ГОСы / Avdeenko_Otvety_1

18 Особенности и признаки интеллектуальности информационных систем.

Принятие решений относительно действий или поведения в той или иной ситуации любых субъектов (людей, роботов, сложных систем упр.) осуществляется на основе информационных процессов. Информационный процесс реализует отношение объекта субъекта и представляет собой восприятие субъектом объективной реальности в виде данных, переработку этих данных в соответствии с целевой установкой и имеющимися знаниями о зависимостях фактов в информацию.

Любая информационная система (ИС) выполняет следующие функции: воспринимает вводимые пользователем информационные запросы и необходимые исходные данные, обрабатывает введенные и хранимые в системе данные в соответствии с известным алгоритмом и формирует требуемую выходную информацию.

Знание имеет двоякую природу: фактуальную и операционную.

Фактуальное знание- это осмысленные и понятые данные. Данные сами по себе – это специально организованные знаки на каком-либо носителе.

Операционное знание- это те общие зависимости между фактами, которые позволяют интерпретировать данные или извлекать из них информацию.

Информация по сути - это новое и полезное знание для решения каких-либо задач.

Процесс извлечения информации из данных сводится к адекватному соединению операционных и фактуальных знаний и в различных типах ИС выполняется по-разному. Самый простой способ соединения в рамке одной прикладной программы.

Программа = алгоритм (правила преобразования данных + управляющая структура) + структура данных.

Концепции независимости программы от данных позволяет повысить гибкость ИС по выполнению производственных информационных запросов.

Общие недостатки традиционных ИС:

1.Слабая адаптируемость к изменениям предметной области,

2.Слабая адаптируемость к информационным потребностям пользователей,

3.Невозможность решать сложные трудноформализуемые задачи, Признаки интеллектуальности ИС:

1.Развитая коммуникативная способность

2.Умение решать сложные плохоформализуемые задачи

3.Способность к развитию и обучению.

4.Адаптивность

Коммуникативные способности ИИС характеризуют способность взаимодействия интерфейса конечного пользователя с системой, в частности возможность формулирования произвольного запроса в диалоге с ИИС на языке максимально приближенном к естественному.

Сложно плохоформализуемые задачи - это задачи, которые требуют построения оригинального алгоритма решений в зависимости от конкретной ситуации, для которой могут быть характерны неопределенность или динамичность исходных данных и знаний.

Способность к самообучению - возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций.

Адаптивность - способность к развитию системы в соответствии с объективными изменениями модели проблемной области.

В различных ИИС перечисленные признаки интеллектуальности развиты в неодинаковой степени и редко, когда все четыре признака реализуются одновременно. Условно каждому из признаков интеллектуальности соответствует свой класс (рисунок 1.2. в ответе 13):

•Системы с интеллектуальным интерфейсом;

•Экспертные системы;

•Самообучающиеся системы;

•Адаптивные системы.

Все четыре признака интеллектуальности в той или иной степени реализуются в системах управления знаниями.

21

19 Классификация интеллектуальных информационных систем. Системы с интеллектуальным интерфейсом.

Условно каждому из признаков интеллектуальности соответствует свой класс:

•Системы с интеллектуальным интерфейсом;

•Экспертные системы;

•Самообучающиеся системы;

•Адаптивные системы.

Все четыре признака интеллектуальности в той или иной степени реализуются в системах управления знаниями.

Системы с интеллектуальным интерфейсом

Интеллектуальные базы данных отличаются от обычных баз данных возможностью выборки по запросу необходимой информации, которая может явно не храниться, а выводиться из имеющихся в базе данных. Вывод неявной информации осуществляется путем интерпретации следующих зависимостей:

o вычислительных зависимостей атрибутов, например, «вывести список товаров, цена которых выше среднеотраслевой»,

o структурных отношений объектов, например, «вывести список товаров-заменителей некоторой продукции»,

o логических зависимостей факторов принятия решений, например, «вывести список потенциальных покупателей некоторого товара».

Для выполнения первого типа запроса необходимо сначала проведение статистического расчета среднеотраслевой цены по всей базе данных, а уже после этого собственно отбор данных.

Для выполнения второго типа запроса необходимо вывести значения характерных признаков объекта, а затем поиск по ним аналогичных объектов.

Для третьего типа запроса требуется сначала определить список посредников-продавцов, выполняющих продажу данного товара, а затем провести поиск связанных с ними покупателей.

22

Во всех перечисленных типах запросов требуется осуществить поиск по условию, которое должно быть доопределено в ходе решения задачи. Интеллектуальная система без помощи пользователя по структуре базы данных сама строит путь доступа к файлам данных. Формулирование запроса осуществляется в диалоге с пользователем, последовательность шагов которого выполняется в максимально удобной для пользователя форме. Запрос к базе данных может формулироваться и с помощью естественно-языкового интерфейса.

Естественно-языковой интерфейс предполагает трансляцию естественно-языковых конструкций на внутримашинный уровень представления знаний. Для этого необходимо решать задачи морфологического, синтаксического и семантического анализа и синтеза высказываний на естественном языке. Так, морфологический анализ предполагает распознавание и проверку правильности написания слов по словарям, синтаксический контроль - разложение входных сообщений на отдельные компоненты (определение структуры) с проверкой соответствия грамматическим правилам внутреннего представления знаний и выявления недостающих частей и, наконец, семантический анализ - установление смысловой правильности синтаксических конструкций. Синтез высказываний решает обратную задачу преобразования внутреннего представления информации в естественно-языковое.

Естественно-языковый интерфейс используется для:

o доступа к интеллектуальным базам данных;

o контекстного поиска документальной текстовой информации; o голосового ввода команд в системах управления;

oмашинного перевода с иностранных языков.

Гипертекстовые системы предназначены для реализации поиска по ключевым словам в базах текстовой информации. Интеллектуальные гипертекстовые системы отличаются возможностью более сложной семантической организации ключевых слов, которая отражает различные смысловые отношения терминов. Таким образом, механизм поиска работает прежде всего с базой знаний ключевых слов, а уже затем непосредственно с текстом. В более широком плане сказанное распространяется и на поиск мультимедийной информации, включающей помимо текстовой и цифровой информации графические, аудио и видео-образы.

Системы контекстной помощи можно рассматривать, как частный случай интеллектуальных гипертекстовых и естественноязыковых систем. В отличие от обычных систем помощи, навязывающих пользователю схему поиска требуемой информации, в системах контекстной помощи пользователь описывает проблему (ситуацию), а система с помощью дополнительного диалога ее конкретизирует и сама выполняет поиск относящихся к ситуации рекомендаций. Такие системы относятся к классу систем распространения знаний (Knowledge Publishing) и создаются как приложение к системам документации (например, технической документации по эксплуатации товаров).

Системы когнитивной графики позволяют осуществлять интерфейс пользователя с ИИС с помощью графических образов, которые генерируются в соответствии с происходящими событиями. Такие системы используются в мониторинге и управлении оперативными процессами. Графические образы в наглядном и интегрированном виде описывают множество параметров изучаемой ситуации. Например, состояние сложного управляемого объекта отображается в виде человеческого лица, на котором каждая черта отвечает за какой-либо параметр, а общее выражение лица дает интегрированную характеристику ситуации.

Системы когнитивной графики широко используются также в обучающих и тренажерных системах

на основе использования принципов виртуальной реальности, когда графические образы моделируют ситуации, в которых обучающемуся необходимо принимать решения и выполнять определенные действия.

23

20 Экспертные системы. Архитектура экспертной системы. Назначение составных частей ЭС.

Экспертные системы – сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультации менее квалифицированных пользователей.

Структура (архитектура) экспертной системы:

Специалисты, взаимодействующие с ЭС:

Пользователь – специалист предметной области, для которого предназначена система. Его квалификация обычно невысока, поэтому он нуждается в получении знаний от ЭС.

Эксперт – высококвалифицированный специалист предметной области, знания которого используются в ЭС.

Инженер по знаниям – специалист в области ИИ, выступающий в роли промежуточного буфера между экспертом и базой знаний (когнитолог, аналитик, инженер - интерпретатор). Его функции: инженерия знания, извлечение знаний из эксперта.

Основные компоненты:

База знаний – ядро ЭС – совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и инженеру по знаниям (на одном из языков представления знаний). Интерпретатор (решатель) – программа, моделирующая процесс рассуждения эксперта при решении проблем предметной области, на основании знаний, содержащихся в БЗ.

Подсистема объяснений – программа, позволяющая получить ответ на вопрос «Почему система приняла то или иное решение?». Ответ на этот вопрос – это трассировка процесса получения решения (всех шагов цепи умозаключений). При задании вопроса система «откатывается сначала на один шаг процесса рассуждения, затем при соответствующем запросе – еще на один шаг, и т.д. до конца» Более продвинутые системы объяснений поддерживают другие типы вопросов.

Дополнительные компоненты ЭС:

Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с ЭС на стадиях ввода информации и непосредственного использования знаний ЭС.

Интеллектуальный редактор БЗ – программа, позволяющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. Включает средства, облегчающие работу с БЗ (система контекстной помощи, использование шаблонов ЯПЗ (языки представления знаний) и др.)

24

21 База знаний и механизм вывода на знаниях. Сравнительный анализ.

База знаний, БЗ (англ. Knowledge base, KB) — это особого рода база данных, разработанная для управления знаниями (метаданными), то есть сбором, хранением, поиском и выдачей знаний. Раздел искусственного интеллекта, изучающий базы знаний и методы работы со знаниями, называется инженерией знаний.

Под базами знаний понимает совокупность фактов и правил вывода, допускающих логический вывод и осмысленную обработку информации. В языке Пролог базы знаний описываются в форме конкретных фактов и правил логического вывода над базами данных и процедурами обработки информации, представляющих сведения и знания о людях, предметах, фактах событиях и процессах в логической форме.

Классификация баз знаний В зависимости от уровня сложности систем, в которых применяются базы знаний, различают:

•БЗ всемирного масштаба — например, Интернет или Википедия

•БЗ национальные — например, Википедия

•БЗ отраслевые— например, Автомобильная энциклопедия

•БЗ организаций — см. Управление знаниями

•БЗ экспертных систем — см. Экспертная система

•БЗ специалистов

Механизм вывода на знаниях – интерпретатор или организатор правил работы.

Разница между Базой знаний и механизмом вывода заключается в том, что база знаний является ядром всей экспертной системы (совокупность знаний предметной области), а механизм логического вывода или решатель – это программа моделирующая ход рассуждений эксперта на основании знаний, имеющихся

в БД Знания традиционно делят на процедурные и декларативные.

Процедурные знания «растворены» в алгоритмах и процедурах, от которых их практически невозможно отделить.

Декларативные знания отделены от алгоритмов, управляющих решением задач.

Декларативный подход к проектированию СОЗ (системы, основанной на знаниях) представлен на рисунке ниже.

Механизм

База знаний вывода на знаниях

25

22 Этапы создания экспертной системы. Идентификация проблемной области. Построение концептуальной модели. Типы моделей.

Этапы проектирования ЭС:

•Идентификация - определяются задачи, цели разработки, эксперты и типы пользователей, в результате получаем неформальное определение проблемы, знакомство и обучение членов коллектива.

•Концептуализация - проводится содержательный анализ предметной области, выявляются основные понятия, соотношения между ними, в результате получаем поле знаний – разработка неформального описания знаний, которое содержит основные концепции и связи между ними.

•Формализация - выбираются инструментальные средства и способы представления всех видов знаний (ЯПЗ),

•Реализация - разработка программного комплекса, заполнение БЗ. Процесс приобретения знаний выполняется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

•Тестирование, - эксперт и инженер по знаниям в интерактивном режиме проверяют компетентность ЭС.

•Опытная эксплуатация. – проверяется пригодность ЭС для конечных пользователей.

Входе разработки приходится возвращаться на более ранние этапы, принятые на предыдущих этапах.

Идентификация проблемной области. Этап идентификации проблемной области включает определение назначения и сферы применения экспертной системы, подбор экспертов и группы инженеров по знаниям, выделение ресурсов, постановку и параметризацию решаемых задач.

Начало работ по созданию экспертной системы инициируют руководители компаний (предприятий, учреждений). Обычно необходимость разработки экспертной системы в той или иной сфере деятельности связана с затруднениями лиц, принимающих решение, что сказывается на эффективности функционирования компании. Как правило, назначение экспертной системы связано с одной из следующих областей:

обучение и консультация неопытных пользователей;

распространение и использование уникального опыта экспертов;

автоматизация работы экспертов по принятию решений;

оптимизация решения проблем, выдвижение и проверка гипотез.

Сфера применения экспертной системы характеризует тот круг задач, который подлежит формализации, например, "оценка финансового состояния предприятия", "выбор поставщика продукции", "формирование маркетинговой стратегии" и т.д.

Обычно сложность решаемых в экспертной системе проблем должна соответствовать трудоемкости работы эксперта в течение нескольких часов. Более сложные задачи имеет смысл разбивать на совокупности взаимосвязанных задач, которые подлежат разработке в рамках нескольких экспертных систем. Ограничивающими факторами на разработку экспертной системы выступают отводимые сроки, финансовые ресурсы и программно-техническая среда. От этих ограничений зависит количественный и качественный состав групп инженеров по знаниям и экспертов, глубина прорабатываемых вопросов, адекватность и эффективность решения проблем. Обычно различают три стратегии разработки экспертных систем [74]:

широкий набор задач, каждая из которых ориентирована на узкую проблемную область;

концентрированный набор задач, определяющий основные направления повышения эффективности функционирования эко-номического объекта;

комплексный набор задач, определяющий организацию всей деятельности экономического объекта. После предварительного определения контуров разрабатываемой экспертной системы инженеры по знаниям совместно с экспертами определяют:

класс решаемых задач (прогнозирование, планирование, проектирование, мониторинг, управление);

критерии эффективности результатов решения задач (минимизация использования ресурсов, повышение качества продукции и обслуживания, ускорение оборачиваемости капитала и т.д.);

критерии эффективности процесса решения задач (повышение точности принимаемых решений, учет большего числа факторов, просчет большего числа альтернативных вариантов, адаптивность к изменениям проблемной области и информационных потреб-ностей пользователей, сокращение сроков принятия решений);

цели решаемых задач;

подцели (разбиение задачи на подзадачи, для каждой из которых определяется своя цель);

исходные данные (совокупность используемых факторов);

особенности используемых данных (определенность / неопределенность, статичность / динамичность, одноцелевая / многоцелевая направленность, единственность / множественность источников знаний).

26

Построение концептуальной модели. На этапе построения концептуальной модели создается целостное и системное описание используемых знаний, отражающее сущность функционирования проблемной области. От качества построения концептуальной модели проблемной области во многом зависит, насколько часто в дальнейшем по мере развития проекта будет выполняться переработка базы знаний.

Хорошая концептуальная модель может только уточняться (детализироваться или упрощаться), но не перестраиваться.

Результат построения концептуальной модели обычно представляется в виде наглядных графических схем:

объектная модель описывает структуру предметной области как совокупности взаимосвязанных объектов;

функциональная модель отражает действия и преобразования над объектами;

поведенческая модель рассматривает взаимодействия объектов во временном аспекте.

Первые две модели описывают статические аспекты функционирования проблемной области, а третья модель - динамику изменения ее состояний. Естественно, что для различных классов задач могут требоваться разные виды моделей, а, следовательно, и ориентированные на них методы представления знаний.

Типы моделей:

Объектная модель (описывает структуру предметной области как совокупности взаимосвязанных объектов).

Объектная модель отражает фактуальное знание о составе объектов, их свойств и связей. Элементарной единицей структурного знания является факт, описывающий одно свойство или одну связь объекта, который представляется в виде:

предикат (Объект, Значение).

Функциональная модель (отражает действия и преобразования над объектами).

Функциональная модель строится путем последовательной декомпозиции целей, а именно (процесс декомпозиции "сверху" - "вниз"). Обычно функциональные зависимости фактов представляются графически в виде деревьев целей или графов "И" - "ИЛИ", в которых каждый зависимый факт представляет собой целевую переменную - корневую вершину, а определяющие его фактыаргументы - связанные с корнем подчиненные вершины.

Поведенческая модель (рассматривает взаимодействия объектов во временном аспекте) Поведенческая модель отражает изменение состояний объектов в результате возникновения некоторых событий, влекущих за собой выполнение определенных действий (процедур). Задача определения поведенческой модели заключается в определении связей событий с поведением объектов и изменением их состояний.

27

23 Этапы проектирования экспертной системы. Формализация базы знаний. Классификация моделей представления знаний.

Этапы проектирования ЭС:

•Идентификация - определяются задачи, цели разработки, эксперты и типы пользователей, в результате получаем неформальное определение проблемы, знакомство и обучение членов коллектива.

•Концептуализация - проводится содержательный анализ предметной области, выявляются основные понятия, соотношения между ними, в результате получаем поле знаний – разработка неформального описания знаний, которое содержит основные концепции и связи между ними.

•Формализация - выбираются инструментальные средства и способы представления всех видов знаний (ЯПЗ),

•Реализация - разработка программного комплекса, заполнение БЗ. Процесс приобретения знаний выполняется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

•Тестирование, - эксперт и инженер по знаниям в интерактивном режиме проверяют компетентность ЭС.

•Опытная эксплуатация. – проверяется пригодность ЭС для конечных пользователей.

Входе разработки приходится возвращаться на более ранние этапы, принятые на предыдущих этапах.

Этап формализации базы знаний – выбор метода представления знаний, в рамках которого проектируется логическая структура базы знаний. Методы представления знаний различаются характером представления объектного, функционального, поведенческого видов знаний и реализацией неопределенностей, т.е. ориентацией на определение структуры объектов или действий над ними, детерминированность или неопределенность, статику или динамику проблемной области.

Типичные модели представления знаний

•Логическая модель представления знаний (в языках логического программирования и системах

автоматического доказательства теорем)

o Основана на представлении знаний на языке логики предикатов первого порядка

oВ логическом программировании знания представляются в форме высказываний логики предикатов, ограниченной хорновскими дизъюнктами

•Продукционная модель представления знаний

Продукционная модель – это модель, основанная на правилах, позволяющая представить знание в виде предложений типа:

«ЕСЛИ условие, ТО действие»

Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу.

•Модель семантической сети

Семантическая сеть — информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (рёбра) задают отношения между ними. Объектами могут быть понятия, события, свойства, процессы.

•Объектно-ориентированное представление знаний фреймами (развитие фреймовой модели, реализуя обмен сообщениями между объектами, в большей степени ориентирована на динамические задачи и отражение поведенческой модели).

28

24 Особенности знаний и их отличие от данных. Декларативные и процедурные знания. Системы, основанные на знаниях. Этапы трансформации данных и знаний. Базы данных и базы знаний.

Основной особенностью интеллектуальных систем является то, что они основаны на знаниях, а вернее, на некотором их представлении. Знания здесь понимаются как хранимая информация, формализованная в соответствии с некоторыми правилами, которую ЭВМ может использовать при логическом выводе по определенным алгоритмам. Наиболее фундаментальной и важной проблемой является описание смыслового содержания проблем самого широкого диапазона, т.е. должна использоваться такая форма описания знаний, которая гарантировала бы правильную обработку их содержимого по некоторым формальным правилам. Эта проблема называется проблемой представления знаний.

*Отличие знаний от данных

Более структурированы и связны, т.е. самое важное в знаниях не сами данные, а связи между ними;

Более самоинтерпретируемы;

Отвечают не только на вопросы «что», «кто», «где», «когда», но и на вопросы «как» и «почему»;

Субъективны в отличие от объективности данных;

Могут быть противоречивы, не полны и не точны;

*Знания традиционно делят на процедурные и декларативные.

Процедурные знания «растворены» в алгоритмах и процедурах, от которых их практически невозможно отделить.

Декларативные знания отделены от алгоритмов, управляющих решением задач

*Системы, основанные на знаниях (СОЗ) – используют декларативные (явные) знания, отделенные от остальной части системы.

Данные – это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.

Знания – это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.

При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы:

Д1. данные как результат измерений и наблюдений; Д2. данные на материальных носителях информации (таблицы, протоколы, справочники);

Д3. модели (структуры) данных в виде диаграмм, графиков, функций; Д4. данные в компьютере на языке описания данных; Д5. базы данных на машинных носителях информации.

При обработке на ЭВМ знания трансформируются аналогично данным.

З1. знания в памяти человека как результат мышления; З2. материальные носители знаний (учебники, методические пособия);

З3. поле знаний - условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих; З4. знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы - см. далее);

З5. база знаний на машинных носителях информации.

База данных — организованная в соответствии с определёнными правилами и поддерживаемая в памяти компьютера совокупность данных, характеризующая актуальное состояние некоторой предметной области и используемая для удовлетворения информационных потребностей пользователей.

База знаний — это особого рода база данных, разработанная для управления знаниями (метаданными), то есть сбором, хранением, поиском и выдачей знаний. Раздел искусственного интеллекта, изучающий базы знаний и методы работы со знаниями, называется инженерией знаний.

Отличия баз знаний от баз данных:

Базы данных:

могут работать с однородными данными

представляет собой жестко структурированную модель

данные представлены в виде набора записей

Для хранения данных используются базы данных БД, характеризующиеся большим объемом и относительно небольшой удельной стоимостью информации.

Базы знаний:

могут содержать разнородные и разнотипные данные

29

представляют собой открытую модель

знания представлены в виде семантической сети

Для хранения знаний используются базы знаний БЗ, характеризующиеся относительно небольшим объемом и очень высокой стоимостью информации.

30