Понятие и классификация интеллектуальных информационных систем

Понятие и классификация  интеллектуальных информационных систем

Профессор Д.А. Поспелов дает следующее определение  «интеллектуальной системы»: «Система называется интеллектуальной, если в  ней реализованы следующие основные функции:

• накапливать знания об окружающем систему мире, классифицировать и оценивать их с точки зрения прагматической полезности и непротиворечивости, инициировать процессы получения новых знаний, осуществлять соотнесение новых знаний с ранее хранимыми;
• пополнять поступившие знания с помощью логического вывода, отражающего закономерности в окружающем систему мире или в накопленных ею ранее знаниях, получать обобщенные знания на основе более частных знаний и логически планировать свою деятельность;
• общаться с человеком на языке, максимально приближенном к естественному человеческому языку, и получать информацию от каналов, аналогичных тем, которые использует человек при восприятии окружающего мира, уметь формировать для себя или по просьбе человека (пользователя) объяснение собственной деятельности, оказывать пользователю помощь за счет тех знаний, которые хранятся в памяти, и тех логических средств рассуждений, которые присущи системе».

Перечисленные функции можно назвать функциями  представления и обработки знаний, рассуждения и общения. Наряду с  обязательными компонентами, в зависимости  от решаемых задач и области применения в конкретной системе эти функции  могут быть реализованы в различной  степени, что определяет индивидуальность архитектуры. На рис. 7 в наиболее общем виде представлена структура интеллектуальной системы в виде совокупности блоков и связей между ними.

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

Рис. 7. Общая структура интеллектуальной системы 

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, управляемых 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 пр., используются блоки индуктивного и правдоподобного выводов. Блок планирования используется 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. 

   Интеллектуальная  информационная система (ИИС) – это информационная система, которая основана на концепции использования базы знаний для генерации алгоритмов решения экономических задач различных классов в зависимости от конкретных информационных потребностей пользователей.

   Программные средства, применяемые в экономических  информационных системах, можно разделить  на следующие группы:

   1.    Проблемно-ориентированные пакеты экономико-математического моделирования.

   2.    Пакеты программ статистического анализа данных.

   3.    Программные средства интеллектуализации доступа к базе данных.

   4.    Средства эвристического решения задач анализа диагностики и прогнозирования на основе применения экспертных систем (ЭС).

   5.    Программы анализа и прогнозирования управленческой деятельности на основе использования аппарата нейронных сетей, а также баз знаний (БЗ) прецедентов.

   6.    Программные средства динамического планирования на основе использования Сase-технологий.

   Интеллектуальные  информационные системы охватывают от 3 до 6 направлений. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

   Классификация ИИС 

   В зависимости от своей природы знание бывает фактуальное и операционное.

   Фактуальное знание – осмысленные данные. Операционное знание – общие зависимости между фактами, которые позволяют интерпретировать данные или извлекать из них новую информацию.

   К главным недостаткам традиционной ИС относятся:

   1.     Слабая адаптируемость к информационным потребностям пользователя.

   2.     Невозможность решать плохо формализуемые задачи.

   Перечисленные недостатки устраняются в ИИС. ИИС  имеют следующие характерные  признаки:

   ·     развитые коммуникативные способности;

   ·     умение решать сложные, плохо формализуемые задачи (характеризуются наполовину качественным и количественным описанием, а хорошо формализуемые задачи – полностью количественным описанием);

   ·     способность к развитию и самообучению.

   Условно каждому из этих признаков соответствует  свой класс ИИС:

   I класс: системы с интеллектуальным интерфейсом (коммуникативные способности):

   1.    Интеллектуальные БД;

   2.    Естественно-языковой интерфейс;

   3.    Гипертекстовые системы;

   4.    Контекстные системы;

   5.    Когнитивная графика.

   II класс: экспертные системы (решение сложных задач):

   1.    Классифицирующие системы;

   2.    Доопределяющие системы;

   3.    Трансформирующие системы;

   4.    Многоагентные системы.

   III класс: самообучающиеся системы (способность к самообучению):

   1.      Индуктивные системы;

   2.      Нейронные сети;

   3.      Системы, основанные на прецедентах;

   4.      Информационные хранилища.

Рис. 7.1. Классификация ИИС 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

1 класс

Интеллектуальные  БД – отличаются от обычных возможностью выборки по запросу информации, которая может явно не храниться, а выводиться из имеющейся БД (например, вывести список товаров, цена которых выше отраслевой).

   Естественно-языковой интерфейс предполагает трансляцию естественно-языковых конструкций на машинный уровень представления знаний. При этом осуществляется распознавание и проверка написанных слов по словарям и синтаксическим правилам. Данный интерфейс облегчает обращение к интеллектуальным БД, а также голосовой ввод команд в системах управления.

   Гипертекстовые  системы предназначены для поиска текстовой информации по ключевым словам в базах.

   Системы контекстной помощи – частный случай гипертекстовых и естественно-языковых систем.

   Системы когнитивной графики позволяют осуществлять взаимодействие пользователя ИИС с помощью графических образов.

   Экспертные  системы предназначены для воссоздания  опыта, знаний профессионалов высокого уровня и использования этих знаний в процессе управления. Они разрабатываются  с использованием математического  аппарата нечеткой логики для эксплуатации в узких областях применения, поскольку  их использование требует больших  компьютерных ресурсов для обработки  и хранения знаний. В основе построения экспертных систем лежит база знаний, которая основывается на моделях  представления знаний. В силу больших  финансовых и временных затрат в  российских экономических ИС экспертные системы не имеют большого распространения.

   Считается, что любая экспертная система  – это система, основанная на знаниях, но последняя не всегда является экспертной. 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.

   Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдение, интерпретация результатов, усвоение новой информации, выдвижение с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов. Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

   Более простые системы, основанные на знаниях, функционируют в режиме диалога, или режиме консультации. После запуска система задает пользователю ряд вопросов о решаемой задаче, требующих ответа «да» или «нет». Ответы служат для установления фактов, по которым может быть выведено окончательное заключение.

   В любой момент времени в системе  содержится три типа знаний:

   ·    структурированные 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, 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. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

   Архитектура экспертной системы

   Архитектура ЭС представлена на рис. 7.2. База знаний (БЗ) отражает знания экспертов. Однако далеко не каждый эксперт в состоянии грамотно изложить всю структуру своих знаний.

   Выявлением  знаний эксперта и представлением их в БЗ занимаются специалисты – инженеры знаний.

   ЭС  должна обладать механизмом приобретения знаний для ввода знаний в базу и их последующее обновление.

   В простейшем случае – это интеллектуальный редактор, который позволяет вводить единицы знаний в базу, а также проводить их анализ на непротиворечивость.

   Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько  основных классов: прогнозирование, планирование, контроль и управление, обучение.

   Технологию  построения экспертных систем называют инженерией знаний. Этот процесс требует специфической формы взаимодействия создателя экспертной системы, которого называют инженером знаний, и одного или нескольких экспертов в некоторой предметной области. Инженер знаний «извлекает» из экспертов процедуры, стратегии, эмпирические правила, которые они используют при решении задач, и встраивает эти знания в экспертную систему.

Рис. 7.2. Архитектура ЭС

   В результате появляется система, решающая задачи во многом так же, как человек-эксперт.

   Ядро  экспертной системы составляет база знаний, которая создается и накапливается в процессе ее построения. Знания выражены в явном виде и организованы так, чтобы упростить принятие решений. Накопление и организация знаний – одна из самых важных характеристик экспертной системы.

   Наиболее  полезной характеристикой экспертной системы является то, что она применяет  для решения проблем высококачественный опыт. Этот опыт может представлять уровень мышления наиболее квалифицированных экспертов в данной области, что ведет к решениям творческим, точным и эффективным. Именно высококачественный опыт в сочетании с умением его применять делает систему рентабельной, способной заслужить признание на рынке. Этому также способствует гибкость системы. Система может наращиваться постепенно в соответствии с нуждами бизнеса или заказчика. Это означает, что можно вначале вложить сравнительно скромные средства, а потом наращивать возможности системы по мере необходимости.

   Другой  полезной чертой экспертных систем является наличие у них прогностических  возможностей. Экспертная система может  функционировать в качестве модели решения задачи в заданной области, давая ожидаемые ответы в конкретной ситуации и показывая, как изменятся  эти ответы в новых ситуациях. Экспертная система может объяснить  подробно, каким образом новая  ситуация привела к изменениям. Это  позволяет пользователю оценить  возможное влияние новых фактов или информации и понять, как они  связаны с решением. Аналогично пользователь может оценить влияние новых  стратегий или процедур на решение, добавляя новые правила или изменяя  уже существующие.

   Важным  свойством экспертных систем является возможность их применения для обучения и тренировки персонала. Экспертные системы могут быть разработаны с расчетом на подобный процесс обучения, так как они уже содержат необходимые знания и способны объяснить процесс своего рассуждения. Остается только добавить программное обеспечение, поддерживающее соответствующий требованиям эргономики интерфейс между обучаемым и экспертной системой. Кроме того, должны быть включены знания о методах обучения и возможном поведении пользователя.

   Итак, в настоящее время ЭС является инструментом, усиливающим интеллектуальные способности всей системы в целом, и выполняет следующие задачи:

   1) консультация для неопытных (непрофессиональных) пользователей,

   2) помощь при анализе различных  вариантов принятия решения,

   3) помощь по вопросам, относящимся  к смежным областям деятельности.

   Наиболее  широко и продуктивно ЭС применяются  в бизнесе, производстве, медицине, менее – в науке.

   ·    языки программирования;

   ·    среды программирования;

   ·    пустые ЭС (оболочки).

   С точки зрения разработчика экспертных систем, наибольший интерес представляет использование сред программирования и пустых экспертных систем (оболочек), хотя не всегда можно заметить разницу  между этими понятиями.

   К числу таких средств первой группы относятся языки обработки символьной информации, наиболее известными из которых  являются Пролог и Лисп. Пролог – язык высокого уровня, ориентированный на использование концепций и методов математической логики. Как следует из его названия, Пролог предназначен для программирования в терминах логики. Основной особенностью Пролога, отличающей его от всех других языков, является декларативный характер написанных на нем программ. Язык Лисп изобретен в Массачусетском технологическом институте и обладает способностью обрабатывать списковые структуры. Языки программирования Лисп и Пролог имеют встроенные механизмы для манипулирования знаниями.

   Помимо  Лиспа и Пролога создано множество  других языков, ориентированных на обработку символьной информации и  разработку ЭС: Smalltalk, FRL, Interlisp. Кроме этих специализированных языков для разработки экспертных систем используются и обычные языки программирования общего назначения: Си, Ассемблер, Паскаль, Фортран, Бейсик и др.

   Общим недостатком языков программирования для создания экспертных систем являются: большое время разработки готовой  системы, необходимость привлечения  высококвалифицированных программистов, трудности с модификацией готовой  системы. Все это делает применение языков программирования для реализации ЭС весьма дорогостоящим и трудоемким.

   Инструментальные  средства второго типа – среды программирования – позволяют разработчику не программировать некоторые или все компоненты ЭС, а выбирать их из заранее составленного набора.

   При применении последнего типа инструментария (пустых ЭС, или «оболочек») разработчик ЭС полностью освобождается от работ по созданию программ и занимается лишь наполнением базы знаний.

   Типичным  представителем второй и третьей  групп инструментальных средств  является пакет EXSYS Professional 5.0 for Windows (оболочка – по определению разработчика – компании MultiLogic Inc., США) и его последующая модификация Exsys Developer 8.0, предназначенный для создания прикладных экспертных систем в различных предметных областях. Система построена на использовании сложных правил вида ЕСЛИ-ТО-ИНАЧЕ. Для выбора стратегии получения заключения в системе по умолчанию используется обратная цепочка вывода. Прямая цепочка может быть задана при настройке системы. Система обладает развитым графическим интерфейсом, способна обращаться к внешним базам данных, проверять правила на непротиворечивость. При определенной настройке может работать с русскоязычными текстами.

   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.

   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.