Ekspertsüsteem (ES) on infoinfosüsteem, mis on loodud puudulikult vormistatud probleemide lahendamiseks, tuginedes teadmistebaasi kogunenud probleemvaldkonna ekspertide töökogemustele. See sisaldab teadmistebaasi koos reeglistiku ja järeldusmehhanismiga ning võimaldab kasutaja esitatud faktide põhjal tuvastada olukorra, panna diagnoos, sõnastada lahenduse või anda soovituse toimingu valimiseks.
Ekspertsüsteemid on loodud kõrgetasemeliste spetsialistide kogemuste ja teadmiste taasloomiseks ning nende teadmiste kasutamiseks juhtimisprotsessis. Nende väljatöötamisel kasutatakse hägusloogika matemaatilist aparaadi kitsastes rakendusvaldkondades, kuna nende kasutamine nõuab teadmiste töötlemiseks ja salvestamiseks suuri arvutiressursse. Ekspertsüsteemide ülesehitamise aluseks on teadmusbaas, mis põhineb teadmiste esitusmudelitel. Venemaa majandusinfosüsteemide suurte rahaliste ja ajakulude tõttu ei kasutata ekspertsüsteeme laialdaselt.
Arvatakse, et iga ekspertsüsteem on teadmistepõhine süsteem, kuid viimane ei ole alati ekspert. Teadmistepõhistes süsteemides reeglid(või heuristika), mille abil otsuseid tehakse Probleemid konkreetses teemavaldkonnas, salvestatakse teadmistepagas. Probleemid on seatud süsteemile kui tervikule faktid, mis kirjeldab teatud olukorda ja süsteem püüab teadmistebaasi kasutades nendest faktidest järeldusi teha.
Süsteem töötab järgmiselt tsükliline režiim: andmete või analüüsitulemuste valimine (päring), vaatlus, tulemuste tõlgendamine, uue teabe assimileerimine, ajutiste hüpoteeside püstitamine reeglite abil ja seejärel andmete või analüüsitulemuste järgmise osa valimine. See protsess jätkub, kuni lõpliku järelduse tegemiseks on saadud piisavalt teavet.
Lihtsamad teadmistepõhised süsteemid töötavad dialoogirežiimis või konsultatsioonirežiim. Pärast käivitamist esitab süsteem kasutajale rea küsimusi lahendatava probleemi kohta, millele tuleb vastata "jah" või "ei". Vastused aitavad kindlaks teha faktid, mille põhjal saab teha lõpliku järelduse.
Igal ajahetkel sisaldab süsteem kolme teadmiste tüüp:
· struktureeritud staatilised teadmised ainevaldkonna kohta, kui need teadmised on tuvastatud, ei muutu need enam;
· struktureeritud dünaamilised teadmised – muutlikud teadmised ainevaldkonnast; neid ajakohastatakse uue teabe avastamisel;
· tööalased teadmised, mida rakendatakse konkreetse probleemi või konsultatsiooni puhul.
Kõik ülaltoodud teadmised on salvestatud teadmistepagas. Selle ülesehitamiseks on vaja läbi viia küsitlus spetsialistide seas, kes on konkreetse ainevaldkonna asjatundjad ning seejärel need teadmised süstematiseerida, korrastada ja varustada indeksitega, et neid hiljem teadmistebaasist hõlpsasti kätte saada.
Ekspertsüsteemi arhitektuur. ES-i arhitektuur on näidatud joonisel fig. 7.2. Teadmistebaas (KB) peegeldab ekspertide teadmisi. Kuid mitte iga ekspert ei suuda asjatundlikult esitada kogu oma teadmiste struktuuri.
Ekspertteadmiste tuvastamist ja nende esitamist teadmistebaasis viivad läbi spetsialistid - teadmiste insenerid.
ES peab olema teadmiste omandamise mehhanism teadmiste sisestamiseks andmebaasi ja nende hilisemaks uuendamiseks.
Lihtsamal juhul on tegemist intelligentse redaktoriga, mis võimaldab nii teadmiste ühikuid andmebaasi sisestada kui ka neid järjepidevuse huvides analüüsida.
Teadmistepõhiste süsteemide rakendusvaldkonnad võib jagada mitmeks põhiklassiks: prognoosimine, planeerimine, kontroll ja juhtimine, koolitus.
Ekspertsüsteemide ehitamise tehnoloogiat nimetatakse teadmiste insener. See protsess nõuab spetsiifilist suhtlemisvormi ekspertsüsteemi looja, mida nimetatakse teadmusinseneriks, ja ühe või mitme teatud valdkonna eksperdi vahel. Teadmiste insener “väljavõtteb” ekspertidelt protseduurid, strateegiad ja rusikareeglid, mida nad probleemide lahendamiseks kasutavad, ning kinnistab need teadmised ekspertsüsteemi.
Riis. 7.2. ES arhitektuur
Tulemuseks on süsteem, mis lahendab probleeme samamoodi nagu inimekspert.
Ekspertsüsteemi tuum on teadmistepagas, mis tekib ja koguneb selle ehitamise käigus. Teadmised on selgelt väljendatud ja organiseeritud, et hõlbustada otsuste tegemist. Teadmiste kogumine ja organiseerimine on ekspertsüsteemi üks olulisemaid omadusi.
Ekspertsüsteemi kõige kasulikum omadus on see, et see sobib probleemide lahendamiseks kvaliteetne kogemus. See kogemus võib esindada valdkonna kõige kvalifitseeritumate ekspertide mõtlemise taset, mis viib loovate, täpsete ja tõhusate lahendusteni. Kvaliteetne kogemus koos selle rakendamise oskusega muudab süsteemi kuluefektiivseks ja võimeliseks turul tunnustust pälvima. See on samuti hõlbustatud paindlikkus süsteemid. Süsteemi saab järk-järgult laiendada vastavalt ettevõtte või kliendi vajadustele. See tähendab, et saate alguses teha suhteliselt tagasihoidliku investeeringu ja seejärel vastavalt vajadusele süsteemi võimalusi laiendada.
Teine ekspertsüsteemide kasulik omadus on nende ennustamisvõime. Ekspertsüsteem võib toimida mudelina antud valdkonna probleemi lahendamisel, andes konkreetses olukorras oodatud vastuseid ja näidates, kuidas need vastused uutes olukordades muutuvad. Ekspertsüsteem suudab üksikasjalikult selgitada, kuidas uus olukord muutuse põhjustas. See võimaldab kasutajal hinnata uute faktide või teabe võimalikku mõju ja mõista, kuidas need on otsusega seotud. Samamoodi saab kasutaja hinnata uute strateegiate või protseduuride mõju otsusele, lisades uusi reegleid või muutes olemasolevaid.
Ekspertsüsteemide oluline omadus on nende kasutamise võimalus personali haridus ja koolitus. Eksperdisüsteeme saab kujundada just seda õppeprotsessi silmas pidades, kuna need sisaldavad juba vajalikke teadmisi ja suudavad oma arutlusprotsessi selgitada. Jääb vaid lisada ergonoomilisi nõudeid toetav tarkvara liidesõppija ja ekspertsüsteemi vahel. Lisaks tuleks lisada teadmisi koolitusmeetodite ja võimaliku kasutaja käitumise kohta.
Seega on ES praegu tööriist, mis suurendab kogu süsteemi kui terviku intellektuaalseid võimeid ja täidab järgmisi ülesandeid:
1) konsultatsioon kogenematutele (mitteprofessionaalsetele) kasutajatele,
2) abi erinevate otsustusvõimaluste analüüsimisel,
3) abistamine seotud tegevusvaldkondadega seotud küsimustes.
ES kasutatakse kõige laialdasemalt ja produktiivsemalt ettevõtluses, tootmises, meditsiinis ja vähem teaduses.
Loeng
Teema: "Intelligentsed tehnoloogiad ja süsteemid"
Plaan:
1. Tehisintellekti mõiste. Arukas teave
tehnoloogiaid.
2. Intelligentsete infosüsteemide klassifikatsioon.
3. Ekspertsüsteemid kui intelligentsete süsteemide põhiliik.
4. Kunstlikud närvivõrgud.
Infotehnoloogia (IT) kasutamine erinevates inimtegevuse valdkondades, infomahtude kasv ja kiire reageerimise vajadus igas olukorras nõudsid adekvaatsete võimaluste otsimist esilekerkivate probleemide lahendamiseks. Kõige tõhusam neist on infotehnoloogia intellektualiseerimise tee.
Küsimus nr 1 Tehisintellekti mõiste.
intelligentsed infotehnoloogiad
Uus infotehnoloogia põhineb eelkõige intelligentsetel tehnoloogiatel ja tehisintellekti teoorial.
Mõiste intellekt tuleneb ladinakeelsest sõnast intellectus – mis tähendab meelt, mõistust, meelt; inimese mõtlemisvõimet.
Under tehisintellekt mõista arvutisüsteemide võimet teha intelligentseid toiminguid. Enamasti viitab see inimese mõtlemisega seotud võimetele.
Tehisintellekt- arvutiteaduse haru, mis on seotud arvutite intelligentsete programmide väljatöötamisega.
Tehisintellekt (AI) on teadusvaldkond, mis tekkis küberneetika, lingvistika, psühholoogia ja programmeerimise ristumiskohas.
Aruka infotehnoloogia all mõista infotehnoloogiaid, mis pakuvad järgmisi võimalusi:
- teadmistebaaside olemasolu, mis peegeldavad konkreetsete inimeste, rühmade, ühiskondade, inimkonna kui terviku kogemusi selliste probleemide lahendamisel nagu: otsustamine, kujundamine, tähenduse väljavõtmine, selgitamine, õppimine;
- teadmistebaasidel põhinevate mõtlemismudelite olemasolu: reeglid ja loogilised järeldused; argumentatsioon ja arutluskäik; olukordade äratundmine ja liigitamine; üldistused ja arusaamine jne;
- oskus teha väga selgeid otsuseid ebaselgete, mittetäielike, alamääratletud andmete põhjal;
- järelduste ja otsuste selgitamise oskus, see tähendab selgitusmehhanismi olemasolu;
- võime õppida, ümber õppida ja seega areneda.
Intelligentsete infotehnoloogiate ajalugu
Pöördugem IIT arenguloo juurde, mis ulatub eelmise sajandi 60. aastatesse ja hõlmab mitmeid põhiperioode.
- 60-70ndad. Need on tehisintellekti võimekuse teadvustamise ja otsustus- ja juhtimisprotsesse toetava tellimuse kujunemise aastad.
- 70-80ndad. Selles etapis teadvustatakse teadmiste tähtsust adekvaatsete otsuste langetamisel; Ilmuvad EKSPERTSÜSTEEMID.
- alates 80ndatest Kuni praeguseni. Tekivad integreeritud (hübriidsed) teadmiste esitusmudelid, mis ühendavad järgmisi intelligentsuse tüüpe: otsing, arvutamine, loogiline ja kujutlusvõime. Närvivõrkude loomine
Intelligentsete infotehnoloogiate (IIT) eripära on nende “mitmekülgsus”. Neil pole praktiliselt mingeid rakenduspiiranguid sellistes valdkondades nagu juhtimine, disain, masintõlge, diagnostika, mustrituvastus, kõnesüntees jne.
IIT-sid kasutatakse laialdaselt ka keeruliste probleemide hajutatud lahendamiseks, koostöös tootekujunduseks, virtuaalsete ettevõtete ehitamiseks, suurte tootmissüsteemide ja elektroonilise kaubanduse modelleerimiseks, keerukate arvutisüsteemide elektrooniliseks arendamiseks, teadmiste ja infosüsteemide haldamiseks jne. Teine tõhus rakendus on teabeotsing Internet ja muud globaalsed võrgud, selle struktureerimine ja kliendini toimetamine.
Küsimus nr 2 Intelligentsete infosüsteemide klassifikatsioon
IIS-i iseloomustavad järgmised omadused:
Arenenud suhtlemisoskus (viis, kuidas lõppkasutaja süsteemiga suhtleb);
Oskus lahendada keerulisi, halvasti vormistatud probleeme, mis nõuavad originaalse lahendusalgoritmi konstrueerimist sõltuvalt konkreetsest olukorrast, mida iseloomustab lähteandmete ja teadmiste ebakindlus ja dünaamilisus;
Iseõppimisvõime, s.o. süsteemi võime automaatselt ammutada teadmisi kogutud kogemustest ja rakendada neid probleemide lahendamisel;
Kohanemisvõime on süsteemi võime areneda vastavalt teadmiste valdkonna objektiivsetele muutustele.
Kõik loetletud omadused vastavad tinglikult oma IIS-klassile.
1. intelligentse liidesega süsteemid (suhtlusvõime):
- intelligentsed andmebaasid. Erinevalt traditsioonilistest andmebaasidest võimaldavad need pakkuda valikut vajalikust teabest, mis ei ole selgesõnaliselt olemas, vaid on tuletatud salvestatud andmete kogumikust.
- Loomulikkeelne liides . Seda kasutatakse intelligentsetele andmebaasidele juurdepääsuks, dokumentaalse tekstiteabe kontekstuaalseks otsinguks, juhtimissüsteemides käskude häälsisendiks, võõrkeeltest masintõlkeks.
- Hüperteksti süsteemid. Kasutatakse märksõnaotsingu rakendamiseks tekstiteabega andmebaasides.
- Kontekstuaalsed abisüsteemid . Nad kuuluvad teadmiste levitamise süsteemide klassi. Sellised süsteemid on reeglina dokumentatsiooni lisad. Nendes süsteemides kirjeldab kasutaja probleemi, süsteem täpsustab selle täiendava dialoogi põhjal ning otsib selle probleemi kohta soovitusi.
- Kognitiivsed graafikasüsteemid . Need on keskendunud infoinfosüsteemi kasutajaga suhtlemisele graafiliste kujutiste kaudu, mis genereeritakse vastavalt simuleeritud või vaadeldavate protsesside parameetrite muutustele. Kognitiivse graafika kasutamine on eriti aktuaalne seire- ja operatiivjuhtimissüsteemides, õppe- ja koolitussüsteemides, reaalajas töötavates operatiivsetes otsustussüsteemides.
2. Ekspertsüsteemid(keeruliste halvasti vormistatud probleemide lahendamine). Neid kasutatakse mitteametlike probleemide lahendamiseks, mis hõlmavad ülesandeid, millel on üks järgmistest omadustest:
Eesmärke ei saa esitada numbrilisel kujul;
Esialgsed andmed ja teadmised ainevaldkonna kohta on mitmetähenduslikud, ebatäpsed ja vastuolulised;
Eesmärke ei saa väljendada täpselt määratletud eesmärgifunktsiooni kasutades;
Probleemile pole ainulaadset algoritmilist lahendust;
Peamine erinevus ES-i ja tehisintellekti vahel andmetöötlussüsteemidest seisneb selles, et andmete esitamisel kasutatakse pigem sümboolset kui numbrilist meetodit ning infotöötlusmeetoditena kasutatakse loogilise järelduse ja heuristilise lahenduste otsimise protseduure.
Vastavalt ülaltoodud tunnustele jagunevad IIS-id (see klassifikatsioon on üks võimalikest) (joonis 1):
kommutatsioonivõimega süsteemid (intelligentse liidesega);
ekspertsüsteemid (keeruliste probleemide lahendamise süsteemid);
iseõppivad süsteemid (iseõppimisvõimelised süsteemid);
adaptiivsed süsteemid (adaptiivsed infosüsteemid).
Riis. 1. Arukate infosüsteemide klassifikatsioon süsteemi tüübi järgi
intelligentsed andmebaasid erinevad tavapärastest andmebaasidest võimalusega valida nõudmisel vajalikku teavet, mida ei pruugita otseselt salvestada, vaid pigem tuletatakse andmebaasis olevast.
Loomulikkeelne liides hõlmab loomuliku keele konstruktsioonide tõlkimist teadmiste esituse masinasisesele tasemele. Selleks on vaja lahendada loomuliku keele väidete morfoloogilise, süntaktilise ja semantilise analüüsi ning sünteesi probleemid. Seega hõlmab morfoloogiline analüüs sõnade õigekirja äratundmist ja kontrollimist sõnastike abil, süntaktilist kontrolli - sisendsõnumite jaotamist üksikuteks komponentideks (struktuuri määramine) koos teadmiste sisemise esituse grammatiliste reeglite järgimise kontrollimisega ja puuduvate osade tuvastamisega, lõpuks semantiline analüüs – süntaktiliste sõnade semantilise õigsuse kindlakstegemine. Väidete süntees lahendab teabe sisemise esituse loomulikku keelde teisendamise pöördprobleemi.
Loomuliku keele liidest kasutatakse:
juurdepääs intelligentsetele andmebaasidele;
dokumentaalse tekstiteabe kontekstuaalne otsing;
masintõlge võõrkeeltest.
Hüperteksti süsteemid on mõeldud märksõnaotsingu rakendamiseks tekstiteabe andmebaasides. Intelligentsed hüpertekstisüsteemid eristuvad märksõnade keerukama semantilise organiseerimise võimalusega, mis peegeldab terminite erinevaid semantilisi seoseid. Seega töötab otsingumootor ennekõike märksõna teadmistebaasiga ja alles seejärel otse tekstiga. Laiemas plaanis kehtib eeltoodu ka multimeediainfo, sealhulgas lisaks tekstile ka digitaalse info otsimise kohta.
Kontekstuaalsed süsteemid abi võib pidada intelligentse hüperteksti ja loomuliku keele süsteemide erijuhuks. Erinevalt tavapärastest abisüsteemidest, mis kehtestavad kasutajale vajaliku teabe otsimise mustri, kirjeldab kontekstuaalsetes abisüsteemides kasutaja probleemi (olukorda) ning süsteem täiendava dialoogi abil täpsustab selle ja otsib ise soovitusi, mis on seotud teabe otsimisega. olukord. Sellised süsteemid kuuluvad teadmiste levitamise süsteemide (Knowledge Publishing) klassi ja luuakse dokumentatsioonisüsteemide (näiteks kaupade toimimise tehniline dokumentatsioon) rakendusena.
Kognitiivsed graafikasüsteemid võimaldab teil liidestada kasutajat IIS-iga, kasutades graafilisi pilte, mis genereeritakse vastavalt käimasolevatele sündmustele. Selliseid süsteeme kasutatakse tööprotsesside jälgimisel ja juhtimisel. Graafilised kujutised visuaalsel ja integreeritud kujul kirjeldavad paljusid uuritava olukorra parameetreid. Näiteks kuvatakse keeruka juhitava objekti olek inimese näo kujul, millel iga tunnus vastutab mõne parameetri eest ning üldine näoilme annab olukorrale integreeritud karakteristiku. Kognitiivseid graafikasüsteeme kasutatakse laialdaselt ka virtuaalreaalsuse põhimõtetel põhinevates haridus- ja koolitussüsteemides, kui graafilised kujutised simuleerivad olukordi, kus õppijal on vaja teha otsuseid ja sooritada teatud toiminguid.
Ekspertsüsteemid on loodud probleemide lahendamiseks kogunenud teadmiste baasil, peegeldades vaadeldava probleemvaldkonna ekspertide kogemusi.
Mitme agendi süsteemid. Selliseid dünaamilisi süsteeme iseloomustab mitmete heterogeensete teadmiste allikate integreerimine teadmistebaasi, mis vahetavad saadud tulemusi omavahel dünaamiliselt.
Sest mitme agendi süsteemid Iseloomulikud on järgmised omadused:
erinevate teadmiste allikate kasutamisel põhineva alternatiivse arutluse läbiviimine koos vastuolude lahendamise mehhanismiga;
ülesannete hajutatud lahendamine, mis jagunevad sõltumatutele teadmisteallikatele vastavateks paralleelselt lahendatud alamülesanneteks;
mitme strateegia kasutamine järeldusmehhanismi toimimiseks, olenevalt lahendatava probleemi tüübist;
andmebaasis sisalduvate suurte andmemahtude töötlemine;
mudelite andmebaasis salvestatud erinevate matemaatiliste mudelite ja väliste protseduuride kasutamine;
võimalus katkestada probleemide lahendamine, kuna on vaja hankida kasutajatelt, mudelitelt ja paralleelselt lahendatavatelt alamprobleemidelt täiendavaid andmeid ja teadmisi.
Keskmiselt iseõppivad süsteemid on meetodid tõsieluliste olukordade näidete automaatseks klassifitseerimiseks.
Iseõppivate süsteemide iseloomulikud tunnused on:
iseõppivad süsteemid “koos õpetajaga”, kui iga näite puhul on selgelt määratletud selle teatud olukordade klassi kuulumise atribuudi väärtus (klassi moodustav atribuut);
iseõppivad süsteemid "ilma õpetajata", kui süsteem ise tuvastab olukordade klassid klassifitseerimistunnuste väärtuste läheduse astme alusel.
Induktiivsed süsteemid kasutada näidete üldistamist vastavalt põhimõttele konkreetselt üldisele. Näidete klassifitseerimise protsess on järgmine:
Klassifitseerimistunnus valitakse etteantud tunnuste hulgast (kas järjestikku või mõne reegli järgi, näiteks vastavalt näidete saadud alamhulkade maksimaalsele arvule).
Valitud atribuudi väärtuse alusel jagatakse näidete hulk alamhulkadeks.
Kontrollitakse, kas iga saadud näidete alamhulk kuulub samasse alamklassi.
Kui mõni näidete alamhulk kuulub samasse alamklassi, see tähendab, et alamhulga kõikidel näidetel on sama klassi moodustava tunnuse väärtus, siis klassifitseerimisprotsess lõpeb (ülejäänud klassifikatsioonitunnuseid ei arvestata).
Klassi moodustava atribuudi mittesobiva väärtusega näidete alamhulkade puhul jätkub klassifitseerimisprotsess, alustades punktist 1 (igast näidete alamhulgast saab klassifitseeritud kogum).
Närvivõrgud on paralleelsed arvutusseadmed, mis koosnevad paljudest interakteeruvatest lihtsatest protsessoritest. Iga protsessor sellises võrgus tegeleb ainult signaalidega, mida ta perioodiliselt vastu võtab, ja signaalidega, mida ta perioodiliselt teistele protsessoritele saadab.
Ekspertsüsteemides pretsedendipõhine(analoogiad), teadmistebaas ei sisalda üldistatud olukordade kirjeldusi, vaid tegelikke olukordi või pretsedente endid.
Ekspertsüsteemides probleemile pretsedentide põhjal lahenduse otsimine taandub analoogiapõhisele otsingule (st abduktiivsele järeldusele konkreetselt konkreetsele).
Erinevalt intelligentsest andmebaasist teabehoidla on operatiivandmebaasist väljavõetud olulise teabe hoidla, mis on mõeldud operatiivseks olukorraandmete analüüsiks (OLAP-tehnoloogia juurutamine).
Operatiivse olukorra analüüsi tüüpilised ülesanded on:
konkreetsete hoidlate tarbijaprofiili kindlaksmääramine;
ladustamisobjektide muutuste prognoosimine ajas;
olukordade tunnuste sõltuvuste analüüs (korrelatsioonianalüüs).
Adaptiivne infosüsteem on infosüsteem, mis muudab oma struktuuri vastavalt probleemkoha mudeli muutustele.
Kus:
adaptiivne infosüsteem peab adekvaatselt toetama äriprotsesside korraldamist igal ajahetkel;
adaptiivne infosüsteem peab kohanema alati, kui tekib vajadus äriprotsesse ümber korraldada;
Infosüsteemi rekonstrueerimine peaks toimuma kiiresti ja minimaalsete kuludega.
Adaptiivse infosüsteemi tuumaks on pidevalt arenev probleemvaldkonna (ettevõtte) mudel, mida toetab spetsiaalne teadmistebaas - repositoorium. Tuuma põhjal genereeritakse või konfigureeritakse tarkvara. Seega taandub IS-i projekteerimine ja kohandamine ennekõike probleemse piirkonna mudeli loomisele ja selle õigeaegsele kohandamisele.
Kuna üldtunnustatud definitsioon puudub, on intelligentsete infosüsteemide selget ühtset klassifikatsiooni raske anda. Näiteks kui mõelda intelligentsetele infosüsteemidele lahendatava probleemi seisukohast, siis saame eristada juhtimissüsteeme ja referentssüsteeme, arvutilingvistikasüsteeme, tuvastussüsteeme, mängusüsteeme ja intelligentsete infosüsteemide loomise süsteeme (joonis 2).
Samal ajal saavad süsteemid lahendada mitte ühte, vaid mitut probleemi või ühe probleemi lahendamise käigus mitmeid teisi. Näiteks võõrkeele õpetamisel saab süsteem lahendada õpilase kõne äratundmise, testimise, küsimustele vastamise, tekstide ühest keelest teise tõlkimise ja loomuliku keeleliidese toetamise probleeme.
joonis 2 – Arukate infosüsteemide klassifikatsioon nende lahendatavate ülesannete järgi
Kui liigitada intelligentsed infosüsteemid vastavalt kriteeriumile "kasutatud meetodid", siis jagunevad need kõvadeks, pehmeteks ja hübriidseteks (joonis 3).
Pehme andmetöötlus on keeruline arvutimetoodika, mis põhineb hägusloogikal, geneetilisel andmetöötlusel, neuroarvutitel ja tõenäosusarvutustel. Raske andmetöötlus – traditsiooniline arvutiarvutus (mitte pehme). Hübriidsüsteemid– süsteemid, mis kasutavad rohkem kui ühte arvutitehnoloogiat (intelligentsete süsteemide puhul tehisintellekti tehnoloogiad).
Riis. 3. Arukate infosüsteemide klassifikatsioon meetodite järgi
Võimalikud on ka muud klassifikatsioonid, näiteks üldotstarbelised süsteemid ja erisüsteemid (joonis 4).
Riis. 4. Intelligentsete süsteemide klassifikatsioon eesmärgi järgi
Pealegi peegeldab see diagramm Teine võimalus meetodi järgi klassifitseerimiseks: teadmiste esitusmeetodeid kasutavad süsteemid, iseorganiseeruvad süsteemid ja heuristilise programmeerimise abil loodud süsteemid. Ka selles klassifikatsioonis liigitatakse muusika genereerimise süsteemid sidesüsteemideks.
Intelligentsete süsteemide poole Üldine otstarve Nende hulka kuuluvad süsteemid, mis mitte ainult ei täida etteantud protseduure, vaid loovad ja teostavad otsingu metaprotseduuride põhjal protseduure uute spetsiifiliste probleemide lahendamiseks.
Spetsialiseerunud intelligentsed süsteemid lahendavad süsteemi projekteerimise käigus eelnevalt kindlaks määratud kindlale probleemidele.
Selge liigituse puudumine on seletatav ka intellektuaalsete ülesannete ja intellektuaalsete meetodite mitmekesisusega, lisaks on tehisintellekt aktiivselt arenev teadus, milles iga päev omandatakse uusi rakendusvaldkondi.
Sissejuhatus…………………………………………………………………………………………2
Infosüsteemide arendamise juhised ja nende rakendamise meetodid.…………..5
Infosüsteemi omadused ja võimalused…………………………………………9
IIS-i üldsätted................................................................ ..........................................5
Infosüsteemide intelligentsuse tunnused ja tunnused…………………………………………………………………………13
Reeglitel põhinevad teadmiste esituse mudelid infoinfosüsteemides………14
Järeldus…………………………………………………………………………………………………………………….
Viidete loetelu…………………………………………………………………………………………………………………………………………………
Sissejuhatus.
Kaasaegses teaduses mõistetakse inimese intellektuaalsete võimete modelleerimisega seotud uurimistööd kui teaduslikku suunda, mis tegeleb automaatsete struktuuride sünteesimise probleemidega, mis on võimelised lahendama keerulisi infotoe probleeme erinevat tüüpi inimtegevuse jaoks. Tavaliselt on need probleemid, mille jaoks ühel või teisel põhjusel ei ole valmis reegleid või lahendusnäiteid. Inimene, kellel on vajalikud teadmised, kogemused ja taiplikkus, saab välja töötada reeglid sellise probleemi lahendamiseks. Aga kui loote arvutimudeli, mille mälu sisaldab sellise inimese teadmisi, mis on programmeeritud tema kogemuste ja intellektuaalsete võimetega, mis on vajalikud konkreetse probleemi lahendamiseks, siis saab seda mudelit kasutada paljude juba olemasolevaga sarnaste probleemide lahendamiseks. lahendatud. Lisaks saab seda mudelit kohandada kasutamiseks muudes probleemsetes olukordades.
Nendest ülesannetest on kõige raskemad ja asjakohasemad inimese ja arvutisüsteemi vahelise suhtluse vahendite väljatöötamine, mis modelleerivad inimese loomulikus intelligentsust, ning automaatne masintõlge ühest keelest teise tingimusel, et semantiline ja emotsionaalne aspektid on täpselt edasi antud. Asi on selles, et vastavalt
Paljude silmapaistvate keeleteadlaste arvates on inimese intellektuaalne tegevus (peaaegu kõigis selle aspektides) kõige otsesemalt seotud keele toimimise ja mõtlemisega. Vaid absoluutselt loomulike sidevahendite abil inimese ja arvutiprogrammi täitva automaadi vahel on võimalik luua süsteeme, mis adekvaatselt modelleerivad inimese intelligentsust ja selle omadusi nagu mõtlemine, intuitsioon, teadvus ja alateadvus... Sellised süsteemid kaasaegset arvutiteadust nimetatakse intelligentseteks infosüsteemideks (IIS)).
Arukate infosüsteemide valdkonna fundamentaal- ja rakendusuuringute hetkeseis viitab sellele, et nende tulemused on muutunud üsna kindlateks. See tähendab, et tekkinud on suhteliselt stabiilne mõistete süsteem, välja on kujunenud projekteerimise, ehitamise ja teostamise metoodika ning kindlaks määratud selliste süsteemide ja nende komponentide tüüpstruktuurid.
Üldtunnustatud seisukoht on, et intellektuaalne ülesanne on leida teatud praktilise või teoreetilise probleemi lahendamiseks tundmatu algoritm, mis on universaalne sellele probleemile iseloomulike lähteandmete kogumis. Nõutakse vaid, et esineja
probleemi lahendaja suutis teha neid elementaarseid toiminguid, millest protsess koosneb, ning lisaks juhindub ta pedantselt ja täpselt pakutud algoritmist. Selline esineja (inimene või automaat), toimides puhtalt mehaaniliselt, suudab edukalt lahendada mis tahes vaadeldavat tüüpi probleemi. Seetõttu tundub täiesti loomulik jätta välja intellektuaalsete probleemide klassist, mille lahendamiseks on olemas standardmeetodid. Selliste ülesannete näited
Puhtalt arvutuslikud ülesanded võivad olla järgmised:
Lineaaralgebralise võrrandisüsteemi lahendamine;
Diferentsiaalvõrrandite arvuline integreerimine;
Empiiriliste andmete lähendamise probleemid jne.
Seda tüüpi probleemide lahendamiseks on olemas standardsed algoritmid, mis on teatud elementaartoimingute jada, mida saab hõlpsasti arvutiprogrammi kujul rakendada. Seevastu laia klassi intellektuaalsete ülesannete puhul, nagu mustrituvastus, loogilised mahaarvamised ja loogiliselt keerukad mängud (näiteks malemäng), teoreemide tõestamine jne, on selline lahenduse leidmise protsessi formaalne jaotus eraldi elementaarseteks osadeks. sammud on vastupidine, osutub sageli väga raskeks, isegi kui nende lahendamine ise pole keeruline.
Seega on teatud põhjust pidada intelligentsuse mõistet võrdväärseks universaalse superalgoritmi kontseptsiooniga, mis on võimeline looma algoritme konkreetsete probleemide lahendamiseks.
IIS-i üldsätted.
Erinevat tüüpi inimtegevuse infotoetussüsteemide väljatöötamist saab ajalooliselt kujutada etappidena:
„infosüsteemid” (IS), „automatiseeritud infosüsteemid” (AIS), „intelligentsed infosüsteemid” (IIS).
Arukas infosüsteem - see on arvutimudel
inimese intellektuaalsed võimed sihitud otsingus, ümbritsevat reaalsust puudutava jooksva informatsiooni analüüs ja süntees, et saada selle kohta uusi teadmisi ja lahendada selle põhjal erinevaid elulisi probleeme .
Igal neist etappidest on ainevaldkonna kohta oma teabemudel. Esimeste infosüsteemide jaoks olid selliseks mudeliks kataloogid või klassifikaatorid, AIS-i jaoks olid need andmebaaside ja andmepankade kujul organiseeritud teabemassiivid ning IIS-i puhul esindas ainevaldkonna mudelit struktureeritud andmesüsteem, mida nimetatakse teadmistebaasiks. . Kataloogidel põhinevad infosüsteemid loodi peamiselt selleks, et ühel või teisel määral rakendada vajaliku teabe mehhaniseeritud otsingut. AIS põhineb
kõrgelt organiseeritud andmebaasid võimaldasid mitte ainult automatiseeritud ja mitmemõõtmelist teabeotsingut, vaid ka leitud teabe üsna keerukat töötlemist, selle organiseeritud salvestamist ja edastamist. Teadmusbaasidel põhinev IIS peab (lisaks AIS-i võimalustele) lahendama probleeme, mida nimetatakse intelligentseks.
Infosüsteemide arendamine praeguses etapis on kooskõlas kolme uurimisvaldkonnaga, mille eesmärk on modelleerida inimese võimeid intellektuaalsete probleemide lahendamisel.
Esimene uurimissuund uurib inimese aju ehitust ja mehhanisme ning lõppeesmärk on paljastada mõtlemise saladused. Sellesuunaliste uuringute vajalikeks etappideks on psühhofüsioloogilistel andmetel põhinevate mudelite ehitamine, nendega katsete tegemine, uute hüpoteeside püstitamine intellektuaalse tegevuse mehhanismide kohta, varem loodud mudelite täiustamine jne.
Teist suunda käsitletakse uurimisobjektina
tehislik intelligentne süsteem. Me räägime siin modellitööst.
intellektuaalne tegevus erineva tööpõhimõttega arvutite või masinate abil. Sellesuunalise töö eesmärk on luua sellistele arvutusmasinatele algoritmiline ja tarkvara, mis võimaldab teatud tüüpi intellektuaalseid probleeme lahendada samal viisil, nagu inimene neid lahendaks.
Kolmas suund on keskendunud inimese-masina ehk, nagu öeldakse, interaktiivsete intelligentsete süsteemide loomisele, mis on sümbioos loodusliku ja tehisintellekti võimetest. Olulisemateks probleemideks neis uuringutes on inimvõimete ja inimese intellektuaalseid võimeid modelleeriva tehissüsteemi optimaalne kombinatsioon ning semantiliselt veatu dialoogi korraldamine inimese ja sellise süsteemi vahel.
Igas suunas on infosüsteemi ülesehitamiseks erinevad lähenemised. Need lähenemisviisid ei ole evolutsioonilised etapid, nad ilmusid peaaegu samaaegselt (ajaloolises mõttes) ning eksisteerivad ja arenevad iseseisvalt praegusel ajal. Pealegi pole kunagi olnud piisavalt põhjust eelistada tingimusteta üht lähenemist teistele.
Peaaegu iga loogilisel lähenemisel põhinev arvutisüsteem on masin loogiliste järelduste ülesannete lahendamiseks ja teoreemide tõestamiseks. Sel juhul salvestatakse lähteandmed teadmistebaasi aksioomide ja reeglitena loogiliste järelduste kui nende andmete vaheliste seoste koostamiseks. Lisaks on igal sellisel masinal eesmärgi genereerimise üksus (ülesande või teoreemi sõnastus) ja väljundsüsteem (universaalne
lahendaja) peab lahendama antud ülesande või tõestama teoreemi. Kui sõnastatud eesmärk on saavutatud (teoreem on tõestatud), moodustab rakendatud reeglite jada tegevuste ahela, mis võimaldab seda tüüpi probleeme lahendada. Võimsus on selline
Süsteemi määravad eesmärgi generaatori võimalused ja teoreemide tõestamise masina (universaallahendaja) võimalused. Tõestus võib nõuda kõigi võimalike lahenduste täielikku otsimist.
Seetõttu nõuab see lähenemisviis arvutusprotsessi tõhusat rakendamist ja töötab hästi suhteliselt väikese teadmistebaasi korral.
Füüsiline lähenemine ühendab inimese intellektuaalsete võimete modelleerimise meetodid arvuti ja erinevate füüsiliste seadmete abil. Üks esimesi selliseid katseid oli Frank Rosenblatti pertseptron. Pertseptroni (nagu ka enamiku teiste sellise modelleerimise variantide) struktuuriüksuseks on neuroni arvutimudel – närvirakk. Hiljem tekkisid modellid
mis sai tuntuks mõiste "kunstlikud närvivõrgud" (ANN) all. Need mudelid on näidetel põhinevad struktuurid. Nad kasutavad nii närvirakkude mudelite erinevaid füüsilisi teostusi kui ka erinevaid topoloogiaid
nendevahelised ühendused.
Viimastel aastatel evolutsiooniline
modelleerimine. Selle meetodi aluseks olev põhimõte on laenatud loodusest – elusorganismidelt ja süsteemidelt. Paljudes allikates on see määratletud kui loomuliku evolutsiooni protsessi reprodutseerimine spetsiaalsete algoritmide ja programmide abil.
Teine laialdaselt kasutatav selle lähenemisviisi meetod infosüsteemi ülesehitamisel on simulatsioonimodelleerimine. See on seotud küberneetika ühe klassikalise kontseptsiooniga, selle ühe põhimõistega - “must kast” (BB). See on seadme nimi, mille sisemine struktuur ja sisu puuduvad täielikult, kuid selle sisendi signaalide ja selle väljundi signaalide kohustusliku vastavuse maatriks on teada. Objekt, mille käitumist mudel simuleerib, on just selline “must kast”. Meie jaoks ei ole oluline, mis selle sees on või kuidas see toimib, peaasi, et meie mudel käituks sarnastes olukordades täpselt samamoodi. Nii saad modelleerida inimese tähtsat omadust – oskust kopeerida seda, mida teised teevad, mõtlemata, milleks seda vaja on. Tihti säästab see oskus tal palju aega, eriti elu alguses. Simulatsioonikäsitluse peamiseks puuduseks on vähene teave selle abil ehitatud mudelite käitumise motiveerivate motiivide kohta.
Intelligentne infosüsteem (IIS)) on infosüsteem, mis põhineb teadmusbaasi kasutamise kontseptsioonil, et genereerida algoritme erinevate klasside majandusprobleemide lahendamiseks, olenevalt kasutajate konkreetsetest teabevajadustest.
Tehisintellekt on intelligentsete masinate ja süsteemide, eriti intelligentsete masinate ja süsteemide teadus ja arendus.
IIS klassifikatsioon(joonis 4.10). Olenevalt oma olemusest võivad teadmised olla faktilised või operatiivsed.
Faktilised teadmised– tähenduslikud andmed.
Operatiivteadmised– üldised sõltuvused faktide vahel, mis võimaldavad andmeid tõlgendada või neist uut teavet ammutada.
Traditsioonilise IP peamised puudused on järgmised:
1. Nõrk kohanemisvõime kasutaja teabevajadustega.
2. Suutmatus lahendada halvasti vormistatud probleeme.
Loetletud puudused kõrvaldatakse IIS-is. IIS-il on järgmised iseloomulikud tunnused:
Arenenud suhtlemisoskus;
Oskus lahendada keerulisi, halvasti vormistatud probleeme (mida iseloomustavad pooleldi kvalitatiivsed ja kvantitatiivsed kirjeldused ning hästi vormistatud probleeme täiesti kvantitatiivne kirjeldus);
Võimalus areneda ja ise õppida.
Tavaliselt vastab igaüks neist omadustest oma IIS-klassile:
I klass: intelligentse liidesega süsteemid (kommunikatsioonivõime):
1.Intellektuaalsed andmebaasid;
2. Loomuliku keele liides;
3.Hüpertekstisüsteemid ;
4. Kontekstuaalsed süsteemid;
5.Kognitiivne graafika.
II klass: ekspertsüsteemid (keeruliste probleemide lahendamine):
1. Klassifikatsioonisüsteemid;
2. Täiendavad määramissüsteemid;
3.Transformeerivad süsteemid;
4.Multi-agendi süsteemid.
III klass: iseõppivad süsteemid (iseõppevõime):
1.Induktiivsüsteemid;
2. Närvivõrgud;
3. Juhtumipõhised süsteemid;
4. Teabehoidlad.
Riis. 4.10. IIS klassifikatsioon
intelligentsed andmebaasid - erinevad tavalistest oma võimalusega hankida nõudmisel teavet, mis ei pruugi olla otseselt salvestatud, vaid pigem tuletatud olemasolevast andmebaasist (näiteks kuvada kaupade loend, mille hind on kõrgem tööstushinnast).
Loomuliku keele liides hõlmab loomuliku keele konstruktsioonide tõlkimist teadmiste esituse masina tasemele. Sel juhul tuvastatakse ja kontrollitakse kirjutatud sõnu sõnastike ja süntaktiliste reeglite abil. See liides hõlbustab juurdepääsu intelligentsetele andmebaasidele ja ka käskude häälsisendit juhtimissüsteemides.
