Классификация интеллектуальных информационных систем

    Классификация интеллектуальных информационных систем

    Интеллектуальная  информационная система (ИИС) основана на концепции использования базы знаний для генерации алгоритмов решения прикладных задач различных  классов в зависимости от конкретных информационных потребностей пользователей.

    Для ИИС характерны следующие признаки:

    развитые  коммуникативные способности;

    умение  решать сложные плохо формализуемые  задачи;

    способность к самообучению;

    адаптивность.

    Каждому из перечисленных признаков условно  соответствует свой класс ИИС. Различные  системы могут обладать одним  или несколькими признаками интеллектуальности с различной сте-пенью проявления.

    Средства  ИИ могут использоваться для реализации различных функций, выполняемых ИИС. На рисунке приведена классификация ИИС, признаками которой являются следующие интел-лектуальные функции:

    коммуникативные способности - способ взаимодействия конечного  пользователя с системой;

    решение сложных плохо формализуемых задач, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, характеризующейся неопределеннос-тью и динамичностью исходных данных и знаний;

    способность к самообучению - умение системы  автоматически извлекать знания из накопленного опыта и применять их для решения задач;

    адаптивность - способность системы к развитию в соответствии с объективными изменениями  области знаний. 

    Искусственный интеллект в информационных системах

    Искусственный интеллект (ИИ) как наука существует около полувека. Первой интеллектуальной системой считается программа "Логик-Теоретик", предназначенная для доказательства теорем и исчисления высказываний. Ее работа впервые была продемонстрирована 9 августа 1956 г. В создании программы участвовали такие известные ученые, как А. Ньюэлл, А. Тьюринг, К. Шеннон, Дж. Лоу, Г. Саймон и др. За прошедшее с тех пор время в области ИИ разработано великое множество компьютерных систем, которые принято называть интеллектуальными. Области их применения охватывают практически все сферы человеческой деятельности, связанные с обработкой информации.

    Центральные задачи ИИ состоят в том, что бы сделать компьютеры более полезными  и чтобы понять принципы, лежащие  в основе интеллекта. В связи с  этим ученым и инженерам, специализирующимся в вычислительной технике, необходимо знать, каким образом ИИ может помочь им в разрешение трудных проблем.

    Существует  множество областей применения ИИ: доказательства теорем; игры; распознавание  образов; принятие решений; адаптивное программирование; сочинение машинной музыки; обработка данных на естественном языке; обучающиеся сети (нейро-сети); вербальные концептуальные обучения.

    На  сегодняшний день не существует единого  определения, которое однозначно описывает  эту научную область. Среди многих точек зрения на нее доминируют следующие три.

    Согласно  первой исследования в области ИИ относятся к фундаментальным, в  процессе которых разрабатываются  новые модели и методы решения  задач, традиционно считавшихся  интеллектуальными, не поддававшихся ранее формализации и автоматизации.

    Согласно  второй точке зрения это направление  связано с новыми идеями решения  задач на ЭВМ, с разработкой новых  технологий программирования и с  переходом к компьютерам не фон-неймановской архитектуры.

    Третья  точка зрения, наиболее прагматическая, основана на том, что в результате исследований, проводимых в области  ИИ, появляется множество прикладных систем, способных решать задачи, для  которых ранее создаваемые системы  были непригодны. По последней трактовке ИИ является экспериментальной научной дисциплиной, в которой роль эксперимента заключается в проверке и уточнении интеллектуальных систем, представляющих собой аппаратно-программные информационные комплексы.

    Основные  направления исследований в области  искусственного интеллекта

    Интеллектуальные  информационные системы проникают  во все сферы нашей жизни, поэтому  трудно провести строгую классификацию  направлений, по которым ведутся  активные и многочисленные исследования в области ИИ. Рассмотрим кратко некоторые из них.

    Разработка  интеллектуальных информационных систем или систем, основанных на знаниях

    Это одно из главных направлений ИИ. Основной целью построения таких  систем являются выявление, исследование и применение знаний высококвалифицированных экспертов для решения сложных задач, возникающих на практике. При построении систем, основанных на знаниях (СОЗ), используются знания, накопленные экспертами в виде конкретных правил решения тех или иных задач. Это направление преследует цель имитации человеческого искусства анализа неструктурированных и слабоструктурированных проблем. В данной области исследований осуществляется разработка моделей представления, извлечения и структурирования знаний, а также изучаются проблемы создания баз знаний (БЗ), образующих ядро СОЗ. Частным случаем СОЗ являются экспертные системы (ЭС).

    Разработка  естественно-языковых интерфейсов  и машинный перевод

    Проблемы  компьютерной лингвистики и машинного  перевода разрабатываются в ИИ с 1950-х гг. Системы машинного перевода с одного естественного языка на другой обеспечивают быстроту и систематичность доступа к информации, оперативность и единообразие перевода больших потоков, как правило, научно-технических текстов. Системы машинного перевода строятся как интеллектуальные системы, поскольку в их основе лежат БЗ в определенной предметной области и сложные модели, обеспечивающие дополнительную трансляцию "исходный язык оригинала - язык смысла - язык перевода". Они базируются на структурно-логическом подходе, включающем последовательный анализ и синтез естественно-языковых сообщений. Кроме того, в них осуществляется ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных базах данных (БД). Данное направление охватывает также исследования методов и разработку систем, обеспечивающих реализацию процесса общения человека с компьютером на естественном языке (так называемые системы ЕЯ-общения).

    Генерация и распознавание речи

    Системы речевого общения создаются в  целях повышения скорости ввода информации в ЭВМ, разгрузки зрения и рук, а также для реализации речевого общения на значительном расстоянии. В таких системах под текстом понимают фонемный текст (как слышится).

    Обработка визуальной информации

    В этом научном направлении решаются задачи обработки, анализа и синтеза изображений. Задача обработки изображений связана с трансформированием графических образов, результатом которого являются новые изображения. В задаче анализа исходные изображения преобразуются в данные другого типа, например в текстовые описания. При синтезе изображений на вход системы поступает алгоритм построения изображения, а выходными данными являются графические объекты (системы машинной графики).

    Обучение  и самообучение

    Эта актуальная область ИИ включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний с использованием процедур анализа и обобщения данных. К данному направлению относятся не так давно появившиеся системы добычи данных (Data-mining) и системы поиска закономерностей в компьютерных базах данных (Knowledge Discovery).

    Распознавание образов

    Это одно из самых ранних направлений  ИИ, в котором распознавание объектов осуществляется на основании применения специального математического аппарата, обеспечивающего отнесение объектов к классам, а классы описываются совокупностями определенных значений признаков.

    Игры  и машинное творчество

    Машинное  творчество охватывает сочинение компьютерной музыки, стихов, интеллектуальные системы  для изобретения новых объектов. Создание интеллектуальных компьютерных игр является одним из самых развитых коммерческих направлений в сфере разработки программного обеспечения. Кроме того, компьютерные игры предоставляют мощный арсенал разнообразных средств, используемых для обучения.

    Программное обеспечение систем ИИ

    Инструментальные  средства для разработки интеллектуальных систем включают специальные языки  программирования, ориентированные  на обработку символьной информации (LISP, SMALLTALK, РЕФАЛ), языки логического  программирования (PROLOG), языки представления знаний (OPS 5, KRL, FRL), интегрированные про-граммные среды, содержащие арсенал инструментальных средств для создания систем ИИ (КЕ, ARTS, GURU, G2), а также оболочки экспертных систем (BUILD, EMYCIN, EXSYS Professional, ЭКСПЕРТ), которые позволяют создавать прикладные ЭС, не прибегая к программированию.

    Новые архитектуры компьютеров

    Это направление связано с созданием  компьютеров не фон-неймановской архитектуры, ориентированных на обработку символьной информации. Известны удачные промышленные решения параллельных и векторных компьютеров, однако в настоящее время они имеют весьма высокую стоимость, а также недостаточную совместимость с сущест-вующими вычислительными средствами.

    Интеллектуальные  роботы

    Создание  интеллектуальных роботов составляет конечную цель робототехники. В настоящее время в основном используются программируемые манипуляторы с жесткой схемой управления, названные роботами первого поколения. Несмотря на очевидные успехи отдельных разработок, эра интеллектуальных автономных роботов пока не наступила. Основными сдерживающими факторами в разработке автономных роботов являются нерешенные проблемы в области интерпретации знаний, машинного зрения, адекватного хранения и обработки трехмерной визуальной информации.

    Основные  виды и технологии интеллектуальных информационных систем

    Интеллектуальная  информационная система (ИИС) основана на концепции использования базы знаний для генерации алгоритмов решения прикладных задач различных  классов в зависимости от конкретных информационных потребностей пользователей.

    Для ИИС характерны следующие признаки:

    развитые  коммуникативные способности;

    умение  решать сложные плохо формализуемые  задачи;

    способность к самообучению;

    адаптивность.

    Каждому из перечисленных признаков условно  соответствует свой класс ИИС. Различные  системы могут обладать одним или несколькими признаками интеллектуальности с различной сте-пенью проявления.

    Средства  ИИ могут использоваться для реализации различных функций, выполняемых  ИИС. На рисунке приведена классификация  ИИС, признаками которой являются следующие  интел-лектуальные функции: коммуникативные способности - способ взаимодействия конечного пользователя с системой; решение сложных плохо формализуемых задач, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, характеризующейся неопределеннос-тью и динамичностью исходных данных и знаний; способность к самообучению - умение системы автоматически извлекать знания из накопленного опыта и применять их для решения задач; адаптивность - способность системы к развитию в соответствии с объективными изменениями области знаний.

    Знание  – основа интеллектуальной системы  Многие виды умственной деятельности человека, такие, как написание программ для вычислительной машины, занятие  математикой, ведение рассуждений  на уровне здравого смысла и даже вождение автомобиля – требуют "интеллекта". На протяжении последних десятилетий было построено несколько типов компьютерных систем, способных выполнять подобные задачи.

    Имеются системы, способные диагностировать  заболевания, планировать синтез сложных синтетических соединений, решать дифференциальные уравнения в символьном виде, анализировать электронные схемы, понимать ограниченный объем человеческой речи и естественного языкового текста. Можно сказать, что такие системы обладают в, некоторой степени, искусственным интеллектом.

    При реализации интеллектуальных функций  непременно присутствует информация, называемая знаниями. Другими словами, интеллектуальные системы являются в то же время системами обработки  знаний. В настоящее время в  исследованиях по искусственному интеллекту выделились несколько основных направлений.

    Представление знаний. В рамках этого направления  решаются задачи, связанные с формализацией  и представлением знаний в памяти системы ИИ. Для этого разрабатываются  специальные модели представления знаний и языки описания знаний, внедряются различные типы знаний. Проблема представления знаний является одной из основных проблем для системы ИИ, так как функционирование такой системы опирается на знания о проблемной области, которые хранятся в ее памяти.

    Манипулирование знаниями. Чтобы знаниями можно было пользоваться при решении задачи, следует научить систему ИИ оперировать  ими. В рамках данного направления  разрабатываются способы пополнения знаний на основе их неполных описаний, создаются методы достоверного и правдоподобного вывода на основе имеющихся знаний, предлагаются модели рассуждений, опирающихся на знания и имитирующих особенности человеческих рассуждений. Манипулирование знаниями очень тесно связано с представлением знаний, и разделить эти два направления можно лишь условно.

    Общение. В круг задач этого направления  входят: проблема понимания и синтеза  связных текстов на естественном языке, понимание и синтез речи, теория моделей коммуникаций между человеком  и системой ИИ. На основе исследований в этом направлении формируются методы построения лингвистических процессов, вопросно-ответных систем, диалоговых систем и других систем ИИ, целью которых является обеспечение комфортных условий для общения человека с системой ИИ.

    Восприятие. Это направление включает разработку методов представления информации о зрительных образах в базе знаний, создание методов перехода от зрительных сцен к их текстовому описанию и  методов обратного перехода, создание средств, порождающих зрительные сцены на основе внутренних представлений в системах ИИ.

    Обучение. Для развития способности систем ИИ к обучению, т.е. к решению за-дач, с которыми они раньше не встречались, разрабатываются методы формирования условий задач по описанию проблемной ситуации или по наблюдению за ней, методы перехода от известного решения частных задач (примеров) к решению общей задачи, создание приемов разбиения исходной задачи на более мелкие и уже известные для систем ИИ. В этом направлении ИИ сделано еще весьма мало.

    Поведение. Поскольку системы ИИ должны действовать в некоторой окружающей среде, то необходимо разрабатывать некоторые поведенческие процедуры, которые позволили бы им адекватно взаимодействовать с окружающей средой, другими системами ИИ и людьми. Это направление в ИИ также разработано ещё очень слабо.

    В последние годы термин "знание" все чаще употребляется в информатике. Специалисты подчеркивают, что совершенствование  так называемых интеллектуальных систем (информационно-поисковых систем высокого уровня, диалоговых систем, базирующихся на естественных языках, интерактивных человеко-машинных систем, используемых в управлении, проектировании, научных исследованиях) во многом определяется тем, насколько успешно будут решаться задачи (проблемы) представления знаний.

    Системы с интеллектуальным интерфейсом

    Система с интеллектуальным интерфейсом Применение ИИ для усиления коммуникативных способностей информационных систем привело к появлению систем с интеллектуальным интерфейсом, среди которых можно выделить следующие типы:

    Интеллектуальные  базы данных. Позволяют в отличие  от традиционных БД обеспечивать выборку  необходимой информации, не присутствующей в явном виде, а выводимой из совокуп-ности хранимых данных.

    Естественно-языковой 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 ЕЯ-интерфейса необходимо решить проблемы морфологического, синтаксического и семантического анализа, а также задачу синтеза высказываний на естественном языке. При морфологическом анализе осуществляются распознавание и проверка правильности написания слов в словаре. Синтак-сический контроль предполагает разложение входных сообщений на отдельные компоненты, проверку соответствия грамматическим правилам внутреннего представления знаний и выявление недостающих частей. Семантический анализ обеспечивает установление смысловой правильности синтаксических конструкций. В отличие от анализа синтез высказываний заключается в преобразовании цифрового представления информации в представление на естественном языке.

    Гипертекстовые  системы. Используются для реализации поиска по ключевым словам в базах данных с текстовой информацией. Для более полного отражения различных смысловых от-ношений терминов требуется сложная семантическая организация ключевых слов. Решение этих задач осуществляется с помощью интеллектуальных гипертекстовых систем, в которых механизм поиска сначала работает с базой знаний ключевых слов, а затем - с самим текстом. Аналогичным образом проводится поиск мультимедийной информации, включающей кроме текста графическую информацию, аудио- и видеообразы.

    Системы контекстной помощи. Относятся к классу систем распространения знаний. Такие системы являются, как правило, приложениями к документации. Системы контекстной помощи - частный случай гипертекстовых и ЕЯ-систем. В них пользователь описывает проблему, а система на основе дополнительного диалога конкретизирует ее и выполняет поиск относящихся к ситуации рекомендаций. В обычных гипертекстовых системах, наоборот, компьютерные приложения навязывают пользователю схему поиска требуемой информации.

    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, освобождает пользователя от анализа тривиальных ситуаций, способствует быстрому освоению программных средств и повышению конкурентоспособности разрабатываемых ИИС. Применение когнитивной графики особенно актуально в системах мониторинга и оперативного управления, в обучающих и тренажерных системах, в оперативных системах принятия решений, работающих в режиме реального времени.

    Экспертные  системы

    Экспертные системы как самостоятельное направление в искусственном интеллекте сформировалось в конце 1970-х гг. История ЭС началась с сообщения японского комитета по разработке ЭВМ пятого поколения, в котором основное внимание уделялось развитию "интеллектуальных способностей" компьютеров с тем, чтобы они могли оперировать не только данными, но и знаниями, как это делают специалисты (эксперты) при выработке умозаключений. Группа по экспертным системам при Комитете British Computer Society определила ЭС как "воплощение в ЭВМ компоненты опыта эксперта, основанной на знаниях, в такой форме, что машина может дать интеллектуальный совет или принять решение относительно обрабатываемой функции". Одним из важных свойств ЭС является способность объяснить ход своих рассуждений понятным для пользователя образом.

    Область исследования ЭС называют "инженерией знаний". Этот термин был введен Е. Фейгенбаумом и в его трактовке означает "привнесение принципов и инструментария из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов". Другими словами, ЭС применяются для решения неформализованных проблем, к которым относят задачи, обладающие одной (или несколькими) из следующих характеристик:

    задачи  не могут быть представлены в числовой форме;

    исходные  данные и знания о предметной области  обладают неоднозначностью, неточностью, противоречивостью;

    цели  нельзя выразить с помощью четко определенной целевой функции;

    не  существует однозначного алгоритмического решения задачи;

    алгоритмическое решение существует, но его нельзя использовать по причине большой  размерности пространства решений  и ограничений на ресурсы (времени, памяти).

    Главное отличие ЭС и систем искусственного интеллекта от систем обработки данных состоит в том, что в них  используется символьный, а не числовой способ представления данных, а в  качестве методов обработки информации применяются процедуры логического вывода и эвристического поиска решений.

    ЭС  охватывают самые разные предметные области, среди которых лидируют бизнес, производство, медицина, проектирование и системы управления.

    Во  многих случаях ЭС являются инструментом, усиливающим интеллектуальные способности эксперта. Кроме того, ЭС может выступать в роли:

    консультанта  для неопытных или непрофессиональных пользователей;

    ассистента  эксперта-человека в процессах анализа  вариантов решений;

    партнера  эксперта в процессе решения задач, требующих привлечения знаний из разных предметных областей.

    Для классификации ЭС используются следующие  признаки:

    способ  формирования решения;

    способ  учета временного признака;

    вид используемых данных и знаний;

    число используемых источников знаний.

     
По способу формирования решения ЭС можно разделить на анализирующие и синтезирующие. В системах первого типа осуществляется выбор решения из множества известных решений на основе анализа знаний, в системах второго типа решение синтезируется из отдельных фрагментов знаний.

    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.

    Экспертные  системы, решающие задачи распознавания  ситуаций, называются классифицирующими, поскольку определяют принадлежность анализируемой ситуации к некоторому классу. В качестве основного метода формирования решений используется метод логического дедуктивного вывода от общего к частному, когда путем подстановки исходных данных в некоторую совокупность взаимосвязанных общих утверждений получается частное заключение.

    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. В качестве методов работы с неопределенностями могут использоваться байесовский вероятностный подход, коэффициенты уверенности, нечеткая логика. Доопределяющие экспертные системы могут использовать для формирования решения несколько источников знаний. В этом случае могут использоваться эвристические приемы выбора единиц знаний из их конфликтного набора, например, на основе использования приоритетов важности, или получаемой степени определенности результата, или значений функций предпочтений и т.д.

    Для аналитических задач классифицирующего и доопределяющего типов характерны следующие проблемные области:

    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. Типичным примером является экспертная система анализа финансового состояния предприятия.