9. Интеллектуальные информационные системы

1. Особенности и признаки интеллектуальности ИС.

Признаки:1) Спос-ть решать задачи в терминах «мягких моделей», когда завис-ть м/у осн показ-ми не явл-ся вполне определенными. 2) Спос-ть р-тать с неопределенными и даже динамичными данными, что позволяет исп-ть ИИС, когда методы обработки данных могут изменяться и уточняться по мере поступления нов данных. 3) Спос-ть к развитию сис и изменению знаний из накоплен опыта исходя из конкретной ситуации: позволяет увеличить мобильность сис, ее гибкость. 4) Возм-ть использ-я инф-ции, кот не хранится явно, а выводится из имеющейся в БД.

Отличит особ-ти ИИС по сравн с обычными ИС: 1) Интерф польз-ля на ест-ом языке с использ-ем бизнес-понятий, характерных для конкретной предм обл. 2) Спос-ть объяснить свои Дей-я, как правильно вести эк-е показ-ли и как выбрать подходящие параметры матем модели. 3) Представление модели эк-го объекта в виде БЗ и возм-ти р-ты с неполной и неточной инф-цией. 4) Спос-ть автоматич-го обнаружения законом-тей (бизнеса) в ранее накопл-ных фактах и помещение их в БЗ.

Нап-е развития ИИС: 2 напр-я - бионическое и программно-прагматическое.

Сторонники бионикимоделируют искусственным образом процессы, которые происходят в мозгу человека. Это направление занимается воспроизведением тех структур и процессов, кот хар-ны для живого человеч мозга, и кот лежат в основе реш-я задач чел-ка. Здесь3 напр-ния: 1) Нейробионическое (в основе лежат сис-мы нейроподобных эл-тов, способных создавать сис-мы воспроизводящие некоторые интеллек-е ф-ции). 2) Структурно-эврестическое (в его основе лежат знания о наблюдаемом поведении объектов рассматр-го как «черный ящик», и соображения о структурах мозга, кот могли бы обеспечить реализацию наблюдаемых форм поведения). 3) Гомеостатическое (здесь мозг рассм-ся как гомеостатическая сис, представляющая собой совок-ть противоборствующих и сотрудничающих подсистем, в результате функц-ния кот обеспеч-ся нужное равновесие в условиях постоянно изменяющейся внешней среды).

Программно-прагматическоезаним-ся созд-ем прогр с пом кот можно решать задачи, реш-е кот считалось до этого, исключительно прерогативой чел-ка (распознающие программы, программы поиска и т.д.)3 подхода: 1) Локальное или задачное (основан на том, что каждую задачу, присущую творч-й деят-ти чел-ка, можно решить на ЭВМ, кот будучи в виде программы даст рез-тат) 2) Системное или подход основан на знаниях (т.к. искуств. интеллект предполагает процесс самообучения, то и прогр-мы д/б ориентир-ны не только на реш-е конкр.задач, но и на построение таких программ, способных решать такие задачи). 2) Метод процедуры программир-я (подразумевает построение программ реш-я интеллект задач).

Данные– это конкретные сведения об объектах, относящихся к конкретным предм обл, их свойствах и взаимосвязях, отражающих конкретные события и ситуации в предм обл.Знания – это обобщенная и формализованная инф-ция о свойствах, связях и закономерностях предм-ой обл, кот получены в рез-те практич деят-ти и профес-го опыта и с пом кот специалисты ставят и решают задачи в данной предм обл.

2. Классификация, состав и функции интеллектуальных программных систем.

Клас-ция ИИС: 1) Сис, основан на знаниях: А) Эксп сис Б) Интел-е пакеты прикладных прогр (прогр-мы, в кот автомат-ки реализуется механизм сборки программой систеиы из отдельных подпрограмм, сборка осущ. на основе модели логич-го вывода). 2) Самоорганизующиеся сис-мы (сюда относятся нейросистемы (здесь реализ-ся попытка осуществить моделир-е интел-ной д-ти живого существа, но не на логич, а на физиологическом уровне головного мозга). 3) Сис-мы эвристического поиска. Полный отказ от следования принципу аналогии при моделировании механизма интел-ной д-ти. Сис-мы этого типа вып-ют ф-ции, кот традиционно производятся чел-ком, но вып-ют их др способом. а) Робототехнические сис, б) Сис распознавания, в) Игровые сис, г) Сис общения.

Состав: 1) Лингвистический процессор (обеспеч.связь польз-ля с системой на естественном и почти всегда ограниченном языке, обеспеч-ет ввод и понимание текстов и вывод текстов, кот выработаны сис-мой). 2)Сис анализа и синтеза речи (исп-ся для голосового общения). 3)Сис зрительного восприятии (если сис может воздей-вать на внеш среду, то в сис должен быть введен блок эффекторы) 4)Сенсоры 5) Эффекторы 6)Сис когнитивной графики (позволяет польз-лю воспринимать рез-ты р-ты ИС в графич форме и общаться с сис на языке графики). 7)Решатель (это вычислит. сис, состоящая из 1 или неск-ких процессоров с параллельной работой и этот решатель связан с БЗ и БД) 8)БД 9)БЗ 10)Система доверия 11)Система обоснования 12)Целенаправленная работа системы (обеспеч-ся системой планирования, хранящей априорно введенные цели, а также запоминающее новые цели, получ с пом сис обучения). 13) Система обучения (участвуют в формировании новых знаний, возникающих в ходе взаимод-я ИС с внеш средой). Все перечисленные блоки, кроме 4 и 5, м/б реализованы, как аппаратно, так и программно, в решателе с использ-ем логико-выч-ных возм-тей).

Функции: 1. Возможность формулирования произвольного запроса в диалоге с ИИС на языке, максимально приближенном к естественному.

2. Решение сложных плохо формализуемых задач (это задачи, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, для которой могут быть характерны неопределенность и динамичность исходных данных и знаний).

3. Самообучение – это возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций.

4. Адаптация системы в соответствии с объективными изменениями модели проблемной области.

3. Экспертные системы.

Данные– это конкретные сведения об объектах, относящихся к конкретным предм обл, их свойствах и взаимосвязях, отражающих конкретные события и ситуации в предм обл.Знания – это обобщенная и формализованная инф-ция о свойствах, связях и закономерностях предм-ой обл, кот получены в рез-те практич деят-ти и профес-го опыта и с пом кот специалисты ставят и решают задачи в данной предм обл.

Инженерия знаний– это направление исследований и разработок в области ИС, имеющая своей целью разработку моделей и методов для получения, структурирования и формализации знаний специалистов с целью проектирования БД. Основной целью построения таких систем являются выявление, исследование и применение знаний высококвалифицированных экспертов для решения сложных задач, возникающих на практике. Это направление преследует цель имитации человеческого искусства анализа неструктурированных и слабоструктурированных проблем.

ЭС- это ИИС, предназнач для реш-я слабоформализуемых з-ч на основе накапливаемого в БЗ опыта р-ты экспертов в проблемной обл.

ЭС прим-ся для реш-я неформализованных проблем, к кот относят задачи, обладающ одной или неск-ми из след хар-тик: задачи не м/б представлены в числовой форме; исходные данные и знания о предм обл обладают неоднозначностью, неточностью, противоречивостью; цели нельзя выразить с пом четко определенной целевой ф-ции; не сущ-ет однозначного алгоритмического реш-я задачи; алгоритмическое реш-е сущ-ет, но его нельзя исп-ть по причине большой размерности пространств решений и ограничений на рес-сы (время, память).

Роли при проектир ЭС: 1) эксперта 2) Инженер по знаниям (аналитик), помогает эксперту выявить и формализовать знания) 3)Программист (разраб-ет инструментальные ср-ва)

Этапы разработки прототипа. По стадиям разраб-ки ЭС класс-ся: (Демонстрационный прототип системы (здесь отражается основная идея ЭС – от 10-200 правил), Исследовательский прототип – 200-500 , Действующий прототип – до 1000, Промышленный образец – до 1500, Коммерческий – до 2000).

Инструментальные ср-ва разраб-ки ЭС: 1) Аппаратные ср-ва: (а) интеллект. рабочие станции б) Последовательные символьные машины (Лисп-машина, пролог-машина….) в) Параллельные символьные машины), 2) Программные ср-ва: (а) Алгоритмические языки программир-я (СИ, Паскаль, Фортран), б) Символьные языки (Смолток, Лиси), в) Языки инженерии знаний (Пролог,Loops), г) Сис-мы автоматизир-ной разработки ЭС (KEE,APT,AJF), д) Оболочки ЭС (EMYSIN,EXPERT)

Этапы разработки экспертной системы: 1) Идентификация (Как охарактеризовать важные аспекты знания?) 2) Концептуализация (Какие понятия необходимы для решения?) 3) Формализация (Как формально предоставить знания?) 4) Реализация (Какие правила выражают знания?) 5) Тестирование (Подтверждены ли правила?)

4. Модели представления знаний. Вывод на знаниях, управление выводом.

Данные– это конкретные сведения об объектах, относящихся к конкретным предм обл, их свойствах и взаимосвязях, отражающих конкретные события и ситуации в предм обл.Знания – это обобщенная и формализованная инф-ция о свойствах, связях и закономерностях предм-ой обл, кот получены в рез-те практич деят-ти и профес-го опыта и с пом кот специалисты ставят и решают задачи в данной предм обл.

Выбор модели представления знаний опр-ся особ-тью предм обл. Все модели м/б сведены к 2 группам, каждая из кот разбиты на 2 класса: 1) модульные ЯПЗ (логические модели, продукционные модели); 2) сетевые ЯПЗ (фреймы, семантические сети).

Продукц-е модели. Оперируют не отдельными связанными эл-ми знаний, правилами, а формально-логич-ми аксиомами. При использ-нии этой модели БЗ состоит из правил, а прогр, кот осущ-ет перебор этих правил и обеспеч-ет использ-е знаний, назыв машиной вывода или интерпретатором правил. Машина вывода вып-ет 2 ф-ции: 1) просмотр сущ-щих данных или фактов из рабочей памяти, и БП, где хранятся правила, и добавление по мере возм-ти в рабочую память новых фактов. 2) опред. порядка выполнения правил.

При разраб-ке стратегии упр-я выводом существенно: 1) какой метод вывода использ-ся: а) при обратном выводе (вначале выдвиг-ся некот гипотеза, а затем механизм вывода как бы возвращ-ся назад, пытаясь найти те факты, кот подтверждают гипотезу, если гипотеза оказывается правильной, то вывод можно считать законченным.), б) при прямом выводе (по известным фактам делается заключение, кот из этих фактов следует). 2) метод и стратегия перебора: а) поиск в глубину (в начале очередной подцели выбир-ся та, кот соотв-ет очередному, более глубокому ур описания задачи), б) поиск в ширину (сис проанализирует все симптомы, находящ на одном уровне пространства состояний, затем перейдет к след. уровню пространства состояний), в) разбиение на подзадачи (подразум-ет выдел-е подзадач, реш-е кот рассматр-ся как достижение промежут целей, на пути к конечной цели), г),- алгоритм (с пом этого алгоритма решается проблема уменьшения пространства состояний не перспективных для поиска, т.е. рассм-ся только те вершины, в кот можно попасть в рез-те след шага, в рез-те чего неперспективные вершины отбрас-ся.).

Представление знаний фреймамиФрейм – стр-ра данных для представления некоторого концептуального объекта. Фрейм имеет имя, кот служит для идентификации описываемого им понятия, и содержит неск-ко слотов – описаний, с пом кот опр-ся основные структурные эл-ты этого понятия, шпации – куда помещаются данные содержащие текущие содержание слотов.

Слот может содержать не только конкретное значение, но также имя процедуры, которое позволяет вычислить это значение по заданному алгоритму. Демон – процедура, автоматически запускаемая при выполнении некот условия. Вывод на фреймовые системы заключ-ся в поиске по образцу фрейма аналогичной стр-ры в сис фреймов, а затем по системе ссылок нахождение наследуемых знаний.

Семантические сети. Семантич сеть – это ориентированный граф, вершины кот есть понятия, а дуги – отношения м/у ними. Интенсивная сем сеть описывает предм обл на обобщенном концептуальном уровне, в то время как в экстенсивной сис происходит конкретизация и наполнение фактич данными. Процедурой поиска в сем сетях является поиск по образцу. Образец – это либо полностью определённый фрагмент знаний, либо фрагмент знаний, содержащий свободные переменные. Поиск ответа на запрос реализ-ся сопоставлением сетей запроса с фрагментами сем сети, представляющей сис знания. Операция сопоставления опирается на установление изоморфности графов и сводится к следующему: для сем сети задается набор допустимых преобразований, переводящих исходную сем сеть или ее фрагменты в логически эквивалентную.

Логическая модельЭто формальная сис, т.е. некоторое логическое исчисление. Все знания о предметной области записываются в виде формулы этого исчисления или правил вывода. Т.о. в основе логической модели лежит понятие формальной логической системы. Основная идея формализации заключ-ся в след: 1) вводится множество базовых элементов 2) определяется правила построения правильных объектов 3) часть объектов является изначально заданными и правильными по определению 4) выдаются правила построения новых объектов из др. правильных объектов системы.

В различных логич сис используются разнообразные правила вывода. Наиболее часто применяются след: 1) правило подстановки (в формулу, кот уже выведена можно вместо некоторого высказывания подставить любое др. при соблюдении следующего условия: подстановка д/б выполнена во всех местах вхождения заменяемого высказывания в данную формулу) 2) правила заключения ( правило ModusPonens– если (А следует В)-истинно и А-истинно, то В тоже истино).