Понятие и классификация интеллектуальных информационных систем

 

Разработка (проектирование) ЭС существенно отличается от разработки обычного программного продукта.

 

Программные средства, базирующиеся на технологии и методах искусственного интеллекта, получили значительное распространение  в мире. Их важность, и в первую очередь важность экспертных систем, состоит в том, что данные технологии существенно расширяют круг практически  значимых задач, которые можно решать на компьютерах, и их решение приносит значительный экономический эффект.

 

В основе любой экспертной системы лежит принцип накопления знаний специалистов (экспертов), которые  каким-либо образом программно реализуются. Затем с помощью этих знаний пользователи ЭС, имеющие обычную квалификацию, могут решать свои текущие задачи столь же успешно, как это сделали  бы сами эксперты. Такой эффект достигается  благодаря тому, что экспертная система  в своей работе воспроизводит  примерно ту же схему рассуждений, которую  обычно применяет человек-эксперт  при анализе проблемы. Тем самым  ЭС позволяет копировать и распространять знания, делать их доступными широким  кругам рядовых специалистов.

 

Уровень пользователей экспертных систем может варьироваться в  очень широком диапазоне. От вида деятельности пользователей зависят  и функции, которыми наделяются создаваемые  для них ЭС.

 

В настоящее время технология экспертных систем получила широкое  распространение. Так, на американском и западноевропейском рынках систем искусственного интеллекта организациям, желающим создать экспертную систему, фирмы-разработчики предлагают сотни  инструментальных средств для их построения. Прикладных же ЭС, успешно решающих задачи из определенного узкого класса, насчитываются тысячи. Это позволяет говорить о том, что ЭС сейчас составляет мощную ветвь в индустрии программирования.

 

Экспертные системы и  Интернет/интранет. Интернет/интранет технологии поддерживают экспертные системы и наоборот. Телекоммуникационные технологии обеспечивают огромному числу пользователей доступ к возможностям экспертных систем, это способствует окупаемости затрат на разработку ЭС. К сожалению, только немногие экспертные системы доступны по сети. Они могут быть связаны по сети не только с пользователями, но и с другими системами, включая базы данных, системы принятия решений, управления роботами. Сетевые технологии открывают новые возможности в разработке экспертных систем группами людей, разделенных территориально, а также в реализации экспертных систем.

Применение интеллектуальных технологий в экономических системах

 

Применение ЭС. Экспертные системы – это прогрессирующее  направление в области искусственного интеллекта. Причиной повышенного интереса, который экспертные системы вызывают к себе на протяжении всего своего существования, является возможность  их применения для решения задач  из самых различных областей человеческой деятельности. Пожалуй, не найдется такой  предметной области, в которой не было бы создано ни одной ЭС или, по крайней мере, такие попытки  не предпринимались бы.

 

Основные типы задач, решаемых с помощью ЭС:

 

1) интерпретация, определение  смыслового содержания входных  данных;

 

2) предсказание последствий  наблюдаемых ситуаций;

 

3) диагностика неисправностей (заболеваний) по симптомам;

 

4) конструирование объекта  с заданными свойствами при  соблюдении установленных ограничений;

 

5) планирование последовательности  действий, приводящих к желаемому  состоянию объекта;

 

6) слежение (наблюдение) за  изменяющимся состоянием объекта  и сравнение его параметров  с установленными или желаемыми;

 

7) управление объектом  с целью достижения желаемого  поведения;

 

8) поиск неисправностей;

 

9) обучение.

 

В экономических информационных системах с помощью ЭС возможно решение  следующих задач:

 

1.   Анализ финансового  состояния предприятия.

 

2.   Оценка кредитоспособности  предприятия.

 

3.   Планирование финансовых  ресурсов предприятия.

 

4.   Формирование портфеля  инвестиций.

 

5.   Страхование коммерческих  кредитов.

 

6.   Выбор стратегии  производства.

 

7.   Оценка конкурентоспособности  продукции.

 

8.   Выбор стратегии  ценообразования.

 

9.   Выбор поставщика  продукции.

 

10.    Подбор кадров.

 

Применение нейронных  сетей. Нейронные сети особенно эффективны в случаях, когда нужно проанализировать большое количество данных для оценивания ситуации. Например, при принятии решения  о выдаче кредита нужно просмотреть случаи из прошлого опыта с ответами да/нет.

 

Области применения нейронных  сетей в сфере экономической  деятельности:

 

·     обнаружение  нарушений при уплате налогов;

 

·     анализ рынка  ценных бумаг, предсказание курсов валют;

 

·     выдача кредитов;

 

·     предсказание последствий того или иного решения;

 

·     предсказание результатов продвижения на рынке  новых товаров;

 

·     управление аэролиниями: заполнение мест и составление расписания;

 

·     оценивание кандидатов на должность;

 

·     оптимальное  распределение ресурсов;

 

·     установление подлинности подписи и др.

 

 

 

 

 

Ключевые слова 

 Понятие интеллектуальной  информационной системы, основные  свойства. Классификация ИИС, предметное (фактальное), проблемное (операционное) знание. Статические и динамические экспертные системы

1. Что Вы знаете о  природе знаний? Что такое Фактуальное знание и Операционное знание?

 Фактуальное знание — это осмысленные и понятые данные. Данные сами по себе — это специально организованные знаки на каком-либо носителе.

 Операционное знание  — это те общие зависимости  между фактами, которые позволяют  интерпретировать данные или  извлекать из них информацию.

 Часто фактуальное знание называют экстенсиональным (детализированным), а операционное знание - интенсиональным (обобщенным).

2. Как соединяется фактуальное и операционное знание в прикладной программе?

 Процесс извлечения  информации из данных сводится  к адекватному соединению 

 операционного и фактуального знаний и в различных типах ИС выполняется по-разному. Самый простой путь их соединения заключается в рамках одной прикладной программы:

 

3. Как соединяется фактуальное и операционное знание в системах, основанных на обработке баз данных (СБД - Data Base Systems?

 В системах, основанных на обработке баз данных (СБД - Data Base Systems), происходит отделение фактуального и операционного знаний друг от друга. Первое организуется в виде базы данных, второе - в виде программ. Причем программа может автоматически генерироваться по запросу пользователя (например, реализация SQL или QBE запросов). В качестве посредника между программой и базой данных выступает программный инструмент доступа к данным - система управления базой данных (СУБД).

 

4. Как соединяется фактуальное и операционное знание в системах, основанных на обработке знаний?

 Анализ структуры программы  показывает возможность выделения  из программы операционного знания (правил преобразования данных) в  так называемую базу знаний, которая  в декларативной форме хранит  общие для различных задач  единицы знаний. При этом управляющая  структура приобретает характер  универсального механизма решения  задач (механизма вывода), который  связывает единицы знаний в  исполняемые цепочки (генерируемые  алгоритмы) в зависимости от  конкретной постановки задачи (сформулированной  в запросе цели и исходных  условий). Такие ИС становятся системами, основанными на обработке знаний (СБЗ - Knowledge Base (Based) Systems).

 

5. Как соединяется фактуальное и операционное знание в системах, основанных на моделях?

 В развитии интеллектуальных  информационных систем является  выделение в самостоятельную  подсистему (репозиторий метазнания), описывающего структуру операционного и фактуального знаний отражающих модель проблемной области. В таких системах и программы, и структуры данных генерируются или компонуются из единиц знаний, описанных в репозиторий, каждый раз при изменении модели проблемной области. Будем называть ИИС, обрабатывающие метазнание, системами, основанными на моделях.

 

6. Какие признаки характерны  для интеллектуальных информационных  систем, ориентированных на генерацию  алгоритмов решения задач? 

 Характерны следующие  признаки:

1. развитые коммуникативные  способности 

2. умение решать сложные  плохо формализуемые задачи 

3. способность к самообучению 

4. адаптивность.

7. Как можно охарактеризовать  коммуникативные способности интеллектуальных  информационных систем?

 Коммуникативные способности  ИИС характеризуют способ взаимодействия (интерфейса) конечного пользователя  с системой, в частности, возможность  формулирования произвольного запроса  в диалоге с ИИС на языке,  максимально приближенном к естественному.

8. Как можно охарактеризовать  «умение решать сложные плохо  формализуемые задачи» для интеллектуальных  систем?

 Сложные плохо формализуемые  задачи - это задачи, которые требуют  построения оригинального алгоритма  решения в зависимости от конкретной  ситуации, для которой могут быть  характерны неопределенность и  динамичность исходных данных  и знаний.

9. Как можно охарактеризовать  способность к самообучению интеллектуальных  систем?

 Способность к самообучению - это возможность автоматического  извлечения знаний для решения  задач из накопленного опыта  конкретных ситуаций 

10. Что означает адаптивность  интеллектуальных систем 

 Адаптивность - способность  к развитию системы в соответствии  с объективными изменениями модели  проблемной области. 

11. На какие классы  делятся интеллектуальные информационные  системы? 

 ИИС делятся на:

1 Системы с интеллектуальным  интерфейсом 

2 Экспертные системы 

3 Самообучающиеся системы 

4 Адаптивные системы. 

 

12. На какие классы делятся  системы с интеллектуальным интерфейсом? 

 Информационные системы  с интеллектуальным интерфейсом  можно разделить на следующие  группы 

1 Интеллектуальные базы  данных 

2 Информационные системы  с естественно-языковым интерфейсом 

3 Гипертекстовые системы 

4 Системы контекстной  помощи 

5 Системы когнитивной  графики 

13. Чем отличаются Интеллектуальные  базы данных от обычных баз  данных?

 Интеллектуальные базы данных отличаются от обычных баз данных возможностью выборки по запросу необходимой информации, которая может явно не храниться, а выводиться из имеющейся в базе данных.

14. Принцип работы систем  с естественно-языковым интерфейсом? 

 Естественно-языковой  интерфейс предполагает трансляцию  естественно-языковых конструкций  на внутримашинный уровень представления знаний. Для этого необходимо решать задачи морфологического, синтаксического и семантического анализа и синтеза высказываний на естественном языке. Так, морфологический анализ предполагает распознавание и проверку правильности написания слов по словарям, синтаксический контроль - разложение входных сообщений на отдельные компоненты (определение структуры) с проверкой соответствия грамматическим правилам внутреннего представления знаний и выявления недостающих частей и, наконец, семантический анализ - установление смысловой правильности синтаксических конструкций. Синтез высказываний решает обратную задачу преобразования внутреннего представления информации в естественно-языковое.

 Естественно-языковый  интерфейс используется для:

- доступа к интеллектуальным базам данных;

- контекстного поиска документальной текстовой информации;.

- голосового ввода команд в системах управления;

- машинного перевода с иностранных языков.

15. Принцип работы интеллектуальных гипертекстовые системы?

 Гипертекстовые системы  предназначены для реализации  поиска по ключевым словам  в базах текстовой информации. Интеллектуальные гипертекстовые  системы отличаются возможностью  более сложной семантической  организации ключевых слов, которая  отражает различные смысловые  отношения терминов. Таким образом,  механизм поиска работает прежде всего с базой знаний ключевых слов, а уже затем непосредственно с текстом. В более широком плане сказанное распространяется и на поиск мультимедийной информации, включающей помимо текстовой и цифровой информации графические, аудио и видео-образы.

16. Принцип работы систем  контекстной помощи?

 Системы контекстной  помощи можно рассматривать как  частный случай интеллектуальных  гипертекстовых и естественно-языковых  систем. В отличие от обычных  систем помощи, навязывающих пользователю  схему поиска требуемой информации, в системах контекстной помощи  пользователь описывает проблему (ситуацию), а система с помощью  дополнительного диалога ее конкретизирует  и сама выполняет поиск относящихся  к ситуации рекомендаций. Такие  системы относятся к классу  систем распространения знаний (Knowledge Publishing) и создаются как приложение к системам документации (например, технической документации по эксплуатации товаров).

17. Принцип работы систем  когнитивной графики? 

 Системы когнитивной  графики позволяют осуществлять  интерфейс пользователя с ИИС  с помощью графических образов,  которые генерируются в соответствии  с происходящими событиями. Такие  системы используются в мониторинге  и управлении оперативными процессами. Графические образы в наглядном  и интегрированном виде описывают  множество параметров изучаемой  ситуации. Например, состояние сложного  управляемого объекта отображается  в виде человеческого лица, на  котором каждая черта отвечает  за какой-либо параметр, а общее выражение лица дает интегрированную характеристику ситуации. Системы когнитивной графики широко используются также в обучающих и тренажерных системах на основе использования принципов виртуальной реальности, когда графические -образы моделируют ситуации, в которых обучаемому необходимо принимать решения и выполнять определенные действия.