Технологии искусственного интеллекта

Введение

     Современная экономика немыслима без информации. Тысячи предприятий, миллионы налогоплательщиков, триллионы рублей, биржевые котировки, реестры акционеров - все эти информационные потоки необходимо оценить, обработать, сделать необходимые выводы, принять правильное решение.

     Современный специалист - экономист должен уметь принимать обоснованные решения. Для этого наряду с традиционными знаниями, такими как основы менеджмента, основы внешнеэкономической деятельности, банковское дело, административное управление, налогообложение он должен владеть информацией по построению информационных систем.

     Интеллектуальные  технологии – один из последних  этапов развития аналитических технологий. Аналитическими технологиями называют методики, которые на основе каких-либо моделей, алгоритмов, математических теорем позволяют по известным данным оценить значения неизвестных характеристик и параметров. Простейший пример аналитической технологии - теорема Пифагора, которая позволяет по длинам сторон прямоугольного треугольника определить длину его третьей стороны. Другим примером являются способы, с помощью которых обрабатывает информацию человеческий мозг.

     Аналитические технологии нужны в первую очередь  людям, принимающим важные решения - руководителям, аналитикам, экспертам, консультантам. Доход компании в  большой степени определяется качеством этих решений – точностью прогнозов, оптимальностью выбранных стратегий. Наиболее распространены аналитические технологии, используемые для решения следующих задач: для прогнозирования курсов валют, цен на сырье, спроса, дохода компании, уровня безработицы, числа страховых случаев, и т.д.

     Как правило, для реальных задач бизнеса  и производства не существует четких алгоритмов решения. Раньше руководители и эксперты решали такие задачи только на основе личного опыта. С помощью  современных аналитических технологий строятся системы, позволяющие существенно повысить эффективность решений. 
 
 

1.Понятие  искусственного интеллекта

     Термин  интеллект (intelligence) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект (artificial intelligence) — ИИ (AI) обычно означает свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.

     Искусственный интеллект (ИИ) – научная дисциплина, занимающаяся моделированием мышления человека при решении трудноформализуемых задач. В теории искусственного интеллекта основными моделями знаний являются: продукционные системы, семантические сети, сети фреймов, логика предикатов, системы онтологий, нейронные сети и т.д. Изучением таких моделей занимается инженерия знаний - специальный раздел теории искусственного интеллекта. Помимо традиционных моделей представления знаний, для автоматизации структурно-параметрического синтеза представляют особый интерес интегративные модели, являющиеся наиболее полными моделями знаний о классе объектов.

     Для реализации систем искусственного интеллекта часто используются алгоритмические языки, отличные от языков, применяемых в «традиционном» программировании. Наиболее распространенными языками программирования, применяемыми для создания экспертных систем и систем искусственного интеллекта являются Prolog и Lisp, а также, в последнее время, еще и CLIPS. Также весьма популярными являются всевозможные среды разработки и библиотеки программ.

     Можно сформулировать основные цели и задачи искусственного интеллекта. Объектом изучения искусственного интеллекта являются метапроцедуры, используемые при решении человеком задач, традиционно называемых интеллектуальными, или творческими. Но если психология мышления изучает эти метапроцедуры применительно к человеку, то искусственный интеллект создает программные (а сейчас уже и программно-аппаратные) модели таких метапроцедур.

     Цель  исследований в области  искусственного интеллекта — создание арсенала метапроцедур, достаточного для того, чтобы ЭВМ (или другие технические системы, например роботы) могли находить по постановкам задач их решения. Иными словами, стали автономными программистами, способными выполнять работу профессиональных программистов-прикладников (создающих программы для решения задач в определенной предметной области). Разумеется, сформулированная цель не исчерпывает всех задач, которые ставит перед собой искусственный интеллект. Это цель ближайшая. Последующие цели связаны с попыткой проникнуть в области мышления человека, которые лежат вне сферы рационального и выразимого словесно (вербально) мышления. В поиске решения многих задач, особенно сильно отличающихся от ранее решенных, большую роль играет та сфера мышления, которую называют подсознательной, бессознательной или интуитивной.

     Основными методами, используемыми  в искусственном  интеллекте, являются разного рода программные модели и средства, эксперименты на ЭВМ и теоретические модели. Однако современные ЭВМ уже мало удовлетворяют специалистов по искусственному интеллекту. Их конструкция не имеет ничего общего с тем, как устроен человеческий мозг. Поэтому идет интенсивный поиск новых технических структур, которые будут способны лучше решать задачи, связанные с интеллектуальными процессами. Сюда относятся исследования по нейроподобным искусственным сетям, попытки построить молекулярные машины, работы в области голографических систем и многое другое.

     Существует  много различных подходов к классификации  информационных систем:

     – по степени структурированности  решаемых задач;

     – по автоматизируемым функциям;

     – по степени автоматизации реализуемых  функций;

     – по сфере применения и характеру  использования информации, в частности, по уровням управления.

     Известно, что при обучении людей существуют различные уровни предметной обученности: воспроизведение (память); решение стандартных  задач (умения, навыки); решение нестандартных, творческих задач (знания, активное интеллектуальное понимание).

     Интеллект может проявляется в различных  областях, но мы рассмотрим его возможности  в решении задач, т.к. эта область  проявления является типичной для интеллекта. Задачи бывают стандартные и нестандартные. Для стандартных задач известны алгоритмы решения. Для нестандартных они неизвестны. Поэтому решение нестандартной задачи представляет собой проблему.

     Разработка  алгоритма решения задачи связано  с тонкими и сложными рассуждениями, требующими изобретательности, опыта, высокой квалификации.

     Области применения

     Представляется   совершенно   естественным   исключить   из   класса интеллектуальных   такие   задачи,   для   которых   существуют   стандартные  методы   решения.   Для   решения   вычислительных задач  (решение   системы   линейных   алгебраических уравнений, численное интегрирование дифференциальных уравнений и т.д. ) имеются   стандартные   алгоритмы. Они  определенную  последовательность   элементарных операций,  которая может быть легко реализована в виде программы для компьютера.   В   противоположность   этому   для   широкого   класса интеллектуальных задач, таких, как распознавание образов, игра в шахматы, доказательство теорем и т.п., напротив, это формальное разбиение процесса поиска решения на отдельные элементарные шаги часто оказывается весьма затруднительным, даже если само их решение несложно. Поэтому применение ИИ позволяет :

• строить интеллектуальный (дружественный) интерфейс в информационных системах
• решать задачи, которые не могут быть решены обычными методами
• значительно увеличить скорость и качество решения задач
• решать задачи в условиях неполноты данных
• анализировать большие объемы информации
• понимать речь, ручное письмо и т.д.

      2.Структура и методы интеллектуальной системы

     Интеллектуальная  информационная система представляет собой сумму искусственного интеллекта и баз знаний.

     База  знаний представляет собой совокупность сред, хранящих знания различных типов. Рассмотрим кратко их назначение.

     В свою очередь база знаний включает:

• База фактов (данных) хранит конкретные данные, а база правил — элементарные выражения, называемые в теории искусственного интеллекта продукциями.
• База процедур содержит прикладные программы, с помощью которых выполняются все необходимые преобразования и вычисления.
• База закономерностей включает различные сведения, относящиеся к особенностям той среды, в которой действует система.
• База метазнаний (база знаний о себе) содержит описание самой системы и способов ее функционирования: сведения о том, как внутри системы представляются единицы информации различного типа, как взаимодействуют различные компоненты системы, как было получено решение задачи.
• База целей содержит целевые структуры, называемые сценариями, позволяющие организовать процессы движения от исходных фактов, правил, процедур к достижению той цели, которая поступила в систему от пользователя либо была сформулирована самой системой в процессе ее деятельности в проблемной среде.

     Управление  всеми базами, входящими в базу знаний, и организацию их взаимодействия осуществляет система управления базами знаний. С ее же помощью реализуются связи баз знаний с внешней средой. Таким образом, машина базы знаний осуществляет первую функцию интеллектуальной системы.

     Выполнение  второй функции обеспечивает часть интеллектуальной системы, называемая решателем и состоящая из ряда блоков, которые управляются системой управления решателя. Часть из блоков реализует логический вывод.

     Блок  дедуктивного вывода осуществляет в  решателе дедуктивные рассуждения, с помощью которых из закономерностей из базы знаний, фактов из базы фактов и правил из базы правил выводятся новые факты. Кроме этого, данный блок реализует эвристические процедуры поиска решений задач как поиск путей решения задачи по сценариям при заданной конечной цели.

     Для реализации рассуждений, которые не носят дедуктивного характера, т. е. для поиска по аналогии, по прецеденту и т. д., используются блоки индуктивного и правдоподобного выводов.

      
Общая структура  интеллектуальной системы

     Блок  планирования применяется в задачах  планирования решений совместно  с блоком дедуктивного вывода.

     Назначение  блока функциональных преобразований состоит в решении задач расчетно-логического  и алгоритмического типов.

     Третья  функция - функция общения - реализуется как с помощью компоненты естественно-языкового интерфейса, так и с помощью рецепторов и эффекторов, которые осуществляют так называемое невербальное общение и используются в интеллектуальных роботах.

     В зависимости от набора компонентов, реализующих рассмотренные функции, можно выделить следующие основные разновидности интеллектуальных систем:

• интеллектуальные информационно-поисковые системы;
• экспертные системы (ЭС);
• расчетно-логические системы;
• гибридные экспертные системы.

     Интеллектуальные информационно-поисковые системы являются системами взаимодействия с проблемно-ориентированными (фактографическими) базами данных на естественном, точнее, ограниченном как грамматически, так и лексически (профессиональной лексикой) естественном языке (языке деловой прозы). Для них характерно использование (помимо базы знаний, реализующей семантическую модель представления знаний о проблемной области) лингвистического процессора.

     Экспертные  системы являются одним из бурно развивающихся классов интеллектуальных систем. Данные системы в первую очередь стали создаваться в математически слабо формализованных областях науки и техники, таких как медицина, геология, биология и другие. Для них характерна аккумуляция в системе знаний и правил рассуждений опытных специалистов в данной предметной области, а также наличие специальной системы объяснений.

     Расчетно-логические системы позволяют решать управленческие и проектные задачи по их постановкам (описаниям) и исходным данным вне зависимости от сложности математических моделей этих задач. При этом конечному пользователю предоставляется возможность контролировать в режиме диалога все стадии вычислительного процесса. В общем случае по описанию проблемы на языке предметной области обеспечивается автоматическое построение математической модели и автоматический синтез рабочих программ при формулировке функциональных задач из данной предметной области. Эти свойства реализуются благодаря наличию базы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования.