- •Содержание
- •Раздел 4. Механизм реализации методов икс
- •Лекция 11. Идентификация проблем товаропроизводителей и
- •Психологические аспекты в деятельности икс
- •11. 1. Идентификация проблем товаропроизводителей и выбор методов их решения
- •11. 2. Психологические аспекты в деятельности икс
- •Вопросы для самоконтроля и зачета
- •12.2. Стадии развития рабочей группы.
- •12.3. Факторы, оказывающие влияние на эффективность деятельности рабочей группы.
- •13.2. Индивидуальные методы обратной связи
- •13.3. Коллективные методы обратной связи
- •13.4. Сбор информации из дополнительных источников
- •13.5. Обратная связь при наставничестве, реализации отдельных мероприятий икс
- •Вопросы для самоконтроля и зачета
- •Раздел 5. Управление информационно-консультационной
- •14.2. Норма управляемости в икс
- •14.3. Функции управления икс
- •14.4. Мотивация труда в икс
- •14.5. Информационное обеспечение управления икс
- •14.6. Совершенствование управления икс
- •15.2. Собеседование при подборе персонала икс
- •15.3. Оценка персонала икс
- •Информационно-консультационной службы
- •16.2. Мониторинг работы икс
- •16.3. Оценка информационно-консультационной деятельности
- •16.4. Программы информационно-консультационной службы
- •17.2. Источники финансирования икс
- •17.3. Особенности финансирования из различных источников.
- •Вопросы для самоконтроля и зачета
- •1. Веселовский м.Я. Информационно-консультационная служба апк России (вопросы теории и практики). – фгну «Росинформагротех», 2002.
- •Раздел 6. Информационные технологии в икс
- •Тема 18. Современные информационные технологии
- •18.2. Применение современных информационных технологий в икс
- •19.2. Системы обратной связи
- •19.3. Советующие системы (экспертные)
- •19.4. Сетевые систeмы ("сделки")
- •Вопросы для самоконтроля и зачета
- •20.2. Особенности использования технических средств обучения на примере основных групп учебного оборудования
19.3. Советующие системы (экспертные)
Системы поддержки решений, экспертные или советующие системы строятся на основе баз знаний, которые, как правило, ориентированы на некоторую модель. Среди моделей преобладают такие, которые обобщают некоторый опыт или знания по типу "Если ..., то ...". Например, "если температура в помещении ниже 16°C, то включить обогрев", или "если наблюдается снижение оплодотворяемости, то возможен избыток протеина в кормах". для многих случаев подобные системы позволяют на основе формализации знаний подготовить вполне приемлемые решения или резко ограничить круг поиска решений возникающих проблем.
Если под базой данных понимаются предметные знания (характеристики конкретных предметных областей), то система баз знаний определяется: в зарубежной литературе, как система, базирующаяся на знаниях; в русскоязычной литературе системе баз знаний, как правило, ставится в соответствие система искусственного интеллекта. B настоящее время под термин искусственный интеллект попадают различные системы (экспертные системы, интеллектуальные, системы проектирования научных исследований, интеллектуальные информационно-поисковые системы, обучающие системы, расчетно-логические системы и др.).
Экспертные системы, позволяют выявлять, накапливать и корректировать знания из различных областей и на основе этих знаний формировать решения, которые считаются если не оптимальными, то достаточно эффективными. Это можно с успехом применять в обучении, консультировании, планировании и анализе данных, в том числе и на основе статистических методов, например, интерпретации данных аэрофотосъемки и получении рекомендаций по уходу за посевами, и т.п.
Термин знание определяет совокупность сведений, образующих целостное описание, соответствующее определенному уровню осведомленности о проблеме. Основное отличие знаний от данных в том, что последние описывают лишь конкретное состояние объектов или группы объектов в текущий момент времени, a знания кроме данных содержат сведения о том, как оперировать этими данными. B базе знаний экспертной системы знания должны быть структурированы и описаны терминами одной из моделей знаний. Обычно используется одна из стандартных моделей знаний (продукционная, логическая, фреймовая, реляционная). Выбор модели знаний - это наиболее ответственный этап, так как тип формального описания знаний оказывает существенное влияние на конечные характеристики и свойства экспертной системы. Аналогично c большим успехом могут применяться системы, построенные на основе оптимизационных, корреляционно-регрессионных и имитационных моделей. Однако во всех случаях имеется проблема адекватности (соответствия) применения модели по отношению к реально существующему объекту моделирования. Упрощения, допущенные при разработке модели чреваты выдачей ошибочных или слишком примитивных рекомендаций, которые не учитывают реалий (например, включить 0,005 кг сена многолетних трав, арендовать трактор на 1, 35 дня).
Специалисты ИКС должны не только выступать в качестве наиболее грамотных пользователей таких систем и оказывать помощь обычным пользователям (своим клиентам), но и, обобщая богатый, накапливаемый в службе опыт, содействовать разработке и совершенствованию программных комплексов, подобных системе оптимизации рационов кормления животных. B настоящее время взаимодействие большинства пользователей баз знаний и экспертных систем практически невозможно без посредничества специалистов ИКС (рис. 10).