- •Глава 1. Искусственный интеллект — основа новых информационных технологи……………………………... 17
- •Глава 2. Традиционные способы представления и обработки
- •Глава 3. Нечеткие знания и способы их обработки 112
- •Глава 4. Методы приобретения знаний 158
- •Глава 5. Нейронные сети 231
- •Глава 6. Эволюционные аналогии в искусственных
- •Глава 7. Интеллектуальные мультиагентные системы 306
- •Глава 8, Интеллектуальные методы проектирования
- •Глава 6 содержит описание методов обработки информации, основанных на эволюционных аналогиях. Наличие символьной
- •Глава 1
- •1.2.2. Экспертные системы
- •1.2.3 Самообучающиеся системы
- •Глава 2
- •2.1. Отличия знаний отданных
- •2.2.1. Логическая модель представления знаний
- •2.2.4. Модель семантической сети
- •Глава 3
- •0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.9 0.9
- •Глава 4
- •4.1. Стратегии получения знаний
- •4.1.1. Аспекты извлечения знаний
- •4.1.2. Проблемы структурирования знаний
- •4.1.4. Методы извлечения знаний
- •4.1.5. Выявление «скрытых» структур знаний
- •4.3.1. Индуктивные выводы в логике
Глава 6. Эволюционные аналогии в искусственных
интеллектуальных системах………………………….. 260
6.1. Генетические алгоритмы 263
Простой генетический алгоритм 270
Разновидности генетических алгоритмов 276
Примеры практического применения генетических алгоритмов………………………………….... 281
Краткий обзор программных средств 287
6.2. Методы эволюционного программирования 292
Генетическое программирование 292
Эволюционное программирование 298
Эволюционные стратегии 300
Литература 302
Контрольные вопросы и задания 304
Глава 7. Интеллектуальные мультиагентные системы 306
7.1Основные понятия теории агентов……………….. 307
Характеристики интеллектуальных агентов………… 308
Архитектуры мультиагентных систем……………….. 310
7.2. Коллективное поведение агентов………………... 312
7.2.1. Способы и причины взаимодействия между
агентами………………………………………………… 313
7.2.2.Моделирование взаимодействия в мультиагентных
системах………………………………………………… 315
7.2.3.Координация поведения агентов
в мультиагентной системе…………………………….. 318
7.3. Примеры мультиагентных систем……………….. 321
Координация поведения на основе модели
аукциона ……………………………………………….. 321
Мультиагентная система для поддержки процессов принятия решений на предприятии…………… 325
7.4. Технологии проектирования мультиагентных
систем………………………………………………….. 328
Инструментальные средства для построения мультиагентных систем……………………………………. 330
Мультиагентные системы для поиска информации... 332
7.5. Перспективы мультиагентных технологий…….. 335
Литература…………………………………………….. 336
Контрольные вопросы и задания…………………….. 338
Глава 8, Интеллектуальные методы проектирования
сложных систем……………………………………… 340
Проблемы проектирования и реинжиниринга экономических систем…………………………………….. 341
Системный подход к проектированию сложных систем 344
Программные средства для поддержки процессов реинжиниринга…………………………………………………. 354
Подход к коллективному выбору решений при проектировании экономических систем………………………. 357
Разрешение конфликтов при коллективном выборе решений 373
Эволюционный синтез систем и объектов………………. 378
Логический подход к синтезу сценариев
развития сложных систем…………………………………. 393
Литература………………………………………………….. 415
Контрольные вопросы и задания………………………….. 417
Предметный указатель……………………………………... 419
Предисловие
Воснове любой организованной деятельности лежит информация. Основоположник кибернетики Норберт Винер определилэто понятие так: «Информация есть информация, не материя и не энергия». Следствием нематериальной природы информации является возможность ее неограниченного тиражирования, которая означает неисчерпаемость информационных ресурсов и свидетельствует об их принципиальном отличии от ресурсов материальных. Отличительное свойство информационных ресурсов — их универсальность, так как они необходимы в любой сфере человеческой деятельности.
Информационные процессы имеют место в живой и неживой природе. Для человеческого общества характерно стремление к познанию и преобразованию окружающего мира путем приобретения информации, ее хранения, передачи, обработки и использования. В течение многих веков люди добывают, обрабатывают и используют материальные и энергетические ресурсы. Они создали для этих целей мощное оборудование и эффективные технологии. То же можно сказать об информации: на протяжении своей истории человечество накапливало знания, полученные из наблюдений и опыта, пыталось сохранить их и передать последующим поколениям, делало верные и неверные выводы из совокупности доступных знаний и было неудержимо в попытках применения полученных знаний на практике. В результате этой деятельности человеку удалось существенно изменить лицо нашей планеты. Остается только удивляться тому, что только в XX веке люди создали эффективный инструмент для обработки информации — компьютер. Однако с момента его появления развитие новых технологий обработки информации было настолько стремительным, как будто эти полвека измерялись в другой шкале времени.
Традиционно считается, что естественные и технические науки ориентированы на созидание благ, в то время как гуманитар-
11
ные науки связаны с распределением различного рода ресурсов, в том числе затрат и доходов. Задачи созидания чаще всего не могут быть решены без привлечения материальных, энергетических и информационных ресурсов. В гуманитарных исследованиях информация является определяющим, а иногда единственным и достаточным видом требуемых ресурсов, поэтому специалистам в области экономики и управления необходимо иметь глубокие знания о технологиях ее обработки. В естественных и технических науках значительную часть изучаемых закономерностей можно проверить экспериментально и описать на количественном уровне с помощью детерминированных или стохастических моделей. В гуманитарных науках, таких, как экономика, социология, социальная психология, политология и другие, эксперимент, как правило, невозможен, а описание области исследования представлено наборами фактов, гипотез, правил и закономерностей, сформулированных на качественном уровне.
В соответствии с классификацией проблем, предложенной Г. Саймоном, задачи, описанные количественными и качественными признаками с преобладанием последних, относятся к слабоструктурированным проблемам. Современный подход к решению таких проблем базируется на методах искусственного интеллекта.
Настоящая книга посвящена интеллектуальным информационным системам, т. е. вопросам организации, проектирования, разработки и применения систем, предназначенных для обработки информации, базирующихся на применении методов искусственного интеллекта. Поскольку в сферу приложений искусственного интеллекта вошли практически все направления современной информатики, мы не ставили перед собой цели «объять необъятное», а включили в учебник разделы, содержащие описание традиционных моделей и технологий создания интеллектуальных систем, а также новых перспективных подходов к решению проблем, возникающих в области искусственного интеллекта. При написании книги мы видели свою цель в том, чтобы познакомить читателя с принципами создания и функционирования интеллектуальных информационных систем. Практический опыт показывает, что люди, не знакомые с этими принципами, испытывают большие трудности, выступая в роли пользователей интеллектуального программного обеспечения.
В главе 1 приведены краткий обзор приложений искусственного интеллекта, общая характеристика интеллектуальных ин-
12
формационных систем, а также основные понятия и определения, которые используются в книге.
Глава 2 посвящена описанию классических моделей представления знаний средствами логики высказываний и логики предикатов, правилами продукций, имеющих вид «ЕСЛИ А, ТО В», иерархиями фреймов и семантическими сетями. Здесь также рассмотрены основы компьютерной обработки знаний, представленных различными средствами, знакомство с которыми необходимо как разработчикам интеллектуальных систем, так и пользователям. Приведены примеры разработки интеллектуальных информационных систем с применением описанных моделей.
В главе 3 описаны виды нечеткости знаний, а также способы их устранения или учета в интеллектуальных информационных системах. Неоднозначность, ненадежность, неточность, неполнота знаний и другие, так называемые НЕ-факторы вызвали появление нового направления искусственного интеллекта — мягких вычислений, а также послужили отправной точкой для создания различных направлений нетрадиционной логики. Разработанные в этой области средства не только получили широкое распространение в виде программного обеспечения для интеллектуальной обработки информации, но нашли применение в сфере нечеткого управления техническими объектами, в частности автомобилями, бытовой техникой и т. д. В разд. 3.5 рассмотрен пример использования интеллектуальной системы с нечетким выводом для оценки и прогнозирования состояния малого предприятия.
Глава 4 содержит сведения о методах и средствах приобретения знаний, которые закладываются в интеллектуальные информационные системы. Проблемы приобретения знаний имеют место на стадиях проектирования, разработки и эксплуатации программного обеспечения, поэтому для их решения применяются различные подходы. Методы приобретения знаний, используемые на стадии проектирования системы, ориентированы на получение необходимой информации от экспертов, проверку элементов этой информации на непротиворечивость и тесно связаны с проблемами ее представления и обработки. На стадии разработки интеллектуальной системы рассматриваются вопросы добавления новой информации в базу знаний, организации ее взаимодействия с внешними информационными источниками и реализации возможностей самообучения. Эксплуатация интел-
13
лектуальных систем требует поддержания баз знаний и данных в непротиворечивом и актуальном состоянии. Для решения этой задачи необходимы подготовленные пользователи (инженеры по знаниям), владеющие компьютерными технологиями извлечения, добавления, согласования и интерпретации знаний.
Известно, что только небольшую часть своих знаний человек может точно сформулировать вербальным или формальным способом. Обширная область интуитивных знаний специалистов, которые необходимы для успешной работы интеллектуальных систем, остается недоступной из-за отсутствия средств их извлечения" и представления. Неуловимый характер человеческих знаний и их постоянное развитие помешали сторонникам «нисходящего метода» в области искусственного интеллекта удержать в своих руках пальму первенства. «Нисходящий метод» соответствует дедуктивному подходу, в рамках которого на этапе становления искусственного интеллекта разрабатывались программы, способные решать сложные задачи на основе логической обработки содержащихся в них знаний. Примерами таких программ являются знаменитый «Логик-Теоретик» и GPS — универсальный решатель задач. В их разработке участвовали известные ученые А. Ньюэлл, А. Тьюринг, К. Шеннон, Г. Саймон, Дж. Шоу и др.
«Восходящий метод» развивался в работах Дж. Маккалоха, У. Питтса, Ф. Розенблата и др., посвященных созданию самоорганизующихся систем и «самообучающихся машин». Эти ученые опирались на идею Н. Винера об обратной связи, благодаря которой все живое приспосабливается к окружающей среде и добивается своих целей. Так возникло направление, связанное с разработкой нейронных сетей, которое, не успев твердо встать на ноги, было подвергнуто суровой критике оппонентов из противоположного лагеря (М. Минский и С. Пейперт) и какое-то время считалось неперспективным. Однако стремительное развитие аппаратных компьютерных средств и не оправдавшиеся надежды на возможности экспертных систем с дедуктивными выводами стали причиной второго рождения нейросетевых технологий в 1980-х гг. Сегодня модели нейронных сетей активно разрабатываются и применяются для решения задач прогнозирования, распознавания, извлечения знаний из хранилищ данных. Этим вопросам посвящена глава 5.