ОСОБЕННОСТИ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ПРОГРАММНЫХ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 347.2

ОСОБЕННОСТИ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ПРОГРАММНЫХ

СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ

© 2024 В.Г. Лапин1, Н.В. Загнетов2, М.Е. Токмакова3, Н.С. Бойков4

1 доцент кафедры вычислительной математики и кибернетики e-mail: mlapina@ncfu.ru, Северо-Кавказский федеральный университет, Ставрополь 2 аспирант кафедры автоматизированных электроэнергетических систем

и электроснабжения Московский финансово-юридический университет, Москва

3 студент кафедры информационной безопасности автоматизированных систем

Северо-Кавказский федеральный университет, Ставрополь

4 студент кафедры информационной безопасности автоматизированных систем

Северо-Кавказский федеральный университет, Ставрополь

Статья посвящена изучению особенностей построения интеллектуальных программных систем принятия решений. В процессе исследования обозначены требования, выдвигаемые системами к разработчикам. Также представлена составленная автором многоуровневая концептуальная модель интеллектуальной программной системы принятия решений. Также внимание уделено процессу выбора инструментов разработки интеллектуальной системы, для чего формализован специальный алгоритм. Кроме того, обозначены перспективы и возможности использования искусственного интеллекта в процессе разработки программных систем, проведен сравнительный анализ наиболее популярных приложений.

Ключевые слова: принятие решений, программная система, интеллектуальный анализ, искусственный интеллект, структура, модель.

FEATURES OF BUILDING

INTELLIGENT SOFTWARE DECISION-MAKING SYSTEMS

© 2024 V.G. Lapin1, N.V. Zagnetov2, M.E. Tokmakova3, N.S. Boykov3

1 Docent, Department of Computational Mathematics and Cybernetics

e-mail: mlapina@ncfu.ru North Caucasus Federal University 2 Graduate student of the Department of Automated Electric Power Systems

and Power Supply Moscow University of Finance and Law, Moscow

3 Student, Department of Information Security of Automated System

North Caucasus Federal University, Stavropol

4 Student, Department of Information Security of Automated Systems

North Caucasus Federal University, Stavropol

The article is devoted to the study of peculiarities of building intelligent program decision-making systems. In the process of research, the requirements that put forward these systems to developers and users are outlined. The author also presents a multilevel conceptual model of intelligent software decision-making system developed by the author. Special attention is paid to the process of selecting tools for the development of intelligent decision-making system, for which a special algorithm is formalized. In addition, the prospects and possibilities of using

artificial intelligence in the process of developing software systems are outlined, and a comparative analysis of the most popular applications is carried out.

Keywords: decision making, software system, intellectual analysis, artificial intelligence, structure, model.

В цифровую эпоху, когда объем данных постоянно растет, процессы принятия решений становятся все более сложными. Однако благодаря новым технологиям, таким как искусственный интеллект (ИИ), представляется возможным оптимизировать эти процессы с помощью интеллектуальных приложений и специализированных программных средств. Современные программные продукты предоставляют методы преодоления когнитивных слепых зон, расширения осведомленности и установления связей. Инструменты анализа принятия решений представляют собой квантовый скачок в практическом применении информации, объемы которой увеличиваются с каждым днем [1].

ИИ, основанный на передовых алгоритмах машинного обучения, позволяет анализировать огромные массивы данных в режиме реального времени. Это дает возможность предприятиям быстро извлекать необходимую информацию, выявлять тенденции и прогнозировать будущие события. Кроме того, системы ИИ могут адаптироваться к меняющимся условиям рынка, что делает процессы принятия решений более гибкими и нацеленными на достижение оптимальных результатов [2]. Вследствие этого у субъектов хозяйствования появляется возможность более эффективно реагировать на динамичные бизнес-задачи, повышая эффективность и конкурентоспособность на рынке.

В данном контексте необходимо отметить, что согласно прогнозам объем рынка интеллектуальных программных систем принятия решений для бизнес-анализа в ближайшие несколько лет увеличится по всему миру с 16,93 млрд долларов США в 2023 г. до более чем 18 млрд в 2026 г. [3] (рис. 1).

20

18.5

2019 2020 2021 2022 2023 2024 2025 2026

Рис. 1. Объем мирового рынка приложений для принятия решений (в млрд долларов США)

Сегмент программных приложений для бизнес-аналитики является частью рынка корпоративного прикладного программного обеспечения. Корпоративное прикладное программное обеспечение - рынок с мировым доходом в 212 млрд долларов США в 2022 г. - нацелено на удовлетворение потребностей современных

Лапин В. ГЗагнетов Н. ВТокмакова М. ЕБойков Н. С. Особенности построения

интеллектуальных программных систем принятия решений

предприятий. Эти программы облегчают компаниям достижение их корпоративных целей, помогая, в частности, оптимизировать управление цепочками поставок, управлять ресурсами или лучше взаимодействовать с клиентами.

Очевидно, что в эпоху, когда эффективность и инновации имеют первостепенное значение, передовые инструменты и подходы меняют способы проектирования, разработки и развертывания программного обеспечения. Поэтому детальное изучение современных средств построения интеллектуальных программных систем принятия решений имеет на сегодняшний день высокую научно-практическую значимость, что и предопределило выбор темы данной статьи.

Проектированием интеллектуальных сред для принятия решений в различных сферах бизнеса занимались такие ученые, как Г.В. Рыбина, Ю.М. Блохин, Фонталина Е.С., Сорокин И.А., Mitali Chugh, Neeraj Chugh.

Над усовершенствованием методологии разработки программного обеспечения с использованием средств искусственного интеллекта трудятся такие авторы, как А.В. Гулай, В.М. Зайцев, О.Р. Попов, Е.В. Гребенюк, К.Д. Степанов, О.В. Дружинина, Robert H. Dodds, Daniel R. Rehak, Leonard A. Lopez, Gagandeep Kaur, Inderpreet Kaur, Shilpi Harnal, Swati Malik.

Однако, несмотря на имеющиеся труды и наработки, еще широкий спектр вопросов в рассматриваемой предметной области остается открытым и требует более детального изучения. Так, особого внимания заслуживает анализ существующих подходов к построению программных систем с целью определения узких мест и резервов, позволяющих повысить их качество и упростить задачи создания, модификации и сопровождения. Кроме того, в уточнении нуждаются алгоритмы ИИ, которые могут помочь в выборе оптимальных архитектур программного обеспечения с учетом таких факторов, как масштабируемость, безопасность и производительность.

Таким образом, цель статьи заключается в рассмотрении особенностей построения интеллектуальных программных систем принятия решений.

Прежде всего необходимо отметить, что создание программного обеспечения -это процесс, включающий такие этапы, как планирование, проектирование, разработка, тестирование и обслуживание [4]. Каждый этап имеет свои особенности, проблемы и требует значительных человеческих усилий и времени. В данном контексте не подлежит сомнению тот факт, что интеллектуальные программные системы принятия решений требуют масштабируемых инструментов, которые используют преимущества достижений в области вычислений и алгоритмов. Кроме того, необходимо отметить, что автоматизированная аналитика должна поддерживать принятие взвешенных решений на всех уровнях: стратегическом, оперативном и тактическом, - чтобы обеспечить уверенность в таких инструментах, как ИИ, которые помогают в режиме реального времени обрабатывать большие объемы данных и принимать более быстрые и точные решения.

С учетом вышеизложенного считаем, что интеллектуальная программная система принятия решений должна представлять собой многоуровневую концептуальную модель (рис. 2), которая в целом призвана соответствовать таким моделям программных систем, как (WPF application framework - Майкрософт, Domain Driven Design - Эванс) и методологии общей теории систем.

Представленная на рисунке 2 модель имеет три уровня:

- уровень бизнес-процессов, на котором происходит моделирование бизнес-процессов и определяется бизнес-логика системы;

- уровень приложений и сервисов, непосредственно реализующих главные функции системы;

- уровень устройств, который предоставляет базовые инфраструктурные услуги

по хранению, передаче и обработке данных.

Рис. 2. Многоуровневая концептуальная модель интеллектуальной программной системы принятия решений

Основной проблемой при реализации моделей интеллектуальных систем является выбор оболочек или инструментов, необходимых для создания программного решения. В контексте отмеченного, по мнению автора, можно использовать следующий алгоритм для выбора инструментов разработки интеллектуальной системы принятия решений:

1. Выявление потенциальных затруднений в разработке программной системы. Оценка сложности разработки.

2. Выбор стратегии решения, определение необходимых услуг и требований.

3. Установка требований к разработке и среде разработки. Обоснование критериев выбора инструмента.

4. Первоначальный выбор инструмента.

5. Подробный системный анализ и исследование проекта. Определение набора четких спецификаций для выбора инструмента.

6. Окончательный выбор инструмента.

Несомненными фаворитами в процессе создания интеллектуальных программных систем принятия решений являются технологии ИИ. Они могут помочь разработчикам создавать лучшие приложения несколькими способами. Технологии ИИ способны ускорить такие утомительные действия, как ввод данных и тестирование, позволяя больше сосредоточиться на инновациях в основных частях процесса разработки. Также они способны устранять ошибки и рекомендовать изменения до того, как они станут серьезными, предоставляя разработчикам возможность изменять коды в режиме реального времени и снижая вероятность ошибок и задержек

[5].

На сегодняшний день существует широкий спектр разнообразных решений ИИ, которые могут найти свое применение при создании интеллектуальных программных систем принятия решений, в таблице автором приведено сравнительное использование некоторых их них.

Лапин В. ГЗагнетов Н. ВТокмакова М. ЕБойков Н. С. Особенности построения

интеллектуальных программных систем принятия решений

Сравнение инструментов разработки программных систем на базе ИИ

Инструмент разработки Режим работы программы Разработка (ранжирование) Удобный инструмент отладки Возможное совершенствование Платность

OpenAI Codex Текстовый 2 + + —

Code Snippets Текстовый 3 — — —

GitHub Copilot Текстовый 4 + - +

Stepsize AI Графический 5 + — +

SpellBox Графический 1 + - —

Таким образом, подводя итоги, отметим, что построение интеллектуальных программных систем принятия решений имеет свои особенности и отличительные черты, а также ряд специфических требований. Однако несомненным является то, что искусственный интеллект в разработке программного обеспечения откроет новую эру инноваций и эффективности. Была проведена сравнительная характеристика инструментов разработки программных систем на базе ИИ, по результатам которой были выявлены плюсы и недостатки рассмотренных инструментов разработки программных систем. К примеру, инструмент разработки (Stesize AI) c графическом режимом работы превосходит прочие в ранжировании и удобстве. Также была представлена многоуровневая концептуальная модель интеллектуальной программной системы принятия решений с алгоритмом для выбора инструментов разработки интеллектуальной системы принятия решений.

Библиографический список

1. Рыбина, Г. В. Интеллектуальная программная среда комплекса ат-технология: некоторые аспекты применения для построения интегрированных экспертных систем / Г. В. Рыбина // Информационно-измерительные и управляющие системы. - 2023. - Том 21. - № 2. - С. 115-122.

2. Ткач, М. Е. Особенности структурно-параметрического синтеза интеллектуальных рабочих мест в человеко-машинных системах / М. Е. Ткач,

B. В. Храмов // Интеллектуальные ресурсы - региональному развитию. - 2020. - № 1. -

C. 44-49.

3. Muhammad Ilyas. Software integration model: An assessment tool for global software development vendors // Journal of Software: Evolution and Process. - 2023. -Volume 36. - Issue 4.

4. Habib Ullah Khan, Farhad Ali. Systematic analysis of software development in cloud computing perceptions // Journal of Software: Evolution and Process. - 2022. -Volume 36. - Issue 2. - Р. 45-49.

5. Neha Gupta. Automated software effort estimation for agile development system by heuristically improved hybrid learning // Concurrency and Computation: Practice and Experience. - 2022. - Volume 34. - Issue 25. - Р. 109-114.

6. Хайкин Саймон. Нейронные сети Полный курс. - URL: https://www.klex.ru/10pf.

7. Ларичев, О. И. Системы поддержки принятия решений. Современное состояние и перспективы их развития / О. И. Ларичев // Итоги науки и техники. Сер. Техническая кибернетика. - Москва: ВИНИТИ, 1987. - Т. 21. - С. 131-164.

Лапин В. Г., Загнетов Н. В., Токмакова М. Е., Бойков Н. С. Особенности построения

интеллектуальных программных систем принятия решений

8. Терелянский, П. В. Системы поддержки принятия решений. Опыт проектирования: монография / П. В. Терелянский. - Волгоград: ВолгГТУ. 2009. - 127 с.

9. Power D.J. «What is a DSS?» // The On-Line Executive Journal for DataIntensive Decision Support, 1997. - v. 1. - N3.

10. Scott Morton M. S. Management Decision Systems: Computer-based Support for Decision Making. - Boston: Harvard University, 1971.

11. Рашитов, Э. Э. Модель математической нейронной сети / Э. Э. Рашитов // Молодой ученый. - 2017. - № 15 (149). - С. 77-81.

12. Михеев, А. В. Решение задач классификации методами машинного обучения / А. В. Михеев // Молодой ученый. - 2021. - № 21 (363). - С. 107-110.