Классификация интеллектуальных информационных систем

    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.