Sistem pakar (ES) ialah sistem maklumat maklumat yang direka untuk menyelesaikan masalah yang kurang formal berdasarkan pengalaman kerja pakar dalam bidang masalah yang terkumpul dalam pangkalan pengetahuan. Ia termasuk pangkalan pengetahuan dengan set peraturan dan mekanisme inferens dan membenarkan, berdasarkan fakta yang diberikan oleh pengguna, untuk mengenali situasi, membuat diagnosis, merumuskan penyelesaian atau membuat cadangan untuk memilih tindakan.

Sistem pakar direka bentuk untuk mencipta semula pengalaman dan pengetahuan profesional peringkat tinggi dan menggunakan pengetahuan ini dalam proses pengurusan. Ia dibangunkan menggunakan radas matematik logik kabur untuk digunakan dalam bidang aplikasi yang sempit, kerana penggunaannya memerlukan sumber komputer yang besar untuk memproses dan menyimpan pengetahuan. Pembinaan sistem pakar adalah berdasarkan pangkalan pengetahuan, yang berdasarkan model perwakilan pengetahuan. Oleh kerana kos kewangan dan masa yang besar dalam sistem maklumat ekonomi Rusia, sistem pakar tidak digunakan secara meluas.

Adalah dipercayai bahawa mana-mana sistem pakar adalah sistem berasaskan pengetahuan, tetapi yang terakhir tidak semestinya pakar. Dalam sistem berasaskan pengetahuan, peraturan(atau heuristik) yang mana keputusan dibuat Masalah dalam kawasan subjek tertentu, disimpan dalam asas pengetahuan. Masalah ditimbulkan kepada sistem secara keseluruhan fakta, menerangkan situasi tertentu, dan sistem, menggunakan pangkalan pengetahuan, cuba membuat kesimpulan daripada fakta ini.

Sistem ini beroperasi seperti berikut mod kitaran: pemilihan (permintaan) data atau keputusan analisis, pemerhatian, tafsiran keputusan, asimilasi maklumat baharu, mengemukakan hipotesis sementara menggunakan peraturan dan kemudian memilih bahagian data atau hasil analisis seterusnya. Proses ini berterusan sehingga maklumat yang mencukupi diterima untuk membuat kesimpulan akhir.

Sistem berasaskan pengetahuan yang lebih mudah beroperasi dalam mod dialog, atau mod perundingan. Selepas pelancaran, sistem bertanya kepada pengguna beberapa soalan tentang masalah yang sedang diselesaikan, memerlukan jawapan "ya" atau "tidak". Jawapan-jawapan berfungsi untuk mewujudkan fakta yang boleh dibuat kesimpulan akhir.

Pada bila-bila masa sistem mengandungi tiga jenis pengetahuan:

· pengetahuan statik berstruktur tentang bidang subjek, setelah pengetahuan ini dikenal pasti, ia tidak lagi berubah;

· pengetahuan dinamik berstruktur – pengetahuan boleh ubah tentang bidang subjek; ia dikemas kini apabila maklumat baharu ditemui;

· pengetahuan kerja yang digunakan untuk masalah atau perundingan tertentu.

Semua pengetahuan di atas disimpan dalam asas pengetahuan. Untuk membinanya, adalah perlu untuk menjalankan tinjauan pakar yang pakar dalam bidang subjek tertentu, dan kemudian mensistematikkan, mengatur dan menyediakan pengetahuan ini dengan indeks supaya ia kemudiannya boleh diperoleh dengan mudah dari pangkalan pengetahuan.

Seni bina sistem pakar. Seni bina ES ditunjukkan dalam Rajah. 7.2. Pangkalan pengetahuan (KB) mencerminkan pengetahuan pakar. Walau bagaimanapun, tidak setiap pakar dapat membentangkan keseluruhan struktur pengetahuannya dengan cekap.

Pengenalpastian pengetahuan pakar dan pembentangannya dalam pangkalan pengetahuan dijalankan oleh pakar - jurutera pengetahuan.

ES mesti ada mekanisme untuk memperoleh pengetahuan untuk memasukkan pengetahuan ke dalam pangkalan data dan pengemaskiniannya yang seterusnya.

Dalam kes paling mudah, ia adalah editor pintar yang membolehkan anda memasukkan unit pengetahuan ke dalam pangkalan data, serta menganalisisnya untuk konsistensi.

Bidang aplikasi sistem berasaskan pengetahuan boleh dikumpulkan ke dalam beberapa kelas utama: ramalan, perancangan, kawalan dan pengurusan, latihan.

Teknologi untuk membina sistem pakar dipanggil kejuruteraan pengetahuan. Proses ini memerlukan bentuk interaksi khusus antara pencipta sistem pakar, yang dipanggil jurutera pengetahuan, dan seorang atau lebih pakar dalam bidang subjek tertentu. Jurutera pengetahuan "mengekstrak" daripada pakar prosedur, strategi dan peraturan praktikal yang mereka gunakan untuk menyelesaikan masalah dan membenamkan pengetahuan ini ke dalam sistem pakar.

nasi. 7.2. seni bina ES

Hasilnya ialah sistem yang menyelesaikan masalah dengan cara yang sama seperti pakar manusia.

Teras sistem pakar ialah asas pengetahuan, yang dicipta dan terkumpul dalam proses pembinaannya. Pengetahuan dinyatakan secara eksplisit dan teratur untuk memudahkan membuat keputusan. Pengumpulan dan organisasi pengetahuan adalah salah satu ciri terpenting sistem pakar.

Ciri yang paling berguna bagi sistem pakar ialah ia digunakan untuk menyelesaikan masalah pengalaman berkualiti tinggi. Pengalaman ini boleh mewakili tahap pemikiran pakar yang paling berkelayakan dalam bidang tersebut, yang membawa kepada penyelesaian yang kreatif, tepat dan berkesan. Ia adalah pengalaman berkualiti tinggi, digabungkan dengan keupayaan untuk menerapkannya, yang menjadikan sistem kos efektif dan mampu memperoleh pengiktirafan dalam pasaran. Ini juga dipermudahkan fleksibiliti sistem. Sistem ini boleh dikembangkan secara beransur-ansur mengikut keperluan perniagaan atau pelanggan. Ini bermakna anda boleh membuat pelaburan yang agak sederhana pada mulanya, dan kemudian mengembangkan keupayaan sistem mengikut keperluan.

Satu lagi ciri berguna sistem pakar ialah keupayaan ramalan mereka. Sistem pakar boleh berfungsi sebagai model untuk menyelesaikan masalah dalam domain tertentu, memberikan jawapan yang diharapkan dalam situasi tertentu dan menunjukkan bagaimana jawapan ini akan berubah dalam situasi baharu. Sistem pakar boleh menerangkan secara terperinci bagaimana situasi baharu membawa kepada perubahan. Ini membolehkan pengguna menilai kemungkinan kesan fakta atau maklumat baharu dan memahami bagaimana ia berkaitan dengan keputusan. Begitu juga, pengguna boleh menilai kesan strategi atau prosedur baharu terhadap sesuatu keputusan dengan menambah peraturan baharu atau menukar peraturan sedia ada.

Sifat penting sistem pakar ialah kemungkinan penggunaannya untuk pendidikan dan latihan kakitangan. Sistem pakar boleh direka bentuk dengan mengambil kira proses pembelajaran ini, kerana ia sudah mengandungi pengetahuan yang diperlukan dan dapat menjelaskan proses penaakulan mereka. Yang tinggal hanyalah menambah perisian yang menyokong keperluan ergonomik antara muka antara pelajar dan sistem pakar. Di samping itu, pengetahuan tentang kaedah latihan dan kemungkinan tingkah laku pengguna harus disertakan.

Jadi, pada masa ini, ES ialah alat yang meningkatkan kebolehan intelektual keseluruhan sistem secara keseluruhan, dan melaksanakan tugas berikut:

1) perundingan untuk pengguna yang tidak berpengalaman (bukan profesional),

2) bantuan dalam menganalisis pelbagai pilihan membuat keputusan,

3) bantuan mengenai isu yang berkaitan dengan bidang aktiviti yang berkaitan.

ES digunakan secara meluas dan produktif dalam perniagaan, pembuatan, perubatan, dan kurang dalam sains.

Syarahan

Topik: “Teknologi dan sistem pintar”

Pelan:

1. Konsep kecerdasan buatan. Maklumat pintar

teknologi.

2. Klasifikasi sistem maklumat pintar.

3. Sistem pakar sebagai jenis utama sistem pintar.

4. Rangkaian saraf tiruan.

Penggunaan teknologi maklumat (IT) dalam pelbagai bidang aktiviti manusia, pertumbuhan jumlah maklumat dan keperluan untuk bertindak balas dengan cepat dalam apa jua keadaan memerlukan pencarian cara yang mencukupi untuk menyelesaikan masalah yang timbul. Yang paling berkesan daripadanya ialah laluan pengintelektualan teknologi maklumat.

Soalan No 1 Konsep kecerdasan buatan.

Teknologi Maklumat Pintar

Teknologi maklumat baharu berasaskan terutamanya pada teknologi pintar dan teori kecerdasan buatan.

Istilah intelek berasal daripada bahasa Latin intellectus - yang bermaksud fikiran, akal, fikiran; kebolehan berfikir manusia.

Di bawah kecerdasan buatan memahami keupayaan sistem komputer untuk melakukan tindakan pintar. Selalunya ini merujuk kepada kebolehan yang berkaitan dengan pemikiran manusia.

Kecerdasan buatan- satu cabang sains komputer yang berkaitan dengan pembangunan program pintar untuk komputer.

Kecerdasan buatan (AI) ialah bidang saintifik yang timbul di persimpangan sibernetik, linguistik, psikologi dan pengaturcaraan.

Di bawah teknologi maklumat pintar memahami teknologi maklumat yang menyediakan keupayaan berikut:

• kehadiran pangkalan pengetahuan yang mencerminkan pengalaman orang tertentu, kumpulan, masyarakat, kemanusiaan secara keseluruhan, apabila menyelesaikan masalah seperti: membuat keputusan, reka bentuk, pengekstrakan makna, penjelasan, pembelajaran;
• kehadiran model pemikiran berdasarkan asas pengetahuan: peraturan dan kesimpulan logik; penghujahan dan penaakulan; pengiktirafan dan pengelasan situasi; generalisasi dan pemahaman, dsb.;
• keupayaan untuk membentuk keputusan yang sangat jelas berdasarkan data yang tidak jelas, tidak lengkap, kurang ditentukan;
• keupayaan untuk menjelaskan kesimpulan dan keputusan, iaitu, kehadiran mekanisme penjelasan;
• keupayaan untuk belajar, melatih semula dan, oleh itu, berkembang.

Sejarah Teknologi Maklumat Pintar

Mari kita beralih kepada sejarah perkembangan IIT, yang bermula sejak 60-an abad yang lalu dan merangkumi beberapa tempoh utama.

• 60-70an. Ini adalah tahun kesedaran tentang keupayaan kecerdasan buatan dan pembentukan perintah untuk menyokong proses membuat keputusan dan pengurusan.
• 70-80an. Pada peringkat ini, wujud kesedaran tentang kepentingan ilmu untuk pembentukan keputusan yang mencukupi; SISTEM PAKAR muncul.
• sejak tahun 80-an Sehingga kini. Model bersepadu (hibrid) perwakilan pengetahuan muncul, menggabungkan jenis kecerdasan berikut: carian, pengiraan, logik dan imaginatif. Penciptaan rangkaian saraf

Keistimewaan teknologi maklumat pintar (IIT) ialah "versatiliti" mereka. Mereka hampir tidak mempunyai sekatan ke atas penggunaannya dalam bidang seperti kawalan, reka bentuk, terjemahan mesin, diagnostik, pengecaman corak, sintesis pertuturan, dsb.

IIT juga digunakan secara meluas untuk penyelesaian yang diedarkan bagi masalah kompleks, reka bentuk produk kolaboratif, membina perusahaan maya, memodelkan sistem pengeluaran besar dan perdagangan elektronik, pembangunan elektronik sistem komputer yang kompleks, mengurus pengetahuan dan sistem maklumat, dan lain-lain. Satu lagi aplikasi yang berkesan ialah pencarian maklumat mengenai Internet dan rangkaian global lain, penstrukturan dan penghantarannya kepada pelanggan.

Soalan No. 2 Klasifikasi sistem maklumat pintar

IIS dicirikan oleh ciri-ciri berikut:

Kemahiran komunikasi yang dibangunkan (cara pengguna akhir berinteraksi dengan sistem);

Keupayaan untuk menyelesaikan masalah yang kompleks dan kurang formal yang memerlukan pembinaan algoritma penyelesaian asal bergantung pada situasi tertentu yang dicirikan oleh ketidakpastian dan kedinamikan data dan pengetahuan awal;

Keupayaan untuk belajar sendiri, i.e. keupayaan sistem untuk mengekstrak pengetahuan secara automatik daripada pengalaman terkumpul dan menggunakannya untuk menyelesaikan masalah;

Kebolehsuaian ialah kebolehan sesuatu sistem berkembang mengikut perubahan objektif dalam bidang ilmu.

Setiap ciri yang disenaraikan secara konvensional sepadan dengan kelas IISnya sendiri.

1. Sistem dengan antara muka pintar (kebolehan komunikasi):

- Pangkalan Data Pintar. Mereka membenarkan, tidak seperti pangkalan data tradisional, untuk menyediakan pilihan maklumat yang diperlukan yang tidak terdapat dalam bentuk eksplisit, tetapi diperoleh daripada keseluruhan data yang disimpan.

- Antara muka bahasa semula jadi . Ia digunakan untuk mengakses pangkalan data pintar, carian kontekstual maklumat teks dokumentari, input suara arahan dalam sistem kawalan, terjemahan mesin daripada bahasa asing.

- Sistem hiperteks. Digunakan untuk melaksanakan carian kata kunci dalam pangkalan data dengan maklumat teks.

- Sistem bantuan kontekstual . Mereka tergolong dalam kelas sistem penyebaran pengetahuan. Sistem sedemikian, sebagai peraturan, adalah lampiran kepada dokumentasi. Dalam sistem ini, pengguna menerangkan masalah, dan sistem, berdasarkan dialog tambahan, menentukannya dan mencari cadangan mengenai masalah ini.

- Sistem grafik kognitif . Mereka memberi tumpuan kepada berkomunikasi dengan pengguna sistem maklumat maklumat melalui imej grafik yang dijana mengikut perubahan dalam parameter proses simulasi atau diperhatikan. Penggunaan grafik kognitif amat relevan dalam pemantauan dan sistem pengurusan operasi, dalam sistem pengajaran dan latihan, dalam sistem membuat keputusan operasi yang beroperasi dalam masa nyata.

2. Sistem pakar(menyelesaikan masalah kompleks yang kurang formal). Ia digunakan untuk menyelesaikan masalah tidak formal, yang termasuk tugasan yang mempunyai salah satu ciri berikut:

Objektif tidak boleh diwakili dalam bentuk berangka;

Data dan pengetahuan awal tentang bidang subjek adalah samar-samar, tidak tepat dan tidak konsisten;

Matlamat tidak boleh dinyatakan menggunakan fungsi objektif yang jelas;

Tiada penyelesaian algoritma yang unik untuk masalah itu;

Perbezaan utama antara ES dan AI daripada sistem pemprosesan data ialah mereka menggunakan kaedah simbolik dan bukannya kaedah berangka untuk mewakili data, dan inferens logik dan prosedur carian heuristik untuk penyelesaian digunakan sebagai kaedah pemprosesan maklumat.

Selaras dengan ciri-ciri yang disenaraikan di atas, IIS dibahagikan kepada (pengkelasan ini adalah salah satu yang mungkin) (Rajah 1):

sistem dengan keupayaan komutatif (dengan antara muka pintar);

sistem pakar (sistem untuk menyelesaikan masalah yang kompleks);

sistem pembelajaran kendiri (sistem yang mampu belajar kendiri);

sistem adaptif (sistem maklumat penyesuaian).

nasi. 1. Klasifikasi sistem maklumat pintar mengikut jenis sistem

Pangkalan Data Pintar berbeza daripada pangkalan data konvensional dengan keupayaan untuk memilih maklumat yang diperlukan apabila diminta, yang mungkin tidak disimpan secara eksplisit, sebaliknya diperoleh daripada apa yang tersedia dalam pangkalan data.

Antara muka bahasa semula jadi melibatkan penterjemahan konstruk bahasa semula jadi ke peringkat dalam mesin perwakilan pengetahuan. Untuk melakukan ini, adalah perlu untuk menyelesaikan masalah analisis morfologi, sintaksis dan semantik dan sintesis pernyataan dalam bahasa semula jadi. Oleh itu, analisis morfologi melibatkan mengenal pasti dan menyemak ejaan perkataan yang betul menggunakan kamus, kawalan sintaksis - menguraikan mesej input ke dalam komponen individu (menentukan struktur) dengan memeriksa pematuhan peraturan tatabahasa perwakilan dalaman pengetahuan dan mengenal pasti bahagian yang hilang, dan, akhirnya, analisis semantik - mewujudkan ketepatan semantik perkataan sintaksis.reka bentuk. Sintesis pernyataan menyelesaikan masalah songsang untuk menukar perwakilan dalaman maklumat kepada bahasa semula jadi.

Antara muka bahasa semula jadi digunakan untuk:

akses kepada pangkalan data pintar;

carian kontekstual maklumat teks dokumentari;

terjemahan mesin daripada bahasa asing.

Sistem hiperteks direka bentuk untuk melaksanakan carian kata kunci dalam pangkalan data maklumat teks. Sistem hiperteks pintar dibezakan oleh kemungkinan organisasi semantik kata kunci yang lebih kompleks, yang mencerminkan hubungan semantik istilah yang berbeza. Oleh itu, enjin carian berfungsi pertama sekali dengan pangkalan pengetahuan kata kunci, dan hanya kemudian secara langsung dengan teks. Dalam erti kata yang lebih luas, perkara di atas juga digunakan untuk mencari maklumat multimedia, termasuk, sebagai tambahan kepada teks, maklumat digital.

Sistem kontekstual bantuan boleh dianggap sebagai kes khas hiperteks pintar dan sistem bahasa semula jadi. Tidak seperti sistem bantuan konvensional, yang mengenakan corak carian kepada pengguna untuk maklumat yang diperlukan, dalam sistem bantuan kontekstual pengguna menerangkan masalah (situasi), dan sistem, menggunakan dialog tambahan, menentukannya dan sendiri mencari cadangan yang berkaitan dengan keadaan. Sistem sedemikian tergolong dalam kelas sistem penyebaran pengetahuan (Penerbitan Pengetahuan) dan dicipta sebagai aplikasi kepada sistem dokumentasi (contohnya, dokumentasi teknikal mengenai pengendalian barangan).

Sistem grafik kognitif membolehkan anda antara muka pengguna dengan IIS menggunakan imej grafik yang dijana mengikut acara yang sedang berjalan. Sistem sedemikian digunakan dalam memantau dan mengurus proses operasi. Imej grafik dalam bentuk visual dan bersepadu menerangkan banyak parameter situasi yang sedang dikaji. Sebagai contoh, keadaan objek terkawal yang kompleks dipaparkan dalam bentuk wajah manusia, di mana setiap ciri bertanggungjawab untuk beberapa parameter, dan ekspresi muka umum memberikan ciri bersepadu keadaan. Sistem grafik kognitif juga digunakan secara meluas dalam sistem pendidikan dan latihan berdasarkan prinsip realiti maya, apabila imej grafik mensimulasikan situasi di mana pelajar perlu membuat keputusan dan melakukan tindakan tertentu.

Sistem pakar direka untuk menyelesaikan masalah berdasarkan pangkalan pengetahuan terkumpul, mencerminkan pengalaman pakar dalam bidang masalah yang sedang dipertimbangkan.

Sistem berbilang ejen. Sistem dinamik sedemikian dicirikan oleh penyepaduan dalam pangkalan pengetahuan beberapa sumber pengetahuan yang heterogen yang menukar hasil yang diperoleh antara satu sama lain secara dinamik.

Untuk sistem pelbagai agen Ciri-ciri berikut adalah ciri:

menjalankan penaakulan alternatif berdasarkan penggunaan pelbagai sumber pengetahuan dengan mekanisme untuk menyelesaikan percanggahan;

penyelesaian masalah yang diedarkan yang dibahagikan kepada submasalah yang diselesaikan secara selari sepadan dengan sumber pengetahuan bebas;

penggunaan pelbagai strategi untuk operasi mekanisme inferens kesimpulan, bergantung pada jenis masalah yang sedang diselesaikan;

memproses sejumlah besar data yang terkandung dalam pangkalan data;

penggunaan pelbagai model matematik dan prosedur luaran yang disimpan dalam pangkalan data model;

keupayaan untuk mengganggu penyelesaian masalah kerana keperluan untuk mendapatkan data dan pengetahuan tambahan daripada pengguna, model, dan submasalah yang diselesaikan secara selari.

Pada intinya sistem pembelajaran kendiri ialah kaedah untuk pengelasan automatik contoh situasi kehidupan sebenar.

Ciri ciri sistem pembelajaran kendiri ialah:

sistem pembelajaran kendiri "dengan guru", apabila bagi setiap contoh nilai atribut kepunyaannya dalam kelas situasi tertentu (atribut pembentuk kelas) dinyatakan secara eksplisit;

sistem pembelajaran kendiri "tanpa guru", apabila sistem itu sendiri mengenal pasti kelas situasi berdasarkan tahap kedekatan nilai ciri klasifikasi.

Sistem induktif gunakan generalisasi contoh mengikut prinsip daripada khusus kepada umum. Proses mengklasifikasikan contoh adalah seperti berikut:

Ciri klasifikasi dipilih daripada set yang diberikan (sama ada secara berurutan atau mengikut beberapa peraturan, contohnya, mengikut bilangan maksimum subset contoh yang diperolehi).

Berdasarkan nilai atribut yang dipilih, set contoh dibahagikan kepada subset.

Semakan dibuat untuk melihat sama ada setiap subset contoh yang terhasil tergolong dalam subkelas yang sama.

Jika beberapa subset contoh tergolong dalam subkelas yang sama, iaitu, semua contoh subset mempunyai nilai ciri pembentuk kelas yang sama, maka proses pengelasan berakhir (ciri pengelasan yang selebihnya tidak dipertimbangkan).

Untuk subset contoh dengan nilai tidak sepadan atribut pembentuk kelas, proses pengelasan diteruskan, bermula dari titik 1 (setiap subset contoh menjadi set terperingkat).

Rangkaian saraf adalah peranti pengkomputeran selari yang terdiri daripada banyak pemproses mudah yang berinteraksi. Setiap pemproses dalam rangkaian sedemikian hanya berurusan dengan isyarat yang diterima secara berkala dan isyarat yang dihantar secara berkala kepada pemproses lain.

Dalam sistem pakar, berasaskan preseden(analogi), pangkalan pengetahuan tidak mengandungi penerangan tentang situasi umum, tetapi situasi sebenar atau preseden itu sendiri.

Pencarian untuk penyelesaian kepada masalah dalam sistem pakar berdasarkan preseden datang kepada carian dengan analogi (iaitu, inferens penculikan dari khusus kepada khusus).

Tidak seperti pangkalan data pintar, repositori maklumat ialah repositori maklumat penting yang diekstrak daripada pangkalan data operasi, yang bertujuan untuk analisis data situasi operasi (pelaksanaan teknologi OLAP).

Tugas biasa analisis situasi operasi ialah:

menentukan profil pengguna kemudahan penyimpanan khusus;

meramalkan perubahan dalam objek simpanan dari semasa ke semasa;

analisis kebergantungan ciri-ciri situasi (analisis korelasi).

Sistem maklumat penyesuaian adalah sistem maklumat yang mengubah strukturnya mengikut perubahan dalam model kawasan masalah.

Di mana:

sistem maklumat adaptif mesti menyokong secukupnya organisasi proses perniagaan pada bila-bila masa;

sistem maklumat adaptif mesti menyesuaikan diri apabila terdapat keperluan untuk menyusun semula proses perniagaan;

Pembinaan semula sistem maklumat perlu dilaksanakan dengan cepat dan pada kos yang minimum.

Teras sistem maklumat penyesuaian adalah model kawasan masalah yang sentiasa berkembang (perusahaan), disokong dalam pangkalan pengetahuan khas - repositori. Berdasarkan kernel, penjanaan perisian atau konfigurasi dijalankan. Oleh itu, reka bentuk dan penyesuaian IS turun, pertama sekali, untuk membina model kawasan masalah dan pelarasan tepat pada masanya.

Oleh kerana tiada definisi yang diterima umum, adalah sukar untuk memberikan klasifikasi bersatu yang jelas bagi sistem maklumat pintar. Sebagai contoh, jika kita mempertimbangkan sistem maklumat pintar dari sudut masalah yang sedang diselesaikan, maka kita boleh membezakan sistem kawalan dan sistem rujukan, sistem linguistik komputer, sistem pengecaman, sistem permainan dan sistem untuk mencipta sistem maklumat pintar (Gamb. 2).

Pada masa yang sama, sistem boleh menyelesaikan bukan satu, tetapi beberapa masalah, atau dalam proses menyelesaikan satu masalah, menyelesaikan beberapa masalah lain. Sebagai contoh, apabila mengajar bahasa asing, sistem boleh menyelesaikan masalah mengenali pertuturan pelajar, menguji, menjawab soalan, menterjemah teks daripada satu bahasa ke bahasa lain dan menyokong antara muka bahasa semula jadi.

Rajah 2 – Klasifikasi sistem maklumat pintar mengikut tugas yang mereka selesaikan

Jika kita mengklasifikasikan sistem maklumat pintar mengikut kriteria "kaedah yang digunakan", kemudian mereka dibahagikan kepada keras, lembut dan hibrid (Rajah 3).

Pengkomputeran Lembut ialah metodologi komputer yang kompleks berdasarkan logik kabur, pengkomputeran genetik, pengkomputeran saraf dan pengkomputeran kebarangkalian. Keras pengkomputeran – pengkomputeran komputer tradisional (bukan lembut). Sistem hibrid– sistem yang menggunakan lebih daripada satu teknologi komputer (dalam kes sistem pintar, teknologi kecerdasan buatan).

nasi. 3. Klasifikasi sistem maklumat pintar mengikut kaedah

Klasifikasi lain adalah mungkin, contohnya, sistem tujuan am dan sistem khusus (Rajah 4).

nasi. 4. Klasifikasi sistem pintar mengikut tujuan

Selain itu, rajah ini mencerminkan Pilihan lain untuk pengelasan mengikut kaedah: sistem menggunakan kaedah perwakilan pengetahuan, sistem penyusunan sendiri dan sistem yang dicipta menggunakan pengaturcaraan heuristik. Juga dalam klasifikasi ini, sistem penjanaan muzik diklasifikasikan sebagai sistem komunikasi.

Ke arah sistem pintar tujuan am Ini termasuk sistem yang bukan sahaja melaksanakan prosedur yang diberikan, tetapi, berdasarkan metaprosedur carian, menjana dan melaksanakan prosedur untuk menyelesaikan masalah khusus baharu.

khusus sistem pintar melaksanakan penyelesaian kepada set tetap masalah yang telah ditetapkan semasa reka bentuk sistem.

Kekurangan klasifikasi yang jelas juga dijelaskan oleh pelbagai tugas intelektual dan kaedah intelektual; Di samping itu, kecerdasan buatan adalah sains yang sedang berkembang secara aktif di mana bidang gunaan baru dikuasai setiap hari.

Pengenalan…………………………………………………………………………………2

Peruntukan am IIS.............................................................. ....... ..............................5

1. Arahan untuk pembangunan sistem maklumat dan kaedah pelaksanaannya…………..5

   Sifat dan keupayaan IIS…………………………………9

Ciri dan tanda kecerdasan sistem maklumat……………………………………………………………………………………13

Model perwakilan pengetahuan dalam sistem maklumat maklumat berdasarkan peraturan…..…14

Kesimpulan……………………………………………………………………………….16

Senarai rujukan……………………………………………………………………17

pengenalan.

Dalam sains moden, penyelidikan berkaitan pemodelan keupayaan intelek manusia difahami sebagai hala tuju saintifik yang menangani masalah mensintesis struktur automatik yang mampu menyelesaikan masalah kompleks sokongan maklumat untuk pelbagai jenis aktiviti manusia. Biasanya ini adalah masalah yang, untuk satu sebab atau yang lain, tidak ada peraturan sedia ada atau contoh penyelesaian. Seseorang yang mempunyai pengetahuan, pengalaman dan kecerdasan yang diperlukan boleh membangunkan peraturan untuk menyelesaikan masalah sedemikian. Tetapi jika anda mencipta model komputer, memori yang akan mengandungi pengetahuan orang sedemikian, diprogramkan dengan pengalaman dan kebolehan intelektualnya yang diperlukan untuk menyelesaikan masalah tertentu, maka model ini boleh digunakan untuk menyelesaikan banyak masalah yang serupa dengan yang sudah ada. diselesaikan. Selain itu, model ini boleh disesuaikan untuk digunakan dalam situasi masalah lain.

Di antara tugas-tugas ini, yang paling sukar dan relevan ialah tugas membangunkan cara komunikasi antara seseorang dan sistem komputer yang memodelkan kecerdasan manusia dalam bahasa semula jadi dan tugas terjemahan mesin automatik dari satu bahasa ke bahasa lain, dengan syarat semantik dan emosi. aspek disampaikan dengan tepat. Intinya ialah, menurut

Menurut banyak ahli bahasa yang cemerlang, aktiviti intelektual manusia (dalam hampir semua aspeknya) paling berkaitan secara langsung dengan fungsi bahasa dan pemikiran. Hanya dengan bantuan cara komunikasi yang benar-benar semula jadi antara seseorang dan automaton yang melaksanakan program komputer akan mungkin untuk mencipta sistem yang memodelkan kecerdasan manusia dengan secukupnya dan sifat-sifatnya seperti pemikiran, gerak hati, kesedaran dan alam bawah sedar... Sistem sedemikian dalam sains komputer moden dipanggil sistem maklumat pintar (IIS) ).

Keadaan semasa penyelidikan asas dan gunaan dalam bidang sistem maklumat pintar menunjukkan bahawa keputusan mereka telah menjadi agak pasti. Ini bermakna sistem konsep yang agak stabil telah muncul, metodologi untuk reka bentuk, pembinaan dan pelaksanaan telah muncul, dan struktur standard sistem tersebut dan komponennya telah ditentukan.

Secara amnya diterima bahawa tugas intelektual adalah untuk mencari algoritma yang tidak diketahui untuk menyelesaikan masalah praktikal atau teori tertentu, universal pada set ciri data awal masalah ini. Ia hanya diperlukan bahawa pelaku

orang yang menyelesaikan masalah itu dapat melakukan operasi asas yang membentuk proses itu, dan, sebagai tambahan, dia secara pedantik dan tepat dibimbing oleh algoritma yang dicadangkan. Pelaku sedemikian (manusia atau automaton), bertindak secara mekanikal semata-mata, boleh berjaya menyelesaikan sebarang masalah jenis yang sedang dipertimbangkan. Oleh itu, adalah wajar untuk mengecualikan daripada kelas masalah intelektual yang terdapat kaedah penyelesaian standard. Contoh tugasan tersebut

Tugas pengiraan murni boleh berfungsi:

Menyelesaikan sistem persamaan algebra linear;

Penyepaduan berangka bagi persamaan pembezaan;

Masalah penghampiran data empirikal, dsb.

Untuk menyelesaikan masalah seperti ini, terdapat algoritma standard, yang merupakan urutan tertentu operasi asas yang boleh dilaksanakan dengan mudah dalam bentuk program komputer. Sebaliknya, untuk kelas tugas intelek yang luas, seperti pengecaman corak, potongan logik dan permainan kompleks secara logik (contohnya, bermain catur), membuktikan teorem, dsb., pembahagian formal proses mencari penyelesaian kepada asas yang berasingan. langkah adalah sebaliknya sering menjadi sangat sukar, walaupun penyelesaian mereka sendiri tidak sukar.

Oleh itu, terdapat beberapa sebab untuk mempertimbangkan konsep kecerdasan yang setara dengan konsep algoritma super universal yang mampu mencipta algoritma untuk menyelesaikan masalah tertentu.

Peruntukan am IIS.

Pembangunan sistem sokongan maklumat untuk pelbagai jenis aktiviti manusia secara sejarah boleh diwakili secara berperingkat:

“sistem maklumat” (IS), “sistem maklumat automatik” (AIS), “sistem maklumat pintar” (IIS).

Sistem maklumat pintar - ini adalah model komputer

keupayaan intelek manusia dalam pencarian yang disasarkan, analisis dan sintesis maklumat semasa tentang realiti sekeliling untuk mendapatkan pengetahuan baharu mengenainya dan menyelesaikan pelbagai masalah penting atas dasar ini .

Setiap peringkat ini mempunyai model maklumat sendiri bagi kawasan subjek. Untuk sistem maklumat pertama, model sedemikian ialah katalog atau pengelas, bagi AIS ini adalah tatasusunan maklumat yang disusun dalam bentuk pangkalan data dan bank data, dan untuk IIS, model kawasan subjek diwakili oleh sistem data berstruktur yang dipanggil pangkalan pengetahuan. . Sistem maklumat berdasarkan katalog dicipta terutamanya untuk melaksanakan, pada satu tahap atau yang lain, pencarian mekanis untuk maklumat yang diperlukan. AIS berdasarkan

pangkalan data yang sangat teratur membolehkan bukan sahaja untuk menjalankan carian automatik dan pelbagai dimensi untuk maklumat, tetapi juga pemprosesan maklumat yang agak rumit yang ditemui, penyimpanan dan penghantarannya yang teratur. IIS berdasarkan asas pengetahuan mesti (sebagai tambahan kepada keupayaan AIS) menyelesaikan masalah yang dipanggil "pintar".

Pembangunan sistem maklumat pada peringkat sekarang adalah mengikut tiga bidang penyelidikan, yang tujuannya adalah untuk memodelkan keupayaan manusia dalam menyelesaikan masalah intelek.

Arah pertama penyelidikan mengkaji struktur dan mekanisme otak manusia, dan matlamat utama adalah untuk mendedahkan rahsia pemikiran. Tahap penyelidikan yang diperlukan ke arah ini adalah membina model berdasarkan data psikofisiologi, menjalankan eksperimen dengan mereka, mengemukakan hipotesis baru mengenai mekanisme aktiviti intelektual, menambah baik model yang dibuat sebelumnya, dsb.

Arah kedua menganggap sebagai objek kajian

sistem pintar buatan. Kita bercakap tentang pemodelan di sini.

aktiviti intelektual dengan bantuan komputer atau mesin dengan prinsip operasi yang berbeza. Matlamat kerja ke arah ini adalah untuk mencipta algoritma dan perisian untuk mesin pengkomputeran sedemikian, yang membolehkan menyelesaikan jenis masalah intelektual tertentu dengan cara yang sama seperti seseorang menyelesaikannya.

Arah ketiga tertumpu pada penciptaan mesin manusia, atau, seperti yang mereka katakan, interaktif, sistem pintar, yang merupakan simbiosis keupayaan kecerdasan semula jadi dan buatan. Masalah yang paling penting dalam kajian ini ialah gabungan optimum keupayaan manusia dan sistem buatan yang memodelkan keupayaan intelek manusia, dan organisasi dialog tanpa cacat semantik antara seseorang dan sistem sedemikian.

Dalam setiap arah, terdapat pendekatan yang berbeza untuk membina sistem maklumat. Pendekatan ini bukanlah peringkat evolusi; ia muncul hampir serentak (dalam istilah sejarah) dan secara bebas wujud dan berkembang pada masa sekarang. Lebih-lebih lagi, tidak pernah ada sebab yang mencukupi untuk memilih satu pendekatan tanpa syarat daripada yang lain.

Hampir setiap sistem komputer berdasarkan pendekatan logik adalah mesin untuk menyelesaikan masalah inferens logik dan membuktikan teorem. Dalam kes ini, data sumber disimpan dalam pangkalan pengetahuan dalam bentuk aksiom dan peraturan untuk membina inferens logik sebagai hubungan antara data ini. Di samping itu, setiap mesin tersebut mempunyai unit penjanaan matlamat (rumusan masalah atau teorem), dan sistem output (universal

penyelesai) mesti menyelesaikan masalah yang diberikan atau membuktikan teorem. Sekiranya matlamat yang dirumuskan tercapai (teorem terbukti), maka urutan peraturan yang digunakan membentuk rantaian tindakan yang membolehkan menyelesaikan sebarang masalah jenis ini. Kuasa adalah seperti ini

Sistem ini ditentukan oleh keupayaan penjana matlamat dan keupayaan mesin pembukti teorem (penyelesai sejagat). Buktinya mungkin memerlukan carian lengkap semua penyelesaian yang mungkin.

Oleh itu, pendekatan ini memerlukan pelaksanaan proses pengiraan yang cekap dan berfungsi dengan baik dengan pangkalan pengetahuan yang agak kecil.

Pendekatan fizikal menggabungkan kaedah untuk memodelkan keupayaan intelek manusia menggunakan komputer dan pelbagai peranti fizikal. Salah satu percubaan pertama sedemikian ialah perceptron Frank Rosenblatt. Unit struktur perceptron (serta kebanyakan varian lain pemodelan sedemikian) ialah model komputer neuron - sel saraf. Kemudian, model muncul

yang dikenali di bawah istilah "rangkaian neural buatan" (ANN). Model ini adalah struktur berasaskan contoh. Mereka menggunakan kedua-dua pelaksanaan fizikal yang berbeza bagi model sel saraf dan topologi yang berbeza

hubungan antara mereka.

Dalam beberapa tahun kebelakangan ini, evolusi

pemodelan. Prinsip yang mendasari kaedah ini dipinjam dari alam semula jadi - daripada organisma dan sistem hidup. Dalam banyak sumber, ia ditakrifkan sebagai menghasilkan semula proses evolusi semula jadi menggunakan algoritma dan program khas.

Satu lagi kaedah yang digunakan secara meluas bagi pendekatan ini untuk membina sistem maklumat ialah pemodelan simulasi. Ia dihubungkan dengan salah satu konsep klasik sibernetik, salah satu konsep asasnya - "kotak hitam" (BB). Ini adalah nama peranti yang struktur dan kandungan dalamannya tidak hadir sepenuhnya, tetapi matriks surat-menyurat wajib antara isyarat pada inputnya dan isyarat pada outputnya diketahui. Objek yang tingkah lakunya disimulasikan oleh model adalah tepat seperti "kotak hitam". Tidak kira kami apa yang ada di dalamnya atau bagaimana ia berfungsi, perkara utama ialah model kami berkelakuan sama dalam situasi yang sama. Dengan cara ini anda boleh memodelkan harta manusia yang penting - keupayaan untuk menyalin apa yang orang lain lakukan tanpa memikirkan mengapa ia diperlukan. Selalunya keupayaan ini menjimatkan banyak masa, terutamanya pada awal hidupnya. Kelemahan utama pendekatan simulasi ialah maklumat yang rendah tentang motif motivasi untuk tingkah laku model yang dibina dengan bantuannya.

Sistem Maklumat Pintar (IIS)) ialah sistem maklumat yang berasaskan konsep menggunakan pangkalan pengetahuan untuk menjana algoritma bagi menyelesaikan masalah ekonomi pelbagai kelas, bergantung kepada keperluan maklumat khusus pengguna.

Kecerdasan buatan ialah sains dan pembangunan mesin dan sistem pintar, terutamanya yang pintar.

Klasifikasi IIS(Gamb. 4.10). Bergantung pada sifatnya, pengetahuan boleh menjadi fakta atau operasi.

Pengetahuan fakta– data yang bermakna.

Pengetahuan operasi– pergantungan umum antara fakta yang membolehkan anda mentafsir data atau mengekstrak maklumat baharu daripadanya.

Kelemahan utama IP tradisional termasuk:

1. Kebolehsuaian yang lemah kepada keperluan maklumat pengguna.

2. Ketidakupayaan untuk menyelesaikan masalah yang kurang formal.

Kelemahan yang disenaraikan dihapuskan dalam IIS. IIS mempunyai ciri ciri berikut:

Kemahiran komunikasi yang dibangunkan;

Keupayaan untuk menyelesaikan masalah yang kompleks dan kurang formal (dicirikan oleh separuh perihalan kualitatif dan kuantitatif, dan masalah yang diformalkan dengan baik dengan penerangan kuantitatif sepenuhnya);

Keupayaan untuk berkembang dan belajar sendiri.

Secara konvensional, setiap ciri ini sepadan dengan kelas IISnya sendiri:

saya kelas: sistem dengan antara muka pintar (kebolehan komunikasi):

1. Pangkalan data intelektual;

2. Antara muka bahasa semula jadi;

3. Sistem hiperteks;

4. Sistem kontekstual;

5. Grafik kognitif.

kelas II: sistem pakar (menyelesaikan masalah kompleks):

1. Sistem pengelasan;

2. Sistem penentu tambahan;

3. Mengubah sistem;

4. Sistem berbilang agen.

kelas III: sistem pembelajaran kendiri (keupayaan pembelajaran kendiri):

1. Sistem induktif;

2. Rangkaian saraf;

3. Sistem berasaskan kes;

4. Penyimpanan maklumat.

nasi. 4.10. Klasifikasi IIS

Pangkalan data pintar - berbeza daripada yang biasa dengan keupayaan untuk mendapatkan maklumat atas permintaan, yang mungkin tidak disimpan secara eksplisit, sebaliknya diperoleh daripada pangkalan data sedia ada (contohnya, memaparkan senarai barangan yang harganya lebih tinggi daripada harga industri).

Antara muka bahasa semula jadi melibatkan terjemahan konstruk bahasa semula jadi ke peringkat mesin perwakilan pengetahuan. Dalam kes ini, perkataan bertulis diiktiraf dan disemak menggunakan kamus dan peraturan sintaksis. Antara muka ini memudahkan akses kepada pangkalan data pintar, serta input suara bagi arahan dalam sistem kawalan.