Прикладные интеллектуальные системы.

МОСКОВСКИЙ ИНСТИТУТ ГОСУДАРСТВЕННОГО И

КОРПОРАТИВНОГО УПРАВЛЕНИЯ

ФАКУЛЬТЕТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Д.т.н., профессор Лозовецкий В.В.

ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИРННЫЕ СИСТЕМЫ

Учебное пособие

МОСКВА 2013 г.

Лозовецкий В.В.,Интеллектуальные информационные системы: учебное пособие. − М.: МИГиКУ, 2011. − 194 с.

Рецензенты:

Пелевин Ф.В., доктор технических наук,

профессор

Карпачев С.П.,доктор технических наук,

профессор

В учебном пособии дана краткая история развития систем искусственного интеллекта, приведены основные понятия, определения и терминология, используемые при их описании и разработке. Рассмотрена технология РОЦ, лежащая в основе разработки, проектирования и применения советующих систем экономического характера. Представлена классификация этих систем и приведены примеры их реализации. Учебное пособие предназначено для студентов вузов обучающихся по специальности «Прикладная информатика».

ISBN

Ó Лозовецкий В.В.

Ó Московский институт государственного и корпоративного управления.

СОДЕРЖАНИЕ

Глава 1. Понятие интеллектуальной информационной

системы. Классификация интеллектуальных

информационных систем………………………………… 6

1.1. Прикладные интеллектуальные системы ………….. 6

1.2. Классификация экспертных систем, основанных

на знаниях ………………………………………………… 11

1.2.1. Классификация по решаемой задаче …………….. 11

1.2.2. Классификация по типу ЭВМ ……………………. 14

1.2.3. Классификация по степени интеграции с другими

программами ……………………………………………… 15

1.2.4. Статические и динамические экспертные

системы ……………………………………………………..15

Глава 2. Экспертные советующие системы

экономической ориентации и их составные

части ………………………………………………………..17

2.1. Введение в экспертные системы. Определение и

структура ………………………………………………… .. 17

2.2. Технологические и математические основы

экономических советующих систем……………………….19

2.2.1. Целеобразование и принятие решений ……………. 19

2.2.2. Принципы декомпозиции и задания ……………….. 25

2.3. Составные части экспертных советующих систем….. 40

2.3.1. База знаний ……………………………………………40

2.3.2. Вывод на знаниях ………………………………......... 41

2.3.3. Машина вывода ……………………………………… 41

2.4. Стратегия управления выводом ………………………. 41

2.4.1. Прямой и обратный выводы ………………………… 44

2.4.2. Методы поиска в глубину и ширину ……………….. 46

2.5. Классификация, состав и функции экономических

советующих систем ………………………………………….47

2.5.1. ЭСС расчетного характера ………………………….. 52

2.5.2. ЭСС оценочного характера …………………………. 58

2.5.3. ЭСС диагностического характера ………………….. 60

2.5.4. Экспертные системы приближенных

рассуждений …………………………………………….. … 68

Глава 3. Формы и модели представления знаний …………75

3.1. Данные и знания ……………………………………….. 75

3.2. Модели представления знаний …………………………77

Глава 4. Методы рассуждений в ИИС. Формальные

логические модели. Нечеткий вывод знаний ………………84

4.1. Рассуждения на основе дедукции, индукции и

аналогии ………………………………………………………84

4.2. Нечеткие знания …………………………………………84

4.3. Основы теории нечетких множеств ……………………85

4.3.1. Операции с нечеткими знаниями …………………… 88

Глава 5. Теоретические аспекты инженерии знаний ………90

5.1. Приобретение знаний …………………………………...90

5.1.1. Поле знаний ……………………………………………90

5.2. Стратегия и механизмы приобретения знаний………...98

5.2.1. «Пирамида знаний»……………………………………98

5.3. Стратегия получения знаний……………………………99

5.4. Теоретические аспекты извлечения знаний……………104

5.4.1. Психологический аспект………………… ………….. 104

5.4.2. Лингвистический аспект………………………………115

5.4.3. Гносеологический аспект извлечения знаний .……...121

5.5. Теоретические аспекты структурирования знаний……127

5.5.1. Иерархический подход………………………………...128

5.5.2. Традиционные методы структурирования…………....130

5.5.3. Объектно-структурный поход (ОСП)…………………131

Глава 6. ЭСС, воспроизводящие неосознанные

мыслительные процессы человека…………………………..138

6.1. ЭСС нейросетевых вычислений………………………...138

6.2. Системы, ориентированные на естественно-языковые

запросы………………………………………………………..147

Глава 7. Проектирование экспертных систем………………154

7.1. Коллектив разработчиков ……………………………….154

7.2. Технология проектирования и разработки……………..158

7.2.1. Проблемы разработки промышленных

экспертных систем…………………………………… ……...158

7.2.2. Выбор подходящей проблемы……………………….. 160

7.2.3. Технология быстрого прототипирования…………… 162

7.2.4. Развитие прототипа до промышленной ЭС…………. 166

7.2.5. Оценка системы………………………………….......... 167

7.2.6. Стыковка системы…………………………………….. 168

7.2.7. Поддержка системы…………………………………… 169

7.3. Программные оболочки - средство автоматизации

разработки ЭСС………………………………………………. 169

7.3.1. Этапы создания экспертной системы на основе

программных оболочек……………………………………… 172

7.4. Интерфейс эксперта и пользователя…………………… 183

Литература………………………………………………. …... 193

Глава 1. Понятие интеллектуальной информационной системы. Классификация интеллектуальных информационных систем.

Прикладные интеллектуальные системы.

Центральной проблемой современных интеллектуальных технологий является обработка знаний. Системы, ядром которых является база знаний или модель предмета области, описанная на языке сверхвысокого уровня, приближенном к естественному языку, называют интеллектуальными. Будем называть такой язык сверхвысокого уровня – языком представления знаний (ЯПЗ). Чаще всего интеллектуальные системы (ИС) применяются для решения сложных задач, где основная сложность решения связанна с использованием слабо-формализованных знаний специалистов-практиков и где логическая (или смысловая) обработка информации превалирует над вычислительной. Например, понимание естественного языка, поддержка принятия решения в сложных ситуациях, постановка диагноза и рекомендации по методам лечения, анализ визуальной информации, управление диспетчерскими пультами и др. [1].

Прикладные интеллектуальные системы используются в десятках тысяч приложений. Годовой доход от продаж программных и аппаратных средств искусственного интеллекта еще в 1989г. в США составлял 870 млн. долларов, а в 1990 г 1.1 млрд. долларов. В дальнейшем почти тридцатипроцентный прирост дохода сменился более плавным наращиванием темпов [1].

На рис. 1.1. отраженны различные аспекты состояния рынка искусственного интеллекта ИИ и инвестиции в разработку в области ИИ (рис. 1.1, а) доля систем искусственного интеллекта в информатике (программном обеспечении) (рис. 1.1, б); доходы от продаж традиционных языков программирования (рис. 1.1, в); инвестиции только в программное обеспечение (США) (рис. 1.1, г); инвестиции в аппаратное обеспечение (США) (рис. 1.1, д); структура рынка ЭС (США, 1993) (рис. 1.1, е) [1].

Наиболее распространенным видом интеллектуальных информационных систем (ИИС) являются экспертные системы (ЭС), которыеориентированы на тиражирование опыта высококвалифицированных специалистов в областях, где качество принятия решения традиционно зависит от уровня экспертизы, например, медицина, юриспруденция, геология, экономика, военное дело и др.

Рис.1.1. Состояние и перспективы рынка искусственного интеллекта

ЭС эффективно используются лишь в специфических «экспертных» областях, где важен эмпирический опыт специалистов. Только в США ежегодный доход от продаж инструментальных средств для разработ­ки ЭС составлял в начале 90-х годов (300 – 400) млн. долларов, а от применения ЭС - (80 – 90) млн. долларов [1]. Ежегодно крупные фирмы разрабатывают десятки ЭС типа «in-house» для внутреннего пользования. Эти системы интегрируют опыт специалистов компании по ключевым и стратегически важным технологиям. В начале 90-х гг. появилась новая наука - «менеджмент знаний» (knowledge management), ориентированная на методы обработки и управления корпоративными знаниями.

Современные ЭС - это сложные программные комплексы, аккумулирующие зна­ния специалистов в конкретных предметных областях и распространяющие этот эмпирический опыт для консультирования менее квалифицированных пользователей. Разработка ЭС, как активно развивающаяся ветвь ин­форматики, направлена на использование ЭВМ для обработки информации в тех областях науки и техники, где традиционные математические методы моделирования малопригодны. В этих областях важна смысловая и логическая обработка информации, важен опыт экспертов.

Приведем некоторые условия, которые свидетельствуют о необходимости разработки и внедрения экспертных систем [1]:

· нехватка специалистов, затрачивающих значительное время для оказания помощи другим;

· выполнение небольшой задачи требует многочисленного коллектива специа­листов, поскольку ни один из них не обладает достаточным знанием;

· сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть (за отведенное время) все эти условия;

· большое расхождение между решениями самых хороших и самых плохих ис­полнителей;

· наличие конкурентов, имеющих преимущество в силу того, что они лучше справляются с поставленной задачей.

Подходящие задачи имеют следующие характеристики:

· являются узкоспециализированными;

· не зависят в значительной степени от общечеловеческих знаний или соображений здравого смысла;

· не являются для эксперта ни слишком легкими, ни слишком сложными (Время, необходимое эксперту для решения проблемы, может составлять от трех часов до трех недель).

ЭС достаточно молоды, первые системы такого рода MYCI и DENDRAL появились в США в середине 70-х годов. В настоящее время в мире насчитывается несколько тысяч промышленных ЭС, которые дают советы [1]:

· при управлении сложными диспетчерскими пультами, например сети распре­деления электроэнергии, — Alarm Analyser;

· постановке медицинских диагнозов ARAMIS, NEUREX;

· при поиске неисправностей в электронных приборах, диагностика отказов контрольно-измерительного оборудования — Intelligence Ware, Plant Diagnostics, FOREST;

· по проектированию интегральных микросхем - DAA, NASL, QO;

· по управлению перевозками - AIRPLAN;

· по прогнозу военных действий - ANALYST, BATTLE;

· по формированию портфеля инвестиций, оценке финансовых рисков - RAD, налогообложению - RUNE и т. д.

Наиболее популярные приложения ИИС отображены на рис. 1.2. [1].

Рис. 1.2. Основные приложения ИИС

Сейчас легче назвать области, где еще нет ЭС, чем те, где они уже применяются.

Уже в 1987г. опрос пользователей, проведенный журналом «Intelligent Technologies» (США), показал, что примерно:

· 25 % пользователей используют ЭС;

· 25 % собираются приобрести ЭС в ближайшие 2–3 года;

· 50 % предпочитают провести исследование об эффективности их использования.

Главное отличие ИС и ЭС от других программных средств - это наличие базы знаний (БЗ), в которой знания хранятся в форме, понятной специалистам предметной области, и могут быть изменены и дополнены также в понятной форме. Это и есть языки представления знаний (ЯПЗ).

До последнего времени именно различные ЯПЗ были центральной проблемой при разработке ЭС. Сейчас существуют десятки языков или моделей представления знаний. Наибольшее распространение получили следующие модели [1]:

продукции (OPS5, ROSIE);

семантические сети (SIMER+MIR, NET);

фреймы (FRL);

логическое программирование (ПРОЛОГ);

объектно-ориентированные языки (SMALLTALK, CLOS).

Для перечисленных выше моделей существует соответствующая математическая нотация, разработаны системы программирования, реализующие эти ЯПЗ, и имеется большое количество реальных коммерческих ЭС.

Современное состояние разработок в области ЭС в России можно охарактеризо­вать как стадию все возрастающего интереса среди широких слоев специалистов-финансистов, топ-менеджеров, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. В последние годы этот интерес имеет пока достаточно слабое материальное подкрепление - явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций, ограниченное финансирование исследований в этой области, слабый отечественный рынок программных продуктов для разработки ЭС.

Поэтому появляется возможность распространения «подделок» под экспертные системы в виде многочисленных диалоговых систем и интерактивных пакетов прикладных программ, которые дискредитируют в глазах пользователей это чрезвычайно перспективное направление. Процесс создания экспертной системы требует участия высококвалифицированных специалистов в области искусственного интеллекта, которых пока выпускает небольшое количество высших учебных заведений страны.

Наибольшие трудности в разработке ЭС вызывает сегодня не процесс машинной реализации систем, а домашинный этап анализа знаний и проектирования базы. Этим занимается специальная наука - инженерия знаний.

Поиск по сайту: