1 Информация, как сырьеи как товар: />/>/>/>/>/>/>/>абсолютная, относительная ианалитическая информация. Данные, информация,знания
Абсолютная информация – это информация, содержащаяся вабсолютных числах, таких как количество чего-либо, взятого «само посебе».
Относительная информация – это информация,содержащаяся в отношениях абсолютного количества к объему совокупности.
Относительная информация измеряется в частях,процентах, промилле, вероятностях и некоторых других подобных единицах.Очевидно, что и из относительной информации, взятой изолированно, вырванной изконтекста, делать какие-либо обоснованные выводы не представляется возможным.
Аналитическая информация – это информация, содержащаясяв отношении вероятности (или процента) к некоторой базовой величине, например ксредней вероятности по всей выборке.
Аналитическими являются также стандартизированныевеличины в статистике и количество информации в теории информации.
Аналитическая информация позволяет делатьсодержательные выводы об исследуемой предметной области. Для того, чтобысделать аналогичные выводы на основе относительной, и абсолютной информациитребуется значительная обработка.
Таким образом, есть все основания рассматривать абсолютнуюинформацию как «информационное сырье», аналитическую – как«информационный товар». Относительная информация в этом смыслезанимает промежуточное положение и может рассматриваться как«информационный полуфабрикат». Интеллектуальные информационные системы,преобразуют сырую информацию в кондиционный информационный продукт и, этимсамым, многократно повышают ее потребительскую и меновую стоимость.
Данные- это совокупность сведений, зафиксированных на определенном носителе в форме,пригодной для постоянного хранения, передачи и обработки. Преобразование иобработка данных позволяет получить информацию.
Информация- это результат преобразования и анализа данных. Например, в базах данныххранятся различные данные, а по определенному запросу система управления базойданных выдает требуемую информацию.
Знания– это зафиксированная и проверенная практикой обработанная информация, котораяиспользовалась и может многократно использоваться для принятия решений.
Знания– это вид информации, которая хранится в базе знаний и отображает знанияспециалиста в конкретной предметной области. Знания – это интеллектуальныйкапитал.
2. Автоматизированные системы распознавания образов
Системойраспознавания образов будем называть класс систем искусственного интеллекта, обеспечивающих:
–формирование конкретных образов объектов и обобщенных образов классов;
–обучение, т.е. формирование обобщенных образов классов на основе ряда примеровобъектов, классифицированных (т.е. отнесенных к тем или иным категориям –классам) учителем и составляющих обучающую выборку;
–самообучение, т.е. формирование кластеров объектов на основе анализанеклассифицированной обучающей выборки;
–распознавание, т.е. идентификацию (и прогнозирование) состояний объектов,описанных признаками, друг с другом и с обобщенными образами классов;
–измерение степени адекватности модели;
–решение обратной задачи идентификации и прогнозирования (обеспечивается невсеми моделями).
Распознавание– это операция сравнения и определения степени сходства образа данногоконкретного объекта с образами других конкретных объектов или с обобщеннымиобразами классов, в результате которой формируется рейтинг объектов или классовпо убыванию сходства с распознаваемым объектом.
Ключевыммоментом при реализации операции распознавания в математической модели являетсявыбор вида интегрального критерия или меры сходства, который бы на основезнания о признаках конкретного объекта позволил бы количественно определитьстепень его сходства с другими объектами или обобщенными образами классов.
3. «Система искусственного интеллекта»,место СИИ в классификации информационных систем
Интеллектуальнымисчитаются задачи, связанные с разработкой алгоритмов решения ранее нерешенныхзадач определенного типа.
интеллектпредставляет собой универсальный алгоритма, способный разрабатывать алгоритмырешения конкретных задач. В 1950 году в статье «Вычислительные машины иразум» (Computing machinery and intelligence) выдающийся английскийматематики и философ Алан Тьюринг предложил тест, чтобы заменить бессмысленный,по его мнению, вопрос «может ли машина мыслить?» на болееопределённый.
Судья-человекограниченное время, например, 5 минут, переписывается в чате (в оригинале – потелеграфу) на естественном языке с двумя собеседниками, один из которых –человек, а другой – компьютер. Если судья за предоставленное время не сможетнадёжно определить, кто есть кто, то компьютер прошёл тест.
ИдеюТьюринга поддержал Джо Вайзенбаум, написавший в 1966 году первую«беседующую» программу «Элиза». Программа всего в 200 строклишь повторяла фразы собеседника в форме вопросов и составляла новые фразы изуже использованных в беседе слов.
А.Тьюрингсчитал, что компьютеры, в конечном счете, пройдут его тест, т.е. на вопрос:«Может ли машина мыслить?» он отвечал утвердительно, но в будущемвремени: «Да, смогут!»
Сегодняуже существуют многочисленные варианты интеллектуальных систем, которые неимеют цели, но имеют критерии поведения: генетические алгоритмы и имитационноемоделирование эволюции. Поведение этих систем выглядит таким образом, как будтоони имеют различные цели и добиваются их.
Ежегоднопроизводится соревнование между разговаривающими программами, и наиболеечеловекоподобной, по мнению судей, присуждается приз Лебнера (Loebner).
4. Особенности ипризнаки интеллектуальности информационных систем
Любаяинформационная система (ИС) выполняет следующие функции: 1воспринимает вводимыепользователем информационные запросы и необходимые исходные данные, 2обрабатываетвведенные и хранимые в системе данные в соответствии с известным алгоритмом иформирует требуемую выходную информацию.
Сточки зрения реализации перечисленных функций ИС можно рассматривать какфабрику, производящую информацию, в которой заказом является информационныйзапрос, сырьем — исходные данные, продуктом — требуемая информация, аинструментом (оборудованием) — знание, с помощью которого данные преобразуютсяв информацию.
…еслив ходе эксплуатации ИС выяснится потребность в модификации одного из двухкомпонентов программы, то возникнет необходимость ее переписывания. Этообъясняется тем, что полным знанием проблемной области обладает толькоразработчик ИС, а программа служит “недумающим исполнителем” знанияразработчика. Этот недостаток устраняются в интеллектуальных информационныхсистемах .
Интеллектуальнаяинформационная система (ИИС) — это ИС, которая основана на концепциииспользования базы знаний для генерации алгоритмов решения экономических задачразличных классов в зависимости от конкретных информационных потребностейпользователей.
Дляинтеллектуальных информационных систем, ориентированных на генерацию алгоритмоврешения задач, характерны следующие признаки:
-развитыекоммуникативные способности,
-умениерешать сложные плохо формализуемые задачи,
-способностьк самообучению,
Коммуникативныеспособности ИИС характеризуют способ взаимодействия (интерфейса) конечногопользователя с системой.
Сложные плохо формализуемые задачи — это задачи,которые требуют построения оригинального алгоритма решения в зависимости отконкретной ситуации, для которой могут быть характерны неопределенность идинамичность исходных данных и знаний.
5. Этапы жизненного цикла систем искусственногоинтеллекта
№ Наименованиеэтапа
1 Разработкаидеи и концепции системы
2 Разработкатеоретических основ системы
3 Разработкаматематической модели системы
4 Разработкаметодики численных расчетов в системе:
4.1 –разработка структур данных
4.2 –разработка алгоритмов обработки данных
5 Разработкаструктуры системы и экранных форм интерфейса
6 Разработкапрограммной реализации системы
7 Отладкасистемы
8 Экспериментальнаяэксплуатация
9 Опытнаяэксплуатация
10 Промышленнаяэксплуатация
11 Заказныемодификации системы
12 Разработкановых версий системы
13 Снятиесистемы с эксплуатации
Условнокаждому из признаков интеллектуальности соответствует свой класс ИИС:
-Системыс интеллектуальным интерфейсом;
-Экспертныесистемы;
-Самообучающиесясистемы.
6 Экспертная система (ЭС) — это ИИС, предназначеннаядля решения слабоформализуемых задач на основе накапливаемого в базе знанийопыта работы экспертов в проблемной области
Экспертнаясистема является инструментом, усиливающим интеллектуальные способностиэксперта, и может выполнять следующие роли:
1консультантадля неопытных или непрофессиональных пользователей;
2ассистентав связи с необходимостью анализа экспертом различных вариантов принятия решений;
3партнераэксперта по вопросам, относящимся к источникам знаний из смежных областейдеятельности.
Исторически,ЭС были первыми системами искусственного интеллекта, которые привлекли вниманиепотребителей.
Классыэкспертных систем. По степени сложности решаемых задач экспертные системы можноклассифицировать следующим образом:
— По способу формирования решения экспертные системы разделяются на два класса:аналитические и синтетические. Аналитические системы предполагают выбор решенийиз множества известных альтернатив, а синтетические системы — генерациюнеизвестных решений. Аналитическая экспертная система — это ЭС, осуществляющаяоценку вариантов решений (проверку гипотез). Синтетическая экспертная система — это ЭС, осуществляющая генерацию вариантов решений (формирование гипотез).
— По способу учета временного признака экспертные системы могут быть статическимиили динамическими. Статические системы решают задачи при неизменяемых впроцессе решения данных и знаниях, инамические системы допускают такиеизменения.
Статическаяэкспертная система — это ЭС, решающая задачи в условиях, не изменяющихся вовремени исходных данных и знаний.
Динамическаяэкспертная система — это ЭС, решающая задачи в условиях изменяющихся во времениисходных данных и знаний.
— По видам используемых данных и знаний экспертные системы классифицируются насистемы с детерминированными (четко определенными) знаниями и неопределеннымизнаниями. Под неопределенностью знаний (данных) понимается их неполнота(отсутствие), недостоверность (неточность измерения), двусмысленность(многозначность понятий), нечеткость (качественная оценка вместоколичественной).
Почислу используемых источников знаний экспертные системы могут быть построены сиспользованием одного или множества источников знаний.
7. Система с интеллектуальным интерфейсом — это ИИС,предназначенная для поиска неявной информации в базе данных или тексте для произвольныхзапросов, составляемых, как правило, на ограниченном естественном языке
ИнтеллектуальныеБД отличаются от обычных БД возможностью выборки по запросу необходимойинформации, которая может явно не храниться, а выводиться из имеющейся в базеданных. Примерами таких запросов могут быть следующий: — “Вывести списоктоваров, цена которых выше среднеотраслевой”,
Взапросе требуется осуществить поиск по условию, которое должно бытьдоопределено в ходе решения задачи. Формулирование запроса осуществляется вдиалоге с пользователем, последовательность шагов которого выполняется вмаксимально удобной для пользователя форме. Запрос к базе данных можетформулироваться и с помощью естественно-языкового интерфейса.
Естественно-языковойинтерфейс предполагает трансляцию естественно-языковых конструкций навнутримашинный уровень представления знаний.
Естественно-языковыйинтерфейс используется для:
-доступак интеллектуальным базам данных;
-контекстногопоиска документальной текстовой информации;
-голосовоговвода команд в системах управления;
-машинногоперевода c иностранных языков.
Гипертекстовыесистемы предназначены для реализации поиска по ключевым словам в базахтекстовой информации. Механизм поиска работает прежде всего с базой знаний ключевыхслов, а уже затем непосредственно с текстом.
Системыконтекстной помощи можно рассматривать, как частный случай интеллектуальныхгипертекстовых и естественно-языковых систем. В системах контекстной помощипользователь описывает проблему (ситуацию), а система с помощью дополнительногодиалога ее конкретизирует и сама выполняет поиск относящихся к ситуациирекомендаций. Такие системы относятся к классу систем распространения знаний(Knowledge Publishing) и создаются как приложение к системам документации(например, технической документации по эксплуатации товаров).
Системыкогнитивной графики позволяют осуществлять интерфейс пользователя с ИИС спомощью графических образов, которые генерируются в соответствии спроисходящими событиями.
8. Самообучающаяся система — это ИИС, которая наоснове примеров реальной практики автоматически формирует единицы знаний
Воснове самообучающихся систем лежат методы автоматической классификациипримеров ситуаций реальной практики (обучения на примерах). Примеры реальныхситуаций накапливаются за некоторый исторический период и составляют обучающуювыборку. Эти примеры описываются множеством признаков классификации. Причемобучающая выборка может быть:
— “с учителем”, когда для каждого примера задается в явном виде значение признакаего принадлежности некоторому классу ситуаций (классообразующего признака);
— “без учителя”, когда по степени близости значений признаков классификациисистема сама выделяет классы ситуаций.
Врезультате обучения системы автоматически строятся обобщенные правила илифункции, определяющие принадлежность ситуаций классам, которыми обученнаясистема пользуется при интерпретации новых возникающих ситуаций. Таким образом,автоматически формируется база знаний, используемая при решении задачклассификации и прогнозирования. Эта база знаний периодически автоматическикорректируется по мере накопления опыта реальных ситуаций, что позволяетсократить затраты на ее создание и обновление.
9. Идентификацияпроблемной области
Этапидентификации проблемной области — определение требований к разрабатываемой ЭС,контуров рассматриваемой проблемной области (объектов, целей, подцелей,факторов), выделение ресурсов на разработку ЭС.
Этапидентификации проблемной области включает определение назначения и сферы примененияэкспертной системы, подбор экспертов и группы инженеров по знаниям, выделениересурсов, постановку и параметризацию решаемых задач.
Началоработ по созданию экспертной системы инициируют руководители компаний. Обычнонеобходимость разработки экспертной системы связана с затруднениями лиц,принимающих решение, что сказывается на эффективности функционированияпроблемной области. Как правило, назначение экспертной системы связано с однойиз следующих областей:
— обучение и консультация неопытных пользователей;
— распространение и использование уникального опыта экспертов;
— автоматизация работы экспертов по принятию решений;
— оптимизация решения проблем, выдвижение и проверка гипотез.
Послепредварительного определения контуров разрабатываемой экспертной системы инженерыпо знаниям совместно с экспертами осуществляют более детальную постановкупроблем и параметризацию системы. К основным параметрам проблемной областиотносятся следующие:
— класс решаемых задач (интерпретация, диагностика, коррекция, прогнозирование,планирование, проектирование, мониторинг, управление);
— критерии эффективности результатов решения задач (минимизация использованияресурсов, повышение качества продукции и обслуживания, ускорение оборачиваемостикапитала и т.д.);
— критерии эффективности процесса решения задач (повышение точности принимаемыхрешений, учет большего числа факторов, просчет большего числа альтернативных вариантов,адаптивность к изменениям проблемной области и информационных потребностейпользователей, сокращение сроков принятия решений);
— цели решаемых задач (выбор из альтернатив, например, выбор поставщика илисинтез значения, например, распределение бюджета по статьям);
— подцели (разбиение задачи на подзадачи, для каждой из которых определяется свояцель);
— исходные данные (совокупность используемых факторов);
— особенности используемых знаний (детерминированность/ неопределенность,статичность/динамичность, одноцелевая/ многоцелевая направленность,единственность/ множественность источников знаний).
10. Формализация базызнаний
Наэтапе формализации базы знаний осуществляется выбор метода представлениязнаний. В рамках выбранного формализма осуществляется проектирование логическойструктуры базы знаний.
Этапформализации базы знаний — выбор метода представления знаний, в рамках которогопроектируется логическая структура базы знаний.
Логическаямодель предполагает унифицированное описание объектов и действий в виде предикатовпервого порядка.
Логическаямодель отражает логические связи между элементами данных вне зависимости от ихсодержания и среде хранения.
Логическаямодель данных может быть реляционной, иерархической или сетевой. Пользователямвыделяются подмножества этой логической модели, называемые внешними моделями,отражающие их представления о предметной области. Внешняя модель соответствуетпредставлениям, которые пользователи получают на основе логической модели, в товремя как концептуальные требования отражают представления, которыепользователи первоначально желали иметь и которые легли в основу разработкиконцептуальной модели. Логическая модель отображается в физическую память,такую, как диск, лента или какой-либо другой носитель информации.
11. Этапы проектирования экспертной системы
/>
Этапысоздания экспертных систем: идентификация, концептуализация, формализация,реализация, тестирование, внедрение. На начальных этапах идентификации иконцептуализации, связанных с определением контуров будущей системы, инженер познаниям выступает в роли ученика, а эксперт — в роли учителя, мастера. Назаключительных этапах реализации и тестирования инженер по знаниям демонстрируетрезультаты разработки, адекватность которых проблемной области оцениваетэксперт. На этапе тестирования это могут быть совершенно другие эксперты. Наэтапе тестирования созданные экспертные системы оцениваются с позиции двухосновных групп критериев: точности и полезности. Следующий этап жизненного циклаэкспертной системы — внедрение и опытная эксплуатация в массовом порядке без непосредственногоконтроля со стороны разработчиков и переход от тестовых примеров к решению реальныхзадач. Важнейшим критерием оценки становятся соотношение стоимости системы и ееэффективности. На этом этапе осуществляется сбор критических замечаний и внесениенеобходимых изменений. В результате опытной эксплуатации может потребоваться разработкановых специализированных версий, учитывающих особенности проблемных областей.На всех этапах разработки инженер по знаниям играет активную роль, а эксперт — пассивную. По мере развития самообучающихся свойств экспертных систем роль инженерапо знаниям уменьшается, а активное поведение заинтересованного в эффективнойработе экспертной системы пользователя-эксперта возрастает.
Прототипэкспертной системы — это расширяемая (изменяемая) на каждом последующем этапеверсия базы знаний с возможной модификацией программных механизмов. Послекаждого этапа возможны итеративные возвраты на уже выполненные этапыпроектирования, что способствует постепенному проникновению инженера по знаниямв глубину решаемых проблем, эффективности использования выделенных ресурсов, сокращениювремени разработки, постоянному улучшению компетентности и производительностисистемы. Пример разработки экспертной системы гарантирования (страхования)коммерческих займов CLUES (loan-uderwriting expert systems).
12. Генетические алгоритмы имоделирование биологической эволюции
ГенетическиеАлгоритмы (ГА) – это адаптивные методы функциональной оптимизации, основанныена компьютерном имитационном моделировании биологической эволюции. Основныепринципы ГА были сформулированы Голландом (Holland, 1975), и хорошо описаны вомногих работах и на ряде сайтов в Internet.
ТеорияДарвина традиционно моделируется в ГА, хотя, конечно, это не исключаетвозможности моделирования и других теорий эволюции в ГА.
Воснове модели эволюции Дарвина лежат случайные изменения отдельных материальныхэлементов живого организма при переходе от поколения к поколению.Целесообразные изменения, которые облегчают выживание и производство потомков вданной конкретной внешней среде, сохраняются и передаются потомству, т.е.наследуются. Особи, не имеющие соответствующих приспособлений, погибают, неоставив потомства или оставив его меньше, чем приспособленные (считается, чтоколичество потомства пропорционально степени приспособленности). Поэтому в результатеестественного отбора возникает популяция из наиболее приспособленных особей,которая может стать основой нового вида, каждый конкретный генетическийалгоритм представляют имитационную модель некоторой определенной теориибиологической эволюции или ее варианта.
РаботаГА представляет собой итерационный процесс, который продолжается до тех пор,пока поколения не перестанут существенно отличаться друг от друга, или непройдет заданное количество поколений или заданное время. Для каждого поколенияреализуются отбор, кроссовер (скрещивание) и мутация.
/>
13. Этап концептуализации проблемной области — построение концептуальной модели, отражающей в целостном виде сущностьфункционирования проблемной области на объектном (структурном), функциональном(операционном), поведенческом (динамическом) уровнях
Наэтапе построения концептуальной модели создается целостное и системное описаниеиспользуемых знаний, отражающее сущность функционирования проблемной области.От качества построения концептуальной модели проблемной области во многомзависит насколько часто в дальнейшем по мере развития проекта будет выполнятьсяперепроектирование базы знаний. Хорошая концептуальная модель может толькоуточняться (детализироваться или упрощаться), но не перестраиваться.
Результатконцептуализации проблемной области обычно фиксируется в виде наглядныхграфических схем на объектном, функциональном и поведенческом уровняхмоделирования:
— объектная модель описывает структуру предметной области как совокупностивзаимосвязанных объектов;
— функциональная модель отражает действия и преобразования над объектами;
— поведенческая модель рассматривает взаимодействия объектов во временномаспекте.
Первыедве модели описывают статические аспекты функционирования проблемной области, атретья модель — динамику изменения ее состояний. Естественно, что для различныхклассов задач могут требоваться разные виды моделей, а следовательно, иориентированные на них методы представления знаний. Рассмотрим каждую изпредставленных видов моделей.
Объектнаямодель — отражение на семантическом уровне фактуального знания о классахобъектов, их свойств и отношений.
Концептуальноепроектирование — сбор, анализ и редактирование требований к данным. Для этогоосуществляются следующие мероприятия:
– обследованиепредметной области, изучение ее информационной структуры;
– выявлениевсех фрагментов, каждый из которых характеризуется пользовательскимпредставлением, информационными объектами и связями между ними, процессами надинформационными объектами
— моделирование и интеграция всех представлений
Поокончании данного этапа получаем концептуальную модель, инвариантную кструктуре базы данных. Часто она представляется в виде модели«сущность-связь».
Логическоепроектирование — преобразование требований к данным в структуры данных. Навыходе получаем СУБД-ориентированную структуру базы данных и спецификацииприкладных программ. На этом этапе часто моделируют базы данных применительно кразличным СУБД и проводят сравнительный анализ моделей.
Физическоепроектирование — определение особенностей хранения данных, методов доступа ит.д.
14Особенности экспертныхсистем экономического анализа
Архитектураэкспертной системы экономического анализа (особенности формирования базызнаний, выбора методов логического вывода, пользовательского интерфейса) вомногом зависит от целей и глубины анализа: внешнего (для сторонних организаций)или внутреннего (для самого предприятия).
Внешнийэкономический анализ проводится внешними для предприятия субъектами:инвесторами, кредиторами, партнерами, поставщиками, аудиторами, налоговыми итаможенными службами, страховыми организациями и т.д. Для внешнего анализаиспользуются интерпретирующие экспертные системы.
Цельювнешнего анализа предприятия является определение общего состояния предприятия,т.е. интерпретация его экономического положения с точки зрения выявлениявозможностей эффективного взаимодействия с ним внешних организаций
Интеллектуальнаясистема моделирования бизнес-процессов предназначена для анализа надолговременной основе эффективности организации бизнес-процессов,прогнозирования последствий реализации рекомендаций по реинжинирингубизнес-прцессов.
Наиболеезарекомендовавшим себя методом внешнего анализа, интегрирующим множестворазличных экономических показателей предприятия, служит рейтинговый метод.
Вслучае применения экспертной системы внутреннего финансового анализа FINEX экспертизаосуществляется автоматически на основе введенных данных финансовой отчетности.
Функциямиэкспертной системы финансового анализа предприятия являются:
— Ввод и проверка правильности составления бухгалтерской отчетности;
— Анализ финансового состояния предприятия;
— Анализ результатов финансово-хозяйственной деятельности предприятия и диагностикаэффективности использования ресурсов.
Анализфинансового состояния предприятия предполагает комплексную рейтинговую иклассификационную оценку платежеспособности и финансовой устойчивости предприятия.
Дляинтерпретации данных используются рейтинговый или классификационный методы. Чембольше признаков (факторов) оценки ситуации, тем предпочтительнее рейтинговыйметод по сравнению с классификационным.
Рейтинговыйметод — получение суммарной оценки ситуации по ряду независимых признаков, приэтом используется дизъюнктивный подход к построению правил. Этот метод неточный,гибкий.
Классификационныйметод — ситуации классифицируются как различные комбинации значений признаков,при этом используется конъюнктивный подход к построению правил. Этот метод точный,жесткий.