2.3.Модель и метод икз для вывода знание-ориентированных решений в производственном бизнесе. Идея и концепция квантового подхода к искусственному интеллекту (ии)
Существующие искусственные нейронные сети и методы инженерии знаний (И З), основанные на логических, продукционных, фреймовых и др. моделях знаний, недостаточно эффективны из-за несовершенства способов представления и машинного способа манипулирования ими. Тем не менее, знаниеоориентированное направление остается актуальным в моделировании интеллектуальных умений человека успешно принимать решения в различных условиях неопределенности, благодаря человеческой интуиции и знаниям.
В этом направлении
профессором И.Б. Сироджа предложен
квантовый
подход к
инженерии знаний,
реализованный посредством разработанного
метода разноуровневых
алгоритмических квантов знаний
(δ-РАКЗ-метод)
для принятия идентификационных
и прогнозных
решений в условиях δ-неопределенности.
Эти условия предлагается определить
параметром δ 
,
значения которого конкретизируют суть
вводимых типов 
неопределенностей
соответствующей комбинацией следующих
ограничений.
Данные об объекте принятия решений (ОПР) имеют разнотипный характер (измерены в количественных и качественных шкалах) и полученны в неполных объемах из разных источников (книги, справочники, техническая документация, эксперты, измерения и т.п.);
Информация о предметной области и ОПР не всегда достоверна, неполна и неточна;
Данные носят преимущественно статистический характер с неизвестными законами распределения характеристик (признаков) ОПР;
Преобладает лингвистический (качественный) и нечеткий характер описания предметной области и свойств ОПР;
Критерии качества принятия решений заданны неявно и неизвестны по количеству и конкретно какие информативные признаки ОПР, доставляющие оптимум критерия качества;
Неизвестны правила принятия идентификационных и прогнозных решений, а также индуктивные принципы их построения путем обучения компьютера по выборочным знаниям и экспериментальным данным;
Невозможно непосредственно построить правила принятия указанных решений с помощью известных стандартных вычислительных методов.
Комбинация
ограничений {(1), (5)-(7)} определяет условия
t-неопределенности,
,
при которых используются достоверные
(точные) t-кванты
знаний,
а точнее tk-знания.
Комбинации
ограничений {(1), (2),
(5)-(7)},
отвечает
условиям π-
неопределенности 
,
когда показатели достоверности событий
не точны и оцениваются приближенно,
и
применяются
приближенные
-кванты, т.е. 
k-знания.
Аналогично,
при 
и
ограничениях {(1),
(3),
(5)-(7)}
выполняются условия v-неопределенности,
при которых используются вероятностные
vk-знания,
а при 
и ограничениях {(1),
(2),
(4)-(7)}
имеем условия
-неопределенности
и
применяем нечеткие
k-знания.
Идея
квантового подхода
к ИИ кроется в новой формализованной
структуризации (автоматическом
квантовании) информации для компьютерного
воспроизведения умозаключений и
рассуждений средствами математической
логики и теории алгоритмов. Понятие δ
– кванта знаний, т.е. δk
– знания определяется аксиоматически
как алгоритмическая
структура
0-го, 1-го и 2-го уровней сложности, которая
описывает конкретное событие порцией
(квантом)
информации в виде высказывания и содержит
три
составляющие:
содержательную
(семантика),
информационную
(символы)
и процедурную
(операторы,
алгоритмы).
Если квантовому событию можно поставить
в соответствие число,
то имеем δk
-знания
0-го
уровня,
если кортеж
чисел
(вектор)
или матрицу,
то δk-знания
имеют 1-й или 2-й уровень соответственно,
независимо от типа 
условий δ-неопределенности.
При этом посредством δРАКЗ-метода
реализуется алгоритмизация δРАКЗ-моделей
представления
знаний
и дедуктивного
вывода следствий из посылок,
опираясь на базу
δ-знаний
(БδkЗ),
которая строится индуктивно
при обучении на примерах.
Предложенная идея реализуется на основе концепции инженерии квантов знаний (ИКЗ), которая базируется на разработанном δРАКЗ-методе принятия решений [7] и представлена общей схемой на рис 2.3.1.
Рис 2.3.1. Общая концептуальная схема инженерии квантов знаний
Согласно концептуальной схеме ИКЗ первоначально строится БδkЗ как система импликативных и/или функциональных закономерностей для конкретной предметной области посредством индуктивного вывода из выборочных обучающих δk-знаний в форме таблиц эмпирических данных (ТЭД) и сценарных примеров обучающих знаний (СПОЗ). Искомые решения (следствия) в форме новых δk-знаний дедуктивно выводятся из БδkЗ по наблюдаемым δk-знаниям (посылкам). Автоматическое квантование разнотипной информации и машинное манипулирование δk-знаниями обеспечивается алгоритмическими и операторными средствами δРАКЗ-метода [22] в условиях δ-неопределенности.