загрузка...
загрузка...
На головну

Інженерія знань.

  1. Виникнення виховання і педагогічних знань.
  2. Виникнення психолінгвістики як самостійної галузі наукових знань. Основні етапи становлення і розвитку психолінгвістики в XX столітті
  3. ГЕННА ІНЖЕНЕРІЯ
  4. Генна інженерія та біотехнологія
  5. Зародження історико-юридичних знань.
  6. Класифікація та огляд методів вилучення знань. Коротка характеристика методів.

Інженерія знаньявляє собою сукупність моделей, методів і технічних прийомів, націлених на створення систем, які призначені для вирішення проблем з використанням знань. Знання - це інформація з обмеженою семантикою, проте з позиції прикладних аспектів необхідно, щоб знання мали таку форму, якої була б певною мірою властива свобода досягнення поставленої мети. В який саме ступеня допустима ця свобода, або яким умовам повинні відповідати знання, включаючи і їх описові можливості, залежить від області їх застосування. У сфері технічного застосування і в економіці використовується сама різноманітна середовище уявлення, і крім мовного опису вона включає малюнки, математичні формули і т.п.

Хоча мовне уявлення і обмежена порівняно простими формалізмами, воно не завжди зручно для технічної і економічної областей. Це пов'язано з їх специфічним характером, тому що в них все визначається фактами та об'єктивною реальністю.

У подальшому викладі мовне опис, необхідну в прикладних областях інформації (включаючи мову в широкому його розумінні і графіку), буде називатися мовою подання знань. Для використання подібної інформації у вигляді знань потрібні інтелектуальні функції, що перевершують поки можливості сучасних комп'ютерів. Подання знань, їх обробка та використання, що розглядається стосовно до конкретної прикладної області, є предметом інженерії знань.

Інженерія знань зайняла своє місце як технологія застосування знань, коли вийшла з надр ІІ і продовжувала інтенсивно розвиватися всі останні роки.

Істотою ІІ можна вважати науковий аналіз і автоматизацію інтелектуальних функцій людини. Однак для більшості проблем загальної реальністю є труднощі їх машинного втілення.

Дослідження по ІІ дозволили утвердитися в думці, що справді необхідними для вирішення проблем є знання експертів. Тобто, якщо створити систему, здатну запам'ятовувати і використовувати знання експертів, то вона знайде застосування в практичній діяльності.

І коли дослідники з ШІ дійсно створили подібного ряду системи в кінці 60-х і початку 70-х років минулого століття, всі ці погляди були підтверджені.

Це системи DENDRAL, а пізніше MYCIN, створені під керівництвом Е. Фейгунбаума в Стенфордському університеті США, Оскільки ці системи накопичують в пам'яті комп'ютера знання експертів і використовують ці знання для вирішення проблем, витягуючи їх при необхідності з пам'яті, то вони отримали назву експертних, а професор Е. Фейгенбаум, який є одним з творців експертних систем (ЕС), висунув для даної області техніки назву «інженерія знань».

Фактично інженерія знань - це методологія ЕС, яка охоплює методи видобутку, аналізу і вираження в правилах знань експертів. Розвиток ЕС створило інженерію знань - процес побудови інтелектуальних систем.

Інженерія знань тісно пов'язана з усім процесом розробки інтелектуальних інформаційних систем в цілому і ЕС зокрема - від виникнення задуму до його реалізації і вдосконалення.

Головними елементами інженерії знань є використання операцій типу узагальнення, генерація гіпотез для індуктивних висновків, підготовка нових програм самими комп'ютерними програмами і т.д.

Слово engineering в англійському означає майстерна обробка предметів, винахід або створення чогось. Отже, роботу з оснащення програм спеціальними експертними знаннями з проблемної області, виконувану людиною, або комп'ютером (програмою), також можна назвати інженерією знань.

1.2. Розвиток досліджень в області штучного інтелекту.

Штучний інтелект як наука був заснований трьома поколіннями дослідників.

У таблиці 9.1 представлені ключові події в історії ІІ та інженерії знань, починаючи з першої роботи Маккалок і Пітса в 1943 р і до сучасних тенденцій в комбінованих зусиллях експертних систем, нечіткої логіки і нейронних обчислень в сучасних системах, заснованих на знаннях, здатних здійснювати обчислення за допомогою слів.

Таблиця 9.1 - Короткий перелік головних подій в історії ІІ та інженерії знань.

 період  події
 Народження ІІ (1943-1956)  - Маккалок і Пітс: Логічне числення ідей, властивих нервової діяльності, 1943.- Тьюринг: Обчислювальна машина і інтелект, 1950.- Шеннон: Програмування комп'ютера для шахової гри, 1950.
 Підйом ІІ (1956- кінець 1960-х)  - Маккарті: LISP - мова програмування штучного інтелекту.- Кулліан: Семантичні мережі для подання знань, 1966.- Ньюела і Саймон: Універсальний вирішувач завдань (GPS), 1961.- Мінський: Структури для представлення знань (фрейми), 1975.
 Відкриття і розробка експертних систем (початок 1970-х - середина 1980-х).  - Фейгенбаум, Буханан і ін. (Стенфордський університет): Експертна система DENDRAL- Фейгенбаум, Шортліф: Експертна система MYCIN- Стенфордський дослідний центр: Експертна система PROSPECTOR- Колмерое, Ковальські та ін. (Франція): Мова логічного програмування PROLOG.
 Відродження штучний нейронних мереж (1965 і далі)  - Хопфилд: Нейронні мережі та фізичні з емержентнимі колективними обчислювальними здібностями, 1982.- Кохонен: Самоорганізуються топологічно правильні карти, 1982.- Румельхарт і Макклеланд: Розподілена паралельна обробка даних, 1986.
 Еволюційний обчислення (початок 1970-х і далі)  - Рехенберг: Еволюційні стратегії - оптимізація технічних систем за принципами біологічної інформації, 1973.- Холланд: Адаптація в природних і штучних системах, 1975.- Коза: Генетичне програмування: комп'ютерне програмування засобами природного відбору, 1992.- Фогель: Еволюційний обчислення - напрямок нової філософії в машинному інтелекті, 1995.
 Нечіткі множини та нечітка логіка (середина 1960-х і далі)  - Заде: Нечіткі множини, 1965.- Заде: Нечіткі алгоритми, 1969.- Мамдані: Застосування нечіткої логіки в наближеному міркуванні з використанням лінгвістичного синтезу, 1977.
 Обчислення за допомогою слів (кінець 1980-х і далі)  - Нейгоца: Експертні системи та нечіткі системи, 1985.- Коско: Нейронні мережі та нечіткі системи, 1992.- Коско: Нечітке мислення, 1993.- Ягер і Заде: нечіткі множини, нейронні мережі і м'які обчислення, 1994.- Коско: Нечітка інженерія, 1996.- Заде: Обчислення за допомогою слів, 1996.

Таким чином, історично розробки в галузі ШІ велися в двох основних напрямках:

- Перший напрямок пов'язано зі спробами розробки інтелектуальних машин шляхом моделювання їх біологічного прототипу - людського мозку. Зараз цей напрямок відроджується на основі розвитку сучасних апаратних і програмних засобів (мікрочіпи на основі нечіткої логіки, розподілені багатопроцесорні системи, багатоагентні системи, м'які обчислення, генетичні алгоритми та нейронні мережі і т.д.).

- Другий напрямок пов'язано з розробками методів, прийомів, спеціалізованих пристроїв і програм для комп'ютерів, які забезпечують вирішення складних математичних і логічних завдань, що дозволяють автоматизувати окремі інтелектуальні дії людини (системи, засновані на знаннях, експертні системи, прикладні інтелектуальні системи).

Ці два напрямки як би визначають програму мінімум і програму максимум, між якими і лежить область сьогоднішніх досліджень і розробок систем ІІ (рис.9.4). Роботи по розробці програмного і апаратного забезпечення ІІ виділені в окрему область.


 Рис.9.4 - Основні напрямки досліджень в області ШІ.

Для нас представляє інтерес перш за все другий напрямок: прикладні інтелектуальні системи та ЕС в таких предметних областях, як виробництво, управління процесами, управління маркетингом, фінансовий менеджмент, банківська сфера, фондовий ринок.

1.3. Теорія і практика штучного інтелекту.

У процесі розвитку пристроїв і систем, які проявляють інтелектуальні характеристики, залучаються різні науки і технології, такі як лінгвістика, психологія, філософія, технічне і програмне забезпечення комп'ютерів, механіка, гідравліка і оптика.

Перетин інтересів психології та ІІ зосереджено в областях когнітології і психолінгвістики. Філософія і ІІ співпрацюють в областях логіки, філософії мови та філософії розуму. Взаємні перетину між інженерією та ІІ включають обробку зображень, розпізнавання образів і роботика.

Пізніше свій внесок внесли менеджмент і теорія організації (такі як прийняття і реалізація рішень), хімія, фізика, статистика, математика, теорія управління, евристичне програмування, інформаційні системи менеджменту.

ІІ є наукою і технологією, а не комерційної сферою. Це сукупність понять та ідей, які призначені для досліджень. Однак, ІІ забезпечує наукові основи для декількох країн, що розвиваються комерційних технологій. Головними прикладними технологіями ІІ експертні системи, інтелектуальні системи підтримки рішень, обробка природної мови, розуміння мови, нечітка логіка, робототехніка і сенсорні системи, комп'ютерний зір і розпізнавання образів. На рис.9.5 представлені головні дисципліни і додатки ІІ.


Рис.9.5 - Дисципліни, на яких базується ІІ та його додатки.

Області застосування існуючих на сьогоднішній день систем ІІ охоплює медичну діагностику, інтерпретацію геологічних даних, наукові дослідження в хімії і біології, військова справа, виробництво, фінанси та інші сфери економіки. Однак, незважаючи на значні успіхи в галузі ШІ, поки ще існує певний розрив між технічними розробками, програмними засобами ІІ та можливостями їх більш широко практичного застосування зокрема, в економіці.

Найбільш показовим сектором, що акумулює різні проблемні напрямки економічної області, є управління промисловим підприємством. На його прикладі особливо добре видно переваги використання систем ІІ для вирішення як різних предметних завдань, так і для управління інтегрованою системою підприємства в цілому.

Існує безліч доказів на користь того, що системи штучного інтелекту можуть і повинні стати найважливішою складовою частиною в технології сучасних виробництв. Розглянемо основні з них.

Головна проблема, що стоїть перед підприємством (в сенсі управління), - це проблема подолання складності. Як відомо, складності управління виникають тоді, коли доводиться робити вибір з безлічі можливих рішень. Це може бути інженерний вибір рішення (як проектувати даний виріб), вибір розкладу (як вони виробляти) і т.д.

Дана проблема загострюється в разі гнучких виробничих систем. Додавання гнучкості призводить до збільшення числа альтернатив і, отже, можливих варіантів виробництва виробів. Уже сьогодні складання розкладу етапів виробництва виробів на «жорсткому» програмному забезпеченні представляє великі труднощі. Ускладнення самих виробів також веде до ускладнення проектування.

Управління виробництвом вимагає обробки великого обсягу інформації. Проблема отримання інформації з об'єктів, що функціонують в реальному масштабі часу, в даний час вирішена. Але це породило іншу проблему: як зменшити частку інформації до того рівня, який дійсно необхідний для прийняття рішення індивідуумом? У той же час слід зазначити, що втрата інформації, що надходить від об'єктів, що працюють в реальному масштабі часу, може істотно позначитися на кінцевому результаті.

Брак часу на прийняття рішення - ще одна проблема, яка проявляється в міру ускладнення виробництва. Не менш важлива і проблема координації. Відомо, що проектування нерозривно пов'язане з виробництвом, розподілом і допоміжними областями. Якщо проектування не зроблено оптимально по відношенню до стадій виробництва, складування, розподілу або допоміжного виробництва, то це може збільшити ціну виробництва і знизити якість виробів.

І, нарешті, дуже важливий фактор - необхідність збереження і розподілу знань окремих досвідчених експертів, отриманих, ними в процесі багаторічної роботи і великого практичного досвіду. Проблема вилучення знань та їх розподілу - сьогодні одна з головних проблем виробничих організацій.

Таким чином, відбувається інтелектуалізація інформаційних систем управління і трансформація їх в інтелектуальні СПР, основним різновидом яких є ЕС. Це найбільш значущі і важливі для економіки і бізнесу прикладні технології ШІ.

1.4. Інтелектуальні інформаційні системи підтримки рішень.

Досвід експлуатації інформаційних систем, в організаційних і економічних системах показав, що найбільш важливе значення має мати в цих системах і в контурі управління - людина (керівник; особа, яка приймає рішення - ЛПР).

Не слід забувати, що управління в економічних і організаційно - технічних системах є складним творчим процесом, які потребують різних формах забезпечення інтелектуальної діяльності. Применшення значення творчого елемента (досвіду, інтуїції) і, навпаки, перебільшення можливостей формалізації ряду управлінських завдань, неминуче веде до того, що реальні результати далеко не повністю виправдовують очікування, які зв'язувалися і зв'язуються з комп'ютеризацією управління і прийняття рішень.

Мабуть, тут криється причина недостатньо ефективного використання в ІС і системах підтримки рішень методів оптимізації. Говорячи про взаємодію користувача з оптимізаційними моделями апріорно мають на увазі адекватність цих моделей реальному об'єкту. Однак, складність, істотна нелінійність, слабка структурованість завдань, неясність переваг, нечіткість вихідної інформації не дозволяють в більшості випадків розробникам створювати адекватні моделі об'єктів. "Ключем" в цьому напрямку повинні стати і вже активно стають методи і моделі ІІ, зокрема прикладні, системи, що базуються на знаннях (або інтелектуальні системи).

Большінствоімеющіхся об'єктів управління відносяться до слабкоструктурованих або погано обумовлених об'єктів, які мають ряд несподіваних для традиційного управління властивостей, таких, як унікальність, відсутність формализуемой мети існування, відсутність оптимальності, висока динамічність, неповнота опису об'єкта, і, нарешті, індивідуальність поведінки особи приймає рішення в процесі прийняття рішень.

Практика показала, що труднощі, практично непереборні для "управлінця" -Комп'ютер виявляються під силу управлінцю-людині. Кваліфікований експерт після певного часу роботи по управлінню унікальним об'єктом справляється і з неповнотою опису об'єкта, і з нечіткістю вихідної інформації, і з відсутністю формалізованих цілей (зрозуміло, мається на увазі управління основними керуючими параметра мну.

Отже, в процесі практичної діяльності з управління об'єктом ЛПР набуває певний інструмент, який допомагає йому в рішенні задач управління погано певними об'єктами. Цей інструмент є не що інше, як знання. Таким чином, виникла ідея необхідності автоматизації інтелектуальної діяльності людини.

Основне призначення інформаційних систем в економіці - це своєчасне подання необхідної інформації ЛПР для прийняття ним адекватних і ефективних рішень при управлінні процесами, ресурсами, фінансовими транзакціями, персоналом або організацією в цілому. Однак в процесі розвитку інформаційних технологій, дослідження операцій і технологій моделювання, а також зі зростанням споживачів інформаційно - аналітичної підтримки самих ЛПР, все більше виявлялася потреба в системах, не тільки представляють інформацію, а й виконують деякий її попередній аналіз, здатних давати деякі поради і рекомендації, здійснювати прогнозування розвиток ситуацій, відбирати найбільш перспективні альтернативи рішень, тобто підтримувати рішення ЛПР, взявши на себе значну частину рутинних операцій, а також функції попереднього аналізу і оцінок.

Інформаційна система підтримки рішень пов'язує інтелектуальні ресурси управлінця зі здібностями і можливостями комп'ютера для поліпшення якості рішень. Ці системи призначені для менеджерів, які приймають управлінські рішення в умовах напівструктурованих і слабо певних завдань.

Таким чином, подальший розвиток ИСПР призвело до створення інтелектуальної інформаційної СПР.

Інтелектуальна ИСПР - це комп'ютерна система, що складається з 5 основних взаємодіючих компонентів: мовної підсистеми (механізм забезпечення зв'язку між користувачем і іншими компонентами ИСПР), інформаційної підсистеми (сховище даних і засобів їх обробки), підсистеми управління знаннями (сховище знань про проблемну область, таких як процедури, евристики і правила, і засоби обробки знань), підсистеми управління моделями та підсистеми обробки і вирішення завдань (сполучна ланка між іншими підсистемами).

Підсистема обробки та вирішення завдань розподілена і функціонально вбудована в інші підсистеми, реалізуючи свої окремі специфічні функції в їх рамках. Ця підсистема має основні здібностями по маніпуляції і обробці завдань для прийняття рішень.

На ріс.9.6 представлений варіант структури інтелектуальної ИСПР.


 Ріс.9.6 - Схематичне представлення інтелектуальної СПР.

інформаційна підсистема складається з БД, системи управління БД, засобів організації запитів, довідника даних, зовнішніх джерел даних.

Підсистема управління моделями складається з бази моделей, системи управління моделями, мов моделювання, довідника моделей і процесора, який здійснює реалізацію на моделі, інтегрує моделі і здійснює керівництво процесом моделювання.

База моделей містить звичайні та спеціальні статичні, фінансові, прогнозують, управлінські та інші кількісні моделі, які забезпечують аналітичні здібності ИСПР. Здатність звертатися до моделей, реалізовувати їх прогони, вносити зміни, комбінувати і перевіряти моделі є ключовою здатністю ИСПР, яка відрізняє їх від звичайних інформаційних систем.

Моделі в базі моделей можуть поділятися на стратегічні, тактичні, операційні та складові стандартні блоки моделей.

Функціями системи управління моделями є створення моделей з використанням стандартних модельних модулів, генерація нових стандартних модулів і звітів, доповнення та модернізація моделей, їх зміни і маніпулювання з даними моделі.

Модельний процесор зазвичай реалізує наступні дії:

- Виконання моделі, тобто процес управління поточним прогоном або реалізацією моделі;

- Інтеграція моделі, тобто суміщення операцій декількох моделей, коли це необхідно;

- Підтвердження і інтерпретація інструкцій моделювання, що надходять від діалогового компонента системи і проведення їх в систему управління моделями.

Користувальницький інтерфейс реалізує всі аспекти комунікації між користувачем і ИСПР. Він включає не тільки технічне і програмне забезпечення, але також фактори, які сприяють полегшенню використання і доступності людино-машинних взаємодій.

Моделі в базі моделей можуть поділятися на стратегічні, тактичні, операційні та складові стандартні блоки моделей.

Функціями системи управління моделями є створення моделей з використанням стандартних модельних модулів, генерація нових стандартних модулів і звітів, доповнення та модернізація моделей, їх зміни і маніпулювання з даними моделі.

Підсистема управління знаннями. Багато неструктуровані і слабоструктуровані завдання є такими складними, що вони вимагають для свого рішення експертизи, додатково до звичайних здібностям ИСПР.

Така експертиза може бути забезпечена ЕС або іншої інтелектуальної системою.

Тому більшість перших ИСПР оснащені системної компонентою, званої управління знаннями. Така компонента може забезпечити необхідну експертизу для вирішення деяких видів завдань і забезпечувати дію інших складових частин ИСПР.

Можливі різні способи інтеграції інтелектуальних систем, заснованих на знаннях, з математичним моделюванням.

Наприклад, часто рішення, засновані на знаннях, допомагають підтримувати кроки в процесі отримання рішення без математичної підтримки; інтелектуальні системи моделювання рішень можуть допомогти користувачам будувати, використовувати і керувати бібліотекою або базою моделей; аналітичні ЕС прийняття рішень можуть інтегрувати теоретично суворі методи невизначеності в базу знань ЕС.

Компонента знань складається з однієї або декількох інтелектуальних програмних складових. Як СУБД і система управління моделями, програмне забезпечення управління знаннями забезпечує необхідну виконання і інтеграцію в інтелектуальних системах.

Інформаційні СПР, які включають таку складову, називаються інтелектуальними інформаційними СПР, інтелектуальними СПР, експертними СПР, експертними системами або СПР, що базуються на знаннях.

Необхідність використання інтелектуальних систем.

Існує безліч доказів на користь того, інтелектуальні системи можуть і повинні стати найважливішою складовою частиною в системах прийняття і підтримки рішень, при управлінні складними об'єктами в технології сучасних виробництв і вирішенні широкого спектру економічних завдань.

Якщо в якості прикладу об'єкта взяти підприємство, то тут при управлінні виникають такі проблеми:

- Подолання складності (складності управління виникають тоді, коли доводиться робити вибір з безлічі можливих рішень);

- Управління підприємством вимагає організації великих обсягів інформації;

- Як зменшити інформаціюдо того рівня, який необхідний для прийняття рішення (втрата інформації, що надходить від об'єктів, що працюють в реальному режимі часу, може істотно позначитися на результаті);

- Нестача часу на прийняття рішення (проявляється в міру ускладнення виробництва);

- Проблема координації (рішення необхідно координувати з іншими ланками процесу або об'єкта);

- Необходімостьсохраненія і поширення знань дуже досвідчених експертів, отриманих ними в процесі багаторічної роботи і великого практичного досвіду. Проблема вилучення знань та їх розподілу - сьогодні одна з головних проблем.

В процесі своєї управлінської (а взагалі кажучи, будь-який) діяльності людина отримує і усвідомлює величезну кількість інформації. Однак обмежені можливості людського мозку змушують його здійснювати вербальне перекодування вихідної інформації в згустки насиченою інформації, використовуючи при цьому унікальні можливості людської мови. Чи не всі міркування людини за своєю природою є прібліженнимі.Прі цьому, використовуючи прості евристичні правила виведення, людина легко справляється з нечіткими міркуваннями.

Фахівці в галузі ШІ завжди намагалися розробити програми для комп'ютерів, які могли б в деякому розумінні "думати", тобто вирішувати завдання таким способом, який ми б визнали розумним, якби його застосував людина.

У процесі досліджень і 20-річних пошуків вони прийшли до висновку, що ефективність програми при вирішенні завдань залежить від знань, якими вона володіє, а не тільки від формализмов і схем виведення, які вона використовує. Тобто, щоб зробити програму інтелектуальної, її потрібно забезпечити безліччю високоякісних спеціальних знань про деяку предметну область.

Розуміння цього факту привело до створення спеціальних систем, кожна з яких є експериментом в деякій вузькій предметній області.

Ці програми отримали назву експертних систем.



Попередня   1   2   3   4   5   6   7   8   9   10   11   12   13   Наступна

Управлінських рішень. | Організація роботи з даними і знаннями. Інженерія знань. | Дані. Джерела даних. | Структура даних і системи управління базами даних. | Сховище даних. | OLAP: оперативна аналітична обробка даних. | Інтелектуальні бази даних. | Функціональні можливості та характеристика експертних систем. Ролі експерта, інженера знань і користувача. База знань. | Області застосування експертних систем. | Статичні і динамічні експертні системи. |

загрузка...
© um.co.ua - учбові матеріали та реферати