10.2. Интеллектуальные системы и базы знаний

Почему возникает потребность в повышении интеллектуальности АИС, в создании интеллектуальных систем (ИС)? Для этого есть много причин. Назовем только некоторые:

• Экономия труда: экономически выгодно решение все большей части задач управления перекладывать на АИС. В данном случае речь идет о задачах с элементами творчества.

• Неэффективность человека как элемента системы управления: выбирает не лучшее решение, ненадежен (болеет, плохое настроение), медлителен, необъективен, может привносить собственные цели, зависит от вдохновения, устает, получает стресс.

• Ограниченность интеллектуально-информационных способностей: в связи с быстрым усложнением бизнес-среды растет и сложность задач управления организацией.

• Углубление понимания проблем: сам процесс формализации представления проблемы для ЭВМ обогащает как понимание (теорию) проблемы, так и теорию представления знаний.

Но разве недостаточно обычной парадигмы представления задачи в компьютере: задача = программа + данные? Достаточно для хорошо формализуемых задач и недостаточно для неформализуемых творческих задач. Поэтому в цепочке создания автоматизированной задачи "знания - программа - решение" программа является самым "слабым" звеном.

Действительно, носителем знаний о предметной области и проблемах является менеджер, а носителем знаний о средствах и методах программирования является программист. Процесс передачи знаний от менеджера к программисту чрезвычайно затруднен по разным причинам. Во-первых, они в прямом смысле слова "говорят на разных языках". Во-вторых, знания носят не рациональный (не дискурсивный) характер: они неформальные и ситуативные. Известна закономерность: чем опытнее специалист, тем хуже он может объяснить свою точку зрения (речь идет, напомним, о неформальных ситуативных знаниях (ситуативные – зависящие "от контекста").

В интеллектуальных системах (ИС) цепочка от знаний к решению иная: "(знания-база знаний) - решение", причем между знаниями и базой знаний существенных отличий нет.

Старая парадигма хорошо работает в предметных областях, которые не содержат неопределенностей: решение задач линейного программирования, задач регрессионного анализа, финансового анализа и т.д. Между тем большая часть проблем менеджмента содержит множество неопределенностей: устный и письменный перевод с одного естественного языка на другой, общение с ЭВМ на естественном языке - письменном и устном, постановка задачи перед ЭВМ менеджером в диалоге на естественном языке, решение задач с нечеткими и часто меняющимися условиями, определение инвестиционного портфеля, смысловой анализ для ответа на проблемный запрос и т.д.

По сути дела речь идет о том, чтобы ИС моделировала естественный интеллект в процессе принятия им решений. При этом качество решений ИС должно быть не хуже качества, например, среднего специалиста.

Примером блока представления знаний может служить Пролог-программа (см. пример ниже), которая вместе с Пролог-системой реализует решение в форме дедуктивного вывода.

Наиболее распространенным типом баз знаний являются продукционные. Единица знаний в них  "продукция" - условное предложение: ЕСЛИ (условие А), ТО (действие В). Здесь "А" может быть сложной логической конструкцией из предикатов и логических связок "и","или","не" Напомним, что предикатом называют функцию от одной или нескольких переменных, принимающую два значения: истина или ложь (1 или 0). На рис. 10.1 показана структура интеллектуальной системы.

Обозначения: ВшП - внешнее представление, ВтП - внутреннее представление, БПЗ - блок представления знаний, БИ - блок интерпретации, БУЗ - блок усвоения знаний, БЗ и БД - базы знаний и данных, БВР - блок вывода решений.

Рис. 10.1. Структура интеллектуальной системы

Рассмотрим пример ИС на базе языка Пролог (от англ. PROgramming LOGic). Вместе с ЭВМ Пролог-программы представляют собой дедуктивную машину вывода новых знаний. Приведем простейший пример.

Пусть СЛЕДУЕТ (х, y) - двуместный предикат "судно х СЛЕДУЕТ в порт y" и пусть имеем факты: СЛЕДУЕТ (АЛМАЗ, КАЛИНИНГРАД), СЛЕДУЕТ (ТОПАЗ, ПЕТЕРБУРГ), СЛЕДУЕТ (АМЕТИСТ, КАЛИНИНГРАД). На языке Пролог программа - база знаний - запишется так (сохраняем синтаксис языка Пролог):

?-CONSULT.

СЛЕДУЕТ (АЛМАЗ, КАЛИНИНГРАД).

СЛЕДУЕТ (ТОПАЗ, ПЕТЕРБУРГ).

СЛЕДУЕТ (АМЕТИСТ, КАЛИНИНГРАД).

STOP.

Введем в ЭВМ запрос-цель: следует ли судно ТОПАЗ в порт ПЕТЕРБУРГ (с точки зрения логики запрос является формулировкой теоремы, которую дедуктивная "машина" докажет или опровергнет):

?-СЛЕДУЕТ (ТОПАЗ, ПЕТЕРБУРГ).

Машина напечатает:

ДА (вопрос-утверждение теоремы истинно).

Введем запрос: существует ли судно *x, которое следует в порт КАЛИНИНГРАД:

?-СЛЕДУЕТ (*х, КАЛИНИНГРАД).

ЭВМ напечатает:

*х = АЛМАЗ.

Еще запрос: куда следует ТОПАЗ:

?-СЛЕДует (ТОПАЗ, *y).

Машина выводит новое знание - ответ:

*y = ПЕТЕРБУРГ.

Уже сейчас в мире насчитывается множество типов промышленно эксплуатируемых интеллектуальных систем. Они классифицируются: 1) по областям применения - менеджмент, риск-менеджмент, инвестирование; 2) по степени интеграции – автономные, сопрягаемые интерфейсом, интегрированные; 3) по оперативности – реального времени и советующие; 4) по адаптивности - обучаемые и настраиваемые; 5) по моделям знаний – продукционные, фреймовые, байесовские и др.