Базовые информационные технологии. Тема Информатизация общества Вопрос Цели и задачи информатизации общества
 Скачать 4.13 Mb.
|
Тема 10. Интеллектуальные информационные технологииВопрос 1. Знания. Информационные технологии имеют дело с информацией в виде фактов, данных, документов. Интеллектуальные информационные технологии преобразуют информацию в знания. Знания – это вид информации, хранимой в базах знаний и отражающей знание человека-специалиста (эксперта) в определенной предметной области. База знаний – это аналог базы данных, только для хранения знаний. Они включают множество всех текущих ситуаций в предметной области и способы перехода от одного описания объекта к другому. Другими словами, знания – это связи и закономерности предметной области (принципы, модели, законы), полученные в результате практической деятельности и профессионального опыта, позволяющего специалистам ставить и решать задачи в данной области. Отдельные понятия, факты, знания, связаны между собой отношениями индуктивного (от частного к общему), дедуктивного (от общего к частному) или индуктивно-дедуктивного вывода и формализуются соответствующими формальными структурами: древовидными, морфологическими, реляционными и др. Для знаний характерны: · внутренняя интерпретируемость (толкование); · структурируемость; · связность; · активность. Говоря образно, знания = факты + убеждения + правила. Различают знания: · Понятийные. · Конструктивные. · Процедурные. · Фактографические. · Метазнания. Понятийные знания – набор понятий, используемых при решении данной задачи, например, в фундаментальных науках и теоретических областях наук, т.е. это понятийный аппарат науки (например, информация). Конструктивные знания – наборы структур, подсистем и взаимодействий между их элементами, например, схема компьютера по Фон Нейману. Процедурные знания – методы, процедуры (алгоритмы) их реализации, например, в прикладных науках или в экспериментальных науках. Фактографические – количественные и качественные характеристики объектов и явлений. Метазнания – знания о порядке и правилах применения знаний (знания о знаниях). Представление знаний – это процесс, конечной целью которого является представление информации в виде информативных сообщений: · фраз устной речи; · предложений письменной речи; · страниц книги; · понятий справочника; · объектов географической карты и т.п. Вопрос 2. Понятие искусственного интеллекта. Искусственный интеллект – это свойство автоматических и автоматизированных систем выполнять отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних условий. Создание искусственного интеллекта связано с моделированием высшей нервной деятельности человека. Выделяют два основных подхода к его исследованию и моделированию: 1) имитационный; 2) прагматический. Цель имитационного подхода – имитировать и результаты работы мозга, и принципы его действия, т.е. понять, как именно работает мозг. Прагматический подход не интересуется тем, как работает мозг. Он ставит цель найти методы, позволяющие машине решать сложные интеллектуальные задачи, какие умеет решать только человек. Оба метода дополняют друг друга. Имитационный подход порождает основные идеи, а прагматический доводит их до стадии практически полезных разработок. В имитационном подходе обучение строится следующим образом. Накапливается статистическая информация о комбинации входных сигналов (образов). В тот момент, когда система «понимает», что некая комбинация входных сигналов не случайна, она обучается распознавать эту комбинацию как образ. Распознавание комбинации образов обучает систему формировать более сложные образы. Имитационный подход позволил создавать системы, способные находить способ управления в соответствии с меняющимися окружающими условиями и даже корректировать этот способ, т.е. создавать саморазвивающиеся самообучающиеся системы. Цель такой системы – улучшение своего состояния. Под интеллектуальными информационными технологиями (ИИТ) обычно понимают такие информационные технологии, в которых предусмотрены следующие возможности: · наличие баз знаний, отражающих опыт конкретных людей, групп, обществ, человечества в целом, при решении творческих задач в определенных сферах деятельности, традиционно считавшихся прерогативой интеллекта человека (например, такие плохо формализуемые задачи, как принятие решений, проектирование, извлечение смысла, объяснение, обучение и т.п.); · наличие моделей мышления на основе баз знаний: правил и логических выводов, аргументации и рассуждения, распознавания и классификации ситуаций, обобщения и понимания и т.п.; · способность формировать вполне четкие решения на основе нечетких, нестрогих, неполных, недоопределенных данных; · способность объяснять выводы и решения, т.е. наличие механизма объяснений; · способность к обучению, переобучению и, следовательно, к развитию. ИИТ строятся с использованием технологий гипертекста, мультимедиа, когнитивной графики совместно с методами имитационного и информационного моделирования, лингвистических процессоров, семантических и нейронных сетей и др. Уникальная особенность ИИТ – их «универсальность». Они практически не имеют ограничений по применению в таких областях, как управление, проектирование, машинный перевод, диагностика, распознавание образов, синтез речи и т. д. ИИТ используются для: · создания экспертных систем; · нахождения решений в сфере управления; · решения задач аналитического характера на основе структуризации текста для создания аналитических докладов, записок; · прогнозирования природных, экологических катастроф, техногенных аварий; · нахождения решений в социальной и политической сферах с повышенной напряженностью и т.д. Еще одно эффективное применение ИИТ – поиск информации в Интернете и других глобальных сетях, ее структуризация и доставка заказчику. Вопрос 3. Экспертные системы. Назначение и структура экспертных систем. На основе ИИТ наиболее широкое применение получили экспертные системы. Такие информационные системы используют знания, полученные от экспертов, т.е. квалифицированных специалистов в заданной области. Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. Экспертная система (ЭС) представляет собой сложную автоматизированную информационную систему, которая, взаимодействуя с человеком на естественном языке, обрабатывает символьную информацию и использует неполные данных для построения логических выводов, причем знания отделены от обслуживающих их программных средств и вводятся в систему описательным способом. Данные системы позволяют избежать не только технической, но и интеллектуальной работы людей с информацией, соответственно многократно повышают производительность труда за счет увеличения скорости обработки неструктурированной информации. Экспертные системы представляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристических правил (эвристик). Эвристики не гарантируют получения оптимального результата с такой же уверенностью, как обычные алгоритмы, используемые для решения задач в рамках технологии поддержки принятия решений. Однако часто они дают в достаточной степени приемлемые решения для их практического использования. Все это делает возможным использовать технологию экспертных систем в качестве советующих систем. Экспертная система работает в двух режимах: 1) режиме приобретения знаний; 2) режиме решения задачи (называемом также режимом консультации или режимом использования ЭС). В режиме приобретения знаний общение с ЭС осуществляет эксперт через посредничество инженера по знаниям. Эксперт – человек, который за годы обучения и практики научился чрезвычайно эффективно решать задачи, относящиеся к конкретной предметной области. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области. В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. В зависимости от назначения ЭС пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к ЭС за результатом, не умея получить его сам), или быть специалистом (в этом случае пользователь может сам получить результат, но он обращается к ЭИС с целью либо ускорить процесс получения результата, либо возложить на ЭИС рутинную работу). В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из БЗ формирует решение задачи. ЭС при решении задачи не только исполняет предписанную последовательность операции, но и предварительно формирует ее. Если реакция системы непонятна пользователю, то он может потребовать объяснения: «Почему система задает тот или иной вопрос?» Сходство информационных технологий, используемых в экспертных системах и системах поддержки принятия решений, состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия. 1. Первое связано с тем, что решение проблемы в рамках систем поддержки принятия решений отражает уровень ее понимания пользователем и его возможности получить и осмыслить решение. Технология экспертных систем, наоборот, предлагает пользователю принять решение, превосходящее его возможности. 2. Второе отличие выражается в способности экспертных систем пояснять свои рассуждения в процессе получения решения. Очень часто эти пояснения оказываются более важными для пользователя, чем само решение. 3. Третьеотличие связано с использованием нового компонента информационной технологии – знаний. Основными компонентами информационной технологии, используемой в экспертной системе, являются (рис. 43): · интерфейс пользователя; · база знаний; · интерпретатор; · модуль создания системы.  Рис. 43. Основные компоненты ИТ экспертных систем Пользователь (специалист) использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации из нее. Он может использовать четыре метода ввода информации: меню, команды, естественный язык и собственный интерфейс. Технология экспертных систем предусматривает возможность получать в качестве выходной информации не только решение, но и необходимые объяснения. База знаний содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: 1) условие, которое может выполняться или нет; 2) действие, которое следует произвести, если выполняется условие. Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил. Интерпретатор – это часть экспертной системы, производящая в определенном порядке обработку знаний, находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, то выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы. Во многих экспертных системах вводятся дополнительные блоки: · база данных; · блок расчета; · блок ввода и корректировки данных. Блок расчета необходим в ситуациях, связанных с принятием управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных. Программная оболочка экспертных систем представляет собой готовую программную среду, которая может быть приспособлена к решению определенной проблемы путем создания соответствующей базы знаний. В большинстве случаев использование оболочек позволяет создавать экспертные системы быстрее и легче в сравнении с программированием. Примеры экспертных систем в сфере экономики и управления. В современном обществе при решении задач управления сложными многопараметрическими и сильно связанными системами, объектами, производственными и технологическими процессами приходится сталкиваться с решением неформализуемых либо трудноформализуемых задач. Такие задачи часто возникают в следующих областях: авиация, космос, оборона, промышленность и транспортировка, энергетика, телекоммуникации и связь, административное управление, прогнозирование и мониторинг. По предметной области наибольшее количество экспертных систем используется в военном деле, геологии, инженерном деле, информатике, математике, медицине, метеорологии, управлении процессами, филологии, химии, электронике, юриспруденции. Наиболее значительными достижениями в этой области стало создание систем, которые ставят диагноз заболевания, предсказывают месторождения полезных ископаемых, помогают в проектировании электронных устройств, машин и механизмов, решают задачи управления реакторами и другие задачи. Реализация экспертных систем в экономике на уровне предприятия может происходить по нескольким направлениям, см. таблицу 3. Таблица 3.
Типичными задачами, которые решаются динамическими экспертными системами оперативного управления бизнес-процессами, являются: · Мониторинг бизнес-процессов и оперативное информирование лиц, принимающих решение, об отклонениях. · Упреждающая диагностика, прогнозирование отклонений в параметрах операций бизнес-процессов. · Динамическое распределение ресурсов в соответствии с изменяющейся обстановкой. · Планирование действий и составление сетевых графиков работ. · Моделирование последствий принимаемых решений по изменению процессов. Приведём пример использования экспертных систем для службы персонала по подбору, оценке и расстановке кадров, которые рекомендованы для использования в банках, на промышленных предприятиях, в строительных организациях, рекрутинговых фирмах и в организациях других сфер деятельности. Такие ЭС позволяют: · выполнять компьютерное психофизиологическое обследование и тестирование работников; · проводить профориентацию, профотбор, прием на работу, сокращение штатов, аттестацию; · получать рекомендации по наиболее эффективному использованию каждого работника в условиях конкретного предприятия; · создавать профили профессий и должностей; · оценивать профпригодность работника, совместимость «команды» и др. функции. Напомним, что экспертная система – это разновидность прикладной программы, которая решает проблемы и делает выводы, объясняя их. Результат её работы заранее неизвестен, поскольку ход алгоритма рассуждений строится в зависимости от постоянно действующего диалога с пользователем, а, следовательно, определяется его ответами. Экспертные системы являются первым этапом в создании искусственного интеллекта. Можно выделить несколько аспектов использования ЭС в управлении персоналом: 1. Прогнозирование кадрового потенциала фирмы на определенный период времени. 2. Обучение. Эти системы констатируют и «отлаживают» знания обучающегося человека. В таких системах создана некая модель знаний ученика. Фактические знания ученика сравниваются с существующей моделью и при необходимости исправляются, дополняются, уточняются, т. е. «пробелы» в знаниях заполняются путем постоянного общения ученика с системой. Экспертные системы такого рода могут использоваться в кадровых службах при проведении мероприятий по обучению персонала. 3. Управление. Системы этого типа можно назвать интегрированными, поскольку они объединяют в себе элементы всех рассмотренных выше систем. Этому типу систем, например, принадлежит задача управления деловой активностью. Экспертные системы можно также разделить на: · консультационные (или информационные); · исследовательские; · управляющие. Консультационные системы могут использоваться в работе государственных служб занятости, кадровых служб фирм и рекрутинговых фирм. Исследовательские ЭС могут применяться в научных исследованиях для диагностики поведения сложных систем (в том числе человека), прогнозирования, мониторинга и пр. Управляющие ЭС позволяют принимать обоснованные решения в управлении сложными системами. В качестве реально действующей отечественной ЭС, предназначенной для решения кадровых вопросов, является интеллектуальная система психологических исследований PSY (состоит из более 6000 правил). Разработана в ВНТК «САЙНТЕКС» (г. Москва). Система используется руководителями и специалистами кадровых служб при решении задач отбора персонала, анализа межличностных отношений в коллективе, ведении БД по кадрам. В ней хранятся сведения о личностных характеристиках людей, полученных в результате соответствующего тестирования. В систему включены разнообразные тесты, позволяющие выявить уровень профессиональной квалификации работников, их психофизиологические параметры, а также проследить за динамикой изменения определенных характеристик, чтобы выделить те из них, которые имеют отклонения от общепринятых общественных норм. В системе имеются также средства статистической обработки информации. Экспертная система PSY используется в некоторых коммерческих структурах и органах государственного управления РФ. Вопрос 4. Нейросетевые технологии. Нейросетевыми технологиями называют комплекс информационных технологий, основанных на применении искусственных нейронных сетей. Искусственные нейронные сети – это программно- или аппаратно- реализованные системы, построенные по принципу организации и функционирования их биологического аналога – нервной системы человека. Нервная система человека состоит из нейронов. Все нейроны связаны между собой нервными волокнами, которые передают электрические импульсы. Нейронные сети – иерархически организованные параллельные соединения адаптивных элементов – нейронов, которые обеспечивают взаимодействие с объектами реального мира так же, как и биологическая нервная система. К настоящему времени предложено большое количество способов объединения нейронов в нейросеть. Нейроны в сети расположены слоями. Обычно выделяют: · входной слой – на него подается возбуждающий сигнал; · выходной слой – с него снимают переработанный сетью сигнал; · скрытые слои – все остальные слои, они не видны пользователю. Очевидно, что для адекватного решения задачи функционирования сети нужно правильно выбрать значения весов связей между нейронами, т.е. обучить сеть. Процесс обучения состоит в настройке параметров этой сети. В практике искусственных нейронных сетей сложились два основных метода обучения: 1) с учителем; 2) без учителя. При обучении с учителем предполагается, что помимо входных сигналов, известны также и ожидаемые выходные сигналы. Иными словами, нейрон каждый раз получает информацию о том, какой выходной сигнал от него ожидают. При обучении без учителя ожидаемые выходные сигналы неизвестны, подбор весовых коэффициентов осуществляется на основе конкуренции нейронов, либо корреляции обучающих и выходных сигналов. К основным преимуществам нейронных сетей можно отнести наиболее ценное свойство нейронных сетей: способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации и какие бы то ни было зависимости между входными и входными данными. С такими ситуациями (а это 80 % задач финансового анализа) не справляются как традиционные математические методы, так и экспертные системы. Нейронные сети способны успешно решать задачи, опираясь на неполную, искаженную и внутренне противоречивую информацию. Для использования методов корреляционного и регрессионного анализов требуется специалист высокой квалификации, однако эксплуатация обученной нейронной сети по силам рядовому пользователю. Внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично наращивать мощность любой нейросистемы. Можно начать с простого пакета, потом перейти на профессиональную версию, затем перейти на специализированный компьютер с гарантией полной преемственности всего ранее созданного. Применение нейросетевых технологий. С помощью нейросетевых технологий стало возможным строить математические модели, выполняющие сложные многомерные отображения входного вектора параметров X на выходной вектор Y. Задачи подобного рода часто встречаются в самых разнообразных областях, таких как промышленность, экономика, бизнес, финансы, политология, социология, криминалистика, медицина и т.д. Практически в каждой проблеме, решаемой прикладными науками, требуется построить модель явления, процесса, объекта, т.е. выявить и математически описать зависимость одного комплекса параметров от другого, построить математические функции, которые можно использовать для более глубокого анализа объекта. Например, найти оптимальное сочетание управляющих параметров, обеспечивающих максимум целевой функции, выполнить прогнозирование, предсказать, как будут развиваться события в зависимости от того или иного воздействия. С середины 1980-х гг. нейронные сети начали использоваться на Западе преимущественно в финансовых и военных приложениях. Однако, несмотря на успех, инструмент оказался слишком сложным и дорогостоящим. Ситуация изменилась в начале 1990-х гг., когда на рынке появилось новое поколение нейросетевых технологий: мощных, недорогих, простых в использовании. Одним из лидеров рынка стал нейросетевой пакет Brain Maker американской фирмы California Scientific Software. Разработанный по заказу военных пакет был адаптирован для бизнес-приложений и с 1990 г. удерживает лидерство среди самых продаваемых нейросетевых пакетов США. Свой путь на российский рынок нейронные сети начали с финансово-кредитной сферы, где заинтересованные в совершенствовании аналитической работы банки стали интенсивно включать нейронные сетевые технологии в состав финансовых приложений. В настоящее время пользователями Brain Maker Pro стали уже более 200 банков и торговых компаний, а также аналитические учреждения верхних эшелонов власти. Среди перспективных направлений использования нейросетевых технологий можно назвать создание компьютерных моделей поведения клиента для оценки риска или перспективности работы с конкретными клиентами. Например, можно проанализировать прежние сделки и на этой основе оценить вероятность того, согласится ли конкретный клиент на то или иное предложение. В управлении персоналом нейронные сети используются для профессионального отбора и сопровождения развития персонала. Полносвязная нейронная сеть позволяет производить психодиагностику исследуемых на базе опросников классических тестов с вероятностью правильного ответа 95 %. Для создания нейросетевых экспертных систем не нужно вмешательства математика, данная технология позволяет программе непосредственно перенимать опыт психодиагноста. Психодиагностическая методика, созданная на базе технологии нейросетевых экспертных систем, адаптивна к смене социокультурных групп. При помощи возможностей программных нейроимитаторов можно выполнять исследование параметров психодиагностических методик и уточнять их структуру. Нейронные сети при использовании определенных методов улучшения результатов позволяют создавать компьютерные психологические тесты, не уступающие ныне применяющимся методикам, но обладающие новым и очень важным на практике свойством адаптивности. Также нейронные сети используются в прогнозировании и классификации, распознавании образов (программы НейроКомп, MultiNeuron). |