1. Основные принципы объектно-ориентированного моделирования систем искусственного интеллекта.

1.1. Основные характеристики систем искусственного интеллекта

Начиная примерно с 80-х годов XX века, идеи, относимые традиционно к области искусственного интеллекта, начинают использоваться в прикладных информационных системах. Искусственный интеллект - «раздел информатики, включающий разработку методов моделирования и воспроизведения с помощью ЭВМ отдельных функций творческой деятельности человека, решение проблемы представления знаний в ЭВМ и построение баз знаний, создание экспертных систем, разработку т.н. интеллектуальных роботов» [Д2].

Искусственный интеллект – область компьютерной науки, занимающаяся автоматизацией разумного поведения [6].

Основные направления исследований в области искусственного интеллекта:

• экспертные системы (Expert Systems) или системы, основанные на знаниях (Knowledge-Based Systems);

• искусственные нейронные сети (Artificial Neural Networks);

• естественно - языковые системы;

• системы с нечеткой логикой (Fuzzy Logic);

• интеллектуальный анализ данных (Data Mining);

• генетические алгоритмы и эволюционное программирование (Genetic Algorithms).

Развитие современных приложений систем искусственного интеллекта идет по пути интеграции интеллектуальных компонентов в информационные системы.

При реализации интеллектуальных функций непременно присутствует информация, называемая знаниями. Знания (knowledge) [5] - вид информации (подобно программам и данным), хранимой в базах знаний и отражающей знания человека-специалиста (эксперта) в определенной предметной области; множество всех текущих ситуаций в объектах данного типа и способы перехода от одного описания объекта к другому. Для знаний характерна внутренняя интерпретируемость, структурируемость, связность и активность.

В английском языке слово «knowledge» означает не только «знание», но еще и «умение». В системах, основанных на знаниях, умение представлено процедурной информацией, для которой характерно прежде всего исполнение, в то время как данные хранятся и пересматриваются, а знания преобразовываются и применяются [Д1]. При этом, в отличие от данных, знания могут иметь не только информационную часть, но и описательную для эффективной актуализации знания, и, кроме того, в качестве информационных единиц знания могут выступать встроенные процедуры, что придает знаниям активность, их первичность по отношению к процедурам [Д1].

Классификация знаний по признаку их использования в системах искусственного интеллекта:

Предметные знания – знания о конкретной предметной области. В рассматриваемой проблеме это знания, описывающие множество возможных критических ситуаций в объектах конкретного типа и процессы управления в критических ситуациях [2].

Универсальные знания – знания, обобщающие предметные знания на абстрактном уровне, позволяющие выразить общие свойства объектов предметной области.

Метазнания – «знания о знаниях», позволяющие управлять обработкой предметных и абстрактных знаний, а также знания о деятельности, направленной на получение новых знаний. Это информация о знаниях, хранящихся в базах знаний систем искусственного интеллекта: что они означают, как взаимосвязаны и как их отыскать. Метазнания позволяют также выявить ошибки в процессе представления знаний.

Понятие «управление знаниями» охватывает процессы формализованного управления информационными ресурсами, облегчающего доступ к накопленным на предприятии знаниям и их многократное использование, которые обычно реализуются с помощью передовых информационных технологий. Формализация заключается в классификации и сортировке имеющихся сведений в соответствии с заранее определенными, но допускающими развитие общими принципами и последующим их представлением в виде структурированных или частично структурированных баз данных и знаний [].

При определении модели информационной системы за основу было взято понятие алгебраической системы [1], которая объединяет в себе совокупность абстрактных объектов, отношений между ними и систему операций T, задаваемых на основном множестве M_A = <A, R, T>. В данной дисциплине системный подход к моделированию, учитывающий свойства элементов и отношений, опирается на определение системы, предложенное в А. И Умновым в [1], данное через понятия “вещи”, “свойства”, “отношения”:

S [{a_i}&{r_j(q_j)}],

a_iA, r_jR, q_jQ_R,

S_def [{a_i(q_i)}&{r_j}],

a_iA, q_iQ_A, r_jR,

где a_i – элементы (вещи); r_j - отношения между элементами; q_j – атрибуты отношений; q_i – свойства элементов.

В соответствии с этим определением системы принята общая методика анализа предметной области (ПО). Вначале выделяется множество значимых сущностей из этой области; данное множество называется областью интерпретации. На следующем этапе определяется, какие функции над элементами области интерпретации представляются важными. Затем идентифицируются значимые отношения, которые существуют между элементами области интерпретации. В заключение значимые отношения оформляются синтаксически, то есть при помощи аксиом. Таким образом, знаниями являются описания отношений между абстрагированными понятиями и сущностями, являющимися конкретными объектами предметной области.

Системный подход предполагает определенную последовательность этапов проектирования информационной системы: анализ предметной области и определение требований к ИС; выбор принципа построения ИС и постановку задачи на проектирование, разработку комплекса моделей исследуемой системы; экспериментальную проверку результатов и разработку рекомендаций по внедрению. Комплекс моделей должен включать модели структуры, модели динамики поведения, модели реализации системы, решение проблемы уменьшения вероятности ошибок функционирования путем тестирования модели и коррекции ошибок.