Классификация интеллектуальных информационных систем

Рассмотрим классификацию этих систем, имея в виду, что, несмотря на значительное число попыток провести такую классификацию (см., например, [21, 22, 26, 27, 41]), ни одна из них, на наш взгляд, не является совершенной. На рис. 12.2 представлена классификация СИИ, полученная путем сопоставления и обобщения известных классификаций этих систем.

Наиболее широкое распространение на практике в настоящее время получили СИИ, основанные на знаниях. Понятие «знания» для этих систем имеет принципиальное значение. Под «знанием» в СИИ понимается информация о предметной области, представленная определенным образом и используемая в процессе логического вывода. По своему содержанию данная информация является некоторым набором суждений и умозаключений, описывающих состояние и механизмы (логику) функционирования в выбранной, как правило, весьма ограниченной предметной области. Указанные суждения и умозаключения высказываются экспертом (специалистом) в этой области, либо формулируются в результате анализа литературы по данному предметному направлению.

Способы получения и представления знаний в интересах проектирования СИИ в настоящее время составляют предмет сравнительно нового научного направления — инженерии знаний.

Форма представления знаний имеет отличие от формы представления данных. Обычно (см., например, [53]) под данными в АИС понимаются факты и идеи, представленные в формализованном виде, позволяющие (лишь) передавать, хранить или обрабатывать эти факты и идеи при помощи некоторого процесса. В отличие от данных знания предполагают сосредоточение не только фактов и идей в указанном выше смысле (так называемых первичных данных), но и дополнительных данных, которые описывают (интерпретируют) первичные данные с точки зрения следующих составляющих: того, что собой представляют эти данные, какие между ними имеются связи, какие действия с ними и каким образом могут выполняться и т. п.

В системах, основанных на знаниях, предполагается, что исходные знания способны в соответствии с запросами пользователей к системе порождать новые знания. При этом сама процедура порождения новых знаний называется логическим выводом (или просто выводом). Термин «логический» в данном случае не случаен с двух точек зрения. Системы, основанные на знаниях, моделируют мыслительную деятельность людей лишь на логическом (а не на физиологическом) уровне, и, кроме того, основным математическим аппаратом, лежащим в основе систем этого типа, является аппарат математической логики.

К СИИ, полностью основанным на знаниях, относятся два класса систем: экспертные системы (ЭС) и ИППП. Основные идеи этого направления частично (или даже в значительной части) реализуются и в других СИИ, в частности робототехнических системах распознавания и др. (см. рис. 12.2).

Наиболее последовательно идеи, на которых базируются СИИ, основанные на знаниях, воплощены в ЭС, которые достаточно подробно рассмотрены в гл. 14.

Под ИППП понимаются инструментальные пакеты прикладных программ, в которых механизм сборки отдельных подпрограмм (решения частных задач) в общую программу решения требуемой задачи осуществляется автоматически, на основе механизма логического вывода.

В самоорганизующихся системах реализуется попытка осуществить моделирование интеллектуальной деятельности человека (или более простых живых существ) не на логическом, а на физиологическом уровне работы головного мозга. В данном случае мозг человека моделируется сетью идеальных нейронов. В соответствии с доказанной Дж. фон Нейманом [37] теоремой при воздействии на такую сеть некоторых раздражителей она начинает вырабатывать адекватную реакцию, т.е. способна к самообучению путем самоорганизации. Несмотря на значительную теоретическую перспективность этого (исторически первого) направления в области ИИ, практически значимых результатов этот путь пока не дал. Последнее объясняется технической нереализуемостью на современном уровне достаточного числа взаимосвязанных нейронов в искусственно создаваемой сети.

В то же время данное направление позволило получить весомые результаты в области исследования возможностей создания компьютеров сверхвысокого быстродействия и тем самым повысить возможности СИИ, создаваемых на других принципах. Кроме того, реальные результаты получены в создании нейросистем распознавания образов.

Основная идея, лежащая в основе создания нейросетей, базируется на теореме Мак-Каллока и Питтса [37], которая утверждает: любую вычислимую функцию можно реализовать с помощью сети идеальных нейронов. Эксперименты показывают, что реализация этих функций таким путем может осуществляться значительно быстрее, чем на традиционном компьютере. Компьютеры новой архитектуры, воплощающие данную идею, получили название нейрокомпьютеры.

Третье направление разработки СИИ связано с реализацией эвристического подхода к построению таких систем. Главной особенностью, характерной для данного направления, является полный отказ от следования принципу аналогии при моделировании механизма интеллектуальной деятельности (ни на логическом, ни на физиологическом уровнях). Методологической основой систем эвристического поиска служит то утверждение, что любая интеллектуальная деятельность начинается с некоторых данных и завершается получением определенных результатов также в виде данных. Если техническое устройство позволяет по аналогичным исходным данным получить эквивалентные результаты, то оно может быть отнесено к классу интеллектуальных (см. первое определение ИИ). При этом механизм переработки исходных данных в результаты не оговаривается и, вообще говоря, может быть совершенно иным по сравнению с реальным. Системы этого типа выполняют функции, которые традиционно производятся человеком, однако реализуют их другими способами.

Широкое распространение данное направление получило при решении различных игровых задач (шахматы, шашки и т.д.). Однако подходы, присущие этому направлению, нашли применение и в других СИИ, в частности системах общения (особенно в части речевого общения), системах распознавания, робототехнических системах и др. В то же время следует заметить: специфика эвристического подхода такова, что рецепты создания программ для решения интеллектуальных задач в одной области практики, как правило, неприменимы в другой области, а возникающая необходимость изменения характера учета факторов при решении прикладных задач вызывает существенную перестройку программы в целом.

При разработке интеллектуальных робототехнических систем основная задача состоит в решении теоретических и практических вопросов организации целесообразного поведения подвижных роботов, снабженных сенсорными и эффекторными (исполнительными) механизмами [54]. Принципиальное отличие робототехнических систем от СИИ других типов заключается в том, что эти системы не только воспринимают информацию из окружающего мира и вырабатывают на ее основе определенные оценочные выводы, но и, сообразуясь с этими выводами, вносят изменение в окружающий (анализируемый ими) мир.

К настоящему времени в практике находят применение робототехнические системы с относительно простыми сенсорными и эффекторными механизмами, которые способны выполнять действия только в простых средах с заранее зафиксированными свойствами.

Основа проблемы распознавания образов или в более широком контексте — машинное зрение — заключается в придании системе способности разрешения задач преобразования огромного количества сенсорных данных (например, присутствующих в телевизионном изображении) к относительно краткому и осмысленному описанию наблюдаемой проблемной ситуации. Содержанием такого описания, как правило, является тот минимальный (самый характерный) набор данных, которые отличают изучаемую ситуацию от стандартной. Основная сложность такого описания связана с ответом на следующие вопросы: какие объекты имеют место в наблюдаемом кадре? какие из них являются ключевыми для выявленной ситуации? что надо принять за стандартную ситуацию для выявленных ключевых объектов? в чем отличие рассматриваемой ситуации от стандартной? откуда первоначально получать наборы стандартных ситуаций? Трудности, с которыми сталкивается практика при решении каждой из перечисленных задач, указывают на то, что, как и в случае робототехнических систем, данное направление находит реализацию только в самых простых случаях.

В дальнейшем будем рассматривать системы, основанные на знаниях, как получившие наибольшее практическое развитие и распространение в различных отраслях профессиональной деятельности, в том числе и в экономике, что обусловливает необходимость более подробного рассмотрения методов представления знаний в памяти ЭВМ.