Тема Интеллектуальные технологии и системы Вопросы темы
 Скачать 1.92 Mb.
|
|
Тема 4. Интеллектуальные технологии и системы Вопросы темы: 1. Основные понятия интеллектуальных технологий и систем. 2. Классификация интеллектуальных технологий и систем. Области их применения. 3. Принципы функционирования нейрона. 4. Нейронные сети: виды и обучение. 5. Экспертные системы: понятие, структура, классификация. 6. Модели представления знаний в экспертных системах. 7. Инструментальные средства разработки экспертных систем. Перечень формируемых компетенций: способность использовать основы экономических знаний в различных сферах деятельности (ОК-3); способность осуществлять сбор, анализ и обработку данных, необходимых для решения профессиональных задач (ОПК-2); способность выбирать инструментальные средства для обработки экономических данных в соответствии с поставленной задачей, анализировать результаты расчетов и обосновывать полученные выводы (ОПК-3); способность использовать для решения аналитических и исследовательских задач современные технические средства и информационные технологии (ПК-8). Вопрос 1. Основные понятия интеллектуальных технологий и систем. Впервые понятие «искусственный интеллект» (англ. artificial intelligence) предложил в 1956 г. Джоном Маккарти. Интеллект – это способность мозга решать интеллектуальные задачи посредством приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения. Обучение происходит на опыте и адаптации к разнообразным обстоятельствам. Откуда же у человека берутся знания? Прежде всего, человеческий мозг получает информацию через органы чувств. Тем самым накапливается и расширяется база знаний человека. Однако, полученных таким способом знаний слишком мало, чтобы человек мог вести интеллектуальную деятельность. 2 Рис. 76. Понятие «интеллект» Объекты в окружающем нас мире, достаточно сложны, как по своему составу, так и по возникающим между ними взаимосвязям. И для того, чтобы вести интеллектуальную деятельность, находясь в определенной окружающей человека среде, он должен знать, каким образом устроена модель этого мира. Объекты, входящие в информационную среду, окружающую человека, могут быть не только им увидены, запомнены. Человек может их мысленно преобразовать в соответствии с поставленной им целью. То есть человек, пройдя обучение в результате полученного опыта и адаптировавшись к различным обстоятельствам, может сформировать модель внешней среды. Уже на протяжении многих лет ведутся работы в направлении создания модели человеческого интеллекта. Такую модель назвали искусственным интеллектом. Искусственный интеллект – это свойство автоматических систем брать на себя отдельные функции интеллекта человека. Автоматическая система, обладая таким свойством, становится способной делать выбор и принимать оптимальные решения, опираясь на ранее полученный опыт, а также анализируя различные внешние обстоятельства с рациональной точки зрения. Так, в процессе решения самых разнообразных типов задач, человек стремиться найти определенный алгоритм действий. Этот алгоритм будет помогать человеку решать подобные задачи в дальнейшем. Алгоритм – это точное пошаговое предписание о том, как и в каком порядке выполнять последовательность операций, чтобы решить любую задачу из заданного класса (или множества) задач. Нахождение алгоритма решения задачи в результате рассуждений, логических обобщений и выводов называется интеллектуальной задачей. Как только интеллектуальный процесс завершен и алгоритм решения задачи найден, такая задача переходит в категорию типовой. Такую задачу уже может решать не только человек, но и компьютер, и робот, которым не надо разбираться в сути задачи, а нужно просто последовательно выполнять шаги, описанные в алгоритме. 3 Задачи, для решения которых уже разработаны алгоритмы их решения, считаются стандартными и перестают быть интеллектуальными. Если система (или определенное устройство с установленным специальным программным обеспечением) может настраивать свои параметры в соответствии с состоянием внешней среды, она может быть определена как интеллектуальная. Также к интеллектуальным системам могут быть отнесены такие системы, которые при решении сложных задач в большей степени выполняют логическую обработку, чем вычислительную. Система, которая способна решать интеллектуальные задачи и использует методы искусственного интеллекта, может считаться интеллектуальной. В настоящее время активно ведутся работы в области искусственного интеллекта. Специалисты предпринимают попытки разобраться и смоделировать механизмы человеческого интеллекта и перенести их в компьютерные программы и тем самым наделить компьютер способностью мыслить как человек или даже добиться воплощения более высокого уровня интеллекта, чем у человека. Чтобы добиться поставленных перед специалистами целей, нужно создать такие методы решения задач, которые могли бы обходиться без алгоритмов, задающих последовательность формальных шагов, для решения задач. Необходимо, чтобы компьютер (или механизм) мог понимать естественный язык человека (с учетом диалекта, специфики произношения и т. д.), обучался, доказывал разные по сложности теоремы, распознавал образы разной степени сложности и многое другое. В процессе изучения интеллектуальной деятельности и протекающих вместе с ней процессов специалисты активно работают над созданием математических моделей. Эти модели должны лежать в основе создаваемых компьютерных программ и помогать создаваемым машинам решать различные интеллектуальные задачи, а также демонстрировать разумное поведение, сталкиваясь с предлагаемыми им ситуациями. Развитие интеллектуальных систем в настоящее время ведется по нескольким направлениям. Первое направление связано с изучением структуры и механизмов функционирования человеческого мозга. В данном случае усилия ученых направлены на исследования процессов мышления человека. Исследователи собирают психофизиологические данные и, основываясь на них, строят модели, имитирующие интеллектуальную деятельность человека. 4 Второе направление направлено на изучение и совершенствование систем искусственного интеллекта. Работы ведутся в направлении разработки такого программного обеспечения, которое могло бы решать самые разнообразные интеллектуальные задачи, подражая человеку. Специалисты трудятся над созданием алгоритмов, позволяющих моделировать интеллектуальную деятельность человека на базе современных вычислительных машин. Важную роль в исследованиях отводят нейрокомпьютерам. Третье направление связано с разработкой человекоподобных машин («роботов с человеческим лицом»). Одной из основных сложностей в этом направлении является процесс разработки диалога с такой человеко-машинной системой. Диалог должен быть построен не просто на формулировании человеком команд, озвучиваемых для робота. Это должен быть диалог, который был бы «понятен» роботу. И робот смог отреагировать на услышанную речь точно так же, как если бы диалог был между двумя людьми, а не между роботом и человеком. Есть ряд особенностей, которые свойственны практически всем интеллектуальным системам. Интеллектуальные информационные системы обладают достаточно развитыми коммуникативными способностями. Это возможно благодаря разработанному интерфейсу, который позволяет реализовать один из способов общения человека и системы. Человек может строить свой диалог с интеллектуальной системой на том языке, которым он пользуется в своей повседневной жизни. Интеллектуальные информационные системы наделены способностью решать плохо формализуемые задачи. Такие задачи обычно являются весьма сложными. Для них не существует одного стандартного алгоритма, используя который можно решить задачу. В зависимости от определенной ситуации алгоритм решения такой задачи будет меняться. Кроме того, плохо формализуемые задачи отличаются от типовых задач еще и тем, что исходная информация для них является динамичной. У таких задач отмечается высокая степень неопределенности исходных данных, информационных потоков и знаний. Интеллектуальные информационные системы способны к самообучению. Чтобы решить поставленную задачу, такие системы способны самостоятельно извлекать необходимые знания из уже накопленного опыта, полученного из различных ситуаций, в которых они оказывались. Интеллектуальные информационные системы способны адаптироваться под меняющуюся предметную область. То есть такие системы характеризуются способностью развиваться с учетом происходящих во внешней среде изменений. 5 Вопрос 2. Классификация интеллектуальных технологий и систем. Области их применения. К настоящему моменту времени не существует единого подхода к классификации интеллектуальных информационных систем и интеллектуальных технологий. Классифицируя интеллектуальные системы, специалисты рассматривают их с разных углов зрений и используют разные критерии. Например, если рассматривать интеллектуальные информационные системы по типам, то принято выделить следующие (рис. 77): Рис. 77. Классификация интеллектуальных систем по типам Рассмотрим кратко особенности интеллектуальных систем каждого типа. Системы с коммуникативными способностями. В данном случае речь идет о системах с развитым интеллектуальныминтерфейсом. Есть несколько подвидов систем такого типа. Интеллектуальные базы данных. Они способны по запросу пользователя предоставлять такую информацию, которая не хранится в чистом виде в базе данных. Она выводится на основе использования интеллектуальных технологий из данных, которые есть в базе. Естественно-языковой интерфейс. Играет важную роль и необходим, чтобы переводить языковые конструкции с естественной формы на внутримашинный формат описания знаний. В данном случае используются технологии, позволяющие выполнять разные по уровню сложности анализ и синтез высказываний на естественном языке. Например, морфологический анализ используется для того, чтобы распознать и проверить корректность написания слов, используя словари. 6 Важная роль отводится и синтаксическому контролю. Все поступающие исходные сообщения разделяются на отдельные составляющие, а затем проверяются на соответствие существующим грамматическим правилам внутреннего представления знаний. При этом могут быть выявлены необходимые части, которых не было обнаружено. Еще один вид проводимого анализа – это семантический. Благодаря этому анализу можно установить смысловую корректность грамматических конструкций. Например, результаты синтаксического контроля могут быть подвергнуты семантическому анализу. Кроме того, может использоваться синтез высказываний. В данном случае речь идет о том, чтобы информация, которая представлена внутри компьютерной системы, была корректно преобразована в естественно- языковое представление, и человек понял бы то, что «сказала» машина. Цели использования естественно-языкового интерфейса могут быть разными. Например, такой интерфейс может быть необходим для: обеспечения доступа к интеллектуальным базам данных; выполнения контекстного поиска различной документальной текстовой информации; ввода голосом команд в систему управления; автоматического машинного перевода с различных иностранных языков. Основное предназначение интеллектуальных гипертекстовых систем связано с необходимостью организовать поиск в базах текстовой информации по ключевым словам или фразам, задаваемым пользователем. В отличие от обычных гипертекстовых технологий, в данном случае используются механизмы смысловой организации слов разного уровня сложности. Учитываются разные смысловые взаимосвязи тех или иных терминов. Технологии интеллектуальных гипертекстовых систем ориентированы на работу с базой знаний ключевых слов, после чего уже становится возможным поиск текста, в максимальной степени соответствующего запросу пользователя. Данные технологии могут применяться не только к текстовой, но и к мультимедийной информации. Частных случаев предыдущих систем (интеллектуальных гипертекстовых и естественно-языковых систем) являются интеллектуальные системы контекстной помощи. В данном случае пользователь сам должен описать определенную проблему, задачу или ситуацию и как только передаст запрос в систему контекстной помощи, ему будет оказано содействие. Если пользователь недостаточно полно описал проблему, то система помощи посредством диалога проведет уточнение сути проблемы. Затем система ищет относящиеся к ситуации рекомендации и сообщает их пользователю. Технологии классических систем помощи, как правило, основываются на жестком алгоритме поиска требуемой информации и практически никак не учитывают особенности различных ситуаций. Действует правило «один алгоритм на 7 все типовые ситуации». Очень часто интеллектуальные системы контекстной помощи называют системами распространения знаний. Их можно увидеть в качестве дополнительных приложений к системам документации. Например, это может быть техническая документация по эксплуатации сложного агрегата или механизма. Еще одним подвидом системы с коммуникативными способностями являются системы когнитивной графики. Эти системы предназначены для реализации взаимодействия пользователя с интеллектуальной системой посредством различных графических образов. Графические образы создаются с учетом тех событий, которые происходят. Системы когнитивной графики очень популярны при создании различных обучающих и тренажерных систем, базирующихся на применении технологий виртуальной реальности. Например, с помощью графических образов воссоздаются определенные ситуации. Обучаемый, с учетом предложенной ситуации, должен принять решение о том, какие действия ему нужно совершить. Следующий тип интеллектуальных систем – это экспертные системы. Механизм, лежащий в их основе, обеспечивает возможность решения возникающих задач, опираясь на мощную накопленную базу знаний. Как правило, экспертные системы соответствуют определенной предметной области и база знаний, лежащая в их основе, опирается на знания и опыт работы экспертов в данной проблемной области. У экспертных систем могут быть выделены подтипы. Многоагентные системы представляют собой динамические системы. В их базу попадают знания из разных источников с учетом временного фактора. Таких источников может быть много. Кроме того, они способны обмениваться между собой полученными результатами. Для многоагентных систем характерны следующие особенности. Например, такие системы могут проводить альтернативные рассуждения используя при этом знания, полученные из различных источников. И что немаловажно, из полученных знаний, с помощью специального механизма, могут устраняться возникающие противоречия. Кроме того, многоагентные системы могут решать проблемы распределено. Каждая такая распределенная проблема может быть разделена на подпроблемы, которые могут не только решаться параллельно, но и использовать самостоятельные источники знаний. У механизма вывода заключений в многоагентных системах может быть большое количество вариантов работы. Это напрямую зависит от типа проблемы, которую необходимо решить. 8 Еще одной особенностью многоагентных систем является способность обрабатывать большие по объему массивы данных, которые хранятся в базе данных. Кроме базы данных, многоагентные системы используют базы математических моделей и внешние процедуры. Решая задачу, многоагентная система может временно прервать этот процесс. Это необходимо для того, чтобы система могла запросить недостающие данные (или знания) или от пользователя, или от параллельно решаемой подпроблемы, или от базы математических моделей. В основе самообучающихся систем лежат методы автоматической классификации примеров ситуаций реальной практики. Самообучающиеся системы бывают нескольких типов: самообучающиеся системы «с учителем». Для каждого примера задается в явном виде значение признака его принадлежности некоторому классу ситуаций (классообразующего признака); самообучающиеся системы «без учителя», когда по степени близости значений признаков классификации система сама выделяет классы ситуаций. Одним из подвидов самообучающихся систем являются индуктивные системы. Они основываются на технологии обобщения примеров по принципу «от частного к общему». Нейронные сети представляют собой устройства параллельных вычислений, состоящие из множества взаимодействующих простых процессоров. Любой простой процессор, входящий в такую сеть, работает с периодически поступающими к нему сигналами и передает сигналы на другие простые процессоры. Есть еще такой подвид самообучающихся систем, как экспертная система, основанная на прецедентах (или аналогиях). База знаний таких систем включает не только описание определенных ситуаций, но их всевозможных аналогий. В результате поиск решения проблемы с помощью системы данного подвида будет происходить по принципу «от частного к частному» (или как его еще называют «поиск по аналогии»). Информационное хранилище имеет свои особенности и отличительные чертыот интеллектуальной базы данных. В нем хранится извлеченная из оперативной базы данных значимая, важная информация. Интеллектуальное хранилище необходимо для проведения оперативного ситуационного анализа данных (реализации OLAP-технологии). Еще одним типом интеллектуальных систем является адаптивная информационная система. Особенностью данной системы является ее способность менять свою структуру, как только измениться модель проблемной области. Есть еще один подход к классификации интеллектуальных информационных систем. В данном случае отталкиваются от специфики решаемых ими задач (рис. 78). 9 Рис. 78. Классификация интеллектуальных систем с точки зрения решаемых задач Практически все системы, входящие в выделенные группы, способны одновременно решать сразу несколько задач. Например, рассмотрим технологию работы системы, которая обучает пользователя иностранному языку. Такая система решает целый спектр задач – она распознает речь учащегося, тестирует «услышанное», отвечает на его вопросы, переводит фразы или текст сразу на несколько языков (на родной язык учащегося и на иностранный, который изучает учащийся). При этом обучающая система постоянно поддерживает работу на базе естественно-языкового интерфейса. В основу следующего подхода к классификации интеллектуальных систем положены виды используемых системами методов (рис. 79). Жесткими называют обычные компьютерные вычисления. Методы мягких вычислений больше похожи на биологические процессы, чем на традиционные методы, основанные на формальных логических системах или численном анализе. В отличие от обычных, «жестких», вычислений, которые требуют точности и единственности решения, мягкие вычисления допускают заданную погрешность и неопределенность для конкретной задачи. В информационных технологиях под мягкими вычислениями понимают методологию использования неточных и математически строго не обоснованных методов и алгоритмов при решении задач, для которых не существует строгих подходов, позволяющих получить точный результат за приемлемое время. Область мягких вычислений включает такие технологии, как машинное обучение, нечеткую логику и эволюционные алгоритмы. 10 Рис. 79. Классификация интеллектуальных систем по используемым методам Гибридные системы используют более чем одну компьютерную технологию искусственного интеллекта. По назначению выделяют интеллектуальные информационные системы общего назначения и специализированные системы (рис. 80). Рис. 80. Классификация интеллектуальных систем по назначению Интеллектуальные системы общего назначения способны, используя метапроцедуры поиска, генерировать и исполнять процедуры решения новых задач. При этом они способны исполнять и те процедуры, которые в них уже были заданы. 11 Специализированные интеллектуальные системы нацелены на решение только тех задач, которые были в них заложены и предопределены при создании системы. Существуют и другие подходы к классификации интеллектуальных систем, основанные на выделении различных критериев, например, таких, как область применения, оперативность, модель представления знаний, степень интеграции и т. д. (рис. 81). Рис. 81. Классификация интеллектуальных систем по различным критериям В настоящее время искусственный интеллект представляет собой достаточно перспективную и объемную по масштабам область исследований. Ведутся разработки интеллектуальных систем, которые могут использоваться в различных областях деятельности человека (рис. 82). С помощью методов искусственного интеллекта могут быть решены задачи, которые характеризуются большим числом степеней свободы, с числом вариантов поиска решений, приближающимся к бесконечности. 12 Рис. 82. Сферы применения искусственного интеллекта по данным IDC В отличие от компьютерных программ, которые выдают уникальный и предопределенный результат для заданных входных данных, системы искусственного интеллекта могут самостоятельно искать различные пути решения поставленной перед ними задачи. Более того, интеллектуальные системы способны менять не только свои параметры, но и структуру полностью. Они способны реагировать на малейшие изменения, происходящие во внешней середе, самостоятельно обучаться, самосовершенствоваться и развиваться. Например, в финансовой сфере технологии искусственного интеллекта могут применяться следующим образом. Алгоритмическая торговля предполагает использование сложных систем искусственного интеллекта для принятия торговых решений со скоростью, превышающую скорость, на которую способен человеческий мозг. Это позволяет делать миллионы сделок в день без какого-либо вмешательства человека. Автоматизированные торговые системы обычно используются крупными институциональными инвесторами. Еще одно направление применения интеллектуальных технологий – это исследования рынка и интеллектуальный анализ данных. Например, в крупных финансовых учреждениях есть системы, которые могут использоваться в их инвестиционной практике. Они могут быть задействованы, как внутри компании, так и для клиентов компании, помогая и консультируя по вопросам принятия инвестиционных решений. У таких систем широкий спектр функциональных возможностей, включающий обработку естественного языка для чтения текста. Это могут быть тексты новости, отчетов брокеров и каналов социальных сетей. Затем система оценивает настроения в упомянутых компаниях и присваивает им оценку. 13 Банки используют системы искусственного интеллекта, которые могут обрабатывать данные для разработки профилей потребителей и сопоставлять их с продуктами, которые они, скорее всего, захотят приобрести. Также существуют платформы аналитики рынка, которые объединяют статистические вычисления с большими данными и обработкой естественного языка. Системы машинного обучения используют данные в Интернете и оценивают взаимосвязи между мировыми событиями и их влиянием на цены финансовых активов. Информация, извлеченная системой ИИ из прямой трансляции новостей, используется в принятии инвестиционных решений. Существуют продукты, которые используют искусственный интеллект для помощи людям в управлении их личными финансами. Например, подобные приложения могут анализировать такие факторы, как ежемесячный доход, текущий баланс и привычки к расходам, а затем принимать собственные решения и переводить деньги на отдельный сберегательный счет. При управлении финансовым портфелем применяются автоматизированные помощники-советчики. Они предоставляют финансовые консультации и советы в управлении финансовым портфелем с минимальным вмешательством человека. Этот класс финансовых консультантов работает на основе алгоритмов, созданных для автоматического развития финансового портфеля в соответствии с инвестиционными целями и склонностью к риску клиентов. Он может корректировать изменения в реальном времени на рынке и настроить портфель в соответствии с пожеланиями клиента. Кроме уже рассмотренных областей применения, интеллектуальные информационные системы могут применяться телефонными и онлайновыми службами поддержки клиентов, в военном деле, медицине, промышленности, робототехнике и т. д. |