- •«Определение интеллекта»
- •«Основные подходы к построению систем искусственного интеллекта»
- •Логический подход
- •Структурный подход
- •Эволюционный подход
- •Имитационный подход
- •«Знания и их представления»
- •«Модели представления знаний» Семантические сети
- •Фреймовое представление
- •Продукционное представление знаний
- •Логические модели знаний
- •«Особенности назначения и разработки экспертных систем»
- •Структура экспертной системы
- •Классическая схема управления экспертной системой
- •«Развитие традиционной системы управления»
- •«Методы логического вывода и управления знаниями»
- •«Системы общения на естественном языке»
- •Построение естественно-языковых интерфейсов
- •«Интеллектуализация поисковых процедур»
- •Интеллектуализация поисковых процедур
- •Распознавание образов и анализ изображений
- •«Методы интеллектуальных технологий в управлении техническими системами»
- •«Перспективы развития интеллектуальных систем»
«Интеллектуализация поисковых процедур»
При общении человека с предметной областью существует достаточно хорошо очерченный круг задач, в которых интеллектуальные технологии наиболее хорошо внедряются и дают прикладной эффект. Это, прежде всего, задачи поиска, контроля, диагностирования, прогнозирования, управления, оптимизации, распознавания, восприятия и др.
Задача поиска в своем проявлении достаточно разнообразна—это интеллектуальный поиск научно-технической и технологической информации. На стадии проектирования систем — это процедуры полного конструирования, на стадии производства — поиск оптимальных технологических решений, на стадии применения — это поиск наилучших условий функционирования объектов и процессов, а также рутинный поиск данных.
При осуществлении контроля систем (процессов), как и при решении задачи управления возникают вопросы оценки многомерной ситуации, необходимость формализации трудно формализуемых объектов, экспертной поддержки при принятии решении в конфликтных ситуациях, использования методов нечеткой логики, генетических алгоритмов и нейронных сетей.
Интеллектуализация поисковых процедур
Системы управления знаниями в настоящее время с успехом используются во многих областях применения автоматизированных информационных систем, ориентированных на интеллектуальные методы. С другой стороны, информация современного общества привела к появлению крупнейших информационных банков в различных отраслях научно-технических знаний. Попытки разработки и внедрения многокритериальных систем классификации информации, а также автоматизации информационного поиска, пока не приводят к сколько-нибудь существенным результатам с точки зрения увеличения релевантности и комфортности информационного поиска.
Развитие новых информационных технологий и образования реальной всемирной компьютерной сети настоятельно требует предоставления новых возможностей получения актуальной информации и знаний, которые предприятия и физические лица могут использовать в своей деятельности. Таким образом, возникает проблема интеллектуального поиска необходимой пользователю научно-технической и технологической информации. Решение этих проблем может быть найдено в развитии методологии проектирования систем управления знаниями для информационного поиска.
На современном этапе к числу проблем поиска информации можно отнести следующие:
• при получении пользователем большого объема информации в результате автоматизированного поиска много времени затрачивается на ее просмотр и выбор, в то время как даже простой выбор необходимой информации зачастую представляет собой нелегкую проблему;
• выбор информации, осуществляемый человеком, нередко не является рациональным и строго последовательным, что существенно осложняет поиск информации;
• пользователь при поиске информации обычно не строго определяет цель поиска, т. е. использует нечетко определенные понятия.
Недостатки существующих систем управления знаниями заключаются в том, что при построении с целью поиска персональной модели знаний для организации или пользователя и при последующем поиске информации в базе знаний не учитываются отношение к знанию пользователя и взаимодействие элементов информации между собой, что ведет к увеличению объема выборки из баз данных.
Процедура проведения поиска информации, необходимой пользователю, предполагает в ходе опроса выявление ключевых понятий поиска и их значимости для пользователя.
На увеличение используемости систем управления знаниями влияет несколько факторов:
• влияние окружающей среды;
• развитие технологий;
• способность создавать ценную информацию.
Решение проблемы построения систем поиска информации существенно облегчается при использовании систем управления знаниями.
Недостатки существующих систем управления знаниями в том, что при поиске информации в базе знаний не учитывают отношение к информации пользователя и взаимодействие элементов информации между собой, что ведет к большому объему выборки из баз данных, и расположение документов представляет собой беспорядочную структуру, а не последовательность, расположенную по возрастанию степени важности документа.
В связи с этим необходимо составить библиотеку моделей представления знаний (МПЗ), используемых при построении систем управления знаниями. При этом для формализации описания модели знаний следует использовать универсальную алгебру.
При проектировании баз знаний используют четкое взаимоотношение объектов, т.е. традиционную логику, которая подразумевает, что символы и управляемые процедуры точно определены. Такой подход облегчает создание систем, основанных на знаниях. Однако указанный подход недостаточен для определения реального мира (предметной области), в котором часто возникает неопределенность отклонений между объектами. В отличие от традиционной логики нечеткая логика обладает способностью обрабатывать неопределенность и приблизительные рассуждения.
Модель многокритериального выбора в условиях неопределенности. При решении задач поискового конструирования конструктор имеет дело с формально неопределенными связями, неметрическими признаками, качественными критериями, а зачастую и с неформальным описанием требований технического задания (ТЗ). Наличие в таких задачах подобного рода неопределенностей ведет к необходимости их формального учета и в проектных критериях.
Если поиск рационального проектно-конструкторского решения (ПКР) ведется в условиях неопределенности, то нет смысла точно фиксировать окончательную цель. В соответствии с этим, формальное описание цели ТЗ, параметров разрешаемой проблемной ситуации, а также значений качественных факторов, выражаемых в терминах цели, можно представить в виде нечетко определенных предпочтений. Например:
Ремонтопригодность — «НЕ ОЧЕНЬ ВЫСОКАЯ»,
Технологичность — «НИЗКАЯ».
С целью формализации процедур выбора, связанных с неколичественными измерениями на базе нечетких множеств, используются специальные функции принадлежности и на их основе вводятся лингвистические переменные, которые в наиболее естественной для конструктора форме отражают особенности его неформальных предпочтений ив то же время являются точными операндами для расчета на ЭВМ.
Применение лингвистических переменных для описания неформальных элементов, встречающихся в процессе решения проектно-конструкторской задачи (ПКЗ), обусловлено еще и тем, что размытость (расплывчатость) свойственна самой сущности процессов восприятия, воспроизведения и переработки информации человеком-конструктором. Конструктору легче формулировать свое мнение расплывчато, и нечеткая оценка в большинстве случаев оказывается более адекватной реальной действительности, чем четкая.
Если требуется найти решение, экстремизирующее все частные критерии (составляющие многокомпонентного ТЗ), то необходимо рассматривать векторный критерий оптимальности. Как известно, точная оптимизация векторного функционала недостижима. Единственным объективным фактором, характеризующим проблему векторной оптимизации (в рамках того субъективизма, который связан с выбором самих локальных критериев), является наличие области Парето в пространстве критериев и существование парето-оптимальных решений. Область Парето (область компромиссов) ограничивает возможный выбор проектных решений. Для выбора ПКР из множества парето-оптимальных решений необходим ввод в рассмотрение дополнительных критериев.
В настоящее время основными группами методов при решении задач векторной оптимизации являются:
• оптимизация последовательности скалярных (локальных, частных) критериев при введении приоритетов и назначении последовательных уступок;
• оптимизация в целях выделения ларето-оптимальных решений;
• оптимизация, в смысле близости решения к некоторому идеальному значению;
• оптимизация на основе компромиссных соотношений, например путем введения весовых коэффициентов или использования пороговой оптимизации.
Эти группы методов различаются степенью дополнительной информации, которую необходимо получить от конструктора для проведения оптимизации, а также сложностью вычислительных процедур, предназначенных для обработки этой информации.
Типовая последовательность расчетных процедур многокритериального выбора представляется в следующем виде:
1. Устанавливается ранг модели.
2. Исходя из опыта прошлого и среднестатистических представлений лиц, принимающих решения, устанавливаются приемлемые значения функций принадлежности и формируется структурное содержание лингвистических переменных.
3. Определяются весовые коэффициенты частных критериев.
4. Формируется матрица многокритериального выбора.
5. Производится линейное преобразование частных критериев, имеющих количественный характер.
6. Определяются нормированные рассогласования j-й хараристики i-ro варианта с требованиями ТЗ.
7. Определяются суммарные взвешенные потери.
8. После ряда преобразований получим для Vi (i= l,...,m) определение уровня относительной неопределенности Д.
9. Согласно методике, выделяется множество эффективных ПКР. Дальнейший выбор рационального ПКР производится на основе праксеологического анализа структуры дополнительных критериев.