Експертна система (ЕС) – це ІІС, призначена на вирішення слабоформализуемых завдань з урахуванням накопичуваного у основі знань досвіду роботи експертів у проблемної галузі. Вона включає базу знань з набором правил і механізмом виведення і дозволяє на підставі фактів, що надаються користувачем, розпізнати ситуацію, поставити діагноз, сформулювати рішення або дати рекомендацію для вибору дії.
Експертні системи призначені для відтворення досвіду, знань професіоналів високого рівня та використання цих знань у процесі управління. Вони розробляються з використанням математичного апарату нечіткої логіки для експлуатації у вузьких сферах застосування, оскільки їх використання вимагає великих комп'ютерних ресурсів для обробки та зберігання знань. В основі побудови експертних систем лежить база знань, що ґрунтується на моделях уявлення знань. У силу великих фінансових та тимчасових витрат у російських економічних ІС експертні системи не мають великого поширення.
Вважається, що будь-яка експертна система – це система, що ґрунтується на знаннях, але остання не завжди є експертною. У системах, що базуються на знаннях, правила(або евристики), за якими вирішуються проблемиу конкретній предметній області, зберігаються в базі знань. Проблеми ставляться перед системою у вигляді сукупності фактів, Які описують деяку ситуацію, і система за допомогою бази знань намагається вивести висновок із цих фактів.
Система функціонує у наступному циклічному режимі: вибір (запит) даних чи результатів аналізів, спостереження, інтерпретація результатів, засвоєння нової інформації, висування з допомогою правил тимчасових гіпотез і далі вибір наступної порції даних чи результатів аналізів. Такий процес триває доти, доки надійде інформація, достатня остаточного укладання.
Простіші системи, засновані на знаннях, функціонують у режимі діалогу, або режимі консультації. Після запуску система задає користувачеві низку запитань про завдання, що вимагають відповіді «так» або «ні». Відповіді служать встановлення фактів, якими може бути виведено остаточне висновок.
У будь-який момент часу в системі міститься три типу знань:
· структуровані статичні знання про предметну область, після того, як ці знання виявлені, вони вже не змінюються;
· структуровані динамічні знання – знання, що змінюються, про предметну область; вони оновлюються у міру виявлення нової інформації;
· робочі знання, що застосовуються для вирішення конкретної задачі чи проведення консультації.
Всі перелічені вище знання зберігаються в базі знань. Для її побудови потрібно провести опитування фахівців, які є експертами в конкретній предметній галузі, а потім систематизувати, організувати та забезпечити ці знання покажчиками, щоб їх можна було легко витягти з бази знань.
Архітектура експертної системи. Архітектура ЕС представлена на рис. 7.2. База знань (БЗ) відбиває знання експертів. Однак далеко не кожен експерт може грамотно викласти всю структуру своїх знань.
Виявленням знань експерта та представленням їх у БЗ займаються фахівці – інженери знань.
ЕС повинна мати механізмом набуття знаньдля введення знань у базу та їх подальше оновлення.
У найпростішому випадку - це інтелектуальний редактор, який дозволяє вводити одиниці знань у базу, а також проводити їхній аналіз на несуперечність.
Області застосування систем, заснованих на знаннях, можуть бути згруповані в декілька основних класів: прогнозування, планування, контроль та управління, навчання.
Технологію побудови експертних систем називають інженерією знань. Цей процес вимагає специфічної форми взаємодії творця експертної системи, якого називають інженером знань, і одного або кількох експертів у певній предметній галузі. Інженер знань «витягує» з експертів процедури, стратегії, емпіричні правила, які вони використовують під час вирішення завдань, та вбудовує ці знання в експертну систему.
Мал. 7.2. Архітектура ЕС
У результаті з'являється система, яка вирішує завдання багато в чому так само, як людина-експерт.
Ядро експертної системи складає база знаньяка створюється і накопичується в процесі її побудови. Знання виражені у вигляді і організовані те щоб спростити прийняття рішень. Накопичення та організація знань – одна з найважливіших характеристик експертної системи.
Найбільш корисною характеристикою експертної системи є те, що вона застосовує для вирішення проблем високоякісний досвід. Цей досвід може становити рівень мислення найбільш кваліфікованих експертів у цій галузі, що веде до рішень творчим, точним та ефективним. Саме високоякісний досвід у поєднанні з умінням його застосовувати робить систему рентабельною, здатною заслужити визнання на ринку. Цьому також сприяє гнучкістьсистеми. Система може нарощуватися поступово відповідно до потреб бізнесу чи замовника. Це означає, що спочатку вкласти порівняно скромні кошти, та був нарощувати можливості системи за необхідності.
Іншою корисною рисою експертних систем є наявність у них прогностичних можливостей. Експертна система може функціонувати як модель розв'язання задачі в заданій області, даючи очікувані відповіді у конкретній ситуації та показуючи, як зміняться ці відповіді у нових ситуаціях. Експертна система може докладно пояснити, яким чином нова ситуація призвела до змін. Це дозволяє користувачеві оцінити можливий вплив нових фактів чи інформації та зрозуміти, як вони пов'язані з рішенням. Аналогічно, користувач може оцінити вплив нових стратегій або процедур на рішення, додаючи нові правила або змінюючи вже існуючі.
Важливою властивістю експертних систем є можливість їх застосування навчання та тренування персоналу. Експертні системи можуть бути розроблені з розрахунком на подібний процес навчання, оскільки вони вже містять необхідні знання та здатні пояснити процес свого міркування. Залишається лише додати програмне забезпечення, що підтримує відповідний вимогам ергономіки інтерфейсміж учням та експертною системою. Крім того, повинні бути включені знання про методи навчання та можливу поведінку користувача.
Отже, нині ЕС є інструментом, що посилює інтелектуальні здібності всієї системи загалом, і виконує такі:
1) консультація для недосвідчених (непрофесійних) користувачів,
2) допомогу при аналізі різних варіантів ухвалення рішення,
3) допомога з питань, що належать до суміжних областей діяльності.
Найбільш широко і продуктивно ЕС застосовують у бізнесі, виробництві, медицині, менш – у науці.
Лекція
Тема: «Інтелектуальні технології та системи»
План:
1. Поняття штучного інтелекту. Інтелектуальні інформаційні
технології.
2. Класифікація інтелектуальних інформаційних систем.
3. Експертні системи як основний різновид інтелектуальних систем.
4. Штучні нейронні мережі.
Використання інформаційних технологій (ІТ) у різних сферах людської діяльності, зростання обсягів інформації та необхідність оперативно реагувати в будь-яких ситуаціях зажадали пошуку адекватних шляхів вирішення проблем, що виникають. Найефективнішим є шлях інтелектуалізації інформаційних технологій.
Запитання №1 Поняття штучного інтелекту.
Інтелектуальні інформаційні технології
Нова інформаційна технологія ґрунтується насамперед на інтелектуальних технологіях та теорії штучного інтелекту.
Термін інтелект походить від латинського intellectus - що означає розум, розум, розум; розумові здібності людини.
Під штучним інтелектом розуміють можливості комп'ютерних систем до інтелектуальних дій. Найчастіше тут маються на увазі здібності, пов'язані з людським мисленням.
Штучний інтелект- Розділ інформатики, пов'язаний з розробкою інтелектуальних програм для комп'ютерів.
Штучний інтелект (ІІ) – це науковий напрямок, що виник на стику кібернетики, лінгвістики, психології та програмування.
Під інтелектуальними інформаційними технологіямирозуміють такі інформаційні технології, у яких передбачені такі можливості:
- наявність баз знань, що відбивають досвід конкретних людей, груп, суспільств, людства загалом, під час вирішення таких завдань, як: прийняття рішень, проектування, отримання сенсу, пояснення, навчання;
- наявність моделей мислення на основі баз знань: правил та логічних висновків; аргументації та міркування; розпізнавання та класифікації ситуацій; узагальнення та розуміння тощо;
- здатність формувати цілком чіткі рішення з урахуванням нечітких, неповних, недовизначених даних;
- здатність пояснювати висновки та рішення, тобто наявність механізму пояснень;
- здатність до навчання, перенавчання і, отже, до розвитку.
Історія інтелектуальних інформаційних технологій
Звернемося до історії розвитку ІІТ, яка веде відлік з 60-х років минулого століття та включає кілька основних періодів.
- 60-70-ті роки.Це роки усвідомлення можливостей штучного інтелекту та формування замовлення на підтримку процесів прийняття рішень та управління.
- 70-80-ті роки.На цьому етапі відбувається усвідомлення важливості знань на формування адекватних рішень; з'являються ЕКСПЕРТНІ СИСТЕМИ.
- з 80-х років. по теперішній час.З'являються інтегровані (гібридні) моделі уявлення знань, що поєднують у собі такі види інтелекту: пошуковий, обчислювальний, логічний і образний. Створення нейронних мереж
Особливість інтелектуальних інформаційних технологій (ІІТ) – їхня «універсальність». Вони практично не мають обмежень щодо застосування в таких галузях, як управління, проектування, машинний переклад, діагностика, розпізнавання образів, синтез мовлення тощо.
ІІТ також знаходять широке застосування для розподіленого вирішення складних завдань, спільного проектування виробів, побудови віртуальних підприємств, моделювання великих виробничих систем та електронної торгівлі, електронної розробки складних комп'ютерних систем, управління системами знань та інформації тощо. Ще одне ефективне застосування – пошук інформації в Internet та інших глобальних мережах, її структуризація та доставка замовнику.
Питання №2 Класифікація інтелектуальних інформаційних систем
Для ІІС характерні такі ознаки:
Розвинені комунікативні здібності (спосіб взаємодії кінцевого користувача із системою);
Вміння вирішувати складні, погано формалізовані задачі, які вимагають побудови оригінального алгоритму розв'язання залежно від конкретної ситуації, що характеризується невизначеністю та динамічністю вихідних даних та знань;
Здатність до самонавчання, тобто. вміння системи автоматично отримувати знання з накопиченого досвіду та застосовувати їх для вирішення завдань;
Адаптивність – здатність системи до розвитку відповідно до об'єктивних змін галузі знань.
Кожній із перелічених ознак умовно відповідає свій клас ІІС.
1. Системи з інтелектуальним інтерфейсом (комунікативні можливості):
- Інтелектуальні бази даних. Дозволяють на відміну від традиційних БД забезпечувати вибірку необхідної інформації, яка не присутня у явному вигляді, а виводиться із сукупності даних, що зберігаються.
- Природно-мовний інтерфейс . Застосовується для доступу до інтелектуальних баз даних, контекстного пошуку документальної текстової інформації, голосового введення команд у системах управління, машинного перекладу з іноземних мов.
- Гіпертекстові системи. Використовуються для пошуку за ключовими словами в базах даних з текстовою інформацією.
- Системи контекстної допомоги . Належать до класу систем поширення знання. Такі системи, зазвичай, є додатками до документації. У цих системах користувач описує проблему, а система на основі додаткового діалогу конкретизує її та виконує пошук рекомендацій щодо цієї проблеми.
- Системи когнітивної графіки . Орієнтовані на спілкування з користувачем ІІС за допомогою графічних образів, які генеруються відповідно до зміни параметрів процесів, що моделюються або спостерігаються. Застосування когнітивної графіки особливо актуальне у системах моніторингу та оперативного управління, в навчальних та тренажерних системах, в оперативних системах прийняття рішень, що працюють у режимі реального часу.
2. Експертні системи(Рішення складних погано формалізованих завдань). Застосовуються для вирішення неформалізованих проблем, до яких належать завдання, що мають одну з таких характеристик:
Завдання не можуть бути представлені у числовій формі;
Вихідні дані та знання про предметну область мають неоднозначність, неточність, суперечливість;
Цілі не можна висловити за допомогою чітко визначеної цільової функції;
Немає однозначного алгоритмічного вирішення завдання;
Головна відмінність ЕС і СІІ від систем обробки даних полягає в тому, що в них використовується символьний, а не числовий спосіб подання даних, а як методи обробки інформації застосовуються процедури логічного висновку та евристичного пошуку рішень.
Відповідно до перелічених вище ознак ІІС діляться на (дана класифікація – одна з можливих) (рис. 1):
системи із коммутативними здібностями (з інтелектуальним інтерфейсом);
експертні системи (системи на вирішення складних завдань);
самонавчені системи (системи, здатні до самонавчання);
адаптивні системи (адаптивні інформаційні системи).
Мал. 1.Класифікація інтелектуальних інформаційних систем за типами систем
Інтелектуальні бази данихвідрізняються від звичайних баз даних можливістю вибірки на запит необхідної інформації, яка може явно не зберігатися, а виводитися з наявної в базі даних.
Природно-мовний інтерфейспередбачає трансляцію природно-мовних конструкцій на внутрішньомашинний рівень уявлення знань. Для цього необхідно вирішувати завдання морфологічного, синтаксичного та семантичного аналізу та синтезу висловлювань природною мовою. Так, морфологічний аналіз передбачає розпізнавання та перевірку правильності написання слів за словниками, синтаксичний контроль – розкладання вхідних повідомлень на окремі компоненти (визначення структури) з перевіркою відповідності граматичним правилам внутрішнього подання знань та виявлення відсутніх частин і, нарешті, семантичний аналіз – встановлення смислової правильності синтак конструкцій. Синтез висловлювань вирішує зворотне завдання перетворення внутрішнього подання інформації на природно-мовне.
Природно-мовний інтерфейс використовується для:
доступу до інтелектуальних баз даних;
контекстного пошуку документальної текстової інформації;
машинного перекладу із іноземних мов.
Гіпертекстові системипризначені для пошуку за ключовими словами в базах текстової інформації. Інтелектуальні гіпертекстові системи відрізняються можливістю складнішої семантичної організації ключових слів, яка відображає різні смислові відносини термінів. Таким чином, механізм пошуку працює насамперед із базою знань ключових слів, а вже потім безпосередньо з текстом. У більш широкому плані сказане поширюється і на пошук мультимедійної інформації, що включає, окрім текстової, цифрову інформацію.
Системи контекстноїдопомоги можна розглядати як окремий випадок інтелектуальних гіпертекстових та природно-мовних систем. На відміну від звичайних систем допомоги, що нав'язують користувачеві схему пошуку необхідної інформації, у системах контекстної допомоги користувач описує проблему (ситуацію), а система за допомогою додаткового діалогу її конкретизує і сама виконує пошук рекомендацій, що відносяться до ситуації. Такі системи належать до класу систем поширення знань (Knowledge Publishing) і створюються як додаток до систем документації (наприклад, технічної документації з експлуатації товарів).
Системи когнітивної графікидозволяють здійснювати інтерфейс користувача з ІІС за допомогою графічних образів, які генеруються відповідно до подій, що відбуваються. Такі системи використовуються в моніторингу та управлінні оперативними процесами. Графічні образи в наочному та інтегрованому вигляді описують безліч параметрів ситуації, що вивчається. Наприклад, стан складного керованого об'єкта відображається у вигляді людської особи, на якій кожна риса відповідає за будь-який параметр, а загальний вираз обличчя дає інтегровану характеристику ситуації. Системи когнітивної графіки широко використовуються також у навчальних та тренажерних системах на основі використання принципів віртуальної реальності, коли графічні образи моделюють ситуації, в яких учню необхідно приймати рішення та виконувати певні дії.
Експертні системипризначені для вирішення завдань на основі накопичуваної бази знань, що відображає досвід роботи експертів у аналізованій проблемній галузі.
Багатоагентні системи.Для таких динамічних систем характерна інтеграція в основі знань кількох різнорідних джерел знань, що обмінюються між собою одержуваними результатами на динамічній основі.
Для багатоагентних системхарактерні такі особливості:
проведення альтернативних міркувань на основі використання різних джерел знань із механізмом усунення протиріч;
розподілене вирішення проблем, що розбиваються на паралельно вирішувані підпроблеми, що відповідають самостійним джерелам знань;
застосування безлічі стратегій роботи механізму виведення висновків залежно від типу вирішуваної проблеми;
обробка великих масивів даних, які у базі даних;
використання різних математичних моделей та зовнішніх процедур, що зберігаються в базі моделей;
здатність переривання розв'язання задач у зв'язку з необхідністю отримання додаткових даних та знань від користувачів, моделей, що паралельно вирішуються підпроблем.
В основі самонавчання системлежать методи автоматичної класифікації прикладів ситуацій реальної практики.
Характерними ознаками систем самонавчання є:
самонавчання системи «з учителем», коли для кожного прикладу задається в явному вигляді значення ознаки його приналежності деякому класу ситуацій (класоутворюючої ознаки);
самонавчені системи «без вчителя», коли за рівнем близькості значень ознак класифікації система сама виділяє класи ситуацій.
Індуктивні системивикористовують узагальнення прикладів за принципом від частки до загального. Процес класифікації прикладів здійснюється так:
Вибирається ознака класифікації з безлічі заданих (або послідовно, або за яким-небудь правилом, наприклад, відповідно до максимального числа одержуваних підмножин прикладів).
За значенням обраної ознаки безліч прикладів розбивається на підмножини.
Виконується перевірка, чи належить кожне підмножина прикладів, що утворилося, одному підкласу.
Якщо якесь підмножина прикладів належить одному підкласу, тобто у всіх прикладів підмножини збігається значення класоутворюючої ознаки, то процес класифікації закінчується (при цьому інші ознаки класифікації не розглядаються).
Для підмножин прикладів з незбігаючим значенням класоутворюючої ознаки процес класифікації триває, починаючи з пункту 1 (кожне підмножина прикладів стає безліччю, що класифікується).
Нейронні мережіявляють собою пристрої паралельних обчислень, що складаються з безлічі простих процесорів, що взаємодіють. Кожен процесор такої мережі має справу лише з сигналами, які він періодично отримує, та сигналами, які він періодично надсилає іншим процесорам.
В експертних системах, заснованих на прецедентах(Аналогія), база знань містить описи не узагальнених ситуацій, а власне самі ситуації або прецеденти.
Пошук вирішення проблеми в експертних системах, що ґрунтуються на прецедентах, зводиться до пошуку за аналогією (тобто абдуктивний висновок від приватного до приватного).
На відміну від інтелектуальної бази даних, інформаційне сховищеявляє собою сховище одержаної значущої інформації з оперативної бази даних, призначене для оперативного ситуаційного аналізу даних (реалізації OLAP-технології).
Типовими завданнями оперативного ситуаційного аналізу є:
визначення профілю споживачів об'єктів зберігання;
передбачення змін об'єктів зберігання у часі;
аналіз залежностей ознак ситуацій (кореляційний аналіз)
Адаптивна інформаційна система– це інформаційна система, яка змінює свою структуру відповідно до зміни моделі проблемної галузі.
При цьому:
адаптивна інформаційна система має у кожний момент часу адекватно підтримувати організацію бізнес-процесів;
адаптивна інформаційна система має проводити адаптацію щоразу, як виникає потреба у реорганізації бізнес-процесів;
реконструкція інформаційної системи має проводитися швидко та з мінімальними витратами.
Ядром адаптивної інформаційної системи є модель проблемної галузі (підприємства), що постійно розвивається, підтримується в спеціальній базі знань – репозиторії. На основі ядра здійснюється генерація чи конфігурація програмного забезпечення. Таким чином, проектування та адаптація ІС зводиться, перш за все, до побудови моделі проблемної галузі та її своєчасного коригування.
Оскільки немає загальноприйнятого визначення, чітку єдину класифікацію інтелектуальних інформаційних систем дати важко. Наприклад, якщо розглядати інтелектуальні інформаційні системи з погляду розв'язуваного завдання, то можна виділити системи управління та довідкові системи, системи комп'ютерної лінгвістики, системи розпізнавання, ігрові системи та системи створення інтелектуальних інформаційних систем (рис. 2).
При цьому системи можуть вирішувати не одну, а кілька задач або в процесі вирішення одного завдання вирішувати ряд інших. Наприклад, під час навчання іноземної мови система може розв'язувати завдання розпізнавання мови учня, тестувати, відповідати питання, перекладати тексти з однієї мови іншою і підтримувати природничо-мовний інтерфейс роботи.
Малюнок 2 – Класифікація інтелектуальних інформаційних систем з розв'язуваних завдань
Якщо класифікувати інтелектуальні інформаційні системи за критерієм «використані методи», то вони поділяються на жорсткі, м'які та гібридні (рис. 3).
М'які обчислення- Це складна комп'ютерна методологія, заснована на нечіткій логіці, генетичних обчисленнях, нейрообчислення та ймовірнісних обчислення. Жорсткіобчислення - традиційні комп'ютерні обчислення (не м'які). Гібридні системи– системи, що використовують більш ніж одну комп'ютерну технологію (у разі інтелектуальних систем – технології штучного інтелекту).
Мал. 3.Класифікація інтелектуальних інформаційних систем за методами
Можливі та інші класифікації, наприклад, виділяють системи загального призначення та спеціалізовані системи (рис. 4).
Мал. 4.Класифікація інтелектуальних систем за призначенням
Крім того, ця схема відображає ще один варіант класифікації за методами:системи, що використовують методи представлення знань, системи, що самоорганізуються, і системи, створені за допомогою евристичного програмування. Також у цій класифікації системи генерації музики віднесено до систем спілкування.
До інтелектуальних систем загального призначеннявідносяться системи, які не тільки виконують задані процедури, але на основі метапроцедур пошуку генерують та виконують процедури вирішення нових конкретних завдань.
Спеціалізованіінтелектуальні системи виконують рішення фіксованого набору завдань, зумовленого під час проектування системи.
Відсутність чіткої класифікації також пояснюється різноманіттям інтелектуальних завдань та інтелектуальних методів, крім того, штучний інтелект – наука, що активно розвивається, в якій нові прикладні області освоюються щодня.
Вступ……………………………………………………………………...……2
Напрями розвитку ІІС та способи їх реалізації.…………..5
Властивості та можливості ИИС…………………………………...…9
Загальні положення ІІС…………………………………………. ...........................5
Особливості та ознаки інтелектуальності інформаційних систем……………………………………………………………………...13
Моделі представлення знань в ІІС, що ґрунтуються на правилах…..…14
Заключение…………………………………………………………………….....16
Список використаної литературы…………………………………………...17
Вступ.
У сучасній науці під дослідженнями, пов'язаними з моделюванням інтелектуальних можливостей людини, розуміють науковий напрямок, зайнятий проблемами синтезу автоматичних структур, здатних вирішувати складні завдання інформаційного забезпечення різних видів людської діяльності. Зазвичай це завдання, для яких з тих чи інших причин не існує готових правил або прикладів рішення. Розробити правила розв'язання такого завдання може людина, яка має необхідні знання, досвід та інтелект. Але якщо створити комп'ютерну модель, в пам'яті якої будуть міститися знання такої людини, запрограмовані її досвід та інтелектуальні здібності, необхідні для вирішення конкретного завдання, то цією моделлю можна буде користуватися для вирішення багатьох завдань, подібних до вже вирішеної. Більше того, ця модель може бути адаптована до застосування і в інших проблемних ситуаціях.
Серед таких завдань найважчими та актуальними вважаються завдання розробки засобів спілкування людини з комп'ютерною системою, що моделює інтелект людини, природною мовою та завдання автоматичного машинного перекладу з одних мов на інші за умови точної передачі смислового та емоційного аспектів. Справа в тому, що,
На думку багатьох видатних лінгвістів, інтелектуальна діяльність людини (практично в будь-яких її аспектах) безпосередньо пов'язана з функціонуванням мови і мислення. Тільки за допомогою абсолютно природних засобів спілкування людини з автоматом, що виконує комп'ютерну програму, стане можливим створення систем, які адекватно моделюють людський інтелект і такі його властивості, як мислення, інтуїція, свідомість та підсвідомість… Такі системи в сучасній інформатиці отримали назву інтелектуальних інформаційних систем (ІІС) ).
Сучасний стан фундаментальних та прикладних досліджень у галузі інтелектуальних інформаційних систем дозволяє вважати, що їх результати стали досить певними. Це означає, що склалася порівняно стійка система понять, з'явилися методологія проектування, побудови та впровадження, визначились типові структури таких систем та їх компонентів.
Вважають, що інтелектуальним завданням є відшукання невідомого алгоритму вирішення якоїсь практичної чи теоретичної проблеми, універсального на безлічі властивих цій проблемі вихідних даних. Потрібно тільки, щоб виконавець,
вирішальний завдання, був здатний виконувати ті елементарні операції, з яких складається процес, і, крім того, щоб він педантично та акуратно керувався запропонованим алгоритмом. Такий виконавець (людина чи автомат), діючи суто машинально, може успішно вирішувати будь-яке завдання даного типу. Тому цілком природним виключити їх класу інтелектуальних такі завдання, для яких існують стандартні методи вирішення. Прикладами таких завдань
можуть служити суто обчислювальні завдання:
Розв'язання системи лінійних рівнянь алгебри;
Чисельне інтегрування диференціальних рівнянь;
Завдання апроксимації емпіричних даних тощо.
Для вирішення подібного роду завдань є стандартні алгоритми, що є певною послідовністю елементарних операцій, яка може бути легко реалізована у вигляді програми для обчислювальної машини. На противагу цьому для широкого класу інтелектуальних завдань, таких як розпізнавання образів, логічні висновки та складні в логічному відношенні ігри (наприклад, гра в шахи), доказ теорем тощо, таке формальне розбиття процесу пошуку рішення на окремі елементарні кроки навпаки часто виявляється дуже скрутним, навіть якщо саме їхнє рішення нескладне.
Таким чином, виникає деяка підстава для того, щоб вважати поняття інтелекту еквівалентним поняттю універсального надалгоритму, який здатний створювати алгоритми вирішення конкретних завдань.
Загальні засади ІІС.
Розвиток систем інформаційного забезпечення різних видів діяльності людини історично можна уявити етапами:
"інформаційні системи" (ІВ), "автоматизовані інформаційні системи" (АІВ), "інтелектуальні інформаційні системи" (ІІВ).
Інтелектуальна інформаційна система - це комп'ютерна модель
інтелектуальних можливостей людини у цілеспрямованому пошуку, аналізі та синтезі поточної інформації про навколишню дійсність для отримання про неї нових знань та вирішення на цій основі різних життєво важливих завдань .
p align="justify"> Кожному з цих етапів відповідає своя інформаційна модель предметної області. Для перших інформаційних систем такою моделлю служили каталоги або класифікатори, для АІС це були масиви інформації, організовані у вигляді баз та банків даних, а для ІІС модель предметної області представлена системою структурованих даних, що отримала назву бази знань. Інформаційні системи, засновані на каталогах, створювалися переважно реалізації у тому мірою механізованого пошуку необхідної інформації. АІС, засновані на
високо організованих баз даних, дозволяли як вести автоматизований і багатоаспектний пошук інформації, а й досить складну обробку знайденої інформації, її організоване зберігання і передачу. ІІС, засновані на базах знань, повинні (на додаток до можливостей АІС) вирішувати задачі, які отримали назву «інтелектуальних».
Розвиток ІІС на сучасному етапі йде відповідно до трьох напрямків досліджень, метою яких є моделювання можливостей людини у вирішенні інтелектуальних завдань.
Перший напрямок об'єктом досліджень розглядає структуру та механізми роботи мозку людини, а кінцевою метою – розкриття таємниць мислення. Необхідними етапами досліджень у цьому напрямі є побудова моделей на основі психофізіологічних даних, проведення експериментів із ними, висування нових гіпотез щодо механізмів інтелектуальної діяльності, удосконалення раніше створених моделей тощо.
Другий напрямок як об'єкт дослідження розглядає
штучну інтелектуальну систему. Тут йдеться про моделювання
інтелектуальної діяльності за допомогою обчислювальних машин чи автоматів іншого принципу дії. Метою робіт у цьому напрямі є створення алгоритмічного та програмного забезпечення обчислювальних таких машин, що дозволяє вирішувати деякі види інтелектуальних завдань так само, як їх вирішила людина.
Третій напрямок спрямовано створення людино-машинних, чи, як ще кажуть – інтерактивних, інтелектуальних систем, які являють собою симбіоз можливостей природного та штучного інтелекту. Найважливішими проблемами у цих дослідженнях є оптимальне поєднання можливостей людини та штучної системи, що моделює інтелектуальні можливості людини, та організація семантично бездоганного діалогу між людиною та такою системою.
У межах кожного з напрямів існують різні підходи до побудови ІІС. Ці підходи не є еволюційними етапами, вони з'явилися майже одночасно (в історичному плані) і самостійно існують та розвиваються нині. Більше того, ніколи не було достатніх підстав для того, щоб беззастережно віддати перевагу якомусь підходу іншим.
Практично кожна ІІС, заснована на логічному підході, є машиною для вирішення завдань логічних висновків і доказів теорем. У цьому вихідні дані зберігаються у основі знань як аксіом і правил побудови логічного висновку як відносин між цими даними. Крім того, кожна така машина має блок генерації мети (формулювання задачі чи теореми), а система виведення (універсальний)
вирішувач) повинна вирішити це завдання або довести теорему. Якщо сформульована мета досягнута (теорема доведена), то послідовність застосованих правил утворює ланцюжок дій, що дозволяють вирішувати будь-які завдання такого типу. Потужність така
Система визначається можливостями генератора цілей та можливостями машини доказу теорем (універсального вирішувача). Доказ може вимагати повного перебору всіх варіантів рішень.
Тому цей підхід потребує ефективної реалізації обчислювального процесу і добре «працює» за порівняно невеликого обсягу бази знань.
Фізичний підхід поєднує методи моделювання інтелектуальних можливостей людини за допомогою комп'ютера та різних фізичних пристроїв. Однією з перших таких спроб був перцептрон Френка Розенблатта. Структурною одиницею перцептрону (як і більшості інших варіантів такого моделювання) є комп'ютерна модель нейрона – нервової клітини. Пізніше виникли моделі,
які здобули популярність під терміном "штучні нейронні мережі" (ІНП). Ці моделі відносяться до структур, що ґрунтуються на прикладах. Вони використовують як різні за фізичною реалізацією моделі нервових клітин, так і різні топології.
зв'язків між ними.
Широке поширення набуло в останні роки еволюційне
моделювання. Принцип, що лежить в основі цього методу, запозичений у природи – у живих організмів та систем. У багатьох джерелах він визначається як відтворення процесу природної еволюції за допомогою спеціальних алгоритмів та програм.
Ще одним, що широко використовується методом цього підходу до побудови ІІС є імітаційне моделювання. Воно пов'язане з класичним для кібернетики, одним із її базових понять - "чорним ящиком" (ЧЯ). Так називають пристрій, інформація про внутрішню структуру та зміст якого відсутні повністю, але відома матриця обов'язкової відповідності сигналів на вході в нього та сигналів на його виході. Об'єкт, поведінка якого імітується моделлю, якраз і є такою "чорною скринькою". Нам не важливо, що в нього всередині і як він функціонує, головне, щоб наша модель в аналогічних ситуаціях поводилася так само. Так можна моделювати важливу властивість людини - здатність копіювати те, що роблять інші, не замислюючись, навіщо це потрібно. Найчастіше ця здатність економить йому багато часу, особливо на початку його життя. Основним недоліком імітаційного підходу є низька інформаційність про спонукальні мотиви поведінки моделей, побудованих за його допомогою.
Інтелектуальна інформаційна система (ІІС) – це інформаційна система, яка ґрунтується на концепції використання бази знань для генерації алгоритмів вирішення економічних завдань різних класів залежно від конкретних інформаційних потреб користувачів.
Штучний інтелект- це наука та розробка інтелектуальних машин та систем, особливо інтелектуальних.
Класифікація ІІС(Рис. 4.10). Залежно від своєї природи знання буває фактуальне та операційне.
Фактуальне знання- Осмислені дані.
Операційне знання– загальні залежності між фактами, що дозволяють інтерпретувати дані чи витягувати з них нову інформацію.
До головних недоліків традиційної ІС належать:
1.Слабка адаптованість до інформаційних потреб користувача.
2.Неможливість вирішувати погано формалізовані завдання.
Перелічені недоліки усуваються в ІІС. ІІС мають такі характерні ознаки:
Розвинені комунікативні можливості;
Вміння розв'язувати складні, погано формалізовані задачі (характеризуються наполовину якісним і кількісним описом, а задачі, що добре формалізуються, – повністю кількісним описом);
Здатність до розвитку та самонавчання.
Умовно кожній із цих ознак відповідає свій клас ІІС:
І клас:системи з інтелектуальним інтерфейсом (комунікативні здібності):
1.Інтелектуальні БД;
2.Природно-мовний інтерфейс;
3.Гіпертекстові системи;
4.Контекстні системи;
5.Когнітивна графіка.
ІІ клас:експертні системи (вирішення складних завдань):
1.Класифікуючі системи;
2.Довизначальні системи;
3.Трансформуючі системи;
4. Багатоагентні системи.
ІІІ клас:самонавчені системи (здатність до самонавчання):
1.Індуктивні системи;
2.Нейронні мережі;
3.Системи, засновані на прецедентах;
4.Інформаційні сховища.
Мал. 4.10. Класифікація ІІС
Інтелектуальні БД -відрізняються від звичайних можливістю вибірки на запит інформації, яка може явно не зберігатися, а виводитися з наявної БД (наприклад, вивести список товарів, ціна яких вища за галузеву).
Природно-мовний інтерфейс передбачає трансляцію природничо-мовних конструкцій на машинний рівень уявлення знань. При цьому здійснюється розпізнавання та перевірка написаних слів за словниками та синтаксичними правилами. Цей інтерфейс полегшує звернення до інтелектуальних БД, а також голосове введення команд у системах управління.
