Inteligentní informační systém
Inteligentní informační systém (IIS) - soubor softwarových, jazykových a logicko-matematických nástrojů pro realizaci hlavního úkolu - podpora lidských činností a vyhledávání informací v pokročilém režimu dialogu v přirozeném jazyce. [1]
IIS jsou druhem intelektuálního systému a také jedním z typů informačních systémů .
Klasifikace IIS
IIS lze umístit na jakoukoli stránku, kde uživatel klade systému otázky v přirozeném jazyce (pokud se jedná o systém otázka-odpověď) nebo odpovídá na otázky systému, kde najde potřebné informace (pokud se jedná o expertní systém). ES na internetu však zpravidla plní reklamní a informační funkce (interaktivní bannery) a seriózní systémy (jako je například ES diagnostika zařízení) se používají lokálně, protože plní specifické specifické úkoly.
Inteligentní vyhledávače se liší od virtuálních partnerů v tom, že jsou spíše anonymní a v odpovědi na otázku poskytnou nějaký výňatek ze zdrojů znalostí (někdy poměrně velké) a účastníci rozhovoru mají „charakter“, zvláštní způsob komunikace (mohou používejte slang , vulgární výrazy ) a jejich odpovědi by měly být co nejstručnější (někdy dokonce jen ve formě emotikonů, pokud to vyhovuje kontextu).
Pro vývoj IIS se dříve používaly logické jazyky ( Prolog , Lisp atd.) A nyní se používají různé procedurální jazyky . Logický a matematický software je vyvíjen jak pro moduly samotných systémů, tak pro spojování těchto modulů. Dnes však neexistuje žádný univerzální logicko-matematický systém, který by dokázal uspokojit potřeby jakéhokoli vývojáře IMS, takže musíte buď kombinovat nasbírané zkušenosti, nebo vyvinout systémovou logiku vlastními silami. V oblasti lingvistiky je také mnoho problémů, například pro zajištění chodu systému v režimu dialogu s uživatelem v přirozeném jazyce je nutné do systému vložit algoritmy pro formalizaci přirozeného jazyka a tento úkol se ukázalo být mnohem obtížnější, než se očekávalo na úsvitu vývoje inteligentních systémů. Dalším problémem je neustálá variabilita jazyka, která se nutně musí promítnout do systémů umělé inteligence.
Zajištění práce IIS
- Matematický
- Lingvistické
- informační
- Sémantický
- Software
- Technický
- Technologický
- personál
Klasifikace úloh řešených IIS
- Interpretace dat . Jedná se o jeden z tradičních úkolů pro expertní systémy. Interpretace se týká procesu určování významu dat, jehož výsledky musí být konzistentní a správné. Obvykle se poskytuje vícerozměrná analýza dat.
- Diagnostika . Diagnostika se týká procesu přiřazování objektu k určité třídě objektů a/nebo zjišťování závady v určitém systému. Chyba je odchylka od normy. Takový výklad nám umožňuje z jednotného teoretického hlediska uvažovat o poruchách zařízení v technických systémech, chorobách živých organismů a všech druzích přírodních anomálií. Důležitým specifikem je zde potřeba porozumět funkční struktuře („anatomii“) diagnostického systému.
- Sledování . Hlavním úkolem monitoringu je průběžná interpretace dat v reálném čase a signalizace výstupu určitých parametrů za přípustné limity. Hlavními problémy jsou „přeskočení“ alarmující situace a obrácený úkol „falešného“ poplachu. Složitost těchto problémů spočívá v rozostření symptomů úzkostných situací a nutnosti brát v úvahu časové souvislosti.
- Design . Design spočívá v přípravě specifikací pro tvorbu „objektů“ s předem danými vlastnostmi. Specifikace je chápána jako celý soubor potřebných dokumentů - výkres, vysvětlivka atd. Hlavním problémem je zde získání jasného strukturálního popisu znalostí o objektu a problém „stopy“. Pro organizaci efektivního designu a v ještě větší míře redesignu je nutné tvořit nejen samotná designová rozhodnutí, ale také motivy pro jejich přijetí. V konstrukčních problémech jsou tedy úzce propojeny dva hlavní procesy, prováděné v rámci odpovídajícího ES: proces odvozování řešení a proces vysvětlování.
- Prognózování . Prognóza vám umožňuje předvídat důsledky určitých událostí nebo jevů na základě analýzy dostupných dat. Prediktivní systémy logicky vyvozují pravděpodobné důsledky z daných situací. V prediktivním systému se obvykle používá parametrický dynamický model, ve kterém jsou hodnoty parametrů „přizpůsobeny“ dané situaci. Důsledky odvozené z tohoto modelu tvoří základ pro prognózy s pravděpodobnostními odhady.
- Plánování . Plánování je chápáno jako hledání akčních plánů vztahujících se k objektům schopným plnit určité funkce. V takových ES se používají modely chování reálných objektů, aby se logicky odvodily důsledky plánované činnosti.
- Školení . Učením se rozumí použití počítače k výuce nějaké disciplíny nebo předmětu. Tréninkové systémy pomocí počítače diagnostikují chyby ve studiu libovolného oboru a navrhují správná řešení. Shromažďují poznatky o hypotetickém „studentovi“ a jeho charakteristických chybách, v práci pak dokážou diagnostikovat slabá místa ve znalostech praktikantů a najít vhodné prostředky k jejich odstranění. Kromě toho plánují akt komunikace se studentem v závislosti na úspěchu studenta za účelem přenosu znalostí.
Neuronové sítě nejsou naprogramovány v obvyklém slova smyslu, jsou natrénované. Schopnost učit se je jednou z hlavních výhod neuronových sítí oproti tradičním algoritmům. Technicky vzato je učení o hledání koeficientů spojení mezi neurony. V procesu učení je neuronová síť schopna identifikovat složité vztahy mezi vstupy a výstupy a také provádět zobecnění. To znamená, že v případě úspěšného trénování bude síť schopna vrátit správný výsledek na základě dat, která v trénovací sadě chyběla.
- Management . Management je chápán jako funkce organizovaného systému, který podporuje určitý způsob činnosti. Takové ES řídí chování složitých systémů v souladu s danými specifikacemi.
- Podpora rozhodování . Podpora rozhodování je soubor postupů, které poskytují osobě s rozhodovací pravomocí potřebné informace a doporučení k usnadnění rozhodovacího procesu. Tyto ES pomáhají specialistům vybrat a/nebo vytvořit potřebnou alternativu mezi mnoha možnostmi při odpovědných rozhodnutích.
V obecném případě lze všechny znalostní systémy rozdělit na systémy, které řeší problémy analýzy, a systémy, které řeší problémy syntézy. Hlavní rozdíl mezi analytickými problémy a syntézními problémy je v tom, že pokud v analytických úlohách může být uvedena a zahrnuta množina řešení do systému, pak u syntetických úloh je množina řešení potenciálně neomezená a je sestavena z řešení komponent nebo dílčích problémů. . Cíle analýzy jsou: interpretace dat, diagnostika, podpora rozhodování; úkoly syntézy zahrnují návrh, plánování a řízení. Kombinované: školení, monitorování, prognózování.
Inteligentní automatické řídicí systémy
V podmínkách neúplných nebo neostrých informací, neurčitelných vnějších vlivů a neznámého provozního prostředí vznikají systémy s netradičními přístupy k řízení. Využívají metody a technologie umělé inteligence. Existují 4 základní intelektuální technologie:
- Technologie expertních systémů.
- Technologie fuzzy logiky.
- Technologie struktur neuronových sítí s implicitní formou.
- Technologie asociativní paměti.
Principy organizace inteligentních automatických řídicích systémů:
- Přítomnost úzké informační interakce systému s reálným světem prostřednictvím informačních komunikačních kanálů.
- Přítomnost pravděpodobné změny vnějších vlivů z reálného světa a chování systému v tomto případě.
- Hierarchická víceúrovňová struktura podle principu: zvyšování inteligence a snižování požadavků na přesnost s rostoucím stupněm hierarchie.
- Když se přeruší vazby s vyššími úrovněmi, je povinné udržovat pracovní kapacitu.
- Zvýšení inteligence a zlepšení chování systému. [2]
Viz také
Literatura
- Lyubarsky Yu. Ya. Inteligentní informační systémy. - M., Nauka , 1990. - ISBN 5-02-014102-X . - Seriál: Problémy umělé inteligence. - 232 str.
Odkazy
Poznámky
- ↑ Trofimová L.A., Trofimov V.V. Management znalostí. Učebnice - Petrohrad: Nakladatelství St. Petersburg State University of Economics. 2012. - 77p. [str. 52]
- ↑ Učebnice / M. M. Savin, V. S. Elsukov, O. N. Pyatina; vyd. V. I. Lachin. - Rostov n/D: Phoenix, 2007. - 469 s. - S. 421-422