Лекция №1 Тема №1: Интеллектуальные информационные системы. Введение

St

St 2St 2St 2

2 2

2

2

Выделим в среде некоторый объём V . В этом объёме находится N частиц, массой mo каждая. Общая энергия всех частиц:

E = NmoA²w²

Плотность среды:

r = m/V = Nmo/V

Тогда:

Nmo = rV

Общая энергия:

E = rVA²w² = ( rA²w²) V = eV

Здесь e - объёмная плотность энергии (Дж/м³)

А через площадку S за время t : и учитывая, что V = Sl

E = rVA²w² = rSlA²w² = rA²w² = eu

E = I –интенсивность волны (Вт/м²)Тогда: I = eu

Это и есть уравнение Умова. Оно показывает, что интенсивность волны равна произведению объёмной плотности энергии волны на скорость её распространения.

¾ Понятие интеллектуальной информационной системы (ИИС).

¾ Основные свойства.

¾ Классификация ИИС.

Понятие интеллектуальной информационной системы

Начнём разговор об интеллектуальных информационных системах с расшифровки понятия «информационная система». Под информационными системами (ИС) принято понимать программные системы, постоянно видоизменяющиеся и направленные на автоматизацию функционирования чего-либо, например, предприятия. Для поддержки принятия решений информационным системам необходима интеллектуализация, поэтому интеллектуальные информационные системы можно назвать естественным результатом развития ИС.

В основе стратегии интеллектуальных технологий лежит понятие парадигмы - концептуального представления на суть проблемы или задачи и принцип ее решения. Центральная парадигма интеллектуальных технологий - это обра­ботка знаний. Системы, ядром которых является база знаний или модель предметной области, описанная на языке сверхвысокого уровня, прибли­женном к естественному языку, называют интеллектуальными. Чаще всего интеллектуальные системы (ИнС) применяются для решения сложных задач, связанных с использованием слабо формализованных знаний специалистов-практиков, а также с логической обработкой информации.

Интеллектуальные информационные системы (ИИС) - технические и программные системы, ориентированные на решение большого и очень важного класса задач, называемых неформализованными. ИИС сосредоточили в себе наиболее наукоемкие технологии с высоким уровнем автоматизации не только процессов подготовки информации для принятия решений, но и самих процессов выработки вариантов решений, опирающихся на полученные ИС данные.

Благодаря наличию средств естественно-языкового интерфейса появляется возможность непосредственного применения ИИС пользователем, не владеющим языками программирования, в качестве средств поддержки процессов анализа, оценки и принятия решений.

Совершим небольшой экскурс в историю.

4 октября 1939 г. по решению суда изобретателем первого цифрового электронного компьютера признан Джон Винсент Атанасов и его ассистент Клиффорд Берри (Университет штата Айова). Половинчатое признание первенства Атанасова является следствием скандального судебного решения. По этому решению в 1973 году первые компьютерные инженеры Джон Маучли и Джон Эккерт лишились права на патент, полученный ими в 1964 году, и права называться изобретателями электронно-цифрового компьютера. Однако именно они после нескольких экспериментальных моделей создали в 1945 году в Университете Пенсильва­нии более известный компьютер ENIAC, с которого и началось развитие индустрии.

В 1945 г. Вальтером Питтсом и Уорреном МакКуллочем были построены нейронные сети с обратной связью. Примерно в то же время Норберт Винер создаёт область кибернетики, включавшую математическую теорию обратной связи для биологических и инженерных систем. Важным аспектом этого открытия стала концепция, что разум - это процесс получения и обработки информации для достижения определенной цели.

В 1949 г. Дональд Хеббс открыл способ создания самообучающихся искусственных нейронных сетей. Этот процесс позволяет изменять весовые коэффициенты в нейронной сети так, что данные на выходе отражают связь с информацией на входе.

1950-е г.г. отмечены в истории как годы рождения искусственного интеллекта (ИИ). Алан Тьюринг предложил специальный тест в качестве способа распознать разумность машины. В этом тесте один или несколько людей должны задавать вопросы двум тайным собеседникам и на основании ответов определять, кто из них машина, а кто человек. Если не удавалось раскрыть машину, которая маскировалась под человека, предполагалось, что машина разумна.

Тот же Тьюринг предложил необычный план имитации человеческого мышления. «Пытаясь имитировать интеллект человека, - пишет Тьюринг, - мы вынуждены много размышлять о том процессе, в результате которого человеческий мозг достиг своего настоящего состояния.… Почему бы нам вместо того, чтобы пытаться создать программу, имитирующую интеллект взрослого человека, не попытаться создать программу, которая имитировала бы интеллект ребенка? Ведь если интеллект ребенка получает соответствующее воспитание, он становится интеллектом взрослого человека.… Наш расчет состоит в том, что устройство, ему подобное, может быть легко запрограммировано.… Таким образом, мы расчленим нашу проблему на две части: на задачу построения "программы-ребенка" и задачу "воспитания" этой программы».

Отметим, что именно этот принцип используется при создании систем, предназначенных для решения некоторых интеллектуальных задач. Логично, что практически невозможно заложить все знания в одну, пусть даже достаточно сложную систему. К тому же, именно на этом пути проявляются такие существенные признаки интеллектуальной деятельности, как накопление опыта, адаптация к внешним условиям и т.д.

В 1950-е гг. были также разработаны два языка ИИ. Первый, язык IPL, был создан Ньюэллом, Симоном и Шоу для программы Logic Theorist. IPL являлся языком обработки списка данных и привел к созданию более известного языка LISP. LISP появился в конце 1950-х и вскоре заменил IPL, став основным языком приложений ИИ. Язык LISP был разработан в лабораториях Массачусетского технологического института (MIT). Его автором был Джон МакКарти, один из первых разработчиков ИИ.

В 1960-е г.г. наиболее важным было представление знаний. Были построены игру­шечные миры, с помощью которых со­здавалась окружающая среда для тестирования идей по компьютерному зрению, роботехнике и обработке человеческого языка

В начале 1970-х гг. Лотфи Заде впервые была применена на практике нечеткая логика для управления процессами. В 1970-х продолжалось создание языков для ИИ. Был разработан язык ПРОЛОГ. ПРОЛОГ предназначался для разработки программ, которые управляли символами, и работал с правилами и фактами. В то время как ПРОЛОГ распространился за пределами США, язык LISP сохранял свой статус основного языка для приложений ИИ.

1980-е гг. отмечены ростом числа разработок и продаж экспертных систем на языке LISP, которые становились лучше и дешевле. Экспертные системы использовались многими компаниями для разработки полезных ископаемых, прогнозирования и инвестиций. Также были идентифицированы ограничения в работе экспертных систем, поскольку их знания становились все больше и сложнее. Нейронные сети в эти годы также нашли при­менение при решении ряда различных задач, таких как распознавание речи и воз­можность самообучения машин.

1990-е гг. стали новой эпохой в развитии приложений ИИ. Элементы ИИ были интегрированы в ряд приложений, такие как системы распознавания фальшивых кредитных карт; системы распознавания лиц; системы автоматического планирования; системы предсказания прибыли и потребности в персонале; конфигурируемые системы «добычи данных» из баз данных; системы персонализации и др.

Итак, как мы уже знаем, искусственный интеллект появился на свет в 50-х годах прошлого века. Попробуем разобраться, что он собой представляет.

Слово «интеллект» в русском языке происходит от латинского «intellectus» (ум, познание, понимание, рассудок, разум) и означает способность человека к мышлению и рациональному познанию действительности. Также интеллектом можно называть способность человека осуществлять мыслительную деятельность с целью познания действительности и рационального поведения в ней путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам.

По аналогии с этим, интеллектом искусственно созданных автоматических систем или «искусственным интеллектом» (artificial intelligence) принято называть воплощенные в них модели некоторых интеллектуальных способностей человека, например, способность выбирать и принимать оптимальные или рациональные решения на основе приобретенных знаний, опыта и анализа внешних воздействий. В этом определении под термином "знания" подразумевается не только информация, которая поступает в мозг через органы чувств, поскольку она важна, но недостаточна для интеллектуальной деятельности. Объекты окружающей нас среды обладают свойством не только воздействовать на органы чувств, но и находиться друг с другом в определенных отношениях, поэтому для осуществления в некой окружающей среде интеллектуальной деятельности необходимо иметь в своей системе знаний информационную модель этой среды. В такой информационной модели реальные объекты среды, их свойства и отношения между ними не только отображаются и запоминаются, но и могут "целенаправленно преобразовываться". При этом существенно то, что формирование модели внешней среды происходит "в процессе обучения на опыте и адаптации к разнообразным обстоятельствам".

О знаниях более подробно мы поговорим позднее, а теперь вернёмся к интеллектуальным информационным системам.

Основные свойства интеллектуальной информационной системы

Потребность в создании ИИС возникла не вдруг.

С образованием катастрофически растущих массивов информации по различным отраслям знаний и приложений этих знаний человечество было обречено на создание систем, позволяющих эффективно искать необходимую в каждом конкретном случае информацию. Так были созданы системы организации и поиска информации, явившиеся предтечей ИИС – информационно-поисковые системы (ИПС).

Развитие компьютерной техники способствовало появлению автоматизированных информационных систем (АИС), в которых основные процедуры манипулирования информацией выполнялись автоматами. Изощренность способов организации информации и манипулирования ею в таких системах, казалось, достигла апогея, но развитие АИС привело к стремлению наделить их интеллектуальными способностями, подобными человеческим: выбору и принятию оптимальных решений на основе ранее полученного опыта, рациональному анализу и прогнозу воздействия внешней среды. Это потребовало существенного улучшения качества информационных моделей окружающей действительности, то есть баз данных АИС. Эти модели, декларировавшие с различной степенью подробности свойства различных сущностей реального мира (явлений, процессов, ситуаций, объектов различного толка), были достаточны для автоматической реализации алгоритмов поиска данных и их несложной (в логическом отношении) обработки.

Следующим этапом стало создание интеллектуальных информационных систем, диапазон применения которых необычайно широк.

Отметим, что систему можно назвать интеллектуальной, когда данные заменяются на знания, а алгоритмы функционирования заменяются на методы искусственного интеллекта.

Отличительные особенности ИИС по сравнению с простыми ИС состоят в следующем:

· интерфейс с пользователем на естественном языке с использованием понятий, характерных для проблемной области пользователя;

· способность объяснять свои действия и подсказывать пользователю, как правильно ввести нужные показатели и как выбрать подходящие к его задаче параметры модели;

· представление модели объекта и его окружения в виде базы знаний и средств дедуктивных и правдоподобных выводов в сочетании с возможностью работы с неполной или неточной информацией;

· способность автоматического обнаружения закономерностей рассматриваемой проблемы в ранее накопленных фактах и включения их в базу знаний.

ИИС особенно эффективны в применении к интеллектуальным и слабоструктурированным задачам, в которых пока отсутствует строгая формализация, и для решения которых применяются эвристические процедуры, позволяющие в большинстве случаев получить решение.

Отметим, что класс задач определенного типа считается решенным, когда для ее решения установлен алгоритм (точное правило или предписание к выполнению в определенном порядке системы операций для решения), ориентированный на конкретного исполнителя. Отыскание алгоритма решения конкретного класса задач связано с тонкими и сложными рассуждениями.

Принято считать, что интеллектуальной задачей является отыскание дотоле неизвестного алгоритма решения некой практической или теоретической проблемы, универсального на множестве свойственных этой проблеме исходных данных.

Неформализуемым задачам свойственны следующие основные признаки:

- постановки этих задач не могут быть сформулированы в количественной форме – они формулируются с помощью показателей качественных категорий или в терминах нечетких множеств («много – мало», «хорошо – плохо», «вполне достаточно – достаточно – недостаточно» и т.п.);

- цель задачи не может быть выражена в терминах строго определенной целевой

функции;

- не существует алгоритмического решения задачи.

В общем случае все задачи, решаемые искусственно созданными системами, моделирующими интеллектуальные способности человека и получившими название интеллектуальных информационных систем (ИИС), можно представить тремя категориями. Это задачи анализа, задачи синтеза и задачи, сочетающие анализ и синтез информации, отражающей свойства сущностей реального мира и отношения между ними.

Такие задачи будем условно называть комбинированными. К задачам анализа относятся интерпретация свойств этих сущностей, диагностика их состояния и связей между ними.

К задачам синтеза относятся задачи проектирования и конструирования, задачи разработки планов, поведенческих и логических алгоритмов, задачи получения новой информации на основании уже имеющейся. Комбинированные задачи обычно сочетают в одной постановке задачу анализа и синтеза или задачу синтеза и анализа. Как правило, это задачи обучения, задачи машинного перевода речи и текстов с одного языка на другой, задачи мониторинга и управления, а также задачи принятия решений.

Предтечей ИИС являются автоматизированные информационные системы (АИС), основанные на концепции баз и банков данных. В АИС предметная информация отделена от проблемной, поскольку первая предназначена для представления данных о свойствах объектов, а вторая – для использования в программах поиска и обработки этих данных.

Управляет взаимодействием этих различных по природе частей специальная программная система, известная под аббревиатурой СУБД (система управления базами данных).

Несколько десятилетий практики создания и применения концепции баз и банков данных показали их недостаточную приспособленность к изменениям связей между сущностями внешней среды и к решению многих задач, связанных с глубинным анализом информации и синтезом на этой основе новой, не тривиальной информации. Как правило, это были задачи, алгоритмы решения которых еще не существовали. Сюда же относились и такие задачи, критерии поиска оптимальных (наилучших) решений в которых были неформальными, или задачи, постановки которых не могли быть сформулированы математически.

Важным понятием в теории ИИС является предметная область, которую определяют как множество связанных различными отношениями сущностей, составляющих материальное содержание области исследования. В качестве сущностей предметной области (ПО) могут рассматриваться объекты, процессы, явления и ситуации.

Если в предметной области определена совокупность задач, которые предстоит решать, используя информацию, содержащуюся в описаниях свойств ее сущностей, то такую совокупность называют пространством задач или проблемной областью.

С появлением потребностей в более глубоком анализе информации, содержащейся в модели предметной области, а особенно с появлением потребности в синтезе новой информации, в способности приобретать, запоминать и целенаправленно прогнозировать знания об отношениях между сущностями предметной области, потребовалось качественно улучшить ее информационную модель. В улучшенной модели предметной области, её сущности должны быть не просто отображены совокупностью свойственных им признаков, они должны быть отображены во всей полноте уже известных отношений и связей между ними. Более того, эти отношения и связи должны не только отображаться и запоминаться, но быстро (и с необходимой полнотой и точностью) отыскиваться и эффективно и целенаправленно преобразовываться в ходе их анализа или синтеза при решении задач, требующих участия человеческого интеллекта или его модели, реализованной в ИИС.

История развития информационных систем всегда была связана с совершенствованием способов организации информации, позволяющих достичь максимальной эффективности процедур поиска необходимых данных и процедур их анализа и синтеза. Разработчики АИС стремились к тому, чтобы организация данных в таких системах представляла собой информационную модель, максимально адекватную отображаемой реальности. Для того чтобы решить проблему безизбыточности хранения информации в базах данных и обеспечить доступ к ним различных пользователей (каждый из которых мог использовать свой формат представления информации) стала быстро развиваться и приобрела большую популярность концепция банков данных. Банк данных представлял собой совокупность базы данных (информационной модели предметной области) и языковых и программных средств общения пользователей с базой данных.

Таким образом обеспечивался принцип независимости структуры информации базы данных от форматов, используемых программам пользователей системы, поскольку необходимые преобразования форматов и структур данных делалось программами банка данных. Попутно концепция банка данных обеспечила принцип разграничения доступа к информации, позволивший повысить ответственность администрации баз данных за ее сохранность, достоверность и актуальность.

С появлением потребности в решении задач, требующих более сложной логической обработки информации, возникла потребность в качественном улучшении структуры информации баз данных АИС и в применения универсальной структуры её представления.

В дальнейшем, с развитием концепции ИИС, структурированная модель предметной области получила название базы знаний, а программная система, предназначенная для решения задач анализа уже известных знаний, синтеза новых знаний и управления этими знаниями, приобрела характер универсального решателя таких задач.

Блок «интерфейс пользователя» предназначен для связи компьютера с пользователем, для которого предпочтительным языком «разговора» является естественный язык или близкий к нему.

Следует отметить специфическое понятие «естественный язык», под которым понимается фактически искусственный язык, полученный из естественного человеческого языка (русского, английского или любого другого) путем удаления неоднозначностей (синонимов, омонимов, идиоматических выражений). Следует заметить, что такой язык в теории автоматизированных систем носит название «искусственный язык» или «информационный язык».

Основу ИС составляют блоки «база данных - БД», «база правил», «машина логического вывода - МЛВ». БД хранит исходные данные. В базе правил фиксируются знания и опыт эксперта. МЛВ выводит результат, взаимодействуя с БД и правил.

Все три блока должны быть описаны математически. Правила записываются через интерфейс эксперта (рис. 1) в виде сложных правильно построенных формул (ППФ) при посредничестве инженера по знаниям. Форма, в которой записываются ППФ, определяется синтаксисом, а истинностное значение алгоритмов логического вывода семантикой или смыслом.

По запросу пользователя компьютер с помощью блока объяснения» может дать ответ на вопрос КАК (с помощью набора каких правил) получен результат и ПОЧЕМУ компьютер задает пользователю уточняющие вопросы, связанные, как правило, с данными.

Для стыковки интерфейса пользователя (работающего на естественном языке) с перечисленными блоками используют лингвистический и лексический процессоры. Лингвистический процессор – непосредственно работает с естественным языком, преобразуя результат в «машинный вид», словарный состав языка.

Иногда включают и синтаксический процессор, при этом под синтаксисом понимают правила сочетания слов внутри предложения и построения предложений.

Рис. 1.Схема ИС

В блоке «Получение знаний» выделяют два понятия:

если информация поступает из книг (документов), то говорят о выявлении знаний;

если она получается на основе работы эксперта, то говорят об извлечении знаний.

Преобразование полученной информации инженером по знаниям называется получением знаний.

Сложность здесь заключается в том, что эксперт может не владеть языками программирования, в то время как инженер по знаниям может недостаточно ориентироваться в данной предметной области.

Для описания правил (база правил) используется математическое формальное описание знаний. Для математического описания блока МЛВ применяется специальный математический аппарат – аппарат логического вывода.

Необходимо, чтобы эти два вида математического описания «понимали» друг друга.