα Συστήματα Ασαφούς Λογικής (Fuzzy Logic), τα Νευρωνικά δίκτυα (Neural Networks), οι Γενετικοί αλγόριθμοι (Genetic Algorithms) και οι Ευφυείς Πράκτορες (Intelligent Agents).[6] Αυτές οι τεχνικές επιτρέπουν την επίλυση μεγαλύτερων προβλημάτων ή προβλημάτων υψηλής ασάφειας.
Παραπομπές Επεξεργασία
- ↑ Blair, Andrew; Debenham, John; Edwards, Jenny (1997-12-01). «A comparative study of methodologies for designing IDSSs». European Journal of Operational Research 103 (2): 277–295. doi:. ISSN 0377-2217. http://www.sciencedirect.com/science/article/pii/S0377221797001203.
- ↑ Power, D.J. (10 Μαρτίου 2007). «A Brief History of Decision Support Systems». DSSResources.COM.
- ↑ Bonczek, R. H.· Whinston, Andrew B. (1981). Foundations of decision support systems. New York: Academic Press. ISBN 0-12-113050-9. 7553076.
- ↑ Arnott, David; Pervan, Graham (2005-06-01). «A Critical Analysis of Decision Support Systems Research:» (στα αγγλικά). Journal of Information Technology. doi:. https://journals.sagepub.com/doi/pdf/10.1057/palgrave.jit.2000035.
- ↑ Gottinger, Hans; Weimann, Peter. «Intelligent decision support systems» (στα αγγλικά). Decision Support Systems.
- ↑ Laudon, Kenneth· Laudon, Jane. Πληροφοριακά Συστήματα Διοίκησης. Εκδόσεις Κλειδάριθμος. σελ. 525-533. ISBN 978-960-461-623-7.