APLIKACE UMĚLÉ INTELIGENCE V EKONOMICKÉ OBLASTI THE APPLICATION OF ARTIFICIAL INTELLIGENCE IN THE FIELD OF ECONOMICS

ISKI 2007 - Využitie operačných systémov a počítačových sietí v podpore výučby informatických predmetov

APLIKACE UMĚLÉ INTELIGENCE V EKONOMICKÉ OBLASTI THE APPLICATION OF ARTIFICIAL INTELLIGENCE IN THE FIELD OF ECONOMICS Jiří Šťastný, Martin Pokorný, Arnošt Motyčka Mendelova zemědělská a lesnická univerzita v Brně Provozně ekonomická fakulta, Ústav informatiky [email protected], [email protected], [email protected] Abstrakt

Příspěvek vymezuje základní směry výzkumu v oblasti umělé inteligence na Ústavu informatiky Provozně ekonomické fakulty MZLU v Brně. Metody a technologie umělé inteligence jsou aplikovány na ekonomických případech z praxe. Detailněji jsou popsány dva v současné době řešené projekty, diagnostický systém hodnocení podnikové finanční situace neuronovými sítěmi v podobě klasifikační úlohy a regresní a predikční úloha řešená evolučními metodami. Abstract

The paper defines key research specialization of artificial intelligence at the Department of informatics, Faculty of Business and Economics MUAF in Brno. The artificial intelligence methods and technologies are applied to practical economical cases. Two contemporary projects are described in detail, the diagnostics system of business financial situation evaluation based on classification task, and the regression and prediction task solved by evolutionary methods. Klíčová slova

umělá inteligence, ekonomie, klasifikace, predikce, regrese, neuronové sítě, evoluční metody Keywords

artificial intelligence, economics, classification, prediction, regression, neural networks, evolutionary methods

129


1 Umělá inteligence na ÚI PEF MZLU v Brně Výzkum v oblasti umělé inteligence na ÚI PEF MZLU v Brně sleduje převážně ekonomickou aplikaci s cílem podpory podnikových rozhodovacích procesů na strategické úrovni řízení. Ekonomická orientace vychází z celkového zaměření fakulty a z možnosti spolupráce s ostatními fakultními pracovišti. Jednotlivé směry výzkumu jsou vymezeny v následujícím přehledu, uvedeny jsou též odkazy na publikace vztahující se k umělé inteligenci z posledních pěti let5: Predikce vývoje ekonomických ukazatelů Predikce budoucího vývoje ekonomických ukazatelů je řešena v rámci modelu pro odhad trendu vícevrstvou perceptronovou neuronovou sítí (MLP) a dále využitím evolučních algoritmů jako obecných optimalizačních metod. Novinkou je řešení regresní úlohy pomocí gramatické evoluce. Odkázat lze na následující publikace: Cepl (2006), Cepl a kol. (2007), Konečný (2006a, 2006b, 2006d), Konečný a kol. (2005), Ošmera a kol. (2005), Popelka (2007, 2006), Trenz (2004). Implementace podnikových rozhodovacích procesů a pravidel Podpora rozhodovacího procesu na úrovni podnikových pravidel je řešena expertními systémy a fuzzy expertními systémy, zejména s využitím prostředí systému LPA WinProlog. Odkázat lze na následující publikace: Konečný (2007, 2005a, 2004a, 2004b), Pokorný a Trenz (2006), Rábová a kol. (2005). Diagnostický systém vyhodnocení podnikové finanční situace Úlohy hodnocení finanční situace podniku jsou převážně typem úlohy klasifikační. Cílem je sestavení systému umožňujícího identifikovat obvyklou finanční situaci podniku (zejména situaci negativní) obdobně jako finanční analytik. Pozornost je zaměřena na sektor malých a středních podniků. Využívány jsou vícevrstvé perceptronové neuronové sítě naučené na základě báze vzorů sestavené expertem, snahou je získat i báze s reálnými ekonomickými výsledky. V případě definovaných pravidel jsou využívány též expertní a fuzzy expertní systémy. Odkázat lze na následující publikace: Pokorný (2005a, 2005b, 2005c), Pokorný a Trenz (2005), Pokorný a kol. (2007). Identifikace preferencí zákazníků Výzkumný směr zaměřený do oblasti marketingu a řízení vztahu se zákazníky souvisí také s problematikou poradenských systémů a sémantického vyhledávání v dokumentech. Jednou z výzkumných aktivit je také simulace zákazníkovy úvahy při nákupu prostřednictvím technologií neuronových sítí. Využití nachází rovněž expertní a fuzzy expertní systémy. Odkázat lze na následující publikace: Dařena a kol. (2006), Mišovič a Trenz (2007, 2006), Pokorný a Motyčka (2006), Pokorný a Trenz (2006), Trenz (2006b, 2005a, 2005b). Aplikace podnikové inteligence Implementace technologií umělé inteligence v rozhodovacím procesu souvisí a v mnoha směrech navazuje na aplikace podnikové inteligence z oblasti integrace business intelligence, 5 Publikace jsou uvedeny v abecedním pořadí dle autorů a v rámci autora dle roku vydání (sestupně), nikoliv podle důležitosti publikace.

130


datových skladů, OLAP nástrojů a metod data miningu. Odkázat lze na následující publikace: Konečný (2006c, 2005b), Konečný a Rábová (2005), Pokorný (2004), Trenz (2006a) Diagnostika klinického stádia nádoru prostaty Mimoekonomickým směrem je výzkum v oblasti diagnostikování klinického stádia nádoru prostaty neuronovou sítí (MLP) na bázi klasifikační úlohy. Snahou je dosáhnout diagnostické přesnosti aspoň na úrovni lidského faktoru.

Z dalších publikací zaměřených především na metody a algoritmy umělé inteligence v modelování, simulaci a optimalizaci lze jmenovat: Šťastný a Škorpil (2006, 2005a, 2005b, 2004, 2003). Problematika je řešena v rámci Pracovní skupiny umělé inteligence ÚI PEF MZLU v Brně, jejíž užší jádro má v současné době šest členů (doc. Konečný, doc. Šťastný, ing. Popelka, ing. Trenz, ing. Cepl a ing. Pokorný). V rámci meziústavní spolupráce jsou využívány kontakty s Ústavem podnikové ekonomiky, managementu, účetnictví a marketingu, a dále s několika externími subjekty.

2 Projekt klasifikace podnikové finanční situace Projekt spadající do třetího z uvedených výzkumných směrů si klade za cíl řešit klasifikační úlohu hodnocení podnikové finanční situace jejím zařazením do jedné z předem vymezených typických kategorií. Vstupními údaji rozhodovacího problému jsou finanční ukazatele likvidity a zadluženosti (hodnocení stability), a dále aktivity spolu s rentabilitou (hodnocení výnosnosti). Výstupní kategorie specifikuje finanční expert s ohledem na hodnocený segment trhu a dané časové období tak, aby odpovídaly typickým typům hodnocení. Použitými údaji jsou finanční ukazatele pivovarů v České republice za posledních několik let (průměrně pětileté období). Vzhledem k náročnosti stanovení exaktních pravidel pro vyhodnocení podnikové finanční situace byl zvolen přístup hodnocení na základě historických dat vedoucí k využití neuronové sítě. Elementárním vstupním vzorem je n-tice hodnot finančních ukazatelů daného podniku za daný rok, přiřazení odpovídající výstupní kategorie všem vstupním vzorům provedl finanční expert. Takto připravená data slouží pro naučení neuronové sítě, která je poté schopna klasifikovat nové vzory podobně jako posuzující finanční expert. Pro naučení bude použita vícevrstvá perceptronová neuronová síť (MLP), neurony vstupní vrstvy odpovídají vstupním finančním ukazatelům, výstupní vrstva bude upravena podle finálního počtu výstupních kategorií. Jedna z kategorií bude představovat atypickou finanční situaci, při které je nezbytné posouzení člověkem. Aktivační funkce budou z třídy sigmoidálních funkcí, učení sítě bude provedeno obvyklou metodou zpětného šíření chyb s jejími modifikacemi (momentum, weight annealing apod.). Simulačním prostředím je neuronový simulátor SNNS (Stuttgart Neural Network Simulator) a jeho nadstavba Batchman umožňující přizpůsobení definice, učení, validace i testování sítě vlastním programovacím jazykem.

131


3 Evoluční metody pro úlohy regrese a predikce Evoluční metody jsou mimo jiné vhodné pro řešení problémů, které jsou jen obtížně řešitelné klasickými metodami matematické statistiky. Takové problémy představují zejména úlohy nelineární regrese a predikce. Regresní úlohu je možné rozdělit na dvě fáze. První představuje výběr nebo tvorba vhodného modelu tak, aby co nejvíce odpovídal charakteru empiricky zjištěných numerických dat. Tuto fázi regresní úlohy lze řešit metodou tzv. gramatické evoluce (O'Neill a Ryan, 2003). Jedná se o metodu založenou na genetickém algoritmu (Goldberg, 2002) rozšířeném o bezkontextovou gramatiku a další pomocné algoritmy (Ošmera a kol., 2005). Gramatická evoluce hledá optimální matematický model dané úlohy. Výstupem je pak řešení dané úlohy v symbolickém tvaru v podobě matematické funkce, což je vhodné zejména pro řešení úloh nelineární regrese. Druhou fází regresní úlohy je pak nalezení vhodných parametrů modelu tak, aby výsledná funkce co nejlépe popisovala konkrétní naměřené hodnoty. Pro tuto fázi, která řeší optimalizaci parametrů modelu, lze použít metodu tzv. diferenciální evoluce (Price, 1999). Metoda diferenciální evoluce je založena na genetickém algoritmu a je vhodná zejména pro generování reálných čísel jako parametrů zadané funkce (Price, 1996). Pomocí evolučních metod byla řešena úloha hledání regresního modelu pro výnos cibule Imperial Brown, publikovaná v Meloun a Militky (1996). Vstupní data představuje množina dvojic [x, y], kde x je hustota sazenic na m2 [sazenice/m2] a y je průměrný výnos cibule [g/sazenici]. Vygenerované funkce byly srovnány s existujícím empirickým modelem metodou nejmenších čtverců (RSS). Ze srovnání (Obr. 1) referenčního modelu a vybraného vygenerovaného modelu bylo dokázáno, že evoluční metody jsou schopné generovat model přesnější než klasické metody.

132


Hustota sazenic [sazenice/m^2]

Naměřená data

Srovnání modelů

180

RM - referenční model (Mead, 1979)

160 140

GDE6 - Vygenerovaný model

120 100 80 60 40 20

Výnos [g/sazenice]

0 0

20

40

60

80

100

120

140

160

180

Obr. 1 Srovnání modelů

Literatura CEPL, M. Neural Networks Methods analysis. In MendelNET 2006 - Sborník příspěvků z konference studentů doktorského studia. Brno: Alfa Publishing, 2006, s. 213. ISBN 80-86851-62-1. CEPL, M., TRENZ, O., POPELKA, O. Možnosti využití současných metod pro predikci ekonomických ukazatelů. In Firma a konkurenční prostředí 2007 - Sekce 6: IS/IT a konkurenceschopnost podniků. Brno: MSD, s. r. o., 2007, s. 11--15. ISBN 978-80-86633-88-6. DAŘENA, F., MOTYČKA, A., MALO, R. Decision Support Systems in Marketing Education. In Proceedings of the ICL2006. Wien: International Association of Online Engineering, 2006, s. 1--4. ISBN 3-89958-195-4. GOLDBERG, D. E. 2002, The Design of Innovation: Lessons from and for Competent Genetic Algorithms. Boston: Kluwer Academic Publishers, 2002. 272 p. ISBN 1-4020-7098-5. KONEČNÝ, V. Podniková pravidla a informační systémy. In Firma a konkurenční prostředí 2007. Sekce 6. IS/IT a konkurenceschopnost podniků. MSD,spol. s r. o., 2007, s. 38--42. ISBN 978-8086633-88-6. KONEČNÝ, V. Experimentální SW model n-vrstvé neuronové sítě. In Konference: Obchod a spotřebitel. Brno: KONVOJ, 2006a, s. 32--37. ISBN 80-7302-124-2. KONEČNÝ, V. Modely trendů s vícevrstvou neuronovou sítí. In Firma a konkurenční prostředí 2006 - Sekce 7. IS/IT a konkurenceschopnost podniků. Brno: KONVOJ, spol. s r.o., 2006b, s. 29--35. ISBN 80-7302-097-1. KONEČNÝ, V. Moderní trendy inovace informačních systémů. In Mezinárodné vedecké dni 2006 "Konkurencieschopnosť v EU - výzva pre krajiny V4". Nitra - Slovenská republika: Slovenská polnohospodárska univerzita v Nitre, 2006c, s. 1530-1535. ISBN 80-8069-704-3. KONEČNÝ, V. Základní problémy řešení trendů pomocí neuronových sítí. In Konference: Obchod a spotřebitel. Brno: KONVOJ, 2006d, s. 52--57. ISBN 80-7302-124-2.

133


KONEČNÝ, V. Možnosti využití technologií umělé inteligence v rozhodovacích procesech. In MOTYČKA, A. Informatika XV/2004 - Sborník příspěvků. 1. vyd. Brno: KONVOJ, 2005a, s. 39--44. ISBN 80-7302-067-X. KONEČNÝ, V. Umělá inteligence v BI. In MOTYČKA, A. Informatika XVII/2005 - Sborník příspěvků. Brno: KONVOJ, 2005b, s. 63--72. ISBN 80-7302-110-2. KONEČNÝ, V. Technologie umělé inteligence v rozhodovacím procesu. In Medzinárodné vedecké dni 2004: Európska integrácia - výzva pre Slovensko. 1. vyd. Nitra: SPU Nitra, 2004a, s. 517--522. ISBN 80-8096-356-0. KONEČNÝ, V. Volba systému s umělou inteligencí pro podporu rozhodovacích procesů. In Firma a konkurenční prostředí 2004 - Sekce 4. Kvantitativní metody v hospodářství. Brno: KONVOJ, s. r. o., 2004b, s. 59--65. ISBN 80-7302-076-9. KONEČNÝ, V., MATIÁŠOVÁ, A., RÁBOVÁ, I. Učení n-vrstvé neuronové sítě. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis. 2005. sv. LIII, č. 6, s. 75--84. ISSN 1211-8516. KONEČNÝ, V., RÁBOVÁ, I. Business Intelligence a konkurenceschopnost podniku. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis. 2005. sv. LIII, č. 6, s. 85--92. ISSN 1211-8516. MELOUN, M., MILITKY J. 1996, Statisticke zpracovani experimentalnich dat. Univerzita Pardubice, Czech Republic, ISBN 80-7194-075-5. MIŠOVIČ, M., TRENZ, O. Teoretické základy poradenských případů. In Sborník z konference Svět informačních systémů 2007. Zlín: Univerzita Tomáše Bati, 2007, s. 95--103. ISBN 80-86119-13-0. MIŠOVIČ, M., TRENZ, O. Komputerizace poradenských systémů. In Zborník príspevkov z medzinárodnej vedeckej konferencie Medzinárodné vedecké dni 2006. Nitra: Slovenská poĺnohospodárska univerzita v Nitre, 2006, s. 120--126. ISBN 80-8069704-3. OŠMERA, P.; POPELKA, O.; PANÁČEK, T. GRAMMATICAL EVOLUTION WITH BACKWARD PROCESSING. IN PROCEEDINGS OF 12TH ZITTAU EAST-WEST FUZZY COLLOQUIUM. ZITTAU, 2005. P. 235-244. ISBN 3-9808089-6-3. O‘NEILL, M.; RYAN, C. Grammatical Evolution: Evolutionary automatic programming in an arbitrary language. Kluwer Academic publishers, 2003. 160 p. ISBN 1-4020-7444-1. POKORNÝ, M. Finanční analýza v informačním systému podniku. In Firma a konkurenční prostředí 2005. Odborná sdělení. Svazek 1. 1. vyd. Brno: Konvoj, 2005a, s. 264--268. ISBN 80-7302-103-X. POKORNÝ, M. Fuzzifikace ve finančně-analytických postupech. In MOTYČKA, A. Sborník příspěvků Informatika XVII. Brno: Konvoj, 2005b, s. 147--153. ISBN 80-7302-110-2. POKORNÝ, M. Vliv kvantifikovatelných faktorů vnějšího prostředí na finanční situaci podniku. In MOTYČKA, A. Informatika XV/2004 - Sborník příspěvků. 1. vyd. Brno: KONVOJ, 2005c, s. 84--88. ISBN 80-7302-067-X. POKORNÝ, M. Využití IS/ICT ve finančním řízení podniku. In MendelNet 2004 (Sborník abstraktů z konference studentů doktorského studia.). 1. vyd. Brno: Konvoj, 2004, s. 112. ISBN 80-7302-088-2. POKORNÝ, M., MOTYČKA, A. Umělý zákazník?. In Konference: Obchod a spotřebitel. Brno: KONVOJ, 2006, ISBN 80-7302124-2. POKORNÝ, M., TRENZ, O. Podpora ekonomických rozhodovacích procesů technologiemi umělé inteligence. In MendelNet 2006. 2006, s. 224. POKORNÝ, M., TRENZ, O. Metodika experimentu přetrénování neuronové sítě. In MendelNet 2005 (sborník abstraktů z evropské vědecké konference doktorandů). 1. vyd. Brno: Konvoj, 2005, s. 118. ISBN 80-7302-107-2. POKORNÝ, M., TRENZ, O., KONEČNÝ, V. Neuronový rozhodovací model o kapitalizaci podniku. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis. 2007. sv. LV, č. 3, s. 97--104. ISSN 1211-8516. POPELKA, O. Generování matematických modelů pomocí genetických algoritmů. In Firma a konkurenční prostředí 2007 Sekce 6: IS/IT a konkurenceschopnost podniků. Brno: MSD, s. r. o., 2007, s. 58--62. ISBN 978-80-86633-88-6.

134


POPELKA, O. Neural networks and evolutionary algorithms. In MendelNET 2006 - Sborník příspěvků z konference studentů doktorského studia. Brno: Alfa Publishing, 2006, s. 90. ISBN 80-86851-62-1. PRICE, K. 1999, An Introduction to Differential Evolution. In: David Corne, Marco Dorigo and Fred Glover (editors) (1999). New Ideas in Optimization. McGraw-Hill, London (UK), pp. 79–108. ISBN 007-709506-5. PRICE, K. 1996. Differential evolution: a fast and simple numerical optimizer. 1996 Biennial Conference of the North American Fuzzy Information Processing Society, NAFIPS, pp. 524-527, IEEE Press, New York, NY, 1996. ISBN: 0-7803-3225-3. RÁBOVÁ, I., KONEČNÝ, V., MATIÁŠOVÁ, A. Decision making with support of artificial intelligence. Agricultural Economics. 2005. sv. 51, č. 9, s. 385--388. ISSN 0139-570X. STORN, R., On the Usage of Differential Evolution for Function Optimization. NAFIPS 1996, Berkeley, pp. 519 - 523. ŠŤASTNÝ, J., ŠKORPIL, V. Back-Propagation and K-Means Algorithms Comparison. In: International Conference on Signal Processing ICSP’06, Guilin, China, 2006, ISBN: 0-7803-9736-3, 5 pp. ŠŤASTNÝ, J., ŠKORPIL,V. Back-Propagation and Genetic Algorithms for Image Processing. In: International Conference ICAMaT2005, Bucharest, Romania, 2005a, ISBN: 973-27-1254-6, 5 pp. ŠŤASTNÝ, J., ŠKORPIL,V. Neural Networks Learning Methods Comparison. International Journal WSEAS Transactions on on Circuits and Systems, Issue 4, Volume 4, April 2005b, ISSN 1109-2734, pp. 325-330. ŠŤASTNÝ, J., ŠKORPIL,V. Comparison Methods for Pattern Recognition. International Journal WSEAS Transactions on Circuits and Systems. Issue 9, Volume 3, November 2004, ISSN 1109-2734, 6 pp. ŠŤASTNÝ, J., ŠKORPIL,V. Analysis of Methods for Edge Detection. International journal Communications 2003, ISSN 00182028, 2003, 19 pp. TRENZ, O. Manažerské rozhodování, možnosti podpory na straně aplikací. In Konference Královec. MZLU Konvoj, 2006a. TRENZ, O. Sémantické vyhledávání -- nové koncepce návrhu vyhledávacího algoritmu. In Recenzovaný sborník mezinárodní Baťovy doktorandské konference. Zlín: Univerzita Tomáše Bati ve Zlíně, 2006b, s. 236. ISBN 80-7318-384-6. TRENZ, O. Analýza potřeb potenciálního zákazníka, individuální přístup k řešení jeho problémů a využitelnost v rámci poradenských systému. In MOTYČKA, A. Informatika XVII/2005 - Sborník příspěvků. Brno: KONVOJ, 2005a, s. 258--265. ISBN 80-7302-110-2. TRENZ, O. Integrace sémantických principů vyhledávání do informačních systémů. In MendelNet 2005 (sborník abstraktů z evropské vědecké konference doktorandů). 1. vyd. Brno: Konvoj, 2005b, s. 122--123. ISBN 80-7302-107-2. TRENZ, O. Genetické algoritmy a jejich aplikace. In MendelNet 2004 - Sborník z konference studentů doktorského studia. Brno: KONVOJ, spol. s r. o., 2004, s. 122--127. ISBN 80-7302-088-2.

O autorech Doc. RNDr. Ing. Jiří Šťastný, CSc., Ing. Martin Pokorný, Doc. Ing. Arnošt Motyčka, CSc. Ústav informatiky, Provozně ekonomická fakulta, MZLU v Brně Zemědělská 1, 613 00 Brno, Česká republika [email protected], [email protected], [email protected]

135

APLIKACE UMĚLÉ INTELIGENCE V EKONOMICKÉ OBLASTI THE APPLICATION OF ARTIFICIAL INTELLIGENCE IN THE FIELD OF ECONOMICS

Recommend Documents