Интеллектуальные информационные системы

Интеллектуальные информационные системы

Искусственный интеллект (ИИ) — различными авторами трактуется по разному. Но большинство согласно, что оно базируется на двух главных идеях: изучение мыслительных процессов человека и представление этих процессов с помощью машин (компьютеров, роботов и тд).

Выделяют три основных цели разработок в области Искусственного Интеллекта:

сделать машины умнее (первоначальная цель)

понять, что такое интеллект (научная цель)

сделать машины более полезными (предпринимательская цель)

Подинтеллектуальным поведением понимается такое поведение машины, которое соответствует человеческому.

Интеллектуальным может быть названо, например, следующее поведение:

самообучение

понимание двусмысленных или противоречивых сообщений

быстрое и правильное реагирование на новую ситуацию

эффективное использование процедуры заключений (выводов) для решения проблем

анализ сложных ситуаций

предсказание

Дисциплины искусственного интеллекта:

понимание речи (разработки направлены на распознование потока речи)

обработка естественного языка

интеллектуальное обучение (как пример — открытые диалоги, модули проверки знаний обучающихся, система адаптированного тестового контроля)

компьютерное зрение

робототехника

экспертные системы (одно из первых направлений ИИ)

нечеткая логика

нейрокомпьютинг (проектирование, создание, и использование аппаратных и программных нейронных сетей)

автоматическое программирование (например, case-системы)

Основа ИИ — информатика и лингвистика.

Сильное влияние оказывают — психология, философия, инженения систем, управление.

Корни:психолингвистика, биология, адаптивные системы, когнитивная психология, философия языка, логика, робототехника, обработка изображений, распознавание образов, математика и статистика, исследование операций, управление информационными системами.

Степень формализации — это степень математического описания задачи, от которой во многом зависитэффективность работы всей системы, а также уровень автоматизации, определяемый степенью участия человека при принятии решения на основе получаемой информации.

Чем точнее математическое описание задач, тем выше возможности компьютерной обработки данных и тем меньше степень участия человека в процессе ее решения. Это и определяет степень автоматизации задачи.

По степени формализации выделяют три типа задач.

Структурированная (формализуемая) задача — это задача, где известны все ее элементы и взаимосвязи между ними.

В структурированной задаче удается выразить ее содержание в форме математической модели, имеющей точный алгоритм решения. Подобные задачи обычно приходится решать многократно, и они носят рутинный характер. Целью использования информационной системы для решения структурированных задач является полная автоматизация их решения, то есть сведение роли человека к нулю.

Структурированные задачи решаются обычными информационными системами (неинтеллектуальными).

Примеры: программа для записи компакт-дисков.

Неструктурированная (неформализуемая) задача — это задача, в которой невозможно выделить элементы и установить между ними связи.

Решение неструктурированных задач из-за невозможности создания математического описания и разработки алгоритма связано с большими трудностями. Возможности использования информационной системы здесь невелики. Решение в таких случаях принимается человеком из эвристических соображений на основе своего опыта, и, возможно косвенной информации из разных источников.

Поскольку эти задачи неструктурированные, информационные системы для них построить невозможно (потому что нет информации) и такую задачу приходится решать человеку.

Частично структурированная (плохо (слабо, трудно) формализуемая) задача — задача, в которой известна лишь часть ее элементов и связей между ними.

Решение плохо формализуемых задач предшествуют этапы преобразования их формулировки, уточнений и упрощений. Результатом этих этпов является получение комплекса формализованных задач, имеющего некоторое отношение к исходной задаче. Необходимо знание этого отношения, иначе точность, достигаемая формальными методами, может оказаться бесполезной.

Для решения таких задач и разбрабатываются интеллектуальные системы.

Разновидности:

- нестационарные задачи — отличаются эволюцией информации об объекте и модельных представлений о нем;

- задачи с расплывчатым отражением некоторых зависимостей и плохо определенными ограничениями;

- задачи с несовместимыми системами условий и ограничений и неопределенным понятием решения (неособенные задачи);

- задачи, в которых оценка решения производится по системе несогласованных (противоречивых) критериев;

- задачи с неоднозначно определенным решением;

-неустойчивыеилинекорректныезадачи.

Intelligent system is a system with artificial intelligence.

Интеллектуальные системы - это системы с искусственным интеллектом.

Интеллектуальные системы — это любые биологические, искусственные или формальные системы, проявляющие способность к целенаправленному поведению (общению, накоплению знаний, принятию решений, обучению, адаптации и тд.).

Интеллектуальная система (intelligent system) — это техническая или программная система, способная решать задачи, традиционно являющиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы.

Интеллектуальная информационная система (ИИС) — это разновидность интеллектуальной системы, один из видов информационных систем, иногда ИИС называют системой, основанной на знаниях. ИИС представляет собой комплекс программных, лингвистических и логико-математических средств для реализации основной задачи: осуществление поддержки деятельности человека и поиска информации в режиме продвинутого диалога на естественном языке.

Обычная информационная система обрабатывает информацию.

ИИС — основана на знаниях.

Задачи, решаемые интеллектуальной информационной системой:

интерпретация данных; (анализ)

диагностика; (анализ)

мониторинг; (анализ)

проектирование; (синтез)

прогнозирование;

планирование; (анализ и синтез)

обучение;

управление; (анализ и синтез)

поддержка принятия решений. (анализ и синтез т. к. решений может быть множество, и оно потенциально не ограничено)

Это могут быть задачи анализа и задачи синтеза.

В задачах анализа множество решений может быть перечислено и включено в систему.

В задачах синтеза множество решений потенциально не ограничено и строится из решений компонент или подпроблем.

Структура исследований в области искусственного интеллекта

Исследования, направленные на решение отдельных интеллектуальных задач:

1.1 Программы компьютерного доказательства теорем

1.2 Игровые программы

1.3 Распознающие и узнающие программы

1.4 Программы для семантического анализа и обработки естественно-языковой информации:

1.4.1 Машинный поиск в базах данных естественно-языковых документов

1.4.2 Машинный переход

1.4.3 Автоматическое реферирование

1.4.4 Автоматическая классификация документов

1.4.5 Генерация (синтез) текста

1.4.6 Генерация (синтез) речи

1.5 Программы, моделирующие поведение

1.6 Программы для анализа и синтеза музыкальных произведений

Работа со знаниями:

2.1 Методы и средства предстаавления знаний:

2.1.1 Модели знаний:

2.1.1.1 Логические модели

2.1.1.2 Продуционные модели

2.1.1.3 Фреймы

2.1.1.4 Семантические сети

2.1.1.5 Онтологии

2.1.1.6 Объектно-ориентированные модели

2.1.2 Системы представления знаний и базы знаний

2.2 Методы и средства извлечения знаний из различных источников:

2.2.1 Приобретение знаний от экспертов

2.2.2 Извлечение знаний из документов

2.2.3 Согласование и интеграция знаний

2.3 Методы обработки знаний:

2.3.1 Поиск знаний

2.3.2 Верификация знаний

2.3.3 Систематизация знаний

2.3.4 Вывод из знаний

2.3.5 Обработка нечётких знаний

2.3.6 Аргументация и объяснение на основе знаний

3. Интеллектуальное программирование

3.1. Языки для интеллектуальных систем

3.1.1. Языки логического и программного программирования

Объективно-ориентированные языки

Языки представления знаний

Языки семитической разметки

Автоматический синтез программ

Инструментальные средства

Интеллектуальные интерфейсы

Мультиагентные системы

Интеллектуальные автоматизированные системы

Нейропакеты

Интеллектуальные информационные системы

Экспертные системы

Интеллектуальные АСУ

Интеллектуальные САПР

Интеллектуальные АСНИ

Интеллектуальные компьютерные средства обучения

Интеллектуальные роботы

Интеллектуальные консультирующие системы

Системы управления знаниями

Системы виртуальной реальности

Экспертные системы – это интеллектуальная информационная система, предназначенная для решения слабо формализуемых задач на основе опыта работы экспертов в проблемной области.

Эксперт – специалист, знания которого помещаются в БЗ.

ЭС эмитирует процесс рассуждений эксперта при решение сложных задач.

Идея построения ЭС проста: формализовать знания людей-экспертов, вложить их и механизмы принятия решений в компьютерную систему и обращаться к ЭС как к консультантц.

Мошьность любой ЭС зависит, прежде всего от ее БЗ, это ядро системы.

Работа со знаниями включает в себя следующие этапы:

Накопление и извлечение знаний (от экспертов, книг и др. источников)

Формализация знаний или построение модели знаний о данной предметной области

Вывод на знаниях (получение решения в результате применения определённого набора правил к знаниям БЗ)

Представление решения в виде, понятного пользователю – не эксперта

Основные компоненты ЭС:

База знаний

Решатель (механизм вывода)

«Классная доска»

Интерфейс пользователя

Подсистема объяснений

Существует два режима ЭС

накопление знаний

консультирования

Процесс приобретения знаний заключается в извлечении знаний инженера по знаниям из экспертов или других источников, и внесение их в БЗ в виде фактов и правил.

В режиме консультации пользователь посылает ЭС запрос через интерфейс. ЭС реагирует на запрос с помощью механизма вывода (решателя). В БЗ активизируются факты и правила, соответствующие возникшей ситуации, они влекут за собой активизацию других фактов и правил, логически следующих из ситуации и так далее пока не будет найдено решение.

Промежуточные данные регистрируются на классной доске. Параллельно генерируется сценарий объяснения решения, которое при необходимости предоставляется пользователю.

Ограничения и недостатки:

знания экспертов зачастую трудно формализовать

процесс извлечения знаний из экспертов весьма трудоёмкий (2-3 года для типовой ЭС)

часто мнения экспертов не совпадают

пользователи ЭС имеют естественные интеллектуальные ограничения, поэтому многие не могут использовать всю мощность ЭС

ЭС хорошо работают только на ограниченных предметных областях

Большинство ЭС не имеют независимой подсистемы проверки решений, хотя решения выдают верные

Интерфейс ЭС основан на ограниченном словаре специальных терминов данной предметной области, которые понятны не всем пользователям ЭС

В разработке ЭС участвуют инженеры по знаниям, которые являются редким и дорогостоящими специалистами, это делает ЭС слишком дорогими

Для ЭС допустимо принятие неверных решений, иногда это отталкивает конечных пользователей

Анализ коммерческих экспертных систем

Boychenko.kuzspa@gmail.com

10 экспертных систем

Коммерческие реально применяемых ЭС

Название системы, версия, функциональные возможности

Представление знаний в интеллектуальных информационных систем

Данные – это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.

Знания – это закономерности предметной области (принципы, связи, законы) полученные в результате практической деятельности.

Пирамида знаний:

Мудрость – способность использовать знания наилучшим образом

Метазнания – знания о знаниях

Знания – способность использовать информацию

Информация – потенциальный источник знаний

Данные – потенциальный источник информации

Шум – отсутствие видимых признаков информации

Классификация знаний:

Степень научности – научные – террористические, эмпирические

- вне научные – паранаучные, лженаучные, квазинаучные, антинаучные, псевдонаучные, обыденно-практические, личностные.

По источнику – априорные

- накапливаемые – экспертные, наблюдаемые, выводимые

По природе – декларативные (что?), процедурные (как?)

По степени формализации – не явные, явные

По глубине – поверхностные, глубинные

По характеру использования при решении задачи в некоторой предметной области – декларированные, процедурные, метазнания

По степени достоверности – имеющую определённую достоверность, знания с нечёткой степенью достоверности.

Представление знаний – это множество синтаксических, семантических соглашений которое делает возможность описание предмета.

Описание – позволяет использовать соглашение из представлений для описания определённых предметов.

Синтаксис представления – специфицирует набор правил регламентирующих объединение символов для формирования выражений на языке представлений.

Семантика представления – специфицирует, как должно интерпретироваться выражение, построенное в соответствии с синтаксическими правилами, т. Е. как из его формы можно извлечь какой-то смысл. Спецификация обычно выполняется присвоением смысла отдельным символам, а затем индицированием присвоения в более сложных выражениях.

Проблема представления знаний заключается в несоответствии между сведениями о зависимостях данной предметной области, имеющимися у специалиста , методами, используемыми им при решении задач, и возможностями формального представления такой информации в ЭВМ. Часто проблема усложняется трудностями для эксперта по формулированию в явном виде имеющиеся у него знания.

Частные проблемы:

Представление декларативных знаний как данных наделённых семантикой (фактов)

Представление процедурных данных как отношений между элементами модели

Представление метазнаний – правил обработки фактов, способов организации логических выводов, методов решения задач пользователями, порождение новых знаний.

Приобретение знаний – это передача потенциального опыта решения проблемы от источника знаний и преобразование его в вид который позволяет использовать знания в программе.

Приобретение знаний – процесс наполнение базы знаний экспертом с использованием специализированных программных средств.

Извлечение знаний – это процедура взаимодействия инженера по знаниям с источником знаний в результате которой эти знания преобразуется из не явной формы в явную.

Формирование знаний – анализ данных и выявления скрытых закономерностей с использованием специального математического аппарата и программных средств.

Методы извлечения знаний:

Коммуникативные – пассивные – наблюдение, протокол «мысли в слух», лекция

Активные – индивидуальные – анкетирование, интервью, диалог. Групповые – мозговой штурм, круглый стол, ролевые игры

Текстологические – анализ учебников, анализ литературы, анализ документов

Классификация моделей представления знаний:

Модели представлений знаний

Эмпирические модели – продукционные модели, сетевые модели, фреймовые модели, ленемы

Логические модел

Адрес публикации: https://www.prodlenka.org/metodicheskie-razrabotki/237114-intellektualnye-informacionnye-sistemy