Тема Интеллектуальные информационные системы

Особенности и признаки интеллектуальности информационных систем. Любая информационная система(ИС) выполняет следующие функции : воспринимает вводимые пользователем данные, обрабатывает введенные и хранимые в системе данные в соответствии с известным алгоритмом и формирует требуемую выходную информацию. С точки зрения реализации перечисленных функций ИС можно рассматривать как фабрику, производящую информацию, в которой заказом является информационный запрос, сырьем – исходные данные, а инструментом(оборудованием) – знание, с помощью которого данные преобразуются в информацию. Знание имеет двоякую природу : фактуальную и операционную. Фактуальное знание – это осмысленные и понятные данные. Данные сами по себе – это специально организованные знаки на каком-либо носителе. Операционное знание – это те общие зависимости между фактами, которые позволяют интерпретировать данные или извлекать из них информацию. Информация по сути – это новое и полезное знание для решения каких-либо задач. Часто фактуальное знание называют экстенсиональным(детализированным), а операционное знание – интенсиональным(обобщенным).

Процесс извлечения информации из данных сводится к адекватному соединению операционного и фактуального знаний и в различных типах ИС выполняется по-разному. Самый простой путь их соединения заключается в рамках одной прикладной программы: Программа = Алгоритм(Правила преобразования данных + Управляющая Структура) + Структура данных Таким образом, операционное знание(алгоритм) и фактуальное Знание(структура данных) неотделимы друг от друга. Однако если в ходе эксплуатации ИС выяснится потребность в модификации одного из двух компонентов программы, то возникнет необходимость ее переписывания. Это объясняется тем, что полным знанием проблемной области обладает только разработчик ИС,а программа служит «недумающим исполнителем» знания разработчика. Конечный же пользователь вследствие процедур насти и машинной ориентированности представления знаний понимает лишь внешнюю сторону процесса обработки данных и никак не может на него влиять.

Следствием перечисленных недостатков является плохая жизнеспособность ИС или неадаптивность к изменениям информационных потребностей. Кроме того, в силу детерминированности алгоритмов решаемых задач ИС не способна к формированию у пользователя знания о действиях в не полностью определенных ситуациях. В системах,основанных на обработке баз данных (СБД – Data Base Systems), происходит отделение фактуального и операционного знаний друг от друга. Первое организуется в виде базы данных, второе - в виде программ. Причем программа может автоматически генерироваться по запросу пользователя. В качестве посредника между программой и базой данных выступает программный инструмент доступа к данным – система управления базой данных (СУБД) : СБД = Программа СУБД База данных Общие недостатки традиционных информационных систем, к которым относятся системы первых двух типов,заключается в слабой адаптивности к изменениям в предметной области и информационным потребностям пользователей,в невозможности решать плохо формализуемые задачи. Перечисленные недостатки устраняются в интеллектуальных информационных системах (ИИС).

Анализ структуры программы показывает возможность выделения из программы операционного знания (правил преобразования данных) в так называемую базу знаний, которая в декларативной форме хранит общие для различных задач единицы знаний. При этом управляющая структура приобретает характер универсального механизма решения задач (механизма вывода), который связывает единицы знаний в исполняемые цепочки (генерируемые алгоритмы) в зависимости от конкретной постановки задачи (сформулированной в запросе цели и исходных условий). Такие ИС становятся системами, основанными на обработке знаний (СБЗ – Knowledge Base Systems) : СБЗ = База знаний Управляющая структура База данных (Механизм вывода) Для интеллектуальных информационных систем, ориентированных на генерацию алгоритмов решения задач, характерны следующие признаки: Развитые коммуникативные способности Умение решать сложные плохо формализуемые задачи Способность к самообучению

Коммуникативные способности ИИС характеризуют способ взаимодействия(интерфейса) конечного пользователя с системой, в частности, возможность формулирования произвольного запроса в диалоге с ИИС на языке, максимально приближенном к естественному. Сложные плохо формализуемые задачи – 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. Способность к самообучению - это возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций. В различных ИИС перечисленные признаки интеллектуальности развиты в неодинаковой степени и редко, когда все четыре признака реализуются одновременно. Условно каждому из признаков интеллектуальности соответствует свой класс ИИС Системы с интеллектуальным интерфейсом Экспертные системы Самообучающиеся системы

Интеллектуальные информационные системы Коммуникативные способности (интеллектуальный интерфейс) Решение сложных задач(экспертные системы) Способность к самообучению (самообучающиеся системы) Интеллектуальные базы данных Естественно-языковой интерфейс Гипертекстовые системы Контекстные системы помощи Когнитивная графика Классифицирующие системы Доопределяющие системы Трансформирующие системы Многоагентные системы Индуктивные системы Нейронные связи Системы на прецедентах Информационные хранилища

Экспертные системы и базы данных Экспертная система является инструментом, усиливающим интеллектуальные способности эксперта, и может выполнять следующие роли : Консультанта для неопытных или непрофессиональных пользователей Ассистента в связи с необходимостью анализа экспертом различных вариантов принятия решений Партнера эксперта по вопросам, относящимся к источникам знаний из смежных областей деятельности. Экспертные системы используются во многих областях, среди которых лидирует сегмент приложений в бизнесе

Области применения экспертных систем Сельское хозяйство Бизнес Химия Коммуникации Образование Производство Медицина Транспорт

Архитектура экспертных систем

Архитектура экспертной системы включает в себя два основных компонента: базу знаний(хранилище единиц знаний) и программный инструмент доступа и обработки знаний, состоящий из механизмов вывода заключений, приобретения знаний, объяснения получаемых результатов и интеллектуального интерфейса.(рис) База знаний – это совокупность единиц знаний, которые представляют собой формализованное с помощью некоторого метода представления знаний отражение объектов проблемной области и их взаимосвязей, действий над объектами и, возможно неопределенностей, с которыми эти действия осуществляются. Эксперт Извлечение знаний Инженер знаний Пользователь Интеллектуальный интерфейс Механизм вывода Механизм объяснения База знаний Механизм приобретения знаний Экспертная система

В качестве методов представления знаний чаще всего используются либо правила, либо объекты(фреймы), либо их комбинация. Так, правила представляют собой конструкции : Если То CF (Фактор определенности) Интеллектуальный интерфейс. Обмен данными между конечным пользователем и ЭС выполняет программа интеллектуального интерфейса, которая воспринимает сообщения пользователя и преобразует их в форму представления результата обработки в формат пользователя и выдает сообщение на требуемый носитель. Важнейшим требованием к организации диалога пользователя с ЭС является естественность, которая не означает буквально формулирование потребностей пользователя предложениями естественного языка, хотя это и не исключается в ряде случаев. Важно, чтобы последовательность решения задачи была гибкой, соответствовала представлениям пользователя и велась в профессиональных терминах. Механизм вывода. Этот программный инструмент получает от интеллектуального интерфейса преобразованный во внутреннее представление запрос, формирует из базы знаний конкретный алгоритм решения задачи, выполняет алгоритм, а полученный результат предоставляется интеллектуальному интерфейсу для выдачи ответа на запрос пользователя.

В основе использования любого механизма вывода лежит процесс нахождения в соответствии с поставленной целью и описанием конкретной ситуации(исходных данных) относящихся к решению единиц знаний(правил, объектов, прецедентов и т.д.) и связыванию их при необходимости в цепочку рассуждений, приводящую к определенному результату. Для представления знаний в форме правил это может быть прямая или обратная цепочка рассуждений. Коэфф. рентаб>20 Рентабельность= «Удовл.» Задолженность= нет Репутация= «Удовл.» Финансовое состояние= «Удовл.» Надежность= «Удовл.» Прямая цепочка рассуждений

Механизм объяснения. В процессе или по результатам решения задачи пользователь может запросить объяснение или обоснование хода решения. С этой целью ЭС должна предоставить соответствующий механизм объяснения Объяснительные способности ЭС определяются возможностью механизма вывода запоминать путь решения задачи. Тогда на вопросы пользователя «Почему?» о «Как?» получено решение или запрошены те или иные данные система всегда может выдать цепочку рассуждений до требуемой контрольной точки, сопровождая выдачу объяснения заранее подготовленными комментариями. В случае отсутствия решения задач объяснение должно выдаваться пользователю автоматически. Полезно иметь возможность и гипотетического объяснения решения задачи, когда система отвечает на вопросы, что будет в том или ином случае.

Механизм приобретения знаний. База знаний отражает знания экспертов(специалистов) в данной проблемной области о действиях в различных ситуациях или процессах решения характерных задач. Выявлением подобных знаний т последующим их представлением в базе данных занимаются специалисты, называемые инженерами знаний. Для ввода знаний в базу и их последующего обновления ЭС должна обладать механизмом приобретения знаний. В простейшем случае это интеллектуальный редактор, который позволяет вводить единицы знаний в базу и проводить их синтаксический и семантический контроль, например, на непротиворечивость, в более сложных случаях извлекать знания путем специальных сценариев интервьюирования экспертов, или из вводимых примеров реальных ситуаций, как в случае индуктивного вывода, или из текстов, или из опыта работы самой интелликтуальной системы.

Классы экспертных систем

Классы экспертных систем. По способу формирования решения экспертные системы разделяются на два класса: аналитические и синтетические. Аналитические системы предполагают выбор решений из множества известных альтернатив, а синтетические – генерацию неизвестных объектов. По способу учета временного признака экспертные системы могут быть статическими или динамическими. Статические системы решают задачи при неизменяемых в процессе решения данных и знаниях, динамические системы допускают такие изменения. Статические системы осуществляют монотонное непрерываемое решение задачи от ввода исходных данных до конечного результата, динамические системы предусматривают возможность пересмотра в процессе решения полученных ранее результатов и данных. По видам используемых данных и знаний экспертные системы классифицируются на системы с детерминированными (четко определенными) знаниями и неопределенными знаниями. Под неопределенностью знаний(данных) понимается их неполнота(отсутствие),недостоверность(неточность измерения),двусмысленность (многозадачность понятий), нечеткость (качественная оценка вместо количественной).

По числу используемых источников знаний экспертные системы могут быть построены с использованием одного или множества источников знаний. Источники знаний могут быть альтернативными (множество миров) или дополняющими друг друга(кооперирующими) Классифицирующие экспертные системы. К аналитическим задачам прежде всего относятся задачи распознавания различных ситуаций, когда по набору заданных признаков(факторов) выявляется сущность некоторой ситуации, в зависимости от которой выбирается определенная последовательность действий. Таким образом, в соответствии с исходными условиями среди альтернативных решений находится одно, наилучшим образом удовлетворяющее поставленной цели и ограничениям.

Доопределяющие экспертные системы. Более сложный тип аналитических задач представляют задачи, которые решаются на основе неопределенных исходных данных и применяемых знаний. В этом случае экспертная система должна как бы доопределять недостающие знания, а в пространстве решений может получаться несколько возможных решений с различной вероятностью или уверенностью в необходимости их выполнения. Проблемные области аналитических задач классифицирующего и доопределяющего типов. Интерпретация данных – выбор решения из фиксированного множества альтернатив на базе введенной информации о текущей ситуации. Основное назначение – определение сущности рассматриваемой ситуации, выбор гипотез, исходя их фактов. Диагностика – выявление причин, приведших к возникновению ситуации. Коррекция – диагностика, дополненная возможностью оценки и рекомендации действий по исправлению отклонений от нормального состояния рассматриваемых ситуаций.

Трансформирующие экспертные системы. В отличие от аналитических статических экспертных систем синтезирующие динамические экспертные системы предполагают повторяющееся преобразование знаний в процессе решения задач, что связанно с характером результата, который нельзя заранее предопределить, а также с динамичностью самой проблемной области. В качестве методов решения задач трансформирующих экспертных системах используются разновидности гипотетического вывода: Генерации и тестирования, когда по исходным данным осуществляется генерация гипотез, а затем проверка сформулированных гипотез на подтверждение поступающими фактами. Предположений и умолчаний, когда по неполным данным подбираются знания об аналогичных классах объектов, которые в дальнейшем динамически адаптируются к конкретной ситуации в зависимости от ее развития. Использование общих закономерностей(метауправления) в случае неизвестных ситуаций, позволяющих генерировать недостающее знание.

Многагентные системы. Для таки динамических систем характерна интеграция в базе данных нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе. Особенности многоагентных систем: Проведение альтернативных рассуждений на основе использования различных источников знаний с механизмом устранения противоречий Распределенное решение проблем, которые разбиваются на параллельно решаемые подпроблемы, соответствующие самостоятельным источникам знаний Применение множества стратегий работы механизма вывода заключений в зависимости от типа решаемой проблемы Обработка больших массивов данных,содержащихся в базе данных Использование различных математических моделей и внешних процедур,хранимых в базе моделей Способность прерывания решения задач в связи с необходимостью получения дополнительных данных и знаний от пользователей, моделей, параллельно решаемых подпроблем.

Для синтезирующих динамических экспертных систем наиболее применимы следующие проблемные области : Проектирование – определение конфигурации объектов с точки зрения достижения заданных критериев эффективности и ограниченний Прогнозирование – предсказание последствий развития текущих ситуаций на основе математического и эвристического моделирования Диспетчирование – распределение работ во времени, составление расписаний Планирование – выбор последовательности действий пользователей по достижению поставленной цели Мониторинг – слежение за текущей ситуацией с возможной последующей коррекцией. Управление – мониторинг, дополненный реализацией действий в автоматических системах

Спасибо за внимание