Тема 5. Интеллектуальные информационные системы

База целей - база данных + база знаний.

Интеллектуальной называется система, которая целеустремлённо изменяет параметры своего функционирования и способ поведения, в зависимости от состояния информационных входов, изменять не только параметры функционирования, но и сам способ своего поведения, который зависит как от текущего состояния информационных входов, но также и от предыдущих состояний системы.

Классификация ИИС

1. Коммуникативные способности (интеллектуальный интерфейс)

· Интеллектуальные базы данных

· Естественно-языковой интерфейс

· Гипертекстовые системы

· Контекстные системы помощи

· Контекстная графика

. Решение сложных задач (экспертные системы)

· Классифицирующие системы

· Доопределяющие системы

· Трансформирующие системы

· Многоагентные системы

. Способность к самообучению (самообучающиеся системы)

· Индуктивные системы

· Нейронные сети

· Системы на прецедентах

· Информационные хранилища

. Адаптивные ИС (адаптивность)

· CASE - технологии

· Компонентные технологии.

Интеллектуальные базы данных позволяют в отличие от традиционных БД обеспечивать выборку необходимой информации, не присутствующей в явном виде, выводимой из совокупности хранимых данных.

Естественно-языковый интерфейс - применяется для доступа к интеллектуальным базам данных, контекстного поиска документальной текстовой информации, голосового ввода команд в системах управления, машинного перевода с иностранных языков.

Для реализации естественно-языкового интерфейса решаются проблемы морфологического, синтаксического и семантического анализа, а также задач синтеза высказываний на ЕЯ. Так, морфологический анализ предполагает распознавание и проверку правильности написания слов по словарям, синтаксический контроль - разложение входных сообщений на отдельные компоненты (определение структуры) с проверкой соответствия грамматическим правилам внутреннего представления знаний и выявления недостающих частей, и, наконец, семантический анализ - управление смысловой правильности синтаксических конструкций.

Синтез высказываний решает обратную задачу преобразования внутреннего представления информации в естественно-языковую.

Гипертекстовые системы используются для реализации поиска по ключевым словам в базах данных с текстовой информацией. Для более полного отражения различных смысловых отношений терминов требуется сложная семантическая организация ключевых слов.

Решение этих задач осуществляется с помощью интеллектуальных гипертекстовых систем, в которых механизм поиска работает сначала с базой знаний ключевых слов, а затем - с самим текстом.

Системы контекстной помощи относятся к классам систем распространения знаний. Также системы, как правило, являются приложениями к документации. Системы контекстной помощи - частный случай гипертекстовых и ЕЯ-систем.

Системы когнитивной графики - ориентированы на общение с пользователем ИИС посредством графических образов, которые генерируются в соответствии с изменениями параметров моделируемых или наблюдаемых процессов. Когнитивная графика позволяет в наглядном и выразительном виде представить множество параметров, характеризующих изучаемое явление.

Индивидуализм субъекта восприятия внешнего мира и себя сквозь призму (познавательной системы - персональных конструкторов).

Под экспертными системами понимается программные системы, выполняющие действия, аналогичные тем, которые выполняет эксперт в некоторой прикладной предметной области, делая определённые заключения в ходе выдачи советов и консультаций.

Самообучающиеся ИИС основаны на методиках автоматической классификации ситуации из реальной практики, или на методах обучения на примерах. Примеры реальных ситуаций составляют так называемую обучающую выборку. Её элементы описываются множеством классификационных признаков.

Стратегия «обучения с учителем» предполагает задание специалистом для каждого примера значений признаков, показывающих его отношение к определённому классу ситуаций.

При «обучении без учителя» система должна самостоятельно выделять классы ситуаций по степени близости классификационных признаков.

В результате обучения системы автоматически строятся обобщённые правила или функции, определяющие принадлежность ситуаций классам, которыми обученная система пользуется при интерпретации новых возникающих ситуаций.

Таким образом, автоматически формируется база знаний, используемая при решении задач классификации и прогнозирования. Эта база знаний периодически автоматически корректируется по мере накопления опыта реальных ситуаций, что позволяет сократит затраты на её создание и обновление.

Индуктивные системы позволяют обобщать примеры на основе принципа индукции «от частного к общему». Процедура обобщения сводится к классификации примеров по значимым признакам. Алгоритм классификации включает следующие основные шаги:

· Выбор классификационного признака из множества заданных.

· Разбиение множества примеров на подмножества по значению выбранного признака.

· Проверка принадлежности каждого подмножества примеров одному из классов.

· Проверка окончания процесса классификации по совпадению классификационного признака.

· При несовпадении признаков процесс повторяется снова.

Примером инструментальных средств, поддерживающих индуктивный вывод знаний, являются

1. 1^st Class (Programs in Motion)

. Rule master (Radian Corp.)

3. ИЛИАС (Argus Soft)

. KAD (ИПС Переяславль-Залесский)

Нейронные сети - в результате обучения на примерах строятся математические решающие функции (передаточные функции или функции активации), которые определяют зависимости между входными и выходными признаками (сигналами).

Каждая такая функция, называемая по аналогии с элементарной единицей человеческого мозга - нейроном, отображает зависимость значения выходного признака от взвешенной суммы значений входных признаков, в которой вес входного признака показывает степень влияния входного признака на выходной.

Чтобы создать нейронную сеть для решения какой-либо конкретной задачи, следует выбрать способ соединения и подобрать значения параметров межнейронных соединений.

Примеры:

1. «Система прогнозирования динамики биржевых курсов для Chemical Bank»

. Система прогнозирования для Лондонской фондовой биржи»

. «Управление инвестициями для Mellon Bank»

В системах, основанных на прецедентах БЗ содержит описания конкретных ситуаций (прецедентов).

Поиск решения основывается на базе аналогий и включает следующие этапы:

1. Получение информации о текущей проблеме.

. Сопоставление полученной информации со значениями признаков прецедентов из базы знаний.

. Выбор прецедента из базы знаний, наиболее близкого к рассматриваемой проблеме.

. Адаптация выбранного прецедента к текущей проблеме.

. Проверка корректности каждого полученного решения.

. Занесение детальной информации о полученном решении в БЗ.

Прецеденты описываются множеством признаков, по которым строятся индексы быстрого поиска.

Эти системы, в отличии от индуктивных, допускают нечёткий поиск с получением альтернатив, каждая из которых оценивается некоторым коэффициентом уверенности.

Наиболее эффективные решения адаптируются к реальным ситуациям с помощью специальных алгоритмов.

Информационные хранилища - в отличие от интеллектуальной базы данных информационное хранилище представляет собой хранилище извлечённой значимой информации из оперативной базы данных, которое предназначено для оперативного анализа данных. Извлечение знаний из баз данных осуществляется регулярно.

Типичными задачами оперативного ситуационного анализа являются:

1. Определение профиля потребителей конкретного товара

. Предсказание изменений ситуации на рынке.

. Анализ зависимостей признаков ситуации.

Для извлечения значимой информации из баз данных используются специальные методы, основанные на применении многомерных статистических таблиц, или индуктивных методов построения деревьев решений, или нейронных сетей.

Технология OLAP - предоставляет пользователю средства формирования и проверки гипотез о свойствах данных или отношения между ними на основе разнообразных запросов к базе данных. Они применяются на ранних стадиях процесса извлечения знаний, помогая определить наиболее важные переменные. Средства Data Mining отличаются от OLAP тем, что кроме проверки предполагаемых зависимостей они способны самостоятельно генерировать гипотезы о закономерностях, существующих в данных, и строить количественные модели оценки степени взаимного влияния исследуемых факторов.

Адаптивные информационные системы в случаях постоянного развития поддерживаемых ими областей.

Требования:

1. Адекватно отражать знания проблемной области в каждый момент времени

. Быть пригодным для быстрой и лёгкой реконструкции при изменении проблемной среды.

Адаптивные свойства информационных систем обеспечиваются за счёт интеллектуализации их архитектуры. Их ядром является постоянно развиваемая модель проблемной области, поддерживаемая в специальной БЗ - репозитории.

Ядро системы управляет процессами генерации или переконфигурирования программного обеспечения. В процессе их разработки применяется оригинальное или типовое проектирование.

Реализация подхода оригинального проектирования основана на использовании систем автоматического проектирования.

При типовом проектировании осуществляется адаптация типовых разработок к особенностям проблемной области.

Для реализации этого подхода применяются инструментальные средства компонентного проектирования информационных систем.

Главное отличие подходов состоит в том, что при использовании CASE - технологии на основе репозитории при изменении проблемной области каждый раз выполняется генерация программного.

Предмет технологии и ИИС - знания.

При обработке на ЭВМ знания трансформируются аналогично данным:

1. Знания, существующие в памяти человека как результат обучения, воспитания, мышления.

. Знания, помещённые на материальных носителях - учебниках, инструкциях, методических пособиях, книгах.

. Знания, описанные на языках представления знаний.

Для хранения знаний используются базы знаний.

Они отличаются от БД сравнительно небольшими объёмами, но исключительно дорогими информационными массивами.

Классификация знаний:

1. Фактурные (предметные) - знания фактов и видимых взаимосвязях между отдельными событиями и фактами в предметной области.

· Процедурные

· Декларативные

. Глубинные - абстракции, аналогии, схемы, отображающие структуры и процессы в предметной области.

Логический уровень ИИС и технологий - это совокупность моделей.

Интеллектуальная логическая модель - основанная на системе исчисления предикатов первого порядка.

Классификация методов представления знаний:

1. По степени структурированности знаний

· На основе правил

· Объектные модели

. По степени определённости

· Логическая модель (предикаты)

· Продукционная модель - нечётная логика, условные вероятности)

. По степени динамичности

· Статистическая

· Динамическая

. По степени операционности

· Семантическая сеть

· Фреймы

· Объективно-ориентированные модели.

Продукционная система

Фрейм - модель абстрактного образца, минимально возможное описание сущности какого-либо объекта, явления, события, ситуации, процесса. Фрейм состоит из имени и отдельных единиц, называемых слотами. Он имеет однородную структуру: ИМЯ ФРЕЙМА Имя 1-го слота: значение 1-го слота Имя 2-го слота......Имя н-го слота. В качестве слота может выступать имя другого фрейма. Таким образом фреймы объединяются в сеть. Свойства фреймов наследуется сверху вниз, т.е. от вышестоящих к нижестоящим через АКО-связи. Слот с именем АКО указывает на имя фрейма более высокого уровня иерархии.

Фрейм - как объект. (примеры, анналист, тристан, альтерид, модис).

Термин «семантическая сеть» возник в 1968-69 году в работах Куиллиана. Подразумевает целый класс общих подходов, для которых характерно использование графических схем с узлами, соединёнными дугами. Особенность состоит в том, что в теории семантических сетей рассматриваются не только графы-деревья, но циклические и полносвязные графы. Кроме того отдельно и особо исследуются возможные типы отношений.

Экспертные системы

Особый класс систем искусственного интеллекта образует экспертные системы, включающие знания специалистов о некоторой слабо структурированной и трудно формализуемой узкой предметной области и способные в этой области предлагать и объяснять «разумные» решения.

Их основными назначениями являются:

. Интерпретация данных

. Диагностика состояния технического устройства или больного.

. Мониторинг

. Прогнозирование вероятного развития событий

. Планирование последовательности действий для достижения целей

. Интеллектуальная поддержка принятия решений органами управления в различных областях деятельности

. Обучение будущих специалистов и т.д.

Определения:

Экспертные системы - сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опят для консультации менее квалифицированных специалистов.

Экспертная система - программа для компьютера, которая оперирует со знаниями в определённой предметной области с целью выработки рекомендаций или решения проблем.

Экспертная система отличается от прикладных программ:

1. Моделирует не столько физическую природу определённой проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области, чем отличается от систем математического моделирования и компьютерной анимации.

. Формирует определённые соображения и выводы, основываясь на тех значениях, которыми она располагает. Знания в системе представлены, как правило, на некотором специальном языке программного кода, который и формирует выводы и соображения. Этот компонент программы - база данных.

При решении задач основными являются эвристические и приближённые методы, которые, в отличие от алгоритмических, не всегда гарантируют успех.

Эвристика, по существу, является правилом влияния, которое в машинном виде представляет некоторое знание, приобретённое человеком по мере накопления практического опыта решения аналогичных проблем. Такие методы являются приблизительными в том смысле, что, во-первых, они не требуют исчерпывающей исходной информации, и, во-вторых, существует определённая степень уверенности в том, что предполагаемое решение является верным.

Экспертные системы отличаются и от других видов программ из области искусственного интеллекта.

Экспертные системы имеют дело с предметом реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком.

Экспертные системы имеют ярко выраженную практическую направленность в научной или коммерческой областях.

Одной из основных характеристик экспертной системы является её производительность, т.е., скорость получения результат и его достоверность. Исследовательские программы искусственного интеллекта могут и не быть очень быстрыми, можно примириться и с существованием в них отказов в отдельных ситуациях, поскольку, в конце концов, - это инструмент исследования, а не программный продукт. А вот экспертная система должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.

Экспертная система должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность.

Классификация экспертных систем:

Классификация по решаемой задаче

. Мониторинг

· Контроль за работой электростанций, помощь диспетчерам атомного реактора.

· Контроль аварийных датчиков на химическом заводе.

. Проектирование состоит в подготовке спецификаций на «создание» объектов с заранее определёнными свойствами.

· Проектирование конфигураций ЭВМ

· Синтез электрических цепей

. Прогнозирование

Позволяет предсказывать последствия некоторых событий или явлений на основании анализа имеющихся данных.

· Предсказание погоды

· Оценки будущего урожая

· Прогнозы в экономике

. Планирование - нахождение планов действия, относящихся к объектам, способным выполнять некоторые функции.

· Планирование поведения робота

· Планирование промышленных заказов

· Планирование эксперимента.

. Обучение - использование компьютера для обучения какой-то дисциплине или предмету.

· Обучение языку программирования ЛИСП в системе «Учитель ЛИСПа»

· Система PROUST - обучение языку Паскаль.

Определение элементов структурной схемы

. Решатель или подсистема логического вывода, представляет собой программу, обеспечивающую автоматический вывод решения формулируемых пользователем или экспертом задач на основе знаний, хранящихся в базе знаний.

. Инженер по знаниям - специалист по ИИ, помогающий эксперту вводить знания в базу знаний.

. Эксперт - специалист в экспертной области, способный принимать экспертные решения и формулирующие знания о ПО для ввода их в БЗ.

. Редактор базы знаний - программа, предназначенная для ввода БЗ новых знаний о ПО для представления их в БЗ.

. Пользователь ЭС - специалист в данной ПО, квалификация которого уступает квалификации эксперта.

. Интерфейс пользователя - комплекс программ, обеспечивающий удобный диалог с ЭС при вводе запросов на решение экспертных задач и получения результатов.

. Подсистема объяснений представляет собой программу, которая позволяет пользователю выполнить трассировку логического вывода и получить мотивировку умозаключений на каждом этапе вывода.

Самооценка ЭС: ЭС должна быть способна к метарассуждениям, т.е. рассуждениям о собственной работе и структуре. Тогда метазнания можно применить для:

. Обнаружения целесообразности применения правил.

. Адаптация системы к изменившейся обстановке.

. Явного указания возможностей и ограничений ЭС неизвестных разработчикам.

Категории инструментальных программ

Инструментальные программы среда программирования, поддерживающая несколько парадигм