Структура и функции интеллектуальных информационных систем

Содержание:

ВВЕДЕНИЕ

На сегодняшний день в экономической структуре достаточно конкретно определилось основное назначение информационных систем – это своевременное предоставление данных, необходимых лицу, принимающему решение. Своевременность и актуальность предоставляемой информации сегодня очень важна, она позволяет принимать эффективные и действенные решения в самых различных сферах: в управлении кадрами, в принятии решений, при распределении ресурсов и мн. др.

Несмотря на это, технологии не стоят на месте, следовательно, происходит прогресс информационных систем и технологий, продвигаются исследования технологий и методологий моделирования, ежедневно возрастает количество пользователей самых различных информационных средств и технологий. Из-за этого налицо потребность некоторой модернизации существующих интеллектуальных систем – теперь от них нужно не только своевременное предоставление данных, но и выполнение своего рода предварительного анализа информации, предоставление прогноза развития рисков, отбор наиболее перспективных и эффективных решений и др. Иначе говоря, сегодня от интеллектуальных информационных систем ожидается выполнение весомой части рутинных операций, включающих предварительный анализ и различные оценки.

Для детального анализа проблемы необходимо выполнить цель работы – изучение структуры и функций интеллектуальных информационных систем.

Объектом исследования выступают интеллектуальные информационные системы, а предметом – структура и функции интеллектуальных информационных систем.

Для достижения поставленной цели необходимо выполнить следующие задачи:

1. Рассмотреть историю развития интеллектуальных информационных систем
2. Изучить виды интеллектуальных информационных систем
3. Проанализировать структуру интеллектуальных информационных систем
4. Охарактеризовать функции интеллектуальных информационных систем
5. Привести выводы по проделанной работе.

В структуру работы включены такие элементы, как Введение, Заключение и Список использованных источников. Кроме того, работа содержит две главы, каждая из которых состоит из двух параграфов.

1 Интеллектуальные информационные системы. История развития и виды

1.1 История развития интеллектуальных информационных систем

История Интеллектуальных информационных систем (ИИС) начинается с середины XX века, что связано с развитием Искусственного интеллекта как нового научного направления, появлением термина «Artificial Intelligence».

Предпосылки развития искусственного интеллекта в СССР и России появляются уже в XIX веке, когда Коллежский советник Семён Николаевич Корсаков (1787—1853) ставил задачу усиления возможностей разума посредством разработки научных методов и устройств, перекликающуюся с современной концепцией искусственного интеллекта, как усилителя естественного^[1].

В 1832 г. С. Н. Корсаков опубликовал описание пяти изобретённых им механических устройств, так называемых «интеллектуальных машин», для частичной механизации умственной деятельности в задачах поиска, сравнения и классификации. В конструкции своих машин Корсаков впервые в истории информатики применил перфорированные карты, игравшие у него своего рода роль баз знаний, а сами машины по существу являлись предшественниками экспертных систем. «Интеллектуальные машины» позволяли находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.

В СССР работы в области искусственного интеллекта начались в 1960-х гг. В Московском университете и Академии наук был выполнен ряд пионерских исследований, возглавленных В. Пушкиным и Д. А. Поспеловым. В 1964 г. была опубликована работа ленинградского логика С. Маслова «Обратный метод установления выводимости в классическом исчислении предикатов», в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов. В 1966 г. В. Ф. Турчиным был разработан язык рекурсивных функций Рефал. До 1970-х гг. в СССР все исследования ИИ велись в рамках кибернетики. По мнению Д. А. Поспелова, науки «информатика» и «кибернетика» были в это время смешаны, по причине ряда академических споров.

Только в конце 1970-х в СССР начинают говорить о научном направлении «искусственный интеллект» как разделе информатики. При этом родилась и сама информатика, подчинив себе прародительницу «кибернетику». В конце 1970-х создаётся толковый словарь по искусственному интеллекту, трёхтомный справочник по искусственному интеллекту и энциклопедический словарь по информатике, в котором разделы «Кибернетика» и «Искусственный интеллект» входят наряду с другими разделами в состав информатики^[2].

История ИИТ начинается с середины 1970-х годов и связывается с совместным практическим применением интеллектуальных информационных систем, систем искусственного интеллекта, систем поддержки решений и информационных систем. История ИИТ связана также с развитием трех научных направлений: компьютерной философии, компьютерной психологии и продвинутой компьютерной науки (Advanced computer science) и дополняется прогрессом в создании:

• ситуационных центров
• информационно-аналитических систем
• инструментариев эволюционных вычислений и генетических алгоритмов
• систем поддержки общения человека с компьютером на естественном языке
• когнитивным моделированием
• систем автоматического тематического рубрицирования документов
• систем стратегического планирования
• инструментариев технического и фундаментального анализа финансовых рынков
• систем менеджмента качества
• систем управления интеллектуальной собственностью и др^[3].

Искусственный интеллект как наука был основан тремя поколениями исследователей.

В Таблице 1 представлены ключевые события в истории ИИ и инженерии знаний, начиная с первой работы У. Маккалока и У. Питса в 1943 г. и до современных тенденций в комбинированных усилиях экспертных систем, нечеткой логики и нейронных вычислений в современных системах, основанных на знаниях, способных осуществлять вычисления при помощи слов.

Таблица 1 Ключевые события в истории ИИ^[4]

Период	События
Рождение ИИ (1943-1956)	У. Маккалок и У. Питс: Логическое исчисление идей, присущих нервной деятельности, 1943. А.Тьюринг: Вычислительная машина и интеллект, 1950. К. Шеннон: Программирование компьютера для шахматной игры, 1950.
Подъем ИИ (1956- конец 1960-х)	Д. Маккарти: LISP – язык программирования искусственного интеллекта. М. Куллиан: Семантические сети для представления знаний,1966. А. Ньюэл и Г. Саймон: Универсальный решатель задач (GPS),1961. М. Минский: Структуры для представления знаний (фреймы), 1975.
Открытие и разработка экспертных систем (начало 1970-х – середина 1980-х).	Э. Фейгенбаум, Б. Букханан и др. (Стэндфордский университет): Экспертная система DENDRAL Э. Фейгенбаум, Э. Шортлиф: Экспертная система MYCIN Стэндфордский исследовательский центр: Экспертная система PROSPECTOR А. Колмероэ, Р. Ковальски и др. (Франция): Язык логического программирования PROLOG.
Возрождение искусственный нейронных сетей (1965 и далее)	Дж. Хопфилд: Нейронные сети и физические с эмержентными коллективными вычислительными способностями, 1982. Т. Кохонен: Самоорганизующиеся топологически правильные карты, 1982. Д. Румельхарт и Д. Макклеланд: Распределенная параллельная обработка данных,1986.
Эволюционное вычисление (начало 1970-х и далее)	И. Рехенберг: Эволюционные стратегии – оптимизация технических систем по принципам биологической информации, 1973. Дж. Холланд: Адаптация в естественных и искусственных системах, 1975. Дж. Коза: Генетическое программирование: компьютерное программирование средствами естественного отбора, 1992. Д.Фогель: Эволюционное вычисление – направление новой философии в машинном интеллекте, 1995.
Нечеткие множества и нечеткая логика (середина 1960-х и далее)	Л. Заде: Нечеткие множества, 1965. Л. Заде: Нечеткие алгоритмы, 1969. Э. Мамдани: Применение нечеткой логики в приближенном рассуждении с использованием лингвистического синтеза, 1977. М. Суджено: Нечеткий логический вывод (алгоритм Такаги-Суджено), 1985
Вычисления при помощи слов (конец 1980-х и далее)	А. Нейгоца: Экспертные системы и нечектие системы, 1985. Б. Коско: Нейронные сети и нечеткие системы, 1992. Б. Коско: Нечеткое мышление, 1993. Р. Ягер и Л. Заде: нечеткие множества, нейронные сети и мягкие вычисления, 1994. Б. Коско: Нечеткая инженерия, 1996. Л. Заде: Вычисления при помощи слов, 1996.

Таким образом, исторически разработки в области ИИ велись в двух основных направлениях:

• первое направление связано с попытками разработки ин­теллектуальных машин путем моделирования их биологического прототипа - человеческого мозга. Сейчас это направление возрож­дается на основе развития современных аппаратных и программ­ных средств (микрочипы на основе нечеткой логики, распределенные многопроцессорные системы, многоагентные системы, мягкие вычисления, генетические алгоритмы и нейронные сети и т.д.).
• второе направление связано с разработками методов, приемов, специализированных устройств и программ для компью­теров, обеспечивающих решение сложных математических и ло­гических задач, позволяющих автоматизировать отдельные ин­теллектуальные действия человека (системы, основанные на знаниях, экспертные системы, прикладные интеллектуальные системы)^[5].

Эти два направления как бы определяют программу минимум и программу максимум, между которыми и лежит область сегодняшних исследований и разработок систем ИИ. Работы по разработке программного и аппаратного обеспечения ИИ выделены в отдельную область.

1.2 Виды интеллектуальных информационных систем

Интеллектуальная система (ИС) на сегодняшний день представляет собой техническую или программную систему, которая нацелена на решение задач, как правило, считающихся творческими, принадлежащими конкретной предметной области. Информация и все необходимые данные о предметной области хранятся в памяти самой интеллектуальной системы^[6].

Как правило, в структуру современной интеллектуальной системы включается три основных блока: база знаний, решатель и интеллектуальный интерфейс.

На сегодняшний день выделяют следующие виды интеллектуальных систем:

1. Расчетно-логическая система

К данному виду систем можно отнести такие системы, которые способны решать управленческие и проектные задачи согласно декларативным описаниям условий. В данном случае за пользователем остается право контроля всех стадий выполняющегося вычислительного процесса при помощи режима диалога. Расчетно-логические системы имеют возможность автоматического построения математической модели конкретной задачи и автоматического синтеза вычислительных алгоритмов, основываясь на формулировке задачи. Названные возможности осуществляются посредством присутствию базы знаний, которая в данном случае представляет собой функциональную семантическую сеть и компоненты дедуктивного вывода и планирования.

1. Рефлекторная интеллектуальная система

Рефлекторной системой называется система, формирующая вырабатываемые специализированными алгоритмами ответную реакцию на разнообразные комбинации входных данных. Подобным алгоритмом обеспечивается выбор наиболее вероятной реакции интеллектуальной системы на входные воздействия, при известных вероятностях выбора реакции на каждое входное воздействие, а также на некоторые комбинации входных воздействий.

Представленная задача в некотором смысле родственна той, которая реализуется посредством перцептронов. Перцептрон, или персептрон представляет собой математическую или компьютерную модель восприятия информации мозгом (кибернетическая модель мозга).Данная модель была предложена Фрэнком Розенблаттом в 1957 г. и была реализована в виде электронной машины «Марк-1» в 1960 г. Перцептрон стал одной из первых моделей нейросетей, а «Марк-1» — первым в мире нейрокомпьютером. Несмотря на свою простоту, перцептрон способен обучаться и решать довольно сложные задачи. Рефлекторные программные системы могут быть применены к следующим задачам:

• естественно-языковой доступ к базам данных;
• оценки инвестиционных предложений;
• оценки и прогнозирования влияния вредных веществ на здоровье населения;
• прогнозирования результатов спортивных игр^[7].

1. Интеллектуальная информационная система

Интеллектуальная информационная система (ИИС) — система, основанная на знаниях.

Гибридная интеллектуальная система

Гибридная интеллектуальная система (ГИС) – система, в которой для решения поставленных задач применяется более одного метода имитации интеллектуальной деятельности человека. Таким образом ГИС представляет собой совокупность:

• аналитических моделей
• экспертных систем
• искусственных нейронных сетей
• нечетких систем
• генетических алгоритмов
• имитационных статистических моделей

Междисциплинарное направление «гибридные интеллектуальные системы» объединяет ученых и специалистов, исследующих применимость не одного, а нескольких методов, как правило, из различных классов, к решению задач управления и проектирования.

Интеллектуальная информационная система (ИИС) также представляет собой информационную систему, основанную на применении баз знаний для генерации алгоритмов решения задач разных классов. Выполняемые задачи зависят от потребностей пользователей^[8].

Программные средства, применяемые в экономических информационных системах, можно разделить на следующие группы:

1. Проблемно-ориентированные пакеты экономико-математического моделирования.
2. Пакеты программ статистического анализа данных.
3. Программные средства интеллектуализации доступа к базе данных.
4. Средства эвристического решения задач анализа диагностики и прогнозирования на основе применения экспертных систем (ЭС).
5. Программы анализа и прогнозирования управленческой деятельности на основе использования аппарата нейронных сетей, а также баз знаний (БЗ) прецедентов.
6. Программные средства динамического планирования на основе использования Сase-технологий.

ИИС могут быть размещены на каком-либо сайте, где пользователь задает системе вопросы на естественном языке (если это вопросно-ответная система) или, отвечая на вопросы системы, находит необходимую информацию (если это экспертная система). Но, как правило, ЭС в интернете выполняют рекламно-информационные функции (интерактивные баннеры), а серьезные системы (такие, как, например, ЭС диагностики оборудования) используются локально, так как выполняют конкретные специфические задачи.

Интеллектуальные поисковики отличаются от виртуальных собеседников тем, что они достаточно безлики и в ответ на вопрос выдают некоторую выжимку из источников знаний (иногда достаточно большого объема), а собеседники обладают «характером», особой манерой общения (могут использовать сленг, ненормативную лексику), и их ответы должны быть предельно лаконичными (иногда даже просто в форме смайликов, если это соответствует контексту).

ИИС:

• Экспертные системы
• Собственно экспертные системы (ЭС)
• Интерактивные баннеры (web + ЭС)
• Вопросно-ответные системы (в некоторых источниках «системы общения»)
• Интеллектуальные поисковики (например, система Старт)
• Виртуальные собеседники
• Виртуальные цифровые помощники^[9]

2 Структура и функции интеллектуальных информационных систем

2.1 Структура интеллектуальных информационных систем

На сегодняшний день развитие интеллектуальных систем достигло достаточно высокого уровня. Следовательно, с развитием, модернизацией и усложнением информационных интеллектуальных систем, усложнялась и их структура.

Интеллектуальные информационные системы, как и обычные информационные системы, работают с информацией, организованной в базы данных – основной структурный элемент любой информационной системы. Разница между интеллектуальными базами данных и обычными базами данных состоит в наличии у первых возможности выборки информации по запросу и выводу информации, которая является неявной – она не хранится в базе в чистом, привычном для пользователя вида, а извлекается из имеющихся данных^[10].

Вывод подобной неявной информации реализуется посредством интерпретации следующих зависимостей:

• вычислительных зависимостей атрибутов, например, «вывести список товаров, цена которых выше среднеотраслевой»,
• структурных отношений объектов, например, «вывести список товаров-заменителей некоторой продукции»,
• логических зависимостей факторов принятия решений, например, «вывести список потенциальных покупателей некоторого товара».

Для выполнения первого типа запроса необходимо сначала проведение статистического расчета среднеотраслевой цены по всей базе данных, а уже после этого собственно отбор данных.

Для выполнения второго типа запроса необходимо вывести значения характерных признаков объекта, а затем поиск по ним аналогичных объектов.

Для третьего типа запроса требуется сначала определить список посредников-продавцов, выполняющих продажу данного товара, а затем провести поиск связанных с ними покупателей.

Во всех перечисленных типах запросов необходимо реализовать поиск по условию, которое должно быть доопределено в ходе решения задачи. Особенность интеллектуальной базы данных состоит в том, что она самостоятельно, без участия пользователя, осуществляет постройку пути доступа к данным. При этом запрос, который необходимо выполнить, формулируется при помощи диалога с пользователем, комфортного и дружественного. Кроме того, формулирование запроса к базе данных может также быть реализовано при помощи естественно-языкового интерфейса^[11].

Естественно-языковой интерфейс осуществляет трансляцию естественно-языковых конструкций на внутримашинный уровень представления знаний. Для выполнения данного процесса необходимо решение задач морфологического, синтаксического и семантического анализа и синтеза высказываний на естественном языке. Так, морфологический анализ осуществляет распознавание и проверку корректности написания слов по встроенным словарям, синтаксический контроль – разложение входных сообщений на отдельные компоненты (определение структуры) с проверкой соответствия грамматическим правилам внутреннего представления знаний и выявления недостающих частей и, наконец, семантический анализ – установление смысловой правильности синтаксических конструкций. Синтез высказываний решает обратную задачу преобразования внутреннего представления информации в естественно-языковое.

Естественно-языковый интерфейс используется для:

• доступа к интеллектуальным базам данных;
• контекстного поиска документальной текстовой информации;
• голосового ввода команд в системах управления;
• машинного перевода с иностранных языков.

Гипертекстовые системы, также являющиеся структурным элементом интеллектуальных информационных систем, выполняют реализацию поиска по ключевым словам в базах текстовых данных. Интеллектуальные гипертекстовые системы отличаются возможностью более сложной семантической организации ключевых слов, которая отражает различные смысловые отношения терминов. Таким образом, механизм поиска работает прежде всего с базой знаний ключевых слов, а уже затем непосредственно с текстом. В более широком плане сказанное распространяется и на поиск мультимедийной информации, включающей помимо текстовой и цифровой информации графические, аудио и видео-образы.

Системы контекстной помощи можно рассматривать, как частный случай интеллектуальных гипертекстовых и естественноязыковых систем. В отличие от обычных систем помощи, навязывающих пользователю схему поиска требуемой информации, в системах контекстной помощи пользователь описывает проблему (ситуацию), а система с помощью дополнительного диалога ее конкретизирует и сама выполняет поиск относящихся к ситуации рекомендаций. Такие системы относятся к классу систем распространения знаний (Knowledge Publishing) и создаются как приложение к системам документации (например, технической документации по эксплуатации товаров).

Системы когнитивной графики позволяют осуществлять интерфейс пользователя с ИИС с помощью графических образов, которые генерируются в соответствии с происходящими событиями. Такие системы используются в мониторинге и управлении оперативными процессами. Графические образы в наглядном и интегрированном виде описывают множество параметров изучаемой ситуации. Например, состояние сложного управляемого объекта отображается в виде человеческого лица, на котором каждая черта отвечает за какой-либо параметр, а общее выражение лица дает интегрированную характеристику ситуации.

Системы когнитивной графики широко используются также в обучающих и тренажерных системах на основе использования принципов виртуальной реальности, когда графические образы моделируют ситуации, в которых обучающемуся необходимо принимать решения и выполнять определенные действия^[12].

Естественно, что работа ни одного современного пользовательского приложения невозможна без пользовательского интерфейса. В контексте интеллектуальных информационных систем термин «пользовательский интерфейс» очень многогранен – он охватывает все стороны и нюансы взаимодействия пользователя и ИИС. Помимо технического и программного обеспечения сюда включаются аспекты, связанные с обеспечением применения, доступности и человеко-машинного взаимодействия.

О корректно построенном интеллектуальном интерфейсе можно говорить в том случае, когда имеет место развитие способностей и возможностей комфортного и качественного взаимодействия пользователя с системой, которая организует, предоставляет необходимые данные и обрабатывает их. Управление подсистемой интеллектуального интерфейса происходит посредством программного обеспечения, которое называется «управляющая система интеллектуального интерфейса»^[13].

На сегодняшний день развития интеллектуальных информационных систем и технологий можно выделить следующие виды интерфейса:

Взаимодействие на основе меню. В данном случае пользователем осуществляется выбор позиции или пункта из перечня возможных выборов. После выбора необходимая функция выполняется. Меню также имеют свою структуру: они должны быть логически упорядочены и появляться соответственно от главного меню к локальным. При этом для упрощения навигации и наиболее конкретной работы пользователя может быть реализовано включение в пункты меню команд, которые появляются в отдельных локальных меню или в меню с не командными пунктами. Меню может оказаться утомительным и продолжительным по времени, когда анализируются сложные ситуации, что объясняется тем, что это может потребовать несколько меню для построения или использования системы и пользователь должен перемещаться назад и вперед меню.

Командный язык. При это виде пользователь вводит команды. Многие команды включают комбинации глагол-существительное. Некоторые команды могут исполняться с функциональными ключами. Другим способом упрощения команд является использование макросов. Команды могут также вводиться голосом.

Вопросно-ответный вид интерфейса начинается с вопросов компьютера пользователю. Пользователь отвечает на вопросы фразой или предложением (или выбором пункта меню). Компьютер может подсказывать пользователю для прояснения или дополнительного ввода информации. В некоторых применениях порядок вопросов может быть обратным: пользователь задает вопросы, а компьютер дает ответы.

Формирование взаимодействия. Пользователь вводит данные или команды в обозначенные формы (поля). Заголовки формы (или отчета, или таблицы) служат подсказками для входа. Компьютер может представлять какой-то выход как результат, и пользователь может быть спрошен о продолжении интерактивного процесса^[14].

Естественный язык. Взаимодействие человек – компьютер, которое подобно диалогу человека с человеком называется естественным языком. Сегодня диалог на естественном языке выполняется главным образом посредством клавиатуры. Такой диалог будет проводиться в будущем с использованием голоса для ввода и вывода информации. Главным ограничением использования естественного языка является по существу неспособность компьютера понимать естественный язык. Однако, достижения ИИ все больше повышают уровень диалога на естественном языке.

Графический пользовательский интерфейс. В графическом пользовательском интерфейсе объекты обычно представляются как пиктограммы (или символы) и пользователь непосредственно ими манипулирует. Новейшие операционные системы компьютеров и их приложения исключительно основаны на графике^[15].

Основными методами обработки знаний и вывода решений в ИИС являются:

1. Методы вывода и поиска решений в продукционных системах
2. Методы вывода на основе прямой и обратной цепочек
3. Общие методы поиска решений в пространстве состояний

• Методы перебора
• Поиск в глубину
• Поиск в ширину
• Поиск на основе стоимости дуг (Нахождение пути минимальной стоимости)
• Поиск с возвратом (бэктрекинг)

1. Эвристические методы поиска (для определения направления поиска используется оценочная функция)
2. Методы редукции
3. Методы поиска решений в больших пространствах состояний

• Методы порождения и проверки
• Методы последовательного уточнения сверху и др.

1. Выводы на фреймах и в семантических сетях
2. Дедуктивные методы поиска решений
3. Поиск решений в условиях неопределенности
4. Вероятностный вывод
5. Вывод на основе теории уверенности
6. Нечеткая логика и приближенные рассуждения
7. Вывод в нейронных сетях^[16]

2.2 Функции интеллектуальных информационных систем

Интеллектуальная ИС решает задачи работы с информацией в реальных сложных условиях «как человек». После анализа этого предложения, уточнения понятия «реальные, сложные условия», анализа поведения и возможностей человека в этих условиях мы вполне логично приходим к понимаю того, какими свойствами должна обладать ИИС.

Итак, это:

• решение задач в условиях неопределенности (неточности, неполноты, неоднозначности, недостоверности) информации.

Представим себе задачу нахождения неизвестного y по известным параметрам x , z. Пусть известна формула:

y = x+z.

Это может быть математической постановки задачи вида: сколько перерабатывающий завод закупит тонн фруктов, если покапает две машины, в одной x и в другой – z тонн фруктов.

Традиционная компьютерная программа может дать ответ о точном значении y, когда известны оба слагаемых в правой части формулы, т.е. x, z. Однако в реальных условиях могут наблюдаться случаи неопределенности, например, значение z – вроде бы определено, но измерительное устройство дает некую, неустановленную несистемную ошибку (в нашем примере, весы, на которых взвешивается автомобиль дают весьма грубую оценку массы груза). Или вообще измерить значение x точно не удается, это можно сделать только «на глазок» (в нашем примере - весы отсутствуют или сломались). В иных случаях некоторые параметры в правой части формулы могут быть вообще неизвестны.

Что делается в таких случаях при традиционных вычислениях? Самое обычное – это подставляются некие идеализированные точные значения x, z. А выходные результаты считаются пригодными только для некоторых условий, с некоторой достоверностью. Возможные ошибки и неточности должны уже учитывать люди при использовании результатов^[17].

• решение неформализованных (трудноформализуемых) задач^[18].

В реальных условиях найти формулу зависимости одних параметров от других (и доказать ее справедливость) бывает трудно или даже невозможно. Так, продолжая наш простейший пример, может выясниться, что само равенство y=x+z является неверным и на самом деле не отражает сути вещей: возможно, есть еще какие то факторы, которые невозможно учесть (например, потери фруктов при транспортировке и дальнейшем хранении, потери из-за недобросовестного отношения работников, из-за состояния фруктов на входе и т.п.).

Еще сложнее обстоит дело, когда требуется найти формулу, которая бы отражала постановку цели поиска лучшего решения (как в задачах линейного программирования):

f= f(X) → max,

gj(X) ≤ bj, j = 1, 2, 3, ..., m.

Здесь нужно с определенностью утверждать, что есть параметры Х, от которых зависит значение функции цели f; известны формулы зависимости, известны также ограничения по ресурсам bj , формулы зависимости функций-ограничений от Х.

Очевидно, что в реальных условиях не все ак однозначно и просто. В итоге все применяемые формулы есть некая идеализация действительности, пригодная для некоторых условий и ограничений. Эта идеализация, выраженная с помощью математических формул, позволяет применять мощные средства вычислительной техники для решения многих задач. Но человек, как мы знаем, зачастую обходится без формул при нахождении ответов на нужные ему вопросы. Или же, даже используя результаты вычислений, оставляет за собой последнее слово в принятии решения. Так, в задаче линейного программирования найденное значение оптимального вектора X* ,доставляющее максимум функции цели f(X*) , является вариантом для дальнейшего выбора руководителем, но не догмой.

Если создать формулу, подобную названым выше невозможно или очень трудоемко, то возникает необходимость использовать некие другие способы решения задач, делая это примерно так, как делает человек, обходящийся без математической формализации.

• эвристическое решение задач – разумное сокращение перебора в пространстве поиска решений^[19].

Отсутствие четкой математической формализации, как например, в задаче линейного программирования, и невозможность применить математические алгоритмы приводит к тому, что единственным способом поиска лучшего решения остается перебор. В простейшем случае перебираем все варианты решений и отбираем их них то, которое по нашим представлениям является самым лучшим.

Такой подход имеет право на жизнь и при решении реальных задач. Однако он неприменим в случаях, когда вариантов много (известная проблема комбинаторного взрыва состоит в резком возрастании количества вариантов при увеличении влияющих параметров. Это приводит к тому, что даже современные компьютеры не могут в реальные сроки сделать выбор путем их перебора и сравнения).

Решение подобных неформализованных задач человеком базируется на эвристиках – некоторых собственных представлениях, правилах, позволяющих сократить пространство перебора при поиске решения.

Эвристические алгоритмы, разработанные для компьютеров и применяемые при поиске решений используются, например, в системах многокритериальной оптимизации, человеко-машинных системах принятия решений, в компьютерах, играющих в игры.

• обучаемость и приобретение опыта. Интеллектуальная система подобно человеку может изменять свои стратегии и правила работы с информацией по мере приобретения новых знаний. В относительно простом случае такое обучение может осуществляться только на этапе создания системы, путем заложения в нее специальных знаний. В более сложных случаях система может анализировать результаты своей деятельности и изменять свои модели, формулы, параметры и т.п., адаптируясь к новым условиям или улучшая результаты своих выводов.
• «умное взаимодействие» с пользователем (потребителем информации и/или постановщиком заданий на обработку информации).

Для расшифровки и раскрытия термина «умное взаимодействие» необходимо представить, как профессионал своей работы ведет общение с заказчиком, который является пользователем результатов его работы. Специалист понимает язык и может выражаться так, чтобы и пользователю было все понятно, без излишних жаргонизмов и профессионализмов. Специалист подсказывает, дополняет вопросы, переводит разговор в понятное и знакомое всем русло, может объяснить ход своих мыслей и действий. Аналогичными возможностями должна обладать и ИИС^[20].

Рисунок 1 Преобладающие функции в ИИС

Названные свойства могут быть реализованы в интеллектуальной информационной системе в той или иной степени, могут быть более или менее выраженными, что зависит непосредственно от назначения системы. На рисунке 1 продемонстрированы функции, которые преобладают на сегодняшний день в традиционных компьютерных информационных системах и в интеллектуальных информационных системах.

ЗАКЛЮЧЕНИЕ

В ходе выполнения работы была достигнута поставленная цель, а именно – изучена структура и функции интеллектуальных информационных систем.

Для достижения данной цели были выполнены следующие задачи:

1. Рассмотрена история развития интеллектуальных информационных систем
2. Изучены виды интеллектуальных информационных систем
3. Проанализирована структура интеллектуальных информационных систем
4. Охарактеризованы функции интеллектуальных информационных систем

На сегодняшний день нельзя сказать, что проблема была полностью рассмотрена и изучена со всех сторон. Учитывая непрерывное развитие технологий, в том числе и информационных систем, следует учитывать, что разнообразие интеллектуальных технологий и информационных систем будет также только увеличиваться. Отсюда последует и расширение их функций, и модернизация структуры и многие другие изменения, которые непременно грянут в будущем.

Кроме того, при выполнении работы были подкреплены полученные ранее знания и обретены новые, которые будут полезны при дальнейшем изучении дисциплины и смежных с ней. Также полученные знания будут полезны и в личной жизни и в профессиональной деятельности.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Абдикеев Н.М. Интеллектуальные информационные системы: Учебное пособие.- М.: КОС-ИНФ, Рос. экон. акад., 2003. – 188 с.
2. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник. – М.: Экзамен, 2004. – 528 с.
3. Абдикеев Н.М., Киселев А.Д. Управление знаниями корпорации и реинжиниринг бизнеса (Под ред. Абдикеева Н.М.). Инфра-М, Москва, 2010
4. Бухтояров В.В. «Эволюционный метод формирования общего решения в коллективах нейронных сетей», Журнал «Искусственный интеллект и принятие решений» под гл. редакцией академика С.В. Емельянова, номер 2010 / 03
5. Гаврилов А.В.. Гибридные интеллектуальные системы: Монография – Новосибирск: Изд-во НГТУ, 2002. – 142 с.
6. Золотов С.И. Интеллектуальные информационные системы: учебное пособие / С.И. Золотов – Воронеж: Научная книга, 2007. –140с.
7. Осипов Г.С. «Динамические интеллектуальные системы», Журнал «Искусственный интеллект и принятие решений» под гл. редакцией академика С.В. Емельянова, номер 2008 / 01
8. Варшавский П.Р., Еремеев А.П. «Моделирование рассуждений на основе прецедентов в интеллектуальных системах поддержки принятия решений», Журнал «Искусственный интеллект и принятие решений» под гл. редакцией академика С.В. Емельянова, номер 2009 / 02
9. Романов В.П. Интеллектуальные информационные системы в экономике Учебное пособие / Под ред. д. э. н., проф. Н. П. Тихомирова. — М.: Издательство «Экзамен», 2003. — 496 с.
10. Рыбина Г.В. «Обучающие интегрированные экспертные системы: некоторые итоги и перспективы», Журнал «Искусственный интеллект и принятие решений» под гл. редакцией академика С.В. Емельянова, номер 2008 / 01
11. Рыбина Г.В. «Теория и практика построения интегрированных экспертных систем», М.: ООО Издательство «Научтехлитиздат», 2008. -485 с.
12. Рыбина Г.В., Дейнеко А.О. «Распределенное приобретение знаний для автоматизированного построения интегрированных экспертных систем», Журнал «Искусственный интеллект и принятие решений» под гл. редакцией академика С.В. Емельянова, номер 2010 / 04
13. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. В. А. Кондратенко, С. В. Трубицына. — М.: Финансы и статистика, 1990. — 320 с.

1. Романов В.П. Интеллектуальные информационные системы в экономике Учебное пособие / Под ред. д. э. н., проф. Н. П. Тихомирова. — М.: Издательство «Экзамен», 2003. — 316 с ↑

2. Романов В.П. Интеллектуальные информационные системы в экономике Учебное пособие / Под ред. д. э. н., проф. Н. П. Тихомирова. — М.: Издательство «Экзамен», 2003. — 319с ↑

3. Золотов С.И. Интеллектуальные информационные системы: учебное пособие / С.И. Золотов – Воронеж: Научная книга, 2007. –64с ↑

4. Романов В.П. Интеллектуальные информационные системы в экономике Учебное пособие / Под ред. д. э. н., проф. Н. П. Тихомирова. — М.: Издательство «Экзамен», 2003. — 125с ↑

5. Романов В.П. Интеллектуальные информационные системы в экономике Учебное пособие / Под ред. д. э. н., проф. Н. П. Тихомирова. — М.: Издательство «Экзамен», 2003. — 164с ↑

6. Рыбина Г.В. «Теория и практика построения интегрированных экспертных систем», М.: ООО Издательство «Научтехлитиздат», 2008. -279 с. ↑

7. Рыбина Г.В. «Теория и практика построения интегрированных экспертных систем», М.: ООО Издательство «Научтехлитиздат», 2008. -286с. ↑

8. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. В. А. Кондратенко, С. В. Трубицына. — М.: Финансы и статистика, 1990. — 117 с ↑

9. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. В. А. Кондратенко, С. В. Трубицына. — М.: Финансы и статистика, 1990. — 123 с ↑

10. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник. – М.: Экзамен, 2004. – 34 с ↑

11. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник. – М.: Экзамен, 2004. – 126 с ↑

12. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник. – М.: Экзамен, 2004. – 194 с ↑

13. Абдикеев Н.М. Интеллектуальные информационные системы: Учебное пособие.- М.: КОС-ИНФ, Рос. экон. акад., 2003. – 134 с ↑

14. Абдикеев Н.М. Интеллектуальные информационные системы: Учебное пособие.- М.: КОС-ИНФ, Рос. экон. акад., 2003. – 141 с ↑

15. Абдикеев Н.М. Интеллектуальные информационные системы: Учебное пособие.- М.: КОС-ИНФ, Рос. экон. акад., 2003. – 146с ↑

16. Гаврилов А.В.. Гибридные интеллектуальные системы: Монография – Новосибирск: Изд-во НГТУ, 2002. – 54 с ↑

17. Гаврилов А.В.. Гибридные интеллектуальные системы: Монография – Новосибирск: Изд-во НГТУ, 2002. – 67 с ↑

18. Гаврилов А.В.. Гибридные интеллектуальные системы: Монография – Новосибирск: Изд-во НГТУ, 2002. – 72 с ↑

19. Гаврилов А.В.. Гибридные интеллектуальные системы: Монография – Новосибирск: Изд-во НГТУ, 2002. – 71 с ↑

20. Романов В.П. Интеллектуальные информационные системы в экономике Учебное пособие / Под ред. д. э. н., проф. Н. П. Тихомирова. — М.: Издательство «Экзамен», 2003. — 302 с ↑