Учебно-методическое пособие по дисциплине Интеллектуальные информационные системы и технологии

ФЕДЕРАЛЬНОЕ АГЕНТСТВО СВЯЗИ

Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования

Московский технический университет связи и информатики

Кафедра математической кибернетики и информационных технологий

Турута Е.Н.

Учебно-методическое пособие по дисциплине

ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ

Для студ. 5 курса

(направление 230100,230201,09.03.01)

Москва 2014

План УМД на 2014/2015 уч.г.

Учебно-методическое пособие по дисциплине

ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ

Составитель Е.Н.Турута, д.т.н., профессор

Издание утверждено советом факультета ИТ. Протокол № 9 от 22.05.2014г.

Рецензент А.Г.Таташев, д.ф.-м.н., профессор

2

Цель курса «Интеллектуальные информационные системы и технологии (ИИСТ)» - изучение основ теории искусственного интеллекта и принципов построения и функционирования интеллектуальных информационных систем. Освоение курса ИИСТ предполагает самостоятельную работу студентов на основе рекомендованной литературы.

1. Искусственный интеллект как научное направление

Интеллектуальные информационные системы (ИИС) - особый класс информационных систем, создание которых базируется на результатах теории искусственного интеллекта.

1.1. Истоки искусственного интеллекта (ИИ). Искусственный интеллект - это научное направление, сформировавшееся за последние 50-60 лет на стыке таких дисциплин, как математика, логика, психология, лингвистика, философия, социология, биология, физиология, медицина, и наук информационно-вычислительного цикла. Хотя истоки ИИ находят "в глубине веков", решающую роль в его формировании как радикально нового современного научно-технического направления сыграло создание первых ЭВМ в конце1940-х гг. и появление в это же время работ Норберта Винера и его последователей, положивших начало новой науке – кибернетике, предмет которой он определил как "управление и связь в животном и машине". Истоки ИИ и его история освещены в [1; 2; 7; 8; 12; 13]. Ключевые даты этой истории: 1956г. - семинар в Дартмутском колледже (Dartmouth Сollege, США), посвященный методам решения логических задач, где впервые и был предложен термин Искусственный интеллект (Artificial Intelligence –AI); 1969г. - 1-я Объединенная международная конференция по искусственному интеллекту в Вашингтоне. В СССР работы в области ИИ развивались параллельно с работами в США и в Европе: 1954 г. - начало работы семинара «Автоматы и мышление» (МГУ, руководитель академик А.А. Ляпунов), посвященного проблемам, в дальнейшем составившим круг основных проблем ИИ. Именно это время считается временем рождения искусственного интеллекта в СССР.

Искусственный интеллект - это область исследований, посвященных решению задач, относящихся к интеллектуальной деятельности человека,

характерными видами которой являются: узнавание, формирование понятий, логические рассуждения, определение целей, принятие решений, прогнозирование, адаптация, творческая деятельность. Решаемые при этом задачи получили название интеллектуальных (см. раздел 1.1).

1.2. Цели и основные направления исследований в ИИ.

Искусственный интеллект - это и научная область и область техники. Две основные цели исследований в области ИИ: познание механизмов мышления, позволяющих решать интеллектуальные задачи, и воспроизведение этих механизмов техническими средствами или, точнее,

построение моделей интеллектуальных процессов и реализация этих моделей в технических системах, т.е. создание интеллектуальных систем.

3

Два направления в ИИ, в основе которых два принципиально различных подхода к созданию интеллектуальных систем [6].

1. Нейрокибернетика (основоположники - Ф. Розенблатт, У.МакКаллок, У. Питтс и др.). Ключевой принцип: воспроизведение структуры мозга человека (на уровне его элементов и их взаимосвязей) и процессов, происходящих в нем, с помощью программно-аппаратных средств, т.е. создание искусственных «мыслящих» устройств, копирующих структуру и процессы функционирования мозга. Сейчас это особая активно развивающаяся область исследований, посвященная созданию

нейрокомпьютеров и нейронных сетей.

2. Кибернетика "черного ящика" (прагматическое направление).

Цель этого направления - построение моделей мышления человека, отражающих закономерности именно процесса мышления (а не структуру мозга и функционирование его элементов), разработка на их основе методов решения интеллектуальных задач и создание (с помощью существующих программно-аппаратных средств) интеллектуальных («мыслящих») устройств, в которых воплощены эти модели и методы. При этом главное - способность такого устройства выполнять функции, подобные функциям мозга человека, выполняемым в процессе мышления, а его структура и процессы, обеспечивающие реализацию этих функций, могут принципиально отличаться от структуры и механизмов работы мозга. Человек не должен

слепо следовать природе в своих научных и технологических поисках (примеры: колесо, повозка, паровоз, автомобиль, самолет, телефон и др.)

Пионеры этого направления - Маккарти (J.McCarthy), Минский

(M.Minsky), Ньюэлл (A.Newell), Саймон (H.A.Simon), Нильсон (N.J. Nilsson),

Уинстон (G.P. Winston) и др.; в СССР: А.А. Ляпунов, А.И. Берг, Г.С. Поспелов, Д.А. Поспелов, М.М. Бонгард, М.Л. Цетлин, М.А. Гаврилов и др. В настоящее время термин искусственный интеллект применяется чаще всего именно по отношению к этому направлению.

Основные области исследований в прагматическом направлении ИИ [1; 6; 7; 8]. Методы представления и решения интеллектуальных задач. Теория логического вывода и формальные логические системы. Представление и обработка знаний. Обучение и самообучение. Понимание естественного языка, машинный перевод, разработка естественно-языковых интерфейсов. Распознавание зрительных образов. Распознавание звуковых образов, анализ и синтез речи. Робототехника. Игры и машинное творчество. Проблемы создания интеллектуальных систем, в частности экспертных систем. Программное обеспечение интеллектуальных систем.

Более новые, интенсивно развивающиеся направления: эволюционное моделирование и генетические алгоритмы; интеллектуальный анализ данных (Data mining); мягкие вычисления (Soft computing); многоагентные системы; гибридные и нечеткие системы; интеллектуальные среды.

4

2. Интеллектуальные информационные системы (ИИС). Общие понятия

2.1. Понятие ИИС [1; 4; 5]. Интеллектуальные информационные системы (ИИС) - класс информационных систем, которые в процессе выполнения своих функций, определяемых их целевым применением, решают задачи особого класса, получившие название интеллектуальных задач. Потребность в решении таких задач возникла в связи с громадным расширением сферы применения информационных систем (экономика, новые технологии производства, исследование сложных процессов в природе и обществе). Характерные виды задач этого класса: принятие решений в сложных ситуациях, особенно при недостаточной или неопределенной исходной информации (при управлении сложной системой, коллективом людей, военными операциями и др.), разработка планов и расписаний, поиск неисправностей в сложной системе, постановка медицинского диагноза, понимание смысла текста, представленного на естественном языке, перевод текста на иностранный язык, поиск доказательства утверждений (теорем), формулирующих закономерности данной области, распознавание зрительных и звуковых образов и речи, прогнозирование развития процессов в той или иной области, выбор «наилучшего» элемента какого-либо класса (метода, структуры, средств реализации, района размещения, состава участников и т.п.) при наличии противоречивых требований и критериев.

Основная общая черта этих задач - отсутствие алгоритмов их решения (по крайней мере, выполнимых за приемлемое время при современном уровне вычислительных средств). При разработке первых и основных систем этого класса, получивших название ЭКСПЕРТНЫХ СИСТЕМ (см. раздел 3) , подобные задачи были отнесены к классу неформализованных

или трудно формализуемых задач (ill-structured), и был сформулирован критерий отнесения задачи к данному классу - наличие хотя бы одного из следующих свойств: (1) условие задачи не может быть задано в числовой форме; (2) цель решения задачи не может быть выражена в терминах точно определенной целевой функции; (3) не существует алгоритмического решения задачи; (4) алгоритмическое решение существует, но соответствующую процедуру невозможно выполнить за приемлемое время из-за ограниченности ресурсов современных вычислительных средств [3; 16]. Особенности задач этого класса: (а) неоднозначность, неполнота, противоречивость и, возможно, ошибочность знаний о предметной области и исходных данных; (б) большая размерность пространства поиска решения (см. далее), (в) недетерминизм (возможность получения нескольких вариантов решения); (г) динамически изменяющиеся данные и знания; (д) необходимость обработки большого объема символьной информации.

Задачи этого класса не поддаются решению на основе традиционного подхода, т.е. с помощью разработки программ, реализующих алгоритмы решения задач. Однако, человек, как правило, находит решения таких задач, возможно не оптимальные, но приемлемые для практики.

5

2.2. Принципы решения задач в ИИС [2; 3; 8; 9]. При создании ИИС используются наиболее изученные подходы, применяемые человеком для решения интеллектуальных задач (хотя в очень упрощенной и "огрубленной" форме). Принцип получения решения в ИИС - использование ЗНАНИЙ о предметной области, к которой относится данная задача, и "переработка" этих знаний с помощью методов, базирующихся на двух основных подходах - логическом выводе и поиске решения.

ПОСЫЛОК, считающихся истинными, получать новые утверждения, ЗАКЛЮЧЕНИЯ, логически вытекающие из исходных и являющиеся решением задачи. Этот процесс представляет собой последовательность шагов, на каждом из которых к некоторой совокупности утверждений, являющихся

некоторая совокупность промежуточных заключений, полученных на предыдущих шагах, и, возможно, каких-либо посылок. Посылки формулируются на основе условия задачи. Процесс продолжается до получения на одном из шагов заключения, являющегося решением задачи. Логический вывод выполняется по законам той или иной формальной логической системы (ФЛС). Наиболее практически применимыми ФЛС являются исчисление высказываний и исчисление предикатов. Литература по теории логического вывода [2; 3; 7; 10; 13; 14; 15].

2. Поиск решения: генерирование множества потенциальных (предполагаемых) решений (альтернатив) и нахождение в этом множестве одного или нескольких элементов, являющихся действительными решениями задачи (т.е. удовлетворяющих заданным требованиям к решению). Применяются точные и эвристические методы поиска, в частности, основанные на применении аппарата теории графов, генетических алгоритмов и др. [2; 3; 9; 14; 16].

Подход к организации функционирования ИИС [5; 19] кардинально отличается от традиционного процедурного подхода, применяемого для решения формализованных задач в обычных информационных системах. В

таких системах прикладная программа составляет единое целое со знаниями

и задает жесткую последовательность действий, предписываемых для выполнения компьютером (определяемую алгоритмом решения данной задачи). Такой подход непригоден для решения неформализованных задач, для которых, как правило, неизвестен алгоритм решения. Суть подхода,

применяемого в ИИС для решения неформализованных задач - отделение знаний о предметной области (в результате обработки которых получается решение задачи) от программной реализации механизмов получения решения

(логического вывода, поиска и, возможно, других) и представление этих

6

знаний в специальном блоке - БАЗЕ ЗНАНИЙ (БЗ). Знания в БЗ представляются в единообразной форме, что дает возможность их легкого внесения в БЗ, модификации и пополнения. Решение же задач реализуется с помощью процедур логического вывода и поиска, которые выполняются на основе знаний, хранящихся в БЗ, с помощью механизмов и средств, отделенных от БЗ. Системы, построенные по этому принципу, называются

системами, основанными на знаниях (СОЗ).

3. Экспертные системы – основной класс ИИС. Виды ИИС

Исторически первым классом ИИС явились ЭКСПЕРТНЫЕ СИСТЕМЫ

(ЭС), первые образцы которых (DENDRAL, MYCIN, PROSPECTOR) были созданы в 1970-80-е годы для решения задач в области органической химии, медицины и геологии [3; 8; 16-18]. В этих ЭС реализованы основные принципы функционирования и построения архитектуры систем этого класса, которые остаются справедливыми и сегодня и лежат в основе всех многочисленных разновидностей ИИС, разработанных позже (в том числе и новых ЭС).

3.1. Понятие экспертной системы [1-9; 16-18]. Экспертная система -

это программная система, предназначенная для решения трудно формализуемых задач (см. раздел 2.1) в определенной предметной области с помощью использования знаний об этой области, логических методов вывода и эвристических методов поиска решения и получающая результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Типовая структура ЭС - на Рис. 1.

Другие источники знаний

Рис. 1

1. Интеллектуальный интерфейс (лингвистический процессор)

обеспечивает общение пользователя с ЭС на проблемно ориентированном языке. 2. Рабочая память (РП), называемая также базой данных (БД),

7

предназначена для хранения исходных и промежуточных данных,

относящихся к конкретной решаемой задаче.3. База знаний (БЗ) содержит

долгосрочные знания о предметной области данной ЭС, используемые для решения различных задач в этой предметной области. 4. Интерпретатор (решатель) - компонент, управляющий решением задачи в ЭС, - модуль, программно реализующий механизмы логического вывода, поиска решения и другие необходимые процедуры. Используя исходные данные из РП и знания

из БЗ, интерпретатор формирует такую последовательность операций,

которые будучи применены к исходным данным, приводят к решению задачи. Если в ЭС применяется только логический вывод, то этот компонент

отображение результатов решения и объяснение пользователю действий системы. 6. Модуль приобретения знаний предназначен для получения знаний о предметной области от эксперта или других источников знаний и ввода их в БЗ.

Инженер по знаниям - посредник, помогающий структурировать, формализовать и представить в БЗ ЭС знания, получаемые из внешних источников. Оболочка ЭС ("пустая ЭС") - программа, реализующая все компоненты архитектуры ЭС, но не содержащая знаний о проблемной области. Различают два режима работы ЭС: режим приобретения знаний и режим решения задачи (режим консультации) [3; 4; 8; 17].

С точки зрения учета влияния фактора времени на структуру и функционирование ЭС различают два класса ЭС: статические и динамические. Статические ЭС (Рис.1) получают решение задачи без учета изменений в знаниях и данных, происходящих за время решения. В динамических ЭС такие изменения учитываются. В их структуре имеются два основных дополнительных компонента - подсистема сопряжения с внешним миром и подсистема моделирования внешнего мира [1; 3; 4; 5].

3.2. Основные виды задач, решаемых ЭС [5-7; 9; 17; 18].

1. Интерпретация - определение смысла данных, получаемых извне (в виде сигналов, символов, изображений и т.д.). 2. Диагностика -

Проектирование. 8. Мониторинг – сравнение наблюдаемого поведения некоторого объекта с планируемым. 9. Поддержка принятия решений - выработка рекомендаций по принятию решений в сложных ситуациях. 10. Управление сложной системой или процессом (предприятием, технологическим объектом, коллективом людей и т.д. - наиболее сложная комплексная задача.

8

3.3. Основные свойства идеальной ЭС [8; 17; 18]. В идеале ЭС должна обладать следующими способностями: (1) решать сложные задачи в реальных предметных областях; (2) получать результаты высокого качества за минимальное время (компетентность); (3) объяснять пользователю получаемые решения (прозрачность); (4) выполнять метарассуждения, т.е. анализировать (с помощью логических рассуждений) собственную структуру, состав знаний и процесс функционирования; (5) выполнять обработку символьной информации.

Принципиальное отличие ЭС от обычных прикладных программ: решение задачи осуществляется не путем выполнения программы, непосредственно реализующей алгоритм решения данной задачи, а путем обработки ЗНАНИЙ с помощью программно реализованных механизмов, отделенных от знаний и локализованных в интерпретаторе. При этом моделируется механизм мышления человека, решающего задачи в данной области. Этим определяются и другие особенности ЭС и их отличия от других видов интеллектуальных систем [8; 17; 18].

3.4. Классификация ЭС. Большинство различных классификаций ЭС [1-6; 9] базируется на учете следующих признаков ЭС: отношение ко времени (статические, динамические, квазидинамические ЭС); тип предметной области (области экспертизы) - например, экономика, медицина и т.д.; вид задачи, решаемой ЭС (см. раздел 3.2); модель представления знаний (см. разделы 4.1-4.3); тип ЭВМ, предназначаемой для выполнения программы ЭС (ПЭВМ, рабочие станции, суперкомпьютеры и др.); степень реализации (стадия существования - начальный или промежуточный прототип ЭС, коммерческая ЭС и др.); степень интеграции с другими системами (автономные ЭС, интегрированные ЭС); тип инструментальных

решения (1 - анализ, 2 - синтез); (б) временной признак (3 - статика, 4 - динамика); (в) характер используемых данных и знаний (5 – детер-

минированные, 6 - неопределенные); (г) число источников знаний (7 - один,

8 - несколько). При этом подходе выделяют четыре класса ЭС: классифицирующие (признаки 1; 3; 5; 7); доопределяющие (1; 3; 6; 8);

Одна из простейших классификаций ИИС базируется на выделении основных признаков интеллектуальности системы [5]: (1) способность решать трудно формализуемые задачи; (2) развитые коммуникативные способности; (3) способность к самообучению; (4) адаптивность. Эти

интерфейсом, (3) самообучающиеся системы, (4) адаптивные системы. Существуют и другие подходы к классификации ИИС. В соответствии с назначением и функциональными особенностями выделяют (помимо ЭС)

следующие виды ИИС [1; 4; 20]: информационно-поисковые, расчетнологические, диалоговые, вопросно-ответные, обучающие, прогнозирующие, системы поддержки принятия решений, системы поддержки проектирования и интеллектуальные САПР, интеллектуальные пакеты прикладных программ, интеллектуальные роботы, гибридные системы (в которых используется более одного метода имитации интеллектуальной деятельности человека).

4. Представление знаний в ИИС и вывод решения на основе знаний

4.1. Понятие знаний - специфическое понятие, сформировавшееся в процессе развития ИИ на основе трансформации понятия данных [1-4; 6-9]. Наиболее важное различие этих понятий [6]:

ДАННЫЕ – представляют отдельные факты, характеризующие объекты, процессы, явления предметной области.

ЗНАНИЯ – представляют, кроме фактов, закономерности предметной области, описывающие взаимосвязи между фактами и установленные либо теоретически, либо в результате практической деятельности человека и позволяющие ставить и решать задачи в этой области. Знания рассматриваются как метаданные, т.е. данные о данных [6]. Специфические черты знаний, отличающие их от «обычных» данных: внутренняя интерпретируемость, рекурсивная структурированность, связность, семантическая метрика, активность [1; 2; 4; 6].

Знания ЭС - это совокупность сведений, образующих целостное описание проблемной области, включая информацию о свойствах и закономерностях, характеризующих объекты и процессы в этой области, и о правилах использования этой информации для принятия решений.

Виды знаний ЭС (в соответствии с их содержимым): знания о понятиях проблемной области, абстрактные знания (абсолютно истинные теоретически обоснованные знания); эвристические знания (не являющиеся

явлений, процессов предметной области, представленная в виде структур данных (информационных массивов, таблиц, списков, абстрактных типов данных). Эти знания не содержат описаний процедур обработки данных. Их также называют фактографическими или предметными знаниями, составляющими базу фактов.

10