Экспертные системы

Уровни детальности

Введение уровней детальности позволяет рассматривать знания с различной степенью подробности. Количество уровней детальности во многом зависит от специфики решаемых задач, объема знаний и способа их представления. Обычно, создают не менее трех уровней детальности, которыми определяются соответственно общая, логическая и физическая организации знаний. Выделение нескольких уровней детальности придает дополнительную степень гибкости системы, так как позволяет производить изменения на одном уровне, не затрагивая другие. Изменения на одном уровне детальности могут приводить к дополнительным изменениям на этом же уровне, что порой необходимо для обеспечения согласованности структур данных и программ. Однако наличие различных уровней препятствует распространению изменений с одного уровня на другие.

Методы поиска решений

Методы решения задач, основанные на сведении этих задач к поиску, зависят от особенностей предметной области, в которой решается задача и от требований, предъявляемых к решению. Особенности проблемной области определяются следующими параметрами:

объем пространства поиска решения
изменяемость области во времени и пространстве
полнота модели, описывающей область. Если модель не полна, то для описания области используются несколько моделей, дополняющих друг друга.
определенность данных о решаемой задаче

Требования пользователя к результату задачи, решаемой с помощью поиска, можно определить количеством решений и свойствами результата и (или) способом его получения. Так, задача может иметь одно решение, несколько решений, все решения. Свойствами решения задают ограничения, которым должен удовлетворять полученный результат или способ его получения. Например, для системы, выдающей рекомендации ремонту машин, пользователь может указать требование не использовать детали некоторых производителей ценовой категории или свойств металлов. Параметр «свойства» может определять и такие особенности, как время, отведенное для решения, объем памяти, занимаемой для получения результата, указание об обязательности использования каких-либо знаний и т.п.

Сложность задачи, определяемой такими параметрами, варьируется от простых задач малой размерности с неизменяемыми определенными данными и отсутствием ограничений на результат со способом его получения до сложных задач большой размерности с изменяемыми, ошибочными и неполными данными и произвольными ограничениями на результат и способ его получения. Каким-либо одним методом нельзя решить все задачи. Обычно одни методы превосходят другие только по некоторым из перечисленных параметров.

Существующие методы решения задач, используемые в экспертных системах, можно классифицировать следующим образом:

методы поиска в одном пространстве (область небольшой размерности, полнота модели, точные и полные данные)
методы поиска в иерархических пространствах (областях большой размерности)
методы поиска при неточных и неполных данных
методы поиска, использующие несколько моделей

Эти методы при необходимости должны объединяться для того, чтобы позволить решать задачи, сложность которых возрастает одновременно по нескольким параметрам.

Назначение

Схема статичной Экспертной системы

Само название «Экспертные системы» подразумевает возможность замены эксперта-человека программным решением. Это позволяет предприятиям сокращать затраты на оплату труда специалистов, а самим специалистам обращаться при решении любых вопросов в рамках своей деятельности непосредственно к программе. Такие возможности сокращают время решения проблемы и позволяют молодым специалистам обучаться прямо на своем рабочем месте. Примером простейшей экспертной системы могут служить виртуальные «помощники» в пакетах ПО операционных систем компьютеров. Такие алгоритмы решения типовых вопросов избавляют разработчиков от излишней, непомерной и неоправданной нагрузки по общению с конечным пользователем.

Экспертные системы и системы искусственного интеллекта имеют основное отличие от систем обработки данных тем, что в них в основном используются символьный способ представления, символьный вывод и эвристический поиск решения.
Экспертные системы предназначены для решения только сложных практических задач. По качеству и эффективности решения экспертные системы не должны уступать решениям эксперта-человека. Решения экспертных систем. могут быть объяснены пользователю на качественном уровне, то есть обладают прозрачностью. Прозрачность экспертных систем обеспечивается их способностью рассуждать о результатах своей работы и базах знаний. Важным свойством экспертных систем является и то, что они способны обучаться.
ЭС решают задачи:

интерпретации
предсказаний
диагностики
планирования
конструирования
контроля
отладки
инструктажа
управления

Такие задачи возникают в самых разных областях научных, деловых и промышленных областях.
Программные средства, основанные на технологии экспертных систем, получили значительное распространение в мире

Важность экспертных систем состоит в следующем:

существенно расширяют круг практически значимых задач, решение которых приносит значительный экономический эффект
являются важнейшим средством сокращения длительности и, следовательно, высокой стоимости разработки сложных приложений
объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет обеспечения динамичной модификации приложений пользователем, а не программистом, большей «прозрачности» приложения, лучшей графики, интерфейса и взаимодействия.

Неформализованные задачи

Особое внимание следует уделить неформализованным задачам, потому что именно для их решения и создавались экспертные системы. Неформализованные задачи обычно обладают следующими свойствами:

ошибочность, неоднозначность, неполнота и противоречивость исходных данных
ошибочность, неоднозначность, неполнота и противоречивость знаний о проблемной области и решаемой задаче
большая размерность пространства решения, то есть перебор при поиске решения может быть очень большим
динамически изменяющиеся данные и знания

Неформализованные задачи представляют большой и очень важный класс задач. Задачи такого плана являются наиболее массовым классом задач, решаемых ЭВМ.

1.1. Определение экспертных систем, достоинство и назначение

Экспертные
системы — это яркое и быстро прогрессирующее
направление в области искусственного
интеллекта.

Искусственный
интеллект — самое молодое научное
направление. Появление его было
подготовлено развитием мощности
вычислительных машин.

Искусственный
интеллект занимает исключительное
положение. Это связано со следующим:

часть
функций программирования в настоящее
время оказалось возможным передать
машине. При этом общение с машиной
происходит на языке, близком к разговорному.
Для этого в ЭВМ закладывают огромную
базу знаний, способы решения, процедуры
синтеза, программы, а также средства
общения, позволяющие пользователю легко
общаться с ЭВМ.

· в
связи с внедрением ЭВМ во все сферы
человеческой жизни становится возможным
переход к безбумажной технологии
обработки информации.

· если
раньше производство ориентировалось
на обязательное участие человека, то в
настоящее время находят применение
безлюдные технологии, основанные на
роботизации и автоматизации системы
управления.

·
интеллектуальные системы в настоящее
время начинают занимать ведущее положение
в проектировании образцов изделий.
Часть изделий невозможно спроектировать
без их участия.

Системы,
относящиеся к системам искусственного
интеллекта в настоящее время:

·
экспертные системы. Первые системы,
которые нашли широкое применение. Их
элементы используются в системах
проектирования, диагностики, управления
и играх. Основаны на вводе знаний
высококвалифицированных специалистов
(экспертов) в ЭВМ и разработке специальной
системы по их использованию.

· системы
естественно-языкового общения
(подразумевается письменная речь).
Данные системы позволяют производить
обработку связанных текстов по какой-либо
тематике на естественном языке.

· системы
речевого общения.

· системы
обработки визуальной информации. Находят
применение в обработке аэрокосмических
снимков, данных, поступающих с датчиков.

· системы
машинного перевода. Подразумеваются
естественные языки человеческого
общения.

Экспертная
система — это набор программ или
программное обеспечение, которое
выполняет функции эксперта при решении
какой-либо задачи в области его
компетенции. Экспертная система, как и
эксперт-человек, в процессе своей работы
оперирует со знаниями. Знания о предметной
области, необходимые для работы экспертных
систем, определённым образом формализованы
и представлены в памяти ЭВМ в виде базы
знаний, которая может изменяться и
дополняться в процессе развития системы.

Экспертные
системы выдают советы, проводят анализ,
выполняют классификацию, дают консультации
и ставят диагноз. Они ориентированы на
решение задач, обычно требующих проведения
экспертизы человеком-специалистом. В
отличие от машинных программ, использующий
процедурный анализ, экспертные системы
решают задачи в узкой предметной области
(конкретной области экспертизы) на
основе дедуктивных рассуждений. Такие
системы часто оказываются способными
найти решение задач, которые
неструктурированны и плохо определены.
Они справляются с отсутствием
структурированности путём привлечения
эвристик, то есть правил, взятых «с
потолка», что может быть полезным в тех
системах, когда недостаток необходимых
знаний или времени исключает возможность
проведения полного анализа.

Главное
достоинство экспертных систем —
возможность накапливать знания, сохранять
их длительное время, обновлять и тем
самым обеспечивать относительную
независимость конкретной организации
от наличия в ней квалифицированных
специалистов. Накопление знаний позволяет
повышать квалификацию специалистов,
работающих на предприятии, используя
наилучшие, проверенные решения.

Практическое
применение искусственного интеллекта
на машиностроительных предприятиях и
в экономике основано на экспертных
системах, позволяющих повысить качество
и сохранить время принятия решений, а
также способствующих росту эффективности
работы и повышению квалификации
специалистов.

1.2. Отличие эс от других программных продуктов.

Основными отличиями
ЭС от других программных продуктов
являются использование не только данных,
но и знаний, а также специального
механизма вывода решений и новых знаний
на основе имеющихся. Знания в ЭС
представляются в такой форме, которая
может быть легко обработана на ЭВМ. В
ЭС известен алгоритм обработки знаний,
а не алгоритм решения задачи. Поэтому
применение алгоритма обработки знаний
может привести к получению такого
результата при решении конкретной
задачи, который не был предусмотрен.
Более того, алгоритм обработки знаний
заранее неизвестен и строится по ходу
решения задачи на основании эвристических
правил. Решение задачи в ЭС сопровождается
понятными пользователю объяснениями,
качество получаемых решений обычно не
хуже, а иногда и лучше достигаемого
специалистами. В системах, основанных
на знаниях, правила (или эвристики), по
которым решаются проблемы в конкретной
предметной области, хранятся в базе
знаний. Проблемы ставятся перед системой
в виде совокупности фактов, описывающих
некоторую ситуацию, и система с помощью
базы знаний пытается вывести заключение
из этих фактов (см. рис.1).

Рис.1

Качество ЭС
определяется размером и качеством базы
знаний (правил или эвристик). Система
функционирует в следующем циклическом
режиме: выбор (запрос) данных или
результатов анализов, наблюдения,
интерпретация результатов, усвоение
новой информации, выдвижении с помощью
правил временных гипотез и затем выбор
следующей порции данных или результатов
анализов (рис.2). Такой процесс продолжается
до тех пор, пока не поступит информация,
достаточная для окончательного
заключения.

В
любой момент времени в системе существуют
три типа знаний:

—
Структурированные знания — статические
знания о предметной области. После того
как эти знания выявлены, они уже не
изменяются.

—
Структурированные динамические знания
— изменяемые знания о предметной области.
Они обновляются по мере выявления новой
информации.

—
Рабочие знания- знания, применяемые для
решения конкретной задачи или проведения
консультации.

Все
перечисленные выше знания хранятся в
базе знаний. Для ее построения требуется
провести опрос специалистов, являющихся
экспертами в конкретной предметной
области, а затем систематизировать,
организовать и снабдить эти знания
указателями, чтобы впоследствии их
можно было легко извлечь из базы знаний.

Рис.2
Схема работы ЭС.

Приложения

Хейс-Рот делит приложения экспертных систем на 10 категорий, показанных в следующей таблице. Примеры приложений не входили в исходную таблицу Хейса-Рота, и некоторые из них возникли значительно позже. Любое приложение, не указанное в сносках, описано в книге Хейса-Рота. Кроме того, хотя эти категории обеспечивают интуитивно понятную структуру для описания пространства приложений экспертных систем, они не являются жесткими категориями, и в некоторых случаях приложение может отображать черты более чем одной категории.

Категория	Проблема решена	Примеры
Интерпретация	Вывод описания ситуаций из данных датчика	Hearsay (распознавание речи), ПРОСПЕКТОР
Предсказание	Выявление вероятных последствий данной ситуации	Оценка риска преждевременных родов
Диагностика	Вывод неисправностей системы из наблюдаемых	Кадуцей, MYCIN , слоеное, Mistral, Eydenet, Kaleidos
дизайн	Настройка объектов при ограничениях	Dendral , советник по ипотечным кредитам , R1 (конфигурация DEC VAX), SID ( процессор DEC VAX 9000 )
Планирование	Проектирование действий	Планирование миссии для автономного подводного аппарата
Мониторинг	Сравнение наблюдений для планирования уязвимостей	РЕАКТОР
Отладка	Предоставление дополнительных решений сложных проблем	СВЯТОЙ, МАТЛАБ, МАКСИМА
Ремонт	Выполнение плана применения предписанного лекарства	Управление кризисными ситуациями при разливе токсичных веществ
Инструкция	Диагностика, оценка и исправление поведения учащихся	SMH.PAL, Интеллектуальное клиническое обучение, STEAMER
Контроль	Интерпретация, прогнозирование, восстановление и мониторинг поведения системы	Управление процессами в реальном времени, управление полетами космического корабля

Hearsay был ранней попыткой решения проблемы распознавания голоса с помощью экспертных систем. По большей части эта категория экспертных систем оказалась не очень успешной. Слухи и все системы интерпретации, по сути, являются системами распознавания образов, ищущими закономерности в зашумленных данных. В случае распознавания Hearsay фонем в аудиопотоке. Другими ранними примерами были анализ данных сонара для обнаружения российских подводных лодок. Такие системы оказались гораздо более податливыми для нейросетевого ИИ-решения, чем для подхода, основанного на правилах.

CADUCEUS и MYCIN были системами медицинской диагностики. Пользователь описывает свои симптомы компьютеру, как врачу, и компьютер возвращает медицинский диагноз.

Dendral был инструментом для изучения формирования гипотез при идентификации органических молекул. Решенная общая проблема — разработка решения с учетом набора ограничений — была одной из наиболее успешных областей для ранних экспертных систем, применяемых в бизнес-областях, таких как продавцы, настраивающие компьютеры VAX корпорации Digital Equipment Corporation (DEC) и разработка заявок на получение ипотечного кредита.

SMH.PAL — это экспертная система оценки студентов с множественной инвалидностью.

Mistral — это экспертная система мониторинга безопасности плотин, разработанная в 1990-х годах компанией Ismes (Италия). Он получает данные от автоматической системы мониторинга и выполняет диагностику состояния плотины. Его первая копия, установленная в 1992 году на плотине Ридраколи (Италия), работает круглосуточно и без выходных . Он был установлен на нескольких плотинах в Италии и за рубежом (например, плотина Итайпу в Бразилии), а также на участках оползней под названием Эйденет и на памятниках под названием Калейдос. Mistral — зарегистрированная торговая марка CESI .

Концепция быстрого прототипа

Концепция быстрого прототипа, как правило, используется при создании экспертных систем. Суть концепции состоит в том, что разработчики не имеют целью сразу построить конечный продукт. Сначала происходит создание одного или нескольких прототипов ЭС. Прототип должен удовлетворять двум противоречивым требованиям: с одной стороны, они должны решать типичные задачи конкретного приложения, с другой стороны, время и трудоемкость их разработки должны быть весьма незначительны. Последнее требование необходимо, чтобы можно было максимально совместить процесс накопления и отладки знаний, осуществляемый экспертом, с процессом разработки программных средств. Для соблюдения этих требований при создании прототипа используются разнообразные средства, ускоряющие процесс создания.

Методы прототипа экспертной системы, кроме того, должны подходить для конкретной программы. В случае успеха знания прототипа о проблемной области подвергаются расширению. При неудаче может потребоваться разработка нового прототипа, или принимается решение о непригодности методов ЭС для данного приложения. По мере расширения базы знаний прототип может достигнуть такого состояния, когда все задачи данного приложения решаются успешно. Преобразование прототипа в конечный продукт обычно связано с перепрограммированием системы на языках низкого уровня, обеспечивающих как увеличение быстродействия ЭС, так и уменьшение требуемой памяти. Трудоемкость и время создания ЭС в значительной степени зависят от типа инструментов создания.

1.1. Смысл экспертного анализа

Задумайтесь
над таким вопросом: «При выполнении
каких условий компьютерную программу
можно назвать экспертом?»

Вполне логично
потребовать, чтобы такая программа
обладала
знаниями. Просто
способность выполнять некоторый
алгоритм, например производить анализ
списка элементов на наличие какого-либо
свойства, явно не отвечает этому
требованию. Это все равно, что дать
первому случайному прохожему список
вопросов и ответов и ожидать от него
успешного выполнения поиска и устранения
неисправностей в системах определенного
типа. Раньше или позже, но он обязательно
столкнется с ситуацией, не предусмотренной
в том списке, которым его снабдили.
Знания, которыми
обладает программа, должны быть
сконцентрированы на определенную
предметную область. Случайный
набор имен, дат и мест событий, сентенций
из классиков и т.п. — это отнюдь не те
знания, которые могут послужить основой
для программы, претендующей на способность
выполнить экспертный анализ. Знания
предполагают определенную организацию
и интеграцию — то есть отдельные
сведения должны соотноситься друг с
другом и образовывать нечто вроде
цепочки, в которой одно звено «тащит»
за собой следующее.
И, наконец, из этих
знаний должно непосредственно вытекать
решение
проблем. Просто
продемонстрировать свои знания,
касающиеся, например, технического
обслуживания компьютеров, — это далеко
не то же самое, что привести компьютер
в «чувство». Точно так же, получить
доступ к оперативной документации —
это совсем не то же самое, что заполучить
в свое распоряжение специалиста (или
программу), способного справиться с
возникшими проблемами.

Теперь
попробуем подытожить эти рассуждения
в следующем формальном определении
экспертной системы.

Экспертная
система — это программа для компьютера,
которая оперирует со знаниями в
определенной предметной области с целью
выработки рекомендаций или решения
проблем.

Экспертная
система может полностью взять на себя
функции, выполнение которых обычно
требует привлечения опыта
человека-специалиста, или играть роль
ассистента для человека, принимающего
решение. Другими словами, система
(техническая или социальная), требующая
принятия решения, может получить его
непосредственно от программы или через
промежуточное звено — человека, который
общается с программой. Тот, кто принимает
решение, может быть экспертом со своими
собственными правами, и в этом случае
программа может «оправдать» свое
существование, повышая эффективность
его работы. Альтернативный вариант —
человек, работающий в сотрудничестве
с такой программой, может добиться с ее
помощью результатов более высокого
качества. Вообще говоря, правильное
распределение функций между человеком
и машиной является одним из ключевых
условий высокой эффективности внедрения
экспертных систем.

Технология
экспертных систем является одним из
направлений новой области исследования,
которая получила наименование
искусственного
интеллекта (Artificial
Intelligence — AI). Исследования в этой области
сконцентрированы на разработке и
внедрении компьютерных программ,
способных
эмулировать (имитировать, воспроизводить)
те области деятельности человека,
которые требуют мышления, определенного
мастерства и накопленного опыта. К ним
относятся задачи принятия решений,
распознавания образов и понимания
человеческого языка. Эта технология
уже успешно применяется в некоторых
областях техники и жизни общества —
органической химии, поиске полезных
ископаемых, медицинской диагностике.
Перечень типовых задач, решаемых
экспертными системами, включает:

Наиболее известные экспертные системы

CLIPS – достаточно популярная оболочка для построения экспертных систем.

OpenCyc – мощная динамическая экспертная система.

MYCIN – достаточно известная диагностическая система, предназначенная для диагностики и наблюдения за состоянием больного менингитом и бактериальными инфекциями.

HASP/SIAP – интерпретирующая система, определяющая местоположение и тип судна в Тихом океане по данным, полученным с акустических систем слежения.

Акинатор – интернет-игра, в которой игрок загадывает персонаж, а программа должна его отгадать, задавая вопросы.

IBM Watson – суперкомпьютер фирмы IBM, который может понимать вопросы на естественном языке и отвечать на них.

Бизнес и финансы

БанкиБогатство и благосостояниеКоррупция(Преступность)МаркетингМенеджментИнвестицииЦенные бумагиУправлениеОткрытые акционерные обществаПроектыДокументыЦенные бумаги — контрольЦенные бумаги — оценкиОблигацииДолгиВалютаНедвижимость(Аренда)ПрофессииРаботаТорговляУслугиФинансыСтрахованиеБюджетФинансовые услугиКредитыКомпанииГосударственные предприятияЭкономикаМакроэкономикаМикроэкономикаНалогиАудитМеталлургияНефтьСельское хозяйствоЭнергетикаАрхитектураИнтерьерПолы и перекрытияПроцесс строительстваСтроительные материалыТеплоизоляцияЭкстерьерОрганизация и управление производством

Этап идентификации

Этап
идентификации связан, прежде всего, с
осмыслением тех задач, которые предстоит
решить будущей ЭС, и формированием
требований к ней. Результатом данного
этапа является ответ на вопрос, что надо
сделать и какие ресурсы необходимо
задействовать (идентификация задачи,
определение участников процесса
проектирования и их роли, выявление
ресурсов и целей).

Обычно
в разработке ЭС участвуют не менее
трех-четырех человек — один эксперт,
один или два инженера по знаниям и один
программист, привлекаемый для модификации
и согласования инструментальных средств.
Также к процессу разработки ЭС могут
по мере необходимости привлекаться и
другие участники. Например, инженер по
знаниям может пригласить других
экспертов, чтобы убедиться в правильности
своего понимания основного эксперта,
представительности тестов, демонстрирующих
особенности рассматриваемой задачи,
совпадения взглядов различных экспертов
на качество предлагаемых решений. Кроме
того, для сложных систем считается
целесообразным привлекать к основному
циклу разработки несколько экспертов.
Однако в этом случае, как правило,
требуется, чтобы один из экспертов
отвечал за непротиворечивость знаний,
сообщаемых коллективом экспертов.

Идентификация
задачи заключается в составлении
неформального (вербального) описания,
в котором указываются: общие характеристики
задачи; подзадачи, выделяемые внутри
данной задачи; ключевые понятия (объекты),
их входные (выходные) данные;
предположительный вид решения, а также
знания, относящиеся к решаемой задаче.

В
процессе идентификации задачи инженер
по знаниям и эксперт работают в тесном
контакте. Начальное неформальное
описание задачи экспертом используется
инженером по знаниям для уточнения
терминов и ключевых понятий. Эксперт
корректирует описание задачи, объясняет,
как решать ее и какие рассуждения лежат
в основе того или иного решения. После
нескольких циклов, уточняющих описание,
эксперт и инженер по знаниям получают
окончательное неформальное описание
задачи.

При
проектировании ЭС типичными ресурсами
являются источники знаний, время
разработки, вычислительные средства и
объем финансирования. Для эксперта
источниками знаний служат его
предшествующий опыт по решению задачи,
книги, известные примеры решения задач,
а для инженера по знаниям — опыт в
решении аналогичных задач, методы
представления знаний и манипулирования
ими, программные инструментальные
средства. При определении времени
разработки обычно имеется в виду, что
сроки разработки и внедрения ЭС
составляют, как правило, не менее года
(при трудоемкости 5 чел.-лет). Определение
объема финансирования оказывает
существенное влияние на процесс
разработки, так как, например, при
недостаточном финансировании предпочтение
может быть отдано не разработке
оригинальной новой системы, а адаптации
существующей.

При
идентификации целей важно отличать
цели, ради которых создается ЭС, от
задач, которые она должна решать.
Примерами возможных целей являются:
формализация неформальных знаний
экспертов; улучшение качества решений,
принимаемых экспертом; автоматизация
рутинных аспектов работы эксперта
(пользователя); тиражирование знаний
эксперта

Споры

Отсутствует консенсус относительно того, что отличает правовую экспертную систему от системы, основанной на знаниях (также называемой интеллектуальной системой, основанной на знаниях). В то время как правовые экспертные системы призваны функционировать на уровне человека-эксперта по правовым вопросам, основанные на знаниях системы могут зависеть от непосредственного участия человека-эксперта. Истинные правовые экспертные системы обычно сосредоточены на узкой области знания, а не на более широкой и менее конкретной области, как большинство систем, основанных на знаниях.

Правовые экспертные системы представляют потенциально разрушительные технологии для традиционной доставки юридических услуг «под заказ». Таким образом, практикующие юристы могут рассматривать их как угрозу для своего бизнеса.

Были высказаны аргументы в пользу того, что неспособность принимать во внимание различные теоретические подходы к принятию правовых решений приведёт к созданию экспертных систем, которые не будут отражать истинный характер принятия решений. Между тем, некоторые архитекторы правовых систем утверждают, что, поскольку многие юристы обладают квалифицированными навыками правовых рассуждения без основательной базы в правовой теории, то же самое должно быть справедливо и для правовых экспертных систем Meanwhile, some legal expert system architects contend that because many lawyers have proficient legal reasoning skills without a sound base in legal theory, the same should hold true for legal expert systems… Поскольку правовые экспертные системы применяют точность и научную строгость к акту принятия правовых решений, их можно рассматривать как вызов более дезорганизованной и менее точной динамике традиционных правовых норм юридического обоснования

Некоторые комментаторы также утверждают, что истинный характер юридической практики не всегда зависит от анализа правовых норм или принципов; вместо этого решения основываются на ожидании того, что решит человек-судья по конкретному делу.

Поскольку правовые экспертные системы применяют точность и научную строгость к акту принятия правовых решений, их можно рассматривать как вызов более дезорганизованной и менее точной динамике традиционных правовых норм юридического обоснования. Некоторые комментаторы также утверждают, что истинный характер юридической практики не всегда зависит от анализа правовых норм или принципов; вместо этого решения основываются на ожидании того, что решит человек-судья по конкретному делу.