 |
Этап 1: выбор подходящей проблемы
|
|
|
|
Интеллектуальные информационные системы. Классификация ИИС. Экспертные системы – определение, состав, классификация. Технология разработки экспертных систем.
Интеллектуальная информационнаясистема (ИИС) - комплекс программных, лингвистических и логико-математических средств для реализации основной задачи – осуществления поддержки деятельности человека и поиска информации в режиме продвинутого диалога на естественном языке. ИИС являются разновидностью интеллектуальной системы, а также одним из видов информационных систем.
Классификация ИИС.
Интеллектуальная информационная система основана на концепции использования базы знаний для генерации алгоритма решения прикладных задач различных классов в зависимости от конкретных информационных потребностей пользователя.
Для интеллектуальной информационной системы характерны следующие признаки:
1. Развитые коммуникативные способности;
2. Умение решать сложные, плохо формализуемые задачи;
3. Способность к самообучению;
4. Адаптивность;
Каждому из признаков соответствует свой класс. Различные системы могут обладать несколькими признаками с различной степенью проявления.
Полная классификация интеллектуальных систем
Системы с интеллектуальным интерфейсом
Интеллектуальная база данных, в отличии от обычных баз данных позволяет организовать выборку необходимой информации, не присутствующей в базе в явном виде, а выводимой из совокупности хранимых данных.
ESI, естественно-языковой интерфейс применяется для доступа к интеллектуальным базам данных, контекстного поиска информации, голосового ввода команд, машинный перевод, контекстный поиск и т.д.
|
|
|
Гипертекстовые системы используются для реализации поиска по ключевым словам в текстовых базах данных и образуют сложную семантическую систему.
Системы контекстной помощи являются системами распространения знаний и, как правило, являются приложениями к документации. Являются частным случаем естественно-языкового интерфейса и гипертекстовых систем. Содержат описание проблемы и производят поиск рекомендаций по решению данной проблемы.
Системы когнитивной графики ориентированы на общение с пользователем при помощи графических образов, которые генерируются в соответствии с изменением параметров моделируемых процессов. Когнитивная графика позволяет в наглядном виде представить множество параметров, характеризующих предметную область, освобождает пользователя от анализа простейших тривиальных ситуаций, способствует быстрому освоению программных средств и т.д.
Экспертные системы
Как самостоятельное направление сформировались в конце 70-х гг. XX века. Предназначены для выдачи интеллектуальных советов и принятия решений в рамках определенной предметной области.
Самообучающиеся системы
Основаны на методах автоматической классификации ситуаций из реальной практики, либо на методах обучения на примерах. Примеры ситуаций составляют обучающую выборку, которая формируется в течении определенного периода времени. Элементы выборки описываются классификационными признаками.
Стратегия I — обучение с учителем. Предполагает задание специалистом для каждого примера значений признаков, показывающих его принадлежность к определенному классу ситуаций.
Стратегия II — без учителя. Система самостоятельно выделяет классы ситуаций по степени близости признаков.
В процессе обучения автоматически строятся обобщающие правила и функции, которыми система в последствии будет пользоваться при интерпретации незнакомых ситуаций. Обобщающие правила образуют базу знаний, которая периодически корректируется, по мере накопления информации о ситуациях.
|
|
|
Индуктивные системы обобщают примеры на основе принципа индукции (от частного к общему). Обобщение сводится к классификации примеров о значимых признаках.
1. Выбор признака из заданного множества;
2. Разделение множества примеров на подмножества по значению выбранного признака;
3. Проверка принадлежности каждого подмножества к одному из классов;
4. Проверка окончания процесса классификации. Если какое-либо подмножество примеров принадлежит одному классу (то есть у всех примеров подмножества совпадает значение признака), то процесс заканчивается;
5. Для примеров или для подмножеств примеров с несовпадающими значениями процесс распознавания продолжается, начиная с шага 1.
Нейронные сети являются образцом технологии, основанной на примерах. Понятие «нейронные сети» — это обобщенное название группы математических алгоритмов, способных обучаться на примерах, распознавая в последствии признаки встречных образцов и ситуаций. Как правило, используются при решении задач обработки сигналов, изображений, распознавания образов, прогнозирования. Нейронная сеть — это кибернетическая модель нервной системы, состоящая из большого числа сравнительно простых элементов (нейронов). Нейронные сети отличаются друг от друга способом объединения нейронов и методами подбора значений параметров соединений между нейронами.
Системы, основанные на прецедентах. В базе знаний таких систем содержится описание конкретных ситуаций, которые называются прецедентами. Поиск решений осуществляется на основе аналогий и состоит из следующих этапов:
1. Получение информации о текущей проблеме;
2. Сопоставление полученной информации со значениями признаков прецедентов из базы знаний;
3. Выбор прецедента из базы знаний, наиболее близкого к проблеме;
4. Адаптация прецедента к текущей проблеме;
5. Проверка корректности каждого полученного решения;
6. Занесение детальной информации о полученном решении в базу знаний.
Информационные хранилища отличаются от интеллектуальных баз данных тем, что представляют собой хранилище значимой информации, получаемой из оперативных баз данных.
|
|
|
Хранилище данных — это предметно-ориентированное интегрированное привязанное ко времени не изменяемое собрание данных, применяемых для поддержки процессов принятия управленческих решений.
Технологии извлечения данных из хранилищ данных основаны на методах статистического анализа и моделирования, ориентированного на поиск моделей и отношений, содержащихся в совокупности данных
Для извлечения информации используются специальные методы и технологии.
1. OLAP (O n- l ine A nalytical P rocessing) — предоставляет пользователю средства для формирования и проверки гипотез о свойствах данных или отношениях между ними на основе разнообразных запросов к базам данных;
2. Data Mining — отличается от OLAP тем, что кроме проверки предполагаемых зависимостей, способна самостоятельно генерировать гипотезы о закономерностях в базе данных и строить модели, позволяющие количественно оценивать степень взаимовлияния различных факторов на основе имеющейся информации;
4. Адаптивные информационные системы. Потребность возникает тогда, когда поддерживаемые ими предметные области постоянно развиваются и изменяются, в связи с чем необходимо удовлетворение следующих требований: они должны адекватно отражать знания о предметной области в каждый момент времени и должны легко и быстро модифицироваться при изменении предметной области.
Экспертные системы.
Экспертные системы – это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.
Обобщенная структура экспертной системы.
· Пользователь — специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны ЭС.
· Инженер по знаниям — специалист по искусственному интеллекту, выступающий в роли промежуточного буфера между экспертом и базой знаний. Синонимы: когнитолог, инженер-интерпретатор, аналитик.
|
|
|
· Интерфейс пользователя — комплекс программ, реализующих диалог пользователя с ЭС как на стадии ввода информации, так и получения результатов.
· База знаний (БЗ) — ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором зыке, приближенном к естественному). Параллельно такому "человеческому" представлению существует БЗ во внутреннем "машинном" представлении.
· Решатель — программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ. Синонимы: дедуктивная машина, блок логического вывода.
· Подсистема объяснений — программа, позволяющая пользователю получить ответы на вопросы: "Как была получена та или иная рекомендация?" и "Почему система приняла такое решение?" Ответ на вопрос "как" — это трассировка всего процесса получения решения с указанием использованных фрагментов БЗ, т.е. всех шагов цепи умозаключений. Ответ на вопрос "почему" — ссылка на умозаключение, непосредственно предшествовавшее полученному решению, т.е. отход на один шаг назад.
· Интеллектуальный редактор БЗ — программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. Включает в себя систему вложенных меню, шаблонов языка представления знаний, подсказок ("help" — режим) и других сервисных средств, облегчающих работу с базой.
Схема классификации
Класс "экспертные системы" сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям. 
Технология разработки:
Этап 1: выбор подходящей проблемы
Он включает:
определение проблемной области и задачи;
нахождение эксперта, желающего сотрудничать при решении проблемы, и назначение коллектива разработчиков;
определение предварительного подхода к решению проблемы;
анализ расходов и прибыли от разработки;
подготовку подробного плана разработки.
|
|
|
