Sistemet inteligjente të informacionit (2) - Abstrakt. Fleta e mashtrimit: Sistemet Inteligjente të Informacionit

Leksioni numër 1 IIS

Për shkak të qëllimit të tyre, sistemet inteligjente të informacionit mund të përdoren pothuajse në çdo fushë të veprimtarisë njerëzore. Shembuj të fushave ku kjo qasje tashmë po jep rezultate të prekshme janë:

· Industria:

Menaxhimi i prodhimit: projektimi dhe optimizimi i zinxhirit të prodhimit duke shpërndarë hapa teknologjikë si midis divizioneve të brendshme ashtu edhe ndërmjet kontraktorëve të palëve të treta.

Kontrolli i proceseve të prodhimit: grumbullimi dhe analiza e informacionit aktual, komunikimi me agjentët që kontrollojnë nënsistemet e tjera, miratimi dhe zbatimi i vendimeve operacionale.

Menaxhimi i transportit ajror: modelimi dhe optimizimi i aktiviteteve të dispeçimit të aeroportit.

Sipërmarrja:

Menaxhimi i informacionit: kërkimi i burimeve, grumbullimi, filtrimi dhe analiza e të dhënave, përpunimi inteligjent i sasive të mëdha të informacionit.

E-commerce ofron mundësi të mëdha për përdorimin e agjentëve inteligjentë si nga ana e shitësit, ashtu edhe nga ana e blerësit.

Menaxhimi i procesit të biznesit: automatizimi fleksibël i aktiviteteve organizative të korporatës me logjikë komplekse të brendshme dhe një numër të madh palësh të përfshira.

· Ilaçi:

Monitorimi i pacientit: grumbullimi, regjistrimi dhe analiza e vazhdueshme e një numri të madh karakteristikash të monitoruara të gjendjes së pacientit për një periudhë të gjatë kohore.

Kujdesi shëndetësor: aftësia për të ekzaminuar dhe diagnostikuar pacientët duke përdorur specialistë virtualë nga fusha të ndryshme të mjekësisë.

· Industria e argëtimit:

Lojëra kompjuterike: aftësia për të arritur nivele të reja cilësore nëpërmjet përdorimit të agjentëve inteligjentë për palët e ndryshme të përfshira.

Aplikacionet interaktive (televizion, teatër, kinema): agjentët mund të krijojnë iluzionin e realitetit të veprimit që po ndodh, duke i lejuar përdoruesit të marrë pjesë në të.

Shembuj të IIS në ekonomi:

· Hedger inteligjent: një qasje e bazuar në njohuri për problemet e sigurimit të rrezikut. Firma: Departamenti i Sistemit të Informacionit, Universiteti i Nju Jorkut. Problemi i numrit të madh të alternativave gjithnjë në rritje të sigurimit të rrezikut, vendimmarrja e shpejtë nga menaxherët e rrezikut në një rrjedhë të përshpejtuar të informacionit dhe mungesa e mbështetjes adekuate të makinerive në fillim të procesit të zhvillimit të sistemit të sigurimit të rrezikut sugjeron një gamë të gjerë të ndryshme zgjidhje optimale për menaxherët e riskut. Në këtë sistem, zhvillimi i sigurimit të rrezikut është formuluar si një problem optimizimi me shumë qëllime. Ky problem optimizimi përfshin disa vështirësi që zgjidhjet teknike ekzistuese nuk mund t'i përballojnë. Përmbledhje: Sistemi përdor një paraqitje të objektit që kap njohuri të thelluara të menaxhimit të rrezikut dhe lehtëson emulimin e arsyetimit parësor që nxit rrezikun, i dobishëm për konkluzionet dhe shpjegimet e tyre.

· Sistemi i arsyetimit në parashikimin e këmbimit valutor. E fortë. Departamenti i Shkencave Kompjuterike të Universitetit Politeknik të Qytetit të Hong Kongut prezanton një qasje të re për parashikimin e kursit të këmbimit bazuar në akumulimin dhe arsyetimin me mbështetje për veçoritë e pranishme për t'u fokusuar në një sërë hipotezash rreth lëvizjeve të kursit të këmbimit. Paraqitur në një sistem parashikues grup funksioneshështë një grup i caktuar vlerash ekonomike dhe grupe të ndryshme parametrash që ndryshojnë në kohë të përdorura në një model parashikimi. Karakteristikat e shkurtra: baza matematikore e qasjes së aplikuar bazohet në teorinë Dempster-Schaefer.

· Nereida. Sistemi i mbështetjes së vendimeve për optimizimin e punës me opsionet e monedhës. Firma: NTT Data, The Tokai Bank, University Science of Tokio. Sistemi lehtëson mbështetjen e tregtarit për një përgjigje optimale si një nga opsionet e mundshme të paraqitura; është më praktik dhe jep vendime më të mira se sistemet konvencionale të vendimmarrjes. Karakteristikat e shkurtra: Sistemi është zhvilluar duke përdorur sistemin e kornizës CLP, i cili integron lehtësisht zonën financiare në një aplikacion AI. Propozohet një lloj i përzier optimizimi që kombinon njohuritë heuristike me teknikat e programimit linear. Sistemi funksionon në stacionet Sun.

· PMIDSS: Sistemi i Mbështetjes së Vendimeve të Menaxhimit të Portofolit. Zhvilluesit: Grupi Financiar i Universitetit të Nju Jorkut. Detyrat që duhen zgjidhur: përzgjedhja e një portofoli letrash me vlerë; planifikimi afatgjatë i investimeve. Karakteristikat e shkurtra: sistemi i përfaqësimit të njohurive të përziera, përdorimi i mekanizmave të ndryshëm të konkluzionit: logjika, rrjetet semantike të drejtuara, kornizat, rregullat.

Aktualisht, pjesa më e rëndësishme e përdorimit të sistemeve inteligjente të informacionit bie mbi agjentët inteligjentë të informacionit.

Qëllimi dhe funksionet e agjentëve inteligjentë të informacionit

Një nga konceptet themelore në shumë fusha të teorisë së inteligjencës artificiale (dhe, në veçanti, problemi i planifikimit) është koncepti i një agjenti - një objekt që vepron në një mjedis të caktuar për të kryer funksione të caktuara. Pavarësisht nga përdorimi i gjerë i vetë termit "agjent", deri më tani nuk ka një përkufizim të pranuar përgjithësisht të këtij koncepti. Në prezantimin e mëposhtëm, koncepti i një agjenti inteligjent do të interpretohet në kuptimin e dy përkufizimeve:

1. Përkufizimi i dobët i një agjenti inteligjent: një agjent inteligjent është një sistem harduer ose softuer me karakteristikat e mëposhtme: autonomi, reaktivitet, aktivitet dhe komunikim.

2. Një përkufizim i fortë i një agjenti inteligjent: një agjent inteligjent është një sistem kompjuterik që zotëron vetitë e listuara dhe, përveç kësaj, zbatohet në bazë të koncepteve që janë më të zbatueshme për njerëzit.

Në vepër, përkufizimet janë formuluar në një mënyrë paksa të ndryshme në lidhje me sa më sipër: një agjent kuptohet si një sistem i pavarur softuerësh që ka aftësinë të marrë ndikim nga bota e jashtme, të përcaktojë përgjigjen e tij ndaj këtij ndikimi dhe të kryejë këtë. reagimi, ndërsa koncepti i një agjenti inteligjent korrespondon me një agjent që ka një sërë njohurish për veten dhe botën përreth jush dhe sjellja e të cilit përcaktohet nga kjo njohuri.

Së bashku me përkufizimet e listuara në literaturën mbi inteligjencën artificiale, ekzistojnë disa dhjetëra formulime të ndryshme të përkufizimit të një agjenti, megjithatë, shumica e tyre zbresin në praninë e grupit të listuar të karakteristikave kryesore. Le të shqyrtojmë më në detaje vetitë përcaktuese të agjentëve inteligjentë:

· Autonomia - aftësia për të funksionuar në mënyrë të pavarur nga veprimet e kontrollit të jashtëm (për shembull, kontrolli i operatorit). Një shkallë e lartë e autonomisë lehtësohet nga aftësi të tilla agjentësh si algoritmet fleksibël të punës, aftësia për të vetë-mësuar dhe aftësia për të punuar me informacion jo të plotë.

· Reaktiviteti - aftësia e agjentit për të perceptuar gjendjen e mjedisit (botën e jashtme) dhe ndryshimet në këtë gjendje, si dhe për të marrë parasysh këtë informacion në veprimtarinë e tij. Format ekstreme të përdorimit të vetive të reaktivitetit janë një skemë e ngurtë e punës së agjentit, në të cilën veprimet kryhen sipas një plani të zhvilluar paraprakisht që nuk modifikohet gjatë ekzekutimit, dhe një model sjelljeje plotësisht reaktive, kur agjenti nuk ka një plan të parapërgatitur dhe vepron vetëm në bazë të informacionit për gjendjen aktuale të mjedisit.

· Qëllimi - aftësia e një agjenti jo vetëm për veprime reaktive, por edhe për sjellje të qëllimshme për të arritur një qëllim të caktuar, të vendosur në mënyrë të pavarur ose nga jashtë.

· Komunikimi - vetia e agjentëve për të bashkëvepruar me njëri-tjetrin, si dhe me qenie të tjera inteligjente (për shembull, njerëzit). Për shembull, në problemin e inteligjencës artificiale të shpërndarë, disa agjentë veprojnë në sistem, duke ndërvepruar në një farë mënyre me njëri-tjetrin. Në një rast të thjeshtë, ndërveprimi kufizohet vetëm në shkëmbimin e informacionit; në sistemet më komplekse, agjentët mund të bashkëpunojnë dhe të rregullojnë aktivitetet e tyre për të arritur qëllimet e përbashkëta.

Një shembull i një agjenti inteligjent është një softbot (robot softuerik) - një sistem që ndërvepron me një mjedis kompjuterik (për shembull, një sistem operativ) duke ekzekutuar komanda dhe duke interpretuar rezultatet e komandave dhe mesazheve të tjera nga mjedisi.

Siç tregon praktika, në shumicën e rasteve, përdorimi i agjentëve inteligjentë zbret në një nga dy opsionet:

1. Kryerja autonome e funksioneve specifike në vend të një personi, dhe në disa raste, edhe në emër të një personi.

2. Ndihma në kryerjen e aktiviteteve të caktuara përmes ndërveprimit të nivelit të lartë njerëzor.

Si rezultat i analizës së sistemeve të njohura të aplikuara të zbatuara në bazë të qasjes së konsideruar, mund të dallohen llojet e mëposhtme të agjentëve inteligjentë:

1. Agjentë bashkëpunues, të aftë jo vetëm për funksionim autonom të izoluar, por edhe për veprimtari të përbashkëta me agjentë të tjerë, veçanërisht për koordinimin e veprimeve, zhvillimin e planeve të përbashkëta dhe zgjidhjen e konflikteve. Shembuj agjentësh janë Carnegie Mellon University Pleiades Project, MII Systems dhe ADEPT.

2. Agjentët e ndërfaqes, detyra e të cilëve është të ndërveprojnë me përdoruesin (dhe jo me agjentë të tjerë) dhe ta ndihmojnë atë për të kryer ndonjë aktivitet. Ky lloj agjenti nganjëherë quhet edhe asistent personal. Implementimet ekzistuese përfshijnë sisteme të ndryshme ndihmëse, asistentë shitjesh, sisteme mbështetëse të rrjedhës së punës dhe sisteme argëtimi.

3. Agjentë celularë me aftësinë për të kryer funksionet e tyre në vende të ndryshme brenda habitatit. Mjedisi më i natyrshëm për funksionimin e agjentëve të tillë janë rrjetet e ndryshme kompjuterike ose sistemet e komunikimit. Duhet të theksohet gjithashtu se lëvizshmëria në vetvete nuk është as një pronë e nevojshme dhe as e mjaftueshme e një agjenti inteligjent.

4. Agjentët e informacionit u shfaqën si një klasë e veçantë si rezultat i nevojës urgjente për të kërkuar, mbledhur dhe përpunuar një sasi të madhe informacioni me akses relativisht të lehtë. Para së gjithash, ky grup përfshin sistemet e kërkimit në internet, për shembull, kërkimin në WWW (Jasper, Webwatcher) dhe filtrimin e arkivave të grupeve të lajmeve (NewT).

5. Agjentët reaktivë përbëjnë një grup të veçantë agjentësh që nuk kanë asnjë model të brendshëm të mjedisit, por veprojnë vetëm në përgjigje të një gjendjeje të caktuar të mjedisit ose një ndryshimi të gjendjes. Shembuj të sistemeve të tilla janë "makina e situatës", sisteme të ndryshme për modelimin e sjelljes shoqërore dhe aplikacionet e lojërave.

6. Agjentët hibridë që kombinojnë veçoritë e natyrshme në klasat e ndryshme të mësipërme. Ky grup përfshin, në veçanti, InterRRaP, i cili kombinon modulet reaktive dhe bashkëpunuese, sistemin e monitorimit të pacientëve Guardian, si dhe agjentë të ndryshëm informacioni celular.

7. Sistemet e agjentëve heterogjenë, në ndryshim nga agjentët hibridë, përbëhen nga disa agjentë që u përkasin klasave të ndryshme. Motivimi kryesor për krijimin e sistemeve të tilla është ndërtimi i integrimit të sistemeve ekzistuese të specializuara (ARCHON), ndërsa një nga çështjet kryesore është organizimi i ndërveprimit ndërmjet agjentëve.

Pavarësisht nga avantazhet dhe perspektivat e dukshme të përdorimit të agjentëve inteligjentë në fusha të ndryshme shkencore dhe praktike, kjo qasje ka gjithashtu një numër kufizimesh, në veçanti:

· Mungesa e kontrollit të përgjithshëm mbi agjentët inteligjentë mund të çojë në vështirësi të konsiderueshme kur është e nevojshme të merren parasysh kufizimet globale, kërkesat për një përgjigje të garantuar në kohë reale dhe anashkalimi i bllokimeve të mundshme.

· Mungesa e një perspektive globale: meqenëse, në realitet, sistemet e bazuara në agjentë nuk mund të kenë një sistem të plotë njohurish për botën përreth tyre, lind pyetja për mundësinë e gjetjes së zgjidhjeve optimale ose jo optimale bazuar në një bazë njohurish lokale.

· Problemi i besimit: sa mund t'u besohet agjentëve inteligjentë kur kryejnë funksionet e tyre në mënyrë autonome, veçanërisht kur një agjent i tillë vepron në botën reale në emër të një individi ose organizate të caktuar.

Megjithatë, aktualisht ka një kërkesë të shtuar për teknologji agjentësh inteligjente nga korporatat kryesore në botë, gjë që stimulon një sasi të madhe të punës kërkimore në këtë fushë, e cila kryhet në disa drejtime kryesore:

· Drejtimi i teorisë së agjentëve është i angazhuar në kërkimin dhe zhvillimin e specifikimeve, konceptimin e agjentëve, përcaktimin e vetive dhe metodat e paraqitjes së tyre të formalizuar. Punimi shqyrton tiparet që dallojnë agjentët inteligjentë nga softueri konvencional dhe përmban një pasqyrë mjaft të plotë të qasjeve teorike ekzistuese.

· Drejtimi i arkitekturës së agjentëve studion zbatimin e specifikimeve, aspekteve harduerike dhe softuerike të problemit të ndërtimit të një sistemi kompjuterik që plotëson vetitë e dhëna. Shembuj të arkitekturave më të njohura të agjentëve inteligjentë janë: GISA (Generic Intelligent Software Agent), BDI (Belief-Desire-Intention) dhe FIPA (Foundation for Intelligent Physical Agents).

· Drejtimi i gjuhëve të programimit të agjentëve eksploron mënyrat e përshkrimit formal të parimeve teorike, kërkimin e primitivëve optimalë gjatë kodimit të agjentëve, përpilimin dhe ekzekutimin efikas të programeve. Ky grup, në veçanti, përfshin punime kushtuar zbatimit të agjentëve për internetin dhe rrjetet e korporatave, studimin e veçorive të aplikimit të qasjes së orientuar nga objekti dhe konceptin e programimit të orientuar nga agjenti.

Në përputhje me veçoritë e listuara më sipër, IMS ndahen në (ky klasifikim është një nga të mundshmet) (Fig. 1):

sisteme me aftësi komutative (me ndërfaqe inteligjente);

sisteme eksperte (sisteme për zgjidhjen e problemeve komplekse);

sistemet e vetë-mësimit (sisteme të afta për vetë-mësim);

sistemet adaptive (sistemet e informacionit përshtatës).

Oriz. një. Klasifikimi i sistemeve inteligjente të informacionit sipas llojeve të sistemeve

Baza e të dhënave inteligjente ndryshojnë nga bazat e të dhënave konvencionale nga aftësia për të tërhequr informacionin e nevojshëm sipas kërkesës, i cili mund të mos ruhet në mënyrë eksplicite, por rrjedh nga informacioni i disponueshëm në bazën e të dhënave.

Ndërfaqja e gjuhës natyrore përfshin përkthimin e ndërtimeve të gjuhës natyrore në nivelin e përfaqësimit të njohurive në makinë. Për këtë është e nevojshme të zgjidhen problemet e analizës morfologjike, sintaksore dhe semantike dhe sinteza e pohimeve në gjuhën natyrore. Pra, analiza morfologjike përfshin njohjen dhe verifikimin e drejtshkrimit të fjalëve në fjalorë, kontrollin sintaksor - zbërthimin e mesazheve hyrëse në komponentë të veçantë (përcaktimin e strukturës) me kontrollimin e pajtueshmërisë me rregullat gramatikore të përfaqësimit të brendshëm të njohurive dhe identifikimin e pjesëve që mungojnë dhe , në fund, analiza semantike - vendosja e korrektësisë semantike të modeleve sintaksore. Sinteza e deklaratave zgjidh problemin e kundërt të shndërrimit të paraqitjes së brendshme të informacionit në një gjuhë natyrore.

Ndërfaqja e gjuhës natyrore përdoret për:

akses në bazat e të dhënave inteligjente;

kërkimi kontekstual i informacionit të tekstit dokumentar;

përkthim me makinë nga gjuhët e huaja.

Sistemet e hipertekstit janë krijuar për të zbatuar kërkimin e fjalëve kyçe në bazat e informacionit tekstual. Sistemet inteligjente të hipertekstit dallohen nga mundësia e një organizimi më kompleks semantik të fjalëve kyçe, i cili pasqyron marrëdhënie të ndryshme semantike të termave. Kështu, motori i kërkimit punon kryesisht me bazën e njohurive të fjalëve kyçe, dhe vetëm atëherë drejtpërdrejt me tekstin. Në një kuptim më të gjerë, e njëjta gjë vlen edhe për kërkimin e informacionit multimedial, duke përfshirë, përveç tekstit, dhe informacionin dixhital.

Sistemet kontekstuale ndihma mund të shihet si një rast i veçantë i hipertekstit inteligjent dhe sistemeve të gjuhës natyrore. Në ndryshim nga sistemet konvencionale të ndihmës që i imponojnë përdoruesit një skemë për gjetjen e informacionit të kërkuar, në sistemet e ndihmës kontekstuale përdoruesi përshkruan problemin (situatën), dhe sistemi e specifikon atë me ndihmën e një dialogu shtesë dhe vetë kërkon rekomandime lidhur me ndaj situatës. Sisteme të tilla i përkasin klasës së sistemeve të publikimit të njohurive dhe krijohen si një bashkëngjitje e sistemeve të dokumentacionit (për shembull, dokumentacioni teknik për funksionimin e mallrave).

Sistemet grafike njohëse lejojnë zbatimin e ndërfaqes së përdoruesit me IMS duke përdorur imazhe grafike që krijohen në përputhje me ngjarjet që ndodhin. Sisteme të tilla përdoren në monitorimin dhe menaxhimin e proceseve operacionale. Imazhet grafike në formë vizuale dhe të integruar përshkruajnë shumë parametra të situatës së studiuar. Për shembull, gjendja e një objekti kompleks të kontrolluar shfaqet në formën e një fytyre njerëzore, në të cilën çdo veçori është përgjegjëse për një parametër, dhe shprehja e përgjithshme e fytyrës jep një përshkrim të integruar të situatës. Sistemet grafike njohëse përdoren gjithashtu gjerësisht në sistemet e mësimdhënies dhe trajnimit bazuar në përdorimin e parimeve të realitetit virtual, kur imazhet grafike simulojnë situata në të cilat studenti duhet të marrë vendime dhe të kryejë veprime të caktuara.

Sistemet eksperte janë krijuar për të zgjidhur problemet në bazë të një baze njohurish të akumuluar që pasqyron përvojën e ekspertëve në fushën e problemit në shqyrtim.

Sisteme me shumë agjentë. Sisteme të tilla dinamike karakterizohen nga integrimi në bazën e njohurive të disa burimeve heterogjene të njohurive, duke shkëmbyer rezultatet e marra me njëri-tjetrin në baza dinamike.

Për sistemet me shumë agjentë karakteristikat e mëposhtme janë karakteristike:

kryerja e arsyetimit alternativ bazuar në përdorimin e burimeve të ndryshme të njohurive me një mekanizëm për eliminimin e kontradiktave;

shpërndarja e zgjidhjes së problemeve, të cilat ndahen në nënprobleme të zgjidhura paralele që korrespondojnë me burime të pavarura njohurish;

aplikimi i shumë strategjive për funksionimin e mekanizmit të nxjerrjes së përfundimeve, në varësi të llojit të problemit që zgjidhet;

përpunimi i sasive të mëdha të të dhënave të përfshira në bazën e të dhënave;

përdorimin e modeleve të ndryshme matematikore dhe procedurave të jashtme të ruajtura në bazën e të dhënave të modeleve;

aftësia për të ndërprerë zgjidhjen e problemeve për shkak të nevojës për të marrë të dhëna dhe njohuri shtesë nga përdoruesit, modelet dhe nënproblemet paralele për t'u zgjidhur.

Në zemër të sistemet e vetë-mësimit metodat e klasifikimit automatik të shembujve të situatave të jetës reale gënjejnë.

Karakteristikat karakteristike të sistemeve të vetë-mësimit janë:

sistemet e vetë-mësimit "me një mësues", kur për secilin shembull përcaktohet në mënyrë eksplicite vlera e atributit të përkatësisë së tij në një klasë të caktuar situatash (atribut formues i klasës);

sistemet e vetë-mësimit "pa mësues", kur, sipas shkallës së afërsisë së vlerave të shenjave të klasifikimit, vetë sistemi zgjedh klasa situatash.

Sistemet induktive përdorin përgjithësimin e shembujve sipas parimit nga e veçanta në të përgjithshme. Procesi i klasifikimit të shembujve është si më poshtë:

Një atribut klasifikimi zgjidhet nga një grup i caktuar (ose në mënyrë sekuenciale ose sipas ndonjë rregulli, për shembull, në përputhje me numrin maksimal të nëngrupeve të shembujve të marrë).

Sipas vlerës së veçorisë së zgjedhur, shumë shembuj ndahen në nënbashkësi.

Ai kontrollon nëse çdo nëngrup shembujsh që rezulton i takon të njëjtës nënklasë.

Nëse një nëngrup shembujsh i përket një nënklase, domethënë, të gjithë shembujt e nëngrupit kanë të njëjtën vlerë të veçorisë së formimit të klasës, atëherë procesi i klasifikimit përfundon (ndërsa tiparet e mbetura të klasifikimit nuk merren parasysh).

Për nëngrupe shembujsh me një vlerë të mospërputhjes së atributit të formimit të klasës, procesi i klasifikimit vazhdon nga pika 1 (çdo nëngrup shembujsh bëhet një grup i klasifikuar).

Rrjetet nervore janë pajisje llogaritëse paralele të përbëra nga shumë procesorë të thjeshtë ndërveprues. Secili procesor në një rrjet të tillë merret vetëm me sinjalet që ai merr në mënyrë periodike dhe sinjalizon që ai i dërgon periodikisht procesorëve të tjerë.

Në sistemet e ekspertëve, bazuar në raste(analogji), baza e njohurive nuk përmban përshkrime të situatave të përgjithësuara, por në fakt vetë situatat ose precedentë.

Kërkimi për një zgjidhje të një problemi në sistemet eksperte, bazuar në precedentë, reduktohet në një kërkim sipas analogjisë (d.m.th., një përfundim rrëmbyes nga e veçanta tek e veçanta).

Ndryshe nga baza e të dhënave inteligjente, dyqan informacioniështë një depo e informacionit kuptimplotë të nxjerrë nga një bazë të dhënash operacionale, e cila është menduar për analizën e të dhënave operative të situatës (zbatimi i teknologjisë OLAP).

Detyrat tipike të analizës së situatës operacionale janë:

përcaktimi i profilit të konsumatorit të objekteve specifike të ruajtjes;

parashikimi i ndryshimeve në objektet e ruajtjes me kalimin e kohës;

analiza e varësive të shenjave të situatave (analizë korrelacioni).

Sistemi i informacionit përshtatësËshtë një sistem informacioni që ndryshon strukturën e tij në përputhje me një ndryshim në modelin e zonës së problemit.

ku:

një sistem informacioni përshtatës duhet të mbështesë në mënyrë adekuate organizimin e proceseve të biznesit në çdo moment të kohës;

një sistem informacioni përshtatës duhet të përshtatet sa herë që ka nevojë për të riorganizuar proceset e biznesit;

rindërtimi i sistemit të informacionit duhet të kryhet shpejt dhe me kosto minimale.

Thelbi i sistemit të informacionit përshtatës është një model vazhdimisht në zhvillim i zonës së problemit (ndërmarrjes), i mbështetur në një bazë të veçantë njohurish - depo. Kerneli përdoret për të gjeneruar ose konfiguruar softuerin. Kështu, projektimi dhe përshtatja e IS zbret, para së gjithash, në ndërtimin e një modeli të zonës së problemit dhe korrigjimin e tij në kohë.

Meqenëse nuk ka një përkufizim të pranuar përgjithësisht, është e vështirë të jepet një klasifikim i qartë i unifikuar i sistemeve inteligjente të informacionit. Për shembull, nëse marrim parasysh sistemet inteligjente të informacionit nga pikëpamja e problemit që zgjidhet, atëherë është e mundur të dallohen sistemet e kontrollit dhe sistemet e referencës, sistemet e gjuhësisë llogaritëse, sistemet e njohjes, sistemet e lojës dhe sistemet për krijimin e sistemeve inteligjente të informacionit (Fig. 2).

Në të njëjtën kohë, sistemet mund të zgjidhin jo një, por disa probleme, ose në procesin e zgjidhjes së një problemi, ata mund të zgjidhin një numër të tjerë. Për shembull, kur mësoni një gjuhë të huaj, sistemi mund të zgjidhë problemet e njohjes së të folurit të nxënësit, të testojë, t'u përgjigjet pyetjeve, të përkthejë tekste nga një gjuhë në tjetrën dhe të mbështesë ndërfaqen e gjuhës natyrore të punës.

Figura 2 - Klasifikimi i sistemeve inteligjente të informacionit sipas detyrave që zgjidhen

Nëse klasifikojmë sistemet inteligjente të informacionit sipas kriterit "metoda të përdorura", pastaj ato ndahen në të forta, të buta dhe hibride (Fig. 3).

Llogaritja e butëËshtë një metodologji e sofistikuar kompjuterike e bazuar në logjikën fuzzy, llogaritjen gjenetike, neurokompjuterin dhe llogaritjen probabilistike. E vështirë informatikë - kompjuteri tradicional kompjuterik (jo i butë). Sistemet hibride- sistemet që përdorin më shumë se një teknologji kompjuterike (në rastin e sistemeve inteligjente, teknologjive të inteligjencës artificiale).

Oriz. 3. Klasifikimi i sistemeve inteligjente të informacionit sipas metodave

Klasifikime të tjera janë gjithashtu të mundshme, për shembull, dallohen sistemet me qëllime të përgjithshme dhe sistemet e specializuara (Fig. 4).

Oriz. 4. Klasifikimi i sistemeve inteligjente sipas qëllimit

Përveç kësaj, kjo skemë reflekton një variant tjetër i klasifikimit sipas metodave: sisteme që përdorin metoda të përfaqësimit të njohurive, sisteme vetëorganizuese dhe sisteme të krijuara duke përdorur programimin heuristik. Gjithashtu në këtë klasifikim, sistemet e gjenerimit të muzikës referohen si sisteme komunikimi.

Tek sistemet inteligjente Qëllimi i përgjithshëm i referohet sistemeve që jo vetëm ekzekutojnë procedura të specifikuara, por në bazë të metaprocedurave të kërkimit gjenerojnë dhe ekzekutojnë procedura për zgjidhjen e problemeve të reja specifike.

E specializuar sistemet inteligjente kryejnë zgjidhjen e një grupi fiks detyrash të paracaktuara në projektimin e sistemit.

Mungesa e një klasifikimi të qartë shpjegohet gjithashtu nga shumëllojshmëria e detyrave intelektuale dhe metodave intelektuale, përveç kësaj, inteligjenca artificiale është një shkencë në zhvillim aktiv, në të cilën fusha të reja të aplikuara zotërohen çdo ditë.

Sistemet inteligjente të informacionit

Sistemi informativ inteligjent(IIS) është një nga llojet e sistemeve të automatizuara të informacionit, ndonjëherë IIS quhet një sistem i bazuar në njohuri. IIS është një kompleks softuerësh, mjetesh gjuhësore dhe logjiko-matematikore për zbatimin e detyrës kryesore: mbështetje për aktivitetet njerëzore dhe marrjen e informacionit në mënyrën e dialogut të avancuar në gjuhën natyrore.

Klasifikimi IIS

• Sistemet eksperte
  • Sistemet eksperte (ES) të duhura
  • Banderolat interaktive (web + ES)
• Sistemet me pyetje-përgjigje (në disa burime "sistemet e komunikimit")
  • Motorët inteligjentë të kërkimit (për shembull, sistemi Start)

IMS mund të vendoset në çdo faqe ku përdoruesi i bën pyetje sistemit në gjuhë natyrale (nëse është një sistem pyetje-përgjigje) ose, duke iu përgjigjur pyetjeve të sistemit, gjen informacionin e nevojshëm (nëse është një sistem ekspert). Por, si rregull, ES në internet kryejnë funksione reklamimi dhe informacioni (banderolat interaktive), dhe sisteme serioze (të tilla si, për shembull, ES për diagnostikimin e pajisjeve) përdoren në nivel lokal, pasi ato kryejnë detyra specifike specifike.
Motorët inteligjentë të kërkimit ndryshojnë nga bashkëbiseduesit virtualë në atë që janë mjaft pa fytyrë dhe në përgjigje të një pyetjeje japin një ekstrakt nga burimet e njohurive (nganjëherë me një vëllim mjaft të madh), dhe bashkëbiseduesit kanë një "karakter", një mënyrë të veçantë komunikimi (ata mund të përdorin zhargon, blasfemi), dhe përgjigjet e tyre duhet të jenë sa më koncize (ndonjëherë edhe vetëm në formën e emoticoneve, nëse i përshtatet kontekstit :-)).

Gjuhët logjike (Prolog, Lisp, etj.) janë përdorur më parë për të zhvilluar IMS, dhe tani përdoren gjuhë të ndryshme procedurale. Mbështetja logjike dhe matematikore është zhvilluar si për modulet e vetë sistemeve, ashtu edhe për dockimin e këtyre moduleve. Sidoqoftë, sot nuk ka një sistem universal logjik dhe matematikor që mund të plotësojë nevojat e çdo zhvilluesi të IMS, kështu që ju duhet ose të kombinoni përvojën e akumuluar ose të zhvilloni vetë logjikën e sistemit. Në fushën e gjuhësisë, ka gjithashtu shumë probleme, për shembull, për të siguruar funksionimin e sistemit në mënyrën e dialogut me përdoruesin në një gjuhë natyrore, është e nevojshme të vendosen në sistem algoritme për formalizimin e gjuhës natyrore, dhe kjo detyrë doli të ishte shumë më e ndërlikuar sesa supozohej në agimin e zhvillimit të sistemeve inteligjente. Një problem tjetër është ndryshueshmëria e vazhdueshme e gjuhës, e cila duhet të reflektohet domosdoshmërisht në sistemet e inteligjencës artificiale.

Sigurimi i punës së IIS

• Matematikore
• Gjuhësore
• Informacion
• Semantike
• Software
• teknike
• teknologjike
• Personeli

Klasifikimi i detyrave të zgjidhura nga IIS

• Interpretimi i të dhënave... Kjo është një nga detyrat tradicionale për sistemet e ekspertëve. Interpretimi i referohet procesit të përcaktimit të kuptimit të të dhënave, rezultatet e të cilit duhet të jenë të qëndrueshme dhe të sakta. Në mënyrë tipike, parashikohet analiza e të dhënave me shumë variacione.
• Diagnostifikimi... Diagnostifikimi i referohet procesit të lidhjes së një objekti me një klasë të caktuar objektesh dhe / ose zbulimit të një mosfunksionimi në një sistem të caktuar. Një mosfunksionim është një devijim nga norma. Ky interpretim bën të mundur shqyrtimin, nga një këndvështrim i unifikuar teorik, mosfunksionimin e pajisjeve në sistemet teknike, sëmundjet e organizmave të gjallë dhe të gjitha llojet e anomalive natyrore. Një veçori specifike e rëndësishme këtu është nevoja për të kuptuar strukturën funksionale ("anatominë") të sistemit diagnostik.
• Monitorimi... Detyra kryesore e monitorimit është interpretimi i vazhdueshëm i të dhënave në kohë reale dhe sinjalizimi se disa parametra janë jashtë kufijve të lejuar. Problemet kryesore janë "kalimi" i situatës alarmante dhe detyra e kundërt e ndezjes "false". Kompleksiteti i këtyre problemeve qëndron në mjegullimin e simptomave të situatave të ankthit dhe nevojën për të marrë parasysh kontekstin kohor.
• Dizajn... Dizajni konsiston në përgatitjen e specifikimeve për krijimin e "objekteve" me veti të paracaktuara. Specifikimi nënkupton të gjithë grupin e dokumenteve të nevojshme - një vizatim, një shënim shpjegues, etj. Problemet kryesore këtu janë marrja e një përshkrimi të qartë strukturor të njohurive rreth një objekti dhe problemi i "gjurmës". Për të organizuar dizajn efektiv dhe, në një masë edhe më të madhe, ridizajnim, është e nevojshme të formohen jo vetëm vetë vendimet e projektimit, por edhe motivet për miratimin e tyre. Kështu, në detyrat e projektimit, dy procese kryesore janë të lidhura ngushtë, të kryera brenda kuadrit të ES përkatës: procesi i konkluzionit të zgjidhjes dhe procesi i shpjegimit.
• parashikimi... Parashikimi ju lejon të parashikoni pasojat e ngjarjeve ose fenomeneve të caktuara bazuar në analizën e të dhënave të disponueshme. Sistemet parashikuese nxjerrin logjikisht pasoja të mundshme nga situata të caktuara. Në një sistem parashikues, zakonisht përdoret një model dinamik parametrik, në të cilin vlerat e parametrave "përshtaten" në një situatë të caktuar. Pasojat që rrjedhin nga ky model përbëjnë bazën për parashikime me vlerësime probabiliste.
• Planifikimi... Planifikimi i referohet gjetjes së planeve të veprimit në lidhje me objektet që janë të afta të kryejnë disa funksione. Në ES të tilla, përdoren modele të sjelljes së objekteve reale për të nxjerrë logjikisht pasojat e aktivitetit të planifikuar.
• Arsimi... Të mësuarit i referohet përdorimit të një kompjuteri për të mësuar një disiplinë ose lëndë. Sistemet e të mësuarit diagnostikojnë gabimet në studimin e një disipline duke përdorur një kompjuter dhe sugjerojnë vendimet e duhura. Ata grumbullojnë njohuri për "studentin" hipotetik dhe gabimet e tij karakteristike, më pas në punën e tyre arrijnë të diagnostikojnë dobësitë e njohurive të nxënësve dhe të gjejnë mjetet e duhura për t'i eliminuar ato. Përveç kësaj, ata planifikojnë aktin e komunikimit me studentin, në varësi të përparimit të studentit, për të transferuar njohuritë.
• Kontrolli... Menaxhimi kuptohet si një funksion i një sistemi të organizuar që mbështet një mënyrë të caktuar veprimtarie. ES të këtij lloji kontrollojnë sjelljen e sistemeve komplekse në përputhje me specifikimet e dhëna.
• Mbështetja e vendimeve... Mbështetja e vendimeve është një grup procedurash që i ofrojnë vendimmarrësit informacionin dhe udhëzimet e nevojshme për të lehtësuar procesin e vendimmarrjes. Këto ES ndihmojnë specialistët të zgjedhin dhe/ose të formojnë alternativën e dëshiruar midis një sërë zgjedhjesh kur marrin vendime të përgjegjshme.

Në përgjithësi, të gjitha sistemet e bazuara në njohuri mund të ndahen në sisteme që zgjidhin problemet e analizës dhe sisteme që zgjidhin problemet e sintezës. Dallimi kryesor midis problemeve të analizës dhe problemeve të sintezës është se nëse në problemet e analizës një grup zgjidhjesh mund të renditen dhe përfshihen në sistem, atëherë në problemet e sintezës grupi i zgjidhjeve është potencialisht i pakufizuar dhe ndërtohet nga zgjidhjet e komponentëve ose nënproblemeve. . Detyrat e analizës janë: interpretimi i të dhënave, diagnostikimi, mbështetja e vendimeve; detyrat e sintezës përfshijnë projektimin, planifikimin, menaxhimin. Të kombinuara: trajnimi, monitorimi, parashikimi.

Shiko gjithashtu

Lidhjet

• Shoqata për Inteligjencën Artificiale në internet alicebot.org

Fondacioni Wikimedia. 2010.

Shihni se çfarë është "Sistemet Inteligjente të Informacionit" në fjalorë të tjerë:

- (IIT) (eng. Intellectual Information Technology, IIT) është teknologjia e informacionit që ndihmon një person të përshpejtojë analizën e situatës politike, ekonomike, sociale dhe teknike, si dhe sintezën e vendimeve të menaxhimit. Në të njëjtën kohë ... ... Wikipedia

sisteme inteligjente- SISTEMET INTELEKTUALE (nga mendja latine intellectus, arsyeja) sisteme kompjuterike që zbatojnë disa nga tiparet e inteligjencës njerëzore, duke bërë të mundur zotërimin e detyrave të vështira, zgjidhja e të cilave nga një person në kohë reale ... ... Enciklopedia e Epistemologjisë dhe Filozofisë së Shkencës

- (IT, nga anglishtja e teknologjisë së informacionit, IT) një klasë e gjerë disiplinash dhe fushash aktiviteti që lidhen me teknologjitë për menaxhimin dhe përpunimin e të dhënave, duke përfshirë përdorimin e teknologjisë kompjuterike. Kohët e fundit, nën informacionin ... ... Wikipedia

Instituti i Automatizimit dhe Inxhinierisë Kompjuterike të Institutit të Inxhinierisë së Energjisë në Moskë (Universiteti Teknik) ... Wikipedia

Universiteti Shtetëror i Instrumentimit dhe Informatikës në Moskë (MGUPI) Themeluar në vitin 1936 Rektori ... Wikipedia

Universiteti Shtetëror i Instrumentimit dhe Informatikës në Moskë (MGUPI) Themeluar në vitin 1936 Rektori ... Wikipedia

Universiteti Shtetëror i Instrumentimit dhe Informatikës në Moskë (MGUPI) Themeluar në vitin 1936 Rektori ... Wikipedia

Vendimmarrja në lidhje me veprimet ose sjelljen në një situatë të caktuar të çdo subjekti (njerëz, robotë, sisteme komplekse të kontrollit) kryhet në bazë të proceseve të informacionit. Procesi i informacionit zbaton marrëdhënien midis objektit dhe subjektit (Fig. 1.1) dhe përfaqëson perceptimin e subjektit për realitetin objektiv në formën e të dhënave, përpunimin e këtyre të dhënave në përputhje me përcaktimin e synuar dhe njohuritë e disponueshme për varësitë e faktet në informacion.

Bazuar në informacionin e marrë, njohuritë e subjektit përditësohen, merret një vendim për një ndryshim të mundshëm në gjendjen e objektit dhe vendosjen e synimit të subjektit. Kështu, procesi i informacionit konsiderohet në tre aspekte:

Aspekti sintaksor është shfaqja e realitetit objektiv në çdo mjedis dhe në çdo gjuhë, që janë të dhëna.

Aspekti semantik është kuptimi dhe interpretimi i të dhënave bazuar në njohuritë e subjektit, të cilat pasqyrojnë varësitë, modelet e ndërveprimit midis objekteve.

Aspekti pragmatik është vlerësimi i dobisë së njohurive të reja të fituara (rritja e njohurive) të lëndës në përputhje me përcaktimin e synuar për marrjen e një vendimi, domethënë marrjen e informacionit në një kuptim të ngushtë.

Në një kuptim të gjerë, informacioni kuptohet si të tre aspektet e reflektimit të procesit të informacionit.

Çdo sistem informacioni kompjuterik (IS) që zbaton procesin e informacionit kryen funksionet e mëposhtme: percepton kërkesat për informacion të futura nga përdoruesi (qëllimet e zgjidhjes së problemit) dhe të dhënat e nevojshme fillestare, përpunon të dhënat e futura dhe të ruajtura në sistem në përputhje me një algoritëm i njohur dhe gjeneron informacionin e kërkuar në dalje. Nga pikëpamja e zbatimit të funksioneve të listuara, IS mund të konsiderohet si një fabrikë që prodhon informacion, në të cilën porosia është një kërkesë informacioni, lënda e parë është të dhënat fillestare, produkti është informacioni i kërkuar dhe mjeti (pajisja) është dija, me ndihmën e së cilës të dhënat shndërrohen në informacion.

Njohuritë e lëndëve të procesit të informacionit mund të paraqiten në forma të ndryshme. Tek njerëzit, njohuria paraqitet ose në një formë të padokumentuar (të nënkuptuar, drejtpërdrejt në kokë), ose në një formë të dokumentuar (të qartë, të libër). Për më tepër, një formë tekstuale e dokumentuar e përfaqësimit të njohurive në formën e teksteve shkollore, rregulloreve, udhëzimeve, etj. nuk është i përshtatshëm për nxjerrjen e shpejtë të njohurive të nevojshme gjatë justifikimit të vendimeve specifike. Njohuria e nënkuptuar e ekspertëve është përgjithësisht e vështirë për t'u përdorur për zgjidhjen e problemeve nga specialistë të tjerë.

Sistemet e informacionit kompjuterik, që veprojnë si subjekte të procesit të informacionit, janë krijuar për të thjeshtuar procesin e përdorimit të njohurive në zgjidhjen e problemeve të vendimmarrjes. Për këtë, njohuritë duhet të strukturohen dhe të memorizohen për ripërdorim të mëvonshëm.

Njohuria ka një natyrë të dyfishtë: faktike dhe operacionale:

Njohuritë faktike përfaqësojnë informacionin e njohur për objektet e realitetit të pasqyruar dhe grumbullohen në bazat e të dhënave të zakonshme.

Njohuritë operacionale pasqyrojnë varësitë dhe marrëdhëniet midis objekteve që ju lejojnë të interpretoni të dhënat ose të nxirrni informacion prej tyre. Njohuritë operative paraqiten ose në formë algoritmike ose në formë deklarative në formën e bazave të veçanta të strukturuara të njohurive.

Shpesh, njohuritë faktike quhen zgjerimore (të detajuara), dhe njohuritë operacionale quhen intensive (të përgjithësuara).

Procesi i informacionit me ndihmën e një sistemi informatik kompjuterik reduktohet në një kombinim adekuat të njohurive operative dhe faktike, dhe në lloje të ndryshme SI kryhet në mënyra të ndryshme. Mënyra më e lehtë për t'i lidhur ato është brenda një aplikacioni të vetëm:

Dokument pa titull

Kështu, njohuritë operacionale (algoritmi) dhe njohuritë faktike (struktura e të dhënave) janë të pandashme nga njëra-tjetra. Sidoqoftë, nëse gjatë funksionimit të IS bëhet e qartë nevoja për të modifikuar një nga dy komponentët e programit, atëherë do të ketë nevojë për ta rishkruar atë. Kjo për faktin se vetëm zhvilluesi i IS ka njohuri të plotë për zonën e problemit dhe programi shërben si një "ekzekutues i pamend" i njohurive të zhvilluesit. Përdoruesi përfundimtar, për shkak të procedurave dhe orientimit makineri të përfaqësimit të njohurive, kupton vetëm anën e jashtme të procesit të përpunimit të të dhënave dhe nuk mund të ndikojë në të në asnjë mënyrë.

Pasoja e këtyre mangësive është qëndrueshmëria e dobët e IS ose mospërshtatshmëria ndaj ndryshimeve në nevojat e informacionit. Për më tepër, për shkak të determinizmit të algoritmeve të detyrave që zgjidhen, IS nuk është në gjendje të formojë njohuritë e përdoruesit për veprimet në situata jo plotësisht të përcaktuara. Në sistemet e bazuara në përpunimin e bazës së të dhënave (DBS - Data Base Systems), njohuritë aktuale dhe operacionale janë të ndara nga njëra-tjetra. E para është e organizuar në formën e bazës së të dhënave, e dyta në formën e programeve. Për më tepër, programi mund të gjenerohet automatikisht me kërkesën e përdoruesit (për shembull, zbatimi i pyetjeve SQL ose QBE). Një mjet softuerësh për aksesimin e të dhënave, një sistem i menaxhimit të bazës së të dhënave (DBMS), vepron si një ndërmjetës midis programit dhe bazës së të dhënave:

Dokument pa titull

SDB = Program<=>DBMS<=>Baza e të dhënave

Koncepti i pavarësisë së programeve nga të dhënat lejon rritjen e fleksibilitetit të IS për ekzekutimin e kërkesave arbitrare të informacionit. Megjithatë, ky fleksibilitet, për shkak të paraqitjes procedurale të njohurive operacionale, ka kufij të mirëpërcaktuar. Për të formuluar një kërkesë informacioni, përdoruesi duhet të kuptojë qartë strukturën e bazës së të dhënave dhe, në një masë të caktuar, algoritmin për zgjidhjen e problemit. Rrjedhimisht, përdoruesi duhet të ketë një kuptim mjaft të mirë të zonës së problemit, strukturës logjike të bazës së të dhënave dhe algoritmit të programit. Skema konceptuale e bazës së të dhënave vepron kryesisht vetëm si një ndërmjetës në procesin e hartimit të strukturës logjike të të dhënave me strukturën e të dhënave të programit aplikativ.

Disavantazhet e përgjithshme të sistemeve tradicionale të informacionit, të cilat përfshijnë sistemet e dy llojeve të para, janë përshtatshmëria e dobët ndaj ndryshimeve në fushën lëndore dhe nevojat e informacionit të përdoruesve, në pamundësinë e zgjidhjes së detyrave të formalizuara dobët me të cilat merren vazhdimisht punonjësit e menaxhimit. Disavantazhet e listuara eliminohen në sistemet inteligjente të informacionit (IIS).

Analiza e strukturës së programit tregon mundësinë e ndarjes së njohurive operacionale (rregullat e transformimit të të dhënave) nga programi në të ashtuquajturën bazë të njohurive, e cila në një formë deklarative ruan njësi të njohurive të zakonshme për detyra të ndryshme. Në këtë rast, struktura e kontrollit merr karakterin e një mekanizmi universal për zgjidhjen e problemeve (mekanizmi i përfundimit), i cili lidh njësitë e njohurive në zinxhirë të ekzekutueshëm (algoritme të gjeneruara), në varësi të formulimit specifik të problemit (formuluar në kërkesën për qëllimi dhe kushtet fillestare). IS të tilla bëhen sisteme të bazuara në përpunimin e njohurive (KBZ - Sistemet e Bazës së Njohurive (Bazuar)):

Dokument pa titull

Hapi tjetër në zhvillimin e sistemeve inteligjente të informacionit është ndarja në një nënsistem ose depo të pavarur të meta-njohurisë, e cila përshkruan strukturën e njohurive operacionale dhe faktike dhe pasqyron modelin e zonës së problemit. Në sisteme të tilla, si programet ashtu edhe strukturat e të dhënave gjenerohen ose grumbullohen nga njësitë e njohurive të përshkruara në depo, sa herë që ndryshon modeli i zonës së problemit. Ne do të quajmë IIS, përpunimin e meta-njohurisë, sisteme të bazuara në modele (SBM - Modele të bazuara sisteme):

Dokument pa titull

Për sistemet inteligjente të informacionit të fokusuar në gjenerimin e algoritmeve për zgjidhjen e problemeve, karakteristikat e mëposhtme janë karakteristike:

Aftësi të zhvilluara komunikuese,

Aftësia për të zgjidhur probleme komplekse të formalizuara dobët,

Aftësia për të mësuar vetë,

Përgjegjshmëri.

Aftësitë e komunikimit të IIS karakterizojnë mënyrën e ndërveprimit (ndërfaqen) e përdoruesit fundor me sistemin, në veçanti, aftësinë për të formuluar një kërkesë arbitrare në një dialog me IMS në një gjuhë që është sa më afër natyrore që të jetë e mundur.

Kompleksoni detyra të formalizuara dobët- këto janë detyra që kërkojnë ndërtimin e një algoritmi origjinal zgjidhjeje, në varësi të një situate specifike, e cila mund të karakterizohet nga pasiguria dhe dinamizmi i të dhënave dhe njohurive fillestare.

Aftësia për të mësuar vetëështë aftësia për të nxjerrë automatikisht njohuri për zgjidhjen e problemeve nga përvoja e grumbulluar e situatave specifike.

Përshtatshmëria- aftësia për të zhvilluar sistemin në përputhje me ndryshimet objektive në modelin e zonës së problemit.

Në IIS të ndryshme, shenjat e listuara të intelektualitetit zhvillohen në një shkallë të pabarabartë dhe rrallë, kur të katër shenjat realizohen njëkohësisht. Në mënyrë konvencionale, secila prej shenjave të inteligjencës ka klasën e vet IIS (Fig. 1.2):

Sisteme inteligjente të ndërfaqes;

Sisteme eksperte;

Sistemet e vetë-mësimit;

Sistemet adaptive.

Të katër shenjat e inteligjencës, në një shkallë ose në një tjetër, zbatohen në sistemet e menaxhimit të njohurive.

Baza e të dhënave inteligjente ndryshojnë nga bazat e të dhënave konvencionale nga aftësia për të marrë informacionin e nevojshëm sipas kërkesës, i cili mund të mos ruhet në mënyrë eksplicite, por të nxirret nga informacioni i disponueshëm në bazën e të dhënave. Informacioni i nënkuptuar shfaqet duke interpretuar varësitë e mëposhtme:

Varësia llogaritëse e atributeve, për shembull, "shfaq një listë produktesh, çmimi i të cilave është më i lartë se mesatarja e industrisë",

Marrëdhëniet strukturore të objekteve, për shembull, "shfaq një listë të produkteve zëvendësuese për disa produkte",

Varësitë logjike të faktorëve vendimmarrës, për shembull, "shfaq një listë të blerësve të mundshëm të një produkti të caktuar".

Për të përmbushur llojin e parë të pyetjes, së pari duhet të kryeni një llogaritje statistikore të çmimit mesatar të industrisë për të gjithë bazën e të dhënave, dhe vetëm pas kësaj zgjedhjen aktuale të të dhënave.

Për të ekzekutuar llojin e dytë të pyetjes, duhet të shfaqni vlerat e veçorive karakteristike të një objekti dhe më pas të kërkoni objekte të ngjashme duke i përdorur ato.

Lloji i tretë i pyetjes kërkon që së pari të identifikoni një listë të rishitësve që shesin një artikull të caktuar dhe më pas të kërkoni për blerësit e lidhur.

Në të gjitha llojet e pyetjeve të listuara, kërkohet kërkimi sipas një kushti, i cili duhet të përcaktohet më tej gjatë zgjidhjes së problemit. Sistemi inteligjent, pa ndihmën e përdoruesit, ndërton rrugën e aksesit në skedarët e të dhënave në bazë të strukturës së bazës së të dhënave. Formulimi i kërkesës kryhet në një dialog me përdoruesin, sekuenca e hapave të të cilave kryhet në formën më të përshtatshme për përdoruesin. Një pyetje e bazës së të dhënave mund të formulohet gjithashtu duke përdorur një ndërfaqe të gjuhës natyrore.

Ndërfaqja e gjuhës natyrore përfshin përkthimin e ndërtimeve të gjuhës natyrore në nivelin e përfaqësimit të njohurive në makinë. Për këtë është e nevojshme të zgjidhen problemet e analizës morfologjike, sintaksore dhe semantike dhe sinteza e pohimeve në gjuhën natyrore. Pra, analiza morfologjike përfshin njohjen dhe verifikimin e drejtshkrimit të fjalëve në fjalorë, kontrollin sintaksor - zbërthimin e mesazheve hyrëse në komponentë të veçantë (përcaktimin e strukturës) me kontrollimin e pajtueshmërisë me rregullat gramatikore të përfaqësimit të brendshëm të njohurive dhe identifikimin e pjesëve që mungojnë dhe , në fund, analiza semantike - vendosja e korrektësisë semantike të modeleve sintaksore. Sinteza e deklaratave zgjidh problemin e kundërt të shndërrimit të paraqitjes së brendshme të informacionit në një gjuhë natyrore.

Ndërfaqja e gjuhës natyrore përdoret për:

Akses në bazat e të dhënave inteligjente;

Kërkimi kontekstual i informacionit të tekstit dokumentar;

Përkthim me makinë nga gjuhët e huaja.

Sistemet e hipertekstit janë krijuar për të zbatuar kërkimin e fjalëve kyçe në bazat e informacionit tekstual. Sistemet inteligjente të hipertekstit dallohen nga mundësia e një organizimi më kompleks semantik të fjalëve kyçe, i cili pasqyron marrëdhënie të ndryshme semantike të termave. Kështu, motori i kërkimit punon kryesisht me bazën e njohurive të fjalëve kyçe, dhe vetëm atëherë drejtpërdrejt me tekstin. Në një kuptim më të gjerë, sa më sipër vlen për kërkimin e informacionit multimedial, i cili përfshin, përveç tekstit dhe informacionit dixhital, imazhe grafike, audio dhe video.

Sistemet e ndihmës kontekstuale mund të konsiderohet si një rast i veçantë i sistemeve inteligjente të hipertekstit dhe gjuhës natyrore. Në ndryshim nga sistemet konvencionale të ndihmës që i imponojnë përdoruesit një skemë për gjetjen e informacionit të kërkuar, në sistemet e ndihmës kontekstuale përdoruesi përshkruan problemin (situatën), dhe sistemi e specifikon atë me ndihmën e një dialogu shtesë dhe vetë kërkon rekomandime lidhur me ndaj situatës. Sisteme të tilla i përkasin klasës së sistemeve të publikimit të njohurive dhe krijohen si një bashkëngjitje e sistemeve të dokumentacionit (për shembull, dokumentacioni teknik për funksionimin e mallrave).

Sistemet grafike njohëse lejojnë zbatimin e ndërfaqes së përdoruesit me IMS duke përdorur imazhe grafike që krijohen në përputhje me ngjarjet që ndodhin. Sisteme të tilla përdoren në monitorimin dhe menaxhimin e proceseve operacionale. Imazhet grafike në formë vizuale dhe të integruar përshkruajnë shumë parametra të situatës së studiuar. Për shembull, gjendja e një objekti kompleks të kontrolluar shfaqet në formën e një fytyre njerëzore, në të cilën çdo veçori është përgjegjëse për një parametër, dhe shprehja e përgjithshme e fytyrës jep një përshkrim të integruar të situatës.

Sistemet grafike njohëse përdoren gjithashtu gjerësisht në sistemet e mësimdhënies dhe trajnimit bazuar në përdorimin e parimeve të realitetit virtual, kur imazhet grafike simulojnë situata në të cilat studenti duhet të marrë vendime dhe të kryejë veprime të caktuara.

Emërimi i sistemeve të ekspertëve konsiston në zgjidhjen e problemeve që janë mjaft të vështira për ekspertët në bazë të një baze njohurish të akumuluar që pasqyron përvojën e ekspertëve në fushën e problemit në shqyrtim. Avantazhi i përdorimit të sistemeve të ekspertëve qëndron në mundësinë e marrjes së vendimeve në situata unike për të cilat algoritmi nuk dihet paraprakisht dhe është formuar nga të dhënat fillestare në formën e një zinxhiri arsyetimi (rregullat e vendimmarrjes) nga baza e njohurive. . Për më tepër, zgjidhja e problemeve supozohet të bëhet në kushte paplotësie, mosbesueshmërie, paqartësie të informacionit fillestar dhe vlerësimeve cilësore të proceseve.

Një sistem ekspert është një mjet që rrit aftësitë intelektuale të një eksperti dhe mund të kryejë rolet e mëposhtme:

Konsulent për përdoruesit e papërvojë ose joprofesionistë;

Asistent për shkak të nevojës për një ekspert për të analizuar opsionet e ndryshme të vendimmarrjes;

Një partner ekspert për çështje që lidhen me burimet e njohurive nga fusha të lidhura të veprimtarisë.

Sistemet eksperte përdoren në shumë fusha, ndër të cilat segmenti i aplikacioneve në biznes është lider (Fig. 1.3).

Arkitektura e sistemit ekspert përfshin dy komponentë kryesorë: një bazë njohurish (ruajtjen e njësive të njohurive) dhe një mjet softuerësh për aksesimin dhe përpunimin e njohurive, i përbërë nga mekanizma për nxjerrjen e përfundimeve (vendimeve), marrjen e njohurive, shpjegimin e rezultateve të marra dhe një ndërfaqe inteligjente (Fig. 1.4). . Për më tepër, komponenti qendror i sistemit të ekspertëve është baza e njohurive, e cila vepron në raport me komponentët e tjerë si një nënsistem kuptimplotë që përbën vlerën kryesore. "Know-how" i bazës së njohurive të një sistemi të mirë ekspertësh vlerësohet në qindra mijëra dollarë, ndërkohë që paketa e veglave të softuerit është në mijëra apo dhjetëra mijëra dollarë.

Njohuri bazeështë një grup njësish njohurish që përfaqësojnë një pasqyrim të objekteve të zonës së problemit dhe ndërlidhjeve të tyre, veprimeve mbi objektet dhe, ndoshta, pasigurive me të cilat kryhen këto veprime, të formalizuara me ndihmën e një metode të përfaqësimit të njohurive.

Si metoda për përfaqësimin e njohurive, më shpesh përdoren rregulla, ose objekte (korniza), ose kombinimi i tyre. Pra, rregullat janë ndërtime:

Dokument pa titull

Faktorët e sigurisë (CF) janë zakonisht ose probabilitetet e kushtëzuara të qasjes Bayesian (nga 0 në 1) ose koeficientët e besimit të logjikës fuzzy (nga 0 në 100). Shembuj të rregullave janë si më poshtë:

Dokument pa titull

Kornizat janë një koleksion atributesh që përshkruajnë vetitë dhe marrëdhëniet me kornizat e tjera. Ndryshe nga të dhënat e bazës së të dhënave, çdo kornizë ka një emër unik. Disa nga atributet pasqyrojnë marrëdhënie të shtypura, të tilla si "lloj - lloj" (super-klasë - nën-klasë), "e tërë - pjesë", etj. Në vend të vlerave specifike të atributeve të objektit, mund të vendosen vlerat e paracaktuara (treguesi i trashëgimisë së atributit është vendosur në S), i natyrshëm në klasa të tëra objektesh ose procedura të bashkangjitura (proces). Një shembull i kornizave është paraqitur në Fig. 1.5.

Ndërfaqe inteligjente. Shkëmbimi i të dhënave ndërmjet përdoruesit përfundimtar dhe ES kryhet nga një program inteligjent ndërfaqe që percepton mesazhet e përdoruesit dhe i konverton ato në formën e një përfaqësimi të bazës së njohurive dhe, anasjelltas, konverton përfaqësimin e brendshëm të rezultatit të përpunimit në formatin e përdoruesit. dhe lëshon mesazhin në mediumin e kërkuar. Kërkesa më e rëndësishme për organizimin e dialogut të përdoruesit me ES është natyraliteti, që nuk nënkupton fjalë për fjalë formulimin e nevojave të përdoruesit me fjali të gjuhës natyrore, megjithëse kjo nuk përjashtohet në një sërë rastesh. Është e rëndësishme që sekuenca e zgjidhjes së problemit të jetë fleksibël, në përputhje me perceptimet e përdoruesit dhe të kryhet në terma profesionalë.

Mekanizmi i tërheqjes. Ky mjet softuerik merr një kërkesë të konvertuar në një paraqitje të brendshme nga ndërfaqja inteligjente, formon një algoritëm specifik për zgjidhjen e problemit nga baza e njohurive, ekzekuton algoritmin dhe rezultati që rezulton i paraqitet ndërfaqes inteligjente për t'iu përgjigjur kërkesës së përdoruesit.

Përdorimi i çdo mekanizmi konkluzion bazohet në procesin e gjetjes, në përputhje me qëllimin dhe përshkrimin e një situate specifike (të dhënat fillestare), të njësive të njohurive (rregullat, objektet, precedentët, etj.) që lidhen me zgjidhjen dhe duke i lidhur ato, nëse është e nevojshme, në një zinxhir arsyetimi, duke çuar në një rezultat të caktuar.

Për të paraqitur njohuritë në formën e rregullave, kjo mund të jetë një zinxhir arsyetimi i drejtpërdrejtë (Fig. 1.6) ose i kundërt (Fig. 1.7).

Për përfaqësimin kornizë (të orientuar nga objekti) i njohurive, përdorimi i mekanizmit të trashëgimisë së atributeve është karakteristik, kur vlerat e atributeve kalohen përgjatë hierarkisë nga klasat më të larta në ato më të ulëta (për shembull, në Fig. 1.5, industria kodi, raporti i përfitimit të industrisë). Gjithashtu, kur atributet e kornizës plotësohen me të dhënat e nevojshme, procedurat e bashkangjitura nisen për ekzekutim.

Mekanizmi i shpjegimit. Në proces ose si rezultat i zgjidhjes së problemit, përdoruesi mund të kërkojë një shpjegim ose justifikim të përparimit të zgjidhjes. Për këtë qëllim, ES duhet të sigurojë një mekanizëm të përshtatshëm shpjegimi. Aftësitë shpjeguese të ES përcaktohen nga aftësia e mekanizmit të konkluzionit për të kujtuar mënyrën e zgjidhjes së problemit. Pastaj te pyetjet e përdoruesit "Si?" dhe pse?" merret një zgjidhje ose kërkohen të dhëna të caktuara, sistemi gjithmonë mund të lëshojë një zinxhir arsyetimi në pikën e kërkuar të kontrollit, duke shoqëruar lëshimin e një shpjegimi me komente të përgatitura paraprakisht. Në mungesë të një zgjidhjeje për problemet, një shpjegim duhet t'i jepet përdoruesit automatikisht. Është e dobishme të kesh mundësinë e një shpjegimi hipotetik të zgjidhjes së problemit, kur sistemi i përgjigjet pyetjeve se çfarë do të ndodhë në një rast ose në një tjetër.

Sidoqoftë, përdoruesi mund të mos jetë gjithmonë i interesuar për rezultatin e plotë të zgjidhjes, e cila përmban shumë detaje të panevojshme. Në këtë rast, sistemi duhet të jetë në gjendje të zgjedhë vetëm pikat kyçe nga zinxhiri, duke marrë parasysh rëndësinë e tyre dhe nivelin e njohurive të përdoruesit. Për ta bërë këtë, baza e njohurive duhet të mbajë një model të njohurive dhe synimeve të përdoruesit. Nëse përdoruesi vazhdon të mos e kuptojë përgjigjen e marrë, atëherë sistemi duhet të jetë në gjendje t'i mësojë përdoruesit fragmente të caktuara të njohurive në një dialog bazuar në modelin e mbështetur të njohurive problemore, d.m.th. për të zbuluar më në detaje konceptet dhe varësitë individuale, edhe nëse këto detaje nuk janë përdorur drejtpërdrejt në dalje.

Mekanizmi i përvetësimit të njohurive. Baza e njohurive pasqyron njohuritë e ekspertëve (specialistëve) në një fushë të caktuar problemore për veprimet në situata ose procese të ndryshme të zgjidhjes së problemeve tipike. Identifikimi i njohurive të tilla dhe prezantimi i tyre i mëvonshëm në bazën e njohurive kryhet nga specialistë të thirrur inxhinierë njohurish... Për të futur njohuritë në bazën e të dhënave dhe për ta përditësuar atë, ES duhet të ketë një mekanizëm për marrjen e njohurive. Në rastin më të thjeshtë, është një redaktues inteligjent që ju lejon të futni njësi njohurish në bazë dhe të kryeni kontrollin e tyre sintaksor dhe semantik, për shembull, për qëndrueshmëri. Në raste më komplekse, mekanizmi i përvetësimit të njohurive ju lejon të nxirrni njohuri si rezultat i përdorimit të skenarëve të veçantë për intervistimin e ekspertëve, ose nga shembujt hyrës të situatave reale, si në rastin e konkluzionit induktiv, ose nga tekstet ose nga përvoja. të vetë sistemit intelektual.

Klasat e sistemeve të ekspertëve. Sipas shkallës së kompleksitetit të detyrave që zgjidhen, sistemet e ekspertëve mund të klasifikohen si më poshtë:

Me mënyrën e formimit të vendimit Sistemet e ekspertëve ndahen në dy klasa: analitike dhe sintetike... Sistemet analitike përfshijnë zgjedhjen e zgjidhjeve nga një grup alternativash të njohura (përcaktimi i karakteristikave të objekteve), dhe sistemet sintetike - gjenerimi i zgjidhjeve të panjohura (formimi i objekteve).

Me metodën e kontabilitetit për një tregues të përkohshëm sistemet eksperte mund të jenë statike ose dinamike... Sistemet statike zgjidhin probleme me të dhëna dhe njohuri të pandryshuara në procesin e zgjidhjes, sistemet dinamike lejojnë ndryshime të tilla. Sistemet statike kryejnë një zgjidhje monotone të pandërprerë të problemit nga futja e të dhënave fillestare deri në rezultatin përfundimtar, sistemet dinamike ofrojnë mundësinë e rishikimit të rezultateve dhe të dhënave të marra më parë në procesin e zgjidhjes.

Sipas llojeve të të dhënave dhe njohurive të përdorura sistemet eksperte klasifikohen ne sisteme me përcaktuese njohuri (të mirëpërcaktuara) dhe i pasigurt njohurive. Pasiguria e njohurive (të dhënave) kuptohet si paplotësia (mungesa) e tyre, mosbesueshmëria (pasaktësia e matjes), paqartësia (paqartësia e koncepteve), paqartësia (vlerësimi cilësor në vend të sasisë).

Nga numri i burimeve të njohurive të përdorura sistemet eksperte mund të ndërtohen duke përdorur një ose turmave burimet e njohurive. Burimet e njohurive mund të jenë alternative (shumë botë) ose plotësuese (bashkëpunuese).

Në përputhje me tiparet e renditura të klasifikimit, si rregull, dallohen katër klasat kryesore të sistemeve të ekspertëve (Fig. 1.8)

Klasifikimi i sistemeve të ekspertëve. Detyrat analitike përfshijnë kryesisht detyrat e njohjes së situatave të ndryshme, kur thelbi i një situate të caktuar zbulohet nga një grup atributesh të dhëna (faktorë), në varësi të të cilave zgjidhet një sekuencë e caktuar veprimesh. Kështu, në përputhje me kushtet fillestare, ndër zgjidhjet alternative gjendet ajo që plotëson më së miri qëllimin dhe kufizimet.

Sistemet eksperte që zgjidhin problemet e njohjes së situatave quhen sisteme klasifikuese, pasi ato përcaktojnë përkatësinë e situatës së analizuar në një klasë të caktuar. Si metoda kryesore e formimit të vendimeve, përdoret metoda e konkluzionit logjik deduktiv nga e përgjithshme në të veçantë, kur një përfundim i veçantë merret duke zëvendësuar të dhënat fillestare në një grup të caktuar deklarimesh të përgjithshme të ndërlidhura.

Ripërcaktimi i sistemeve të ekspertëve. Një lloj problemi analitik më kompleks është ai që zgjidhet në bazë të të dhënave fillestare të pasigurta dhe njohurive të aplikuara. Në këtë rast, sistemi ekspert duhet, si të thuash, të ripërcaktojë njohuritë që mungojnë dhe në hapësirën e zgjidhjes mund të merren disa zgjidhje të mundshme me probabilitet të ndryshëm ose besim në nevojën e zbatimit të tyre. Qasja probabilistike Bayesian, koeficientët e besimit, logjika fuzzy mund të përdoren si metoda për trajtimin e pasigurive. Sistemet e ekspertëve përcaktues shtesë mund të përdorin disa burime njohurish për të krijuar një zgjidhje. Në këtë rast, metodat heuristike të zgjedhjes së njësive të njohurive nga grupi i tyre konfliktual mund të përdoren, për shembull, bazuar në përdorimin e përparësive prioritare, ose shkallën e marrë të sigurisë së rezultatit, ose vlerat e funksioneve të preferencës, etj.

Për detyrat analitike të llojeve klasifikuese dhe ripërcaktuese janë karakteristike sa vijon zonat problematike:

Interpretimi i të dhënave- Zgjedhja e një zgjidhjeje nga një grup alternativash fikse bazuar në informacionin e futur për situatën aktuale. Qëllimi kryesor është të përcaktohet thelbi i situatës në shqyrtim, zgjedhja e hipotezave bazuar në faktet e tyre. Një shembull tipik është një sistem ekspert për analizimin e gjendjes financiare të një ndërmarrje.

Diagnostifikimi- identifikimi i arsyeve që çuan në shfaqjen e situatës. Kërkohet një interpretim paraprak i situatës, i ndjekur nga verifikimi i fakteve shtesë, për shembull, identifikimi i faktorëve që ulin efikasitetin e prodhimit.

Korrigjim- diagnostifikimi, i plotësuar nga mundësia e vlerësimit dhe rekomandimit të veprimeve për korrigjimin e devijimeve nga gjendja normale e situatave në shqyrtim.

Transformimi i sistemeve të ekspertëve. Në ndryshim nga sistemet analitike statike ekspertësh, sintetizimi i sistemeve dinamike të ekspertëve nënkupton një transformim të përsëritur të njohurive në procesin e zgjidhjes së problemeve, i cili shoqërohet me natyrën e rezultatit, i cili nuk mund të paracaktohet paraprakisht, si dhe me dinamizmin e vetë zonën e problemit.

Si metoda për zgjidhjen e problemeve në transformimin e sistemeve të ekspertëve, përdoren lloje të konkluzioneve hipotetike:

Gjenerimi dhe testimi, kur hipotezat krijohen sipas të dhënave fillestare, dhe më pas hipotezat e formuluara testohen për konfirmim nga faktet e ardhura;

Supozimet dhe parazgjedhjet, kur njohuritë për klasa të ngjashme të objekteve zgjidhen bazuar në të dhëna jo të plota, të cilat më pas përshtaten dinamikisht me një situatë specifike në varësi të zhvillimit të saj;

Përdorimi i modeleve të përgjithshme (meta-kontrolli) në rastin e situatave të panjohura, duke lejuar gjenerimin e njohurive të munguara.

Sisteme me shumë agjentë. Sisteme të tilla dinamike karakterizohen nga zgjidhja e problemeve të shpërndara nga disa agjentë softuerësh, secili prej të cilëve ka bazën e vet të njohurive dhe mekanizmin e konkluzionit. Agjentët e softuerit, si rregull, kryejnë udhëzimet e njerëzve, subjekteve të zgjidhjes së problemit, dhe në këtë kuptim ato zëvendësohen. Në të njëjtën kohë, ata reagojnë ndaj ngjarjeve në mjedisin e jashtëm (agjentët reaktivë), përpunojnë situata, marrin vendime, transmetojnë rezultatet e zgjidhjes së problemeve tek përdoruesit dhe në mjedisin e jashtëm. Agjentët më inteligjentë (kognitive) janë në gjendje të mësojnë dhe të ndryshojnë rregullat e sjelljes së tyre.

Me zgjidhjen e përbashkët të problemeve nga disa agjentë softuerësh, formohen sisteme multi-agjentesh (MAC), me kontroll të centralizuar ose të decentralizuar. Në rastin e parë, MAC duhet të ketë të paktën një agjent, i cili vepron si koordinator (dispeçer), duke planifikuar dhe kontrolluar zbatimin e proceseve. Në rastin e dytë, të gjithë agjentët janë të pavarur në sjelljen e tyre. Integrimi i punës së agjentëve softuerikë dhe burimeve përkatëse të njohurive kryhet në baza dinamike duke shkëmbyer rezultatet ndërmjet tyre, për shembull, përmes një "bordi buletin" (Fig. 1.9).

Karakteristikat e mëposhtme janë karakteristike për sistemet me shumë agjentë:

Kryerja e arsyetimit alternativ bazuar në përdorimin e burimeve të ndryshme të njohurive me një mekanizëm për eliminimin e kontradiktave;

Zgjidhje të shpërndara të problemeve, të cilat ndahen në nënprobleme të zgjidhura paralele që korrespondojnë me burime të pavarura njohurish;

Aplikimi i shumë strategjive për funksionimin e motorit të konkluzionit, në varësi të llojit të problemit që zgjidhet;

Përpunimi i sasive të mëdha të të dhënave të përfshira në bazën e të dhënave, dhe aftësia për të vetë-mësuar, duke ndryshuar rregullat e sjelljes së agjentëve;

Përdorimi i modeleve të ndryshme matematikore dhe procedurave të jashtme të ruajtura në bazën e modelit;

Aftësia për të ndërprerë zgjidhjen e problemeve për shkak të nevojës për të marrë të dhëna dhe njohuri shtesë nga përdoruesit, modelet dhe nënproblemet paralele që do të zgjidhen.

Për sintetizimin e sistemeve dinamike të ekspertëve, këto janë më të zbatueshmet zonat problematike:

Dizajn- përcaktimi i konfigurimit të objekteve në drejtim të arritjes së kritereve dhe kufizimeve të specifikuara të performancës, për shembull, hartimi i një buxheti të ndërmarrjes, portofoli i investimeve, konfigurimi i produktit në tregtinë elektronike.

parashikimi- parashikimi i pasojave të zhvillimit të situatave aktuale në bazë të modelimit matematikor dhe heuristik, për shembull, parashikimi i tendencave në tregtimin e këmbimit.

Planifikimi- zgjedhja e sekuencës së veprimeve të përdoruesve për të arritur qëllimin e caktuar, për shembull, planifikimi i zinxhirëve të furnizimit të produkteve (menaxhimi i zinxhirit të furnizimit).

Dispeçimi- shpërndarja e punës në kohë, planifikimi, për shembull, planifikimi i rrjedhave të punës (fluksi i punës).

Monitorimi- gjurmimi i situatës aktuale me korrigjim të mundshëm të mëvonshëm. Për këtë, kryhet diagnostikimi, parashikimi dhe, nëse është e nevojshme, planifikimi dhe korrigjimi i veprimeve të përdoruesit, për shembull, monitorimi i shitjeve të produkteve të gatshme.

Kontrolli- monitorimi, i plotësuar nga zbatimi i veprimeve në sistemet automatike, për shembull, vendimmarrja në tregtimin e këmbimit.

Sipas publikimit, i cili analizon 12,500 sisteme ekspertësh operativë, shpërndarja e sistemeve të ekspertëve sipas fushave problematike është si më poshtë (Fig. 1.10):

Sistemet e vetë-mësimit bazohen në metodat e klasifikimit automatik të shembujve të situatave të jetës reale (të mësuarit me shembull). Shembuj të situatave reale grumbullohen gjatë një periudhe të caktuar historike dhe arrijnë në kampion trajnimi... Këta shembuj përshkruhen nga një sërë veçorish klasifikimi. Për më tepër, mostra e trajnimit mund të jetë:

“Me një mësues”, kur për çdo shembull vendoset shprehimisht vlera e atributit të përkatësisë së tij në një klasë të caktuar situatash (atribut klasformues);

"Pa mësues", kur vetë sistemi identifikon klasa situatash bazuar në shkallën e afërsisë së vlerave të veçorive të klasifikimit.

Si rezultat i trajnimit të sistemit, ndërtohen automatikisht rregulla ose funksione të përgjithësuara që përcaktojnë përkatësinë e situatave në klasat që përdor sistemi i trajnuar kur interpreton situata të reja që lindin. Kështu, gjenerohet automatikisht një bazë njohurish, e cila përdoret në zgjidhjen e problemeve të klasifikimit dhe parashikimit. Kjo bazë njohurish rregullohet periodikisht automatikisht pasi përvoja fitohet nga situata reale, gjë që ju lejon të ulni koston e krijimit dhe përditësimit të saj.

Disavantazhet e zakonshme të përbashkëta për të gjitha sistemet e vetë-mësimit janë si më poshtë:

Paplotësia dhe/ose zhurma (teprica) e kampionit të trajnimit është e mundur dhe, si pasojë, përshtatshmëria relative e bazës së njohurive ndaj problemeve të shfaqura;

Ka probleme që lidhen me qartësinë e dobët semantike të varësive të veçorive dhe, si pasojë, pamundësinë për t'i shpjeguar rezultatet përdoruesve;

Kufizimet në dimensionin e hapësirës së veçorive shkaktojnë një përshkrim të cekët të zonës së problemit dhe një fokus të ngushtë aplikimi.

Sistemet induktive. Përgjithësimi i shembujve sipas parimit nga e veçanta në të përgjithshmen reduktohet në identifikimin e nëngrupeve të shembujve që i përkasin të njëjtave nënklasa dhe përcaktimin e veçorive domethënëse për to.

Procesi i klasifikimit të shembujve është si më poshtë:

1. Një tipar klasifikimi zgjidhet nga një grup i caktuar (ose në mënyrë sekuenciale, ose sipas ndonjë rregulli, për shembull, në përputhje me numrin maksimal të nëngrupeve të shembujve të marrë);

2. Sipas vlerës së veçorisë së zgjedhur, grupi i shembujve ndahet në nënbashkësi;

3. Kontrollohet nëse çdo nëngrup shembujsh që rezulton i përket një nënklase;

4. Nëse një nëngrup shembujsh i përket së njëjtës nënklasë, d.m.th. të gjithë shembujt e nëngrupit kanë të njëjtën vlerë të veçorisë së formimit të klasës, atëherë procesi i klasifikimit përfundon (ndërsa tiparet e mbetura të klasifikimit nuk merren parasysh);

5. Për nëngrupe shembujsh me një vlerë të mospërputhjes së atributit të formimit të klasës, procesi i klasifikimit vazhdon nga pika 1. (Çdo nëngrup shembujsh bëhet një grup i klasifikuar).

Procesi i klasifikimit mund të përfaqësohet në formën e një peme vendimi, në të cilën vlerat e atributeve të klasifikimit vijues janë të vendosura në nyjet e ndërmjetme, dhe vlerat e atributit të përkatësisë në një klasë të caktuar në nyjet fundore. Një shembull i ndërtimit të një peme vendimi bazuar në një fragment të tabelës shembull (tabela 1.1) është paraqitur në Fig. 1.11.

Tabela 1.1

Dokument pa titull

Klasë shenjë	Shenjat e klasifikimit
		Konkurs	Kostot	Cilësia
		i vogël	i vogël
		i vogël
		i vogël
		i vogël	i vogël
		i vogël	i vogël
		i vogël

Analiza e një situate të re reduktohet në zgjedhjen e një dege të pemës, e cila përcakton plotësisht këtë situatë. Kërkimi për një zgjidhje kryhet si rezultat i një kontrolli sekuencial të veçorive të klasifikimit. Çdo degë e pemës korrespondon me një rregull vendimi:

Nëse kërkesa = "e ulët" dhe kostoja = "e vogël"
Ai çmim = "i ulët"

Shembuj të mjeteve që mbështesin konkluzionet e njohurive induktive janë Klasa 1 (Programet në lëvizje), Rulemaster (Radian Corp.), ILIS (ArgusSoft), KAD (IPS Pereyaslavl-Zalessky).

Rrjetet nervore. Si rezultat i të mësuarit me shembuj, ndërtohen funksionet e vendimmarrjes matematikore (funksionet e transferimit ose funksionet e aktivizimit), të cilat përcaktojnë varësitë ndërmjet veçorive (sinjaleve) hyrëse (Xi) dhe dalëse (Yj) (Fig. 1.12).

Secili funksion i tillë, i quajtur në analogji me njësinë elementare të trurit të njeriut - një neuron, shfaq varësinë e vlerës së veçorisë së daljes (Y) nga shuma e ponderuar (U) e vlerave të veçorive hyrëse (Xi ), në të cilën pesha e veçorisë hyrëse (Wi) tregon shkallën e ndikimit të veçorisë hyrëse në ditën e pushimit:

përzgjedhja "> fig. 1.13).

Neuronet mund të lidhen së bashku kur dalja e një neuroni është hyrja e një tjetri. Kështu, ndërtohet një rrjet nervor (Fig. 1.14), në të cilin neuronet e vendosura në të njëjtin nivel formojnë shtresa.

Trajnimi i një rrjeti nervor reduktohet në përcaktimin e lidhjeve (sinapset) midis neuroneve dhe vendosjen e forcës së këtyre lidhjeve (koeficientët e peshës). Algoritmet për trajnimin e një rrjeti nervor janë thjeshtuar për të përcaktuar varësinë e koeficientit të peshimit të lidhjes së dy neuroneve nga numri i shembujve që konfirmojnë këtë varësi.

Algoritmi më i zakonshëm i mësimit të rrjetit nervor është algoritmi i përhapjes së gabimeve. Funksioni objektiv për këtë algoritëm duhet të sigurojë që gabimi i të mësuarit në katror të minimizohet për të gjithë shembujt:

formula "src =" http://hi-edu.ru/e-books/xbook717/files/f4.gif "border =" 0 "align =" absmiddle "alt =" (! LANG:

Avantazhi i rrjeteve nervore ndaj konkluzionit induktiv qëndron në zgjidhjen jo vetëm të problemeve klasifikuese, por edhe parashikuese. Mundësia e një natyre jolineare të varësisë funksionale të veçorive të daljes dhe hyrjes lejon që dikush të ndërtojë klasifikime më të sakta.

Vetë procesi i zgjidhjes së problemeve, për shkak të transformimeve të matricës, kryhet shumë shpejt. Në fakt, procesi paralel i kalimit përmes rrjetit nervor është i simuluar, në ndryshim nga procesi sekuencial në sistemet induktive. Rrjetet nervore gjithashtu mund të implementohen në harduer në formën e neurokompjuterëve me memorie asociative.

Kohët e fundit, rrjetet nervore janë zhvilluar me shpejtësi dhe janë përdorur në mënyrë shumë aktive në fushën financiare. Shembuj të zbatimit të rrjeteve nervore përfshijnë:

"Sistemi i parashikimit të dinamikës së kursit të këmbimit për Bankën Kimike" (firma Logica);

Sistemi i Parashikimit për Bursën e Londrës (SearchSpace);

Menaxhimi i Investimeve për Mellon Bank (firma NeuralWare), etj.

Si mjete për zhvillimin e rrjeteve nervore, duhet të veçohen mjetet NeuroSolution, Neural Works Professional II / Plus, Process Advisor, NeuroShell 2, BrainMaiker Pro, NeurOn-line, etj.

Sistemet e bazuara në rast(Arsyetimi i bazuar në rast). Në këto sisteme, baza e njohurive nuk përmban përshkrime të situatave të përgjithësuara, por vetë situatat aktuale ose precedentët. Pastaj kërkimi për një zgjidhje të problemit reduktohet në një kërkim me analogji (konkluzion nga e veçanta në të veçantë):

1. Marrja e informacionit të detajuar për problemin aktual;

2. Krahasimi i informacionit të marrë me vlerat e atributeve precedent nga baza e njohurive;

3. Përzgjedhja e një precedenti nga baza e njohurive që është më afër problemit në shqyrtim;

4. Nëse është e nevojshme, precedenti i përzgjedhur i përshtatet problemit aktual;

5. Kontrollimi i korrektësisë së çdo zgjidhjeje të marrë;

6. Futja e informacionit të detajuar rreth zgjidhjes së marrë në bazën e njohurive.

Si dhe për sistemet induktive, precedentët përshkruhen nga një sërë veçorish, të cilat përdoren për të ndërtuar indekse kërkimi të shpejtë. Por ndryshe nga sistemet induktive, lejohet kërkimi me një sërë alternativash të mundshme, secila prej të cilave vlerësohet me një farë mase ngjashmërie me situatën e analizuar. Zakonisht, si një masë e ngjashmërisë së dy precedentëve, merret një funksion i shumës së ponderuar të vlerave të tipareve koincidente të precedentëve të normalizuar në një shkallë të caktuar të përbashkët relative. Formalisht, ngjashmëria e plotë e SIM midis precedentëve A dhe B, të përshkruara nga tiparet p, mund të shprehet:

formula "src =" http://hi-edu.ru/e-books/xbook717/files/f12.gif "border =" 0 "align =" absmiddle "alt =" (! LANG:- ngjashmëria lokale (devijimi) i vlerave të tiparit i-të të dy precedentëve A dhe B, të normalizuara në shkallë

Funksionet e mëposhtme mund të përdoren si funksione me ngjashmëri të plotë F:

formula "src =" http://hi-edu.ru/e-books/xbook717/files/f14.gif "border =" 0 "align =" absmiddle "alt =" (! LANG:- Minkowski

formula "src =" http://hi-edu.ru/e-books/xbook717/files/f16.gif "border =" 0 "align =" absmiddle "alt =" (! LANG:- Maksimumi

ku p> 0, shembull "> p është numri i veçorive, formula" src = "http://hi-edu.ru/e-books/xbook717/files/f18.gif" border = "0" align = "absmiddle" alt = "(! LANG: = 1.

Më tej, zgjidhjet më të përshtatshme përshtaten sipas algoritmeve të veçanta në situata reale. Metodat e përshtatjes përdoren kryesisht metoda të ri-specifikimit të variablave, specifikimit të parametrave, zëvendësimit të disa komponentëve të zgjidhjes me të tjerë. Trajnimi i sistemit reduktohet në memorizimin e çdo situate të re të përpunuar me vendimet e marra në bazë të precedentëve.

Mjetet më të famshme të zhvillimit të aplikacioneve që përdorin kërkimin e rasteve të përdorimit janë: CBR-Express (Inference), REMIND (Sistemet njohëse), ReCall (Isoft SA), mjetet KATE (Acknosoft), Njohja e modelit Workbench (Unica), etj. që mund të krijoni aplikacione të ndryshme për zgjidhjen e problemeve të diagnostikimit, analizës së rrezikut, parashikimit, kontrollit dhe të mësuarit. Sistemet e bazuara në raste përdoren si sisteme të zgjeruara të shpërndarjes së njohurive ose si sisteme të ndihmës kontekstuale. Për shembull, Linja e Ndihmës Teknike e Dell në Dublin përdor CBR-Express për të ndihmuar stafin e qendrës t'u përgjigjet më shumë pyetjeve telefonike. Falë këtij sistemi, produktiviteti i 200 punonjësve të qendrës u rrit në 3 mijë telefonata në ditë nga përdoruesit. Një shembull i një konsultimi të tillë mund të jetë si më poshtë (Fig. 1.15).

Nxjerrja e njohurive bazuar në dyqanet e informacionit(Data mining bazuar në Data Warehouse). Ndryshe nga një bazë të dhënash inteligjente, një magazinë informacioni është një depo e informacionit kuptimplotë të nxjerrë nga bazat e të dhënave operacionale, e cila synohet kryesisht për analizën e të dhënave operacionale (zbatimi i teknologjisë OLAP). Formulimi i një pyetësori kryhet si rezultat i përdorimit të një ndërfaqeje inteligjente që lejon në dialog të përcaktojë në mënyrë fleksibël veçori të rëndësishme analize për një grupim arbitrar të të dhënave. Mjetet më të famshme për mbështetjen e ruajtjes së informacionit dhe teknologjive OLAP janë mjete të tilla si paketa statistikore e aplikacioneve SAS, programet e specializuara të Objekteve të Biznesit, Oracle Express, softueri vendas PolyAnalyst, Kontur Standard, etj.

Detyrat tipike të analizës së situatës operacionale, të zgjidhura në bazë të ruajtjes së informacionit, janë:

Përcaktimi i profilit të konsumatorëve të një produkti të caktuar;

Parashikimi i ndryshimeve në situatën e tregut;

Analiza e varësive të shenjave të situatave (analizë korrelacioni) etj.

Për zgjidhjen e problemeve të mësipërme, kërkohet përdorimi i metodave për nxjerrjen e njohurive nga bazat e të dhënave (Data Mining ose Knowledge Discovery), bazuar në përdorimin e metodave të analizës statistikore multivariate, metodave induktive për ndërtimin e pemëve të vendimeve, rrjeteve nervore dhe algoritmeve gjenetike.

Le të shqyrtojmë thelbin e aplikimit të një metode të pashqyrtuar më parë të bazuar në përdorimin e algoritmeve gjenetike. Le të kërkohet të përcaktohet një grup treguesish ekonomikë që ndikojnë më shumë në dinamikën pozitive të sjelljes së tregut. Atëherë grupi i treguesve mund të konsiderohet si një grup kromozomesh që përcaktojnë cilësitë e individit, domethënë zgjidhjen e problemit. Vlerat e treguesve që përcaktojnë vendimin, në këtë rast, korrespondojnë me gjenet.

Kërkimi për një zgjidhje optimale për problemin e paraqitur është i ngjashëm me evolucionin e një popullate individësh të përfaqësuar nga grupet e tyre të kromozomeve. Në këtë evolucion funksionojnë tre mekanizma: zgjedhja e më të fortëve - grupet e kromozomeve, që korrespondojnë me zgjidhjet më optimale; ndërthurja - prodhimi i individëve të rinj duke përzier grupe kromozomesh të individëve të përzgjedhur; dhe mutacionet janë ndryshime të rastësishme në gjene në disa individë në popullatë. Si rrjedhojë e ndërrimit të brezave, në fund i jepet një zgjidhje problemit të shtruar, e cila nuk mund të përmirësohet më.

Algoritmet gjenetike kanë disa disavantazhe. Kriteri i përzgjedhjes së kromozomeve dhe vetë procedura janë heuristike dhe jo gjithmonë garantojnë gjetjen e zgjidhjes më të mirë. Ashtu si në jetën reale, evolucioni mund të ndalet në ndonjë degë joproduktive. Nga ana tjetër, mund të merren shembuj kur vazhdimet premtuese përjashtohen nga evolucioni nga algoritmi gjenetik. Kjo bëhet veçanërisht e dukshme kur zgjidhen probleme të dimensioneve të mëdha me lidhje komplekse të brendshme. Një shembull i zhvillimit të sistemeve të bazuara në algoritme gjenetike është sistemi GeneHunter nga Ward Systems Group.

Zbatimi i metodave të minierave të bazuara në ruajtjen e informacionit në praktikë tregon gjithnjë e më shumë nevojën për të integruar teknologjitë inteligjente dhe tradicionale të informacionit, përdorimin e kombinuar të metodave të ndryshme të përfaqësimit dhe prodhimit të njohurive, ndërlikimin e arkitekturës së sistemeve të informacionit (shih paragrafin 1.6. Dhe). Kapitulli 7).

Në kontekstin e zhvillimit dinamik të objekteve ekonomike, kërkesat për përshtatshmërinë e sistemeve të informacionit ndaj ndryshimeve janë në rritje. Këto kërkesa përbëhen nga sa vijon:

IS në çdo moment të kohës duhet të mbështesë në mënyrë adekuate organizimin e proceseve të biznesit.

Rindërtimi i IS duhet të bëhet sa herë që ka nevojë për riorganizim të proceseve të biznesit.

Rindërtimi i IS duhet të kryhet shpejt dhe me kosto minimale.

Duke pasur parasysh dinamizmin e lartë të proceseve moderne të biznesit, mund të konkludohet se përshtatshmëria e IS është e paimagjinueshme pa intelektualizimi arkitekturën e saj. Thelbi i IC-së adaptive është vazhdimisht në zhvillim modeli i domenit të problemit (ndërmarrje), i mbajtur në një bazë të veçantë njohurish - një depo, në bazë të së cilës kryhet gjenerimi ose konfigurimi i softuerit. Kështu, projektimi dhe përshtatja e IS zbret, para së gjithash, në ndërtimin e një modeli të zonës së problemit dhe korrigjimin e tij në kohë. Prandaj, sistemi adaptiv mund të klasifikohet si një sistem informacioni inteligjent bazuar në modelin e fushës së problemit.

Gjatë projektimit të një sistemi informacioni, zakonisht përdoren dy qasje: origjinali ose dizajn tipik... Qasja e parë përfshin zhvillimin e një sistemi informacioni "nga e para" në përputhje me kërkesat e një objekti ekonomik, qasja e dytë është përshtatja e zhvillimeve standarde me karakteristikat e një objekti ekonomik. Qasja e parë zakonisht zbatohet në bazë të aplikacionit sistemet e projektimit me ndihmën e kompjuterit ose teknologjitë CASE, për shembull, si Designer 2000 (Oracle), SilverRun (SilverRun Technology), Natural LightStorm (Software AG), etj., qasja e dytë bazohet në përdorimin e Sistemet e projektimit të komponentëve IC, për shembull, si R / 3 (SAP), BAAN IV (Baan Corp), Galaxy (New Atlant), etj.

Nga pikëpamja e përshtatshmërisë së sistemit të informacionit me proceset e biznesit të një objekti ekonomik, të dyja qasjet udhëhiqen nga një studim paraprak i plotë i objektit ekonomik dhe modelimit të tij. Dallimi midis qasjeve është si më poshtë: kur përdoret teknologjia CASE e bazuar në depo, kur ndodh një ndryshim, sa herë që kryhet gjenerimi (rikrijimi) i softuerit dhe kur përdoret teknologjia e komponentit, konfigurimi i programet dhe vetëm në raste të rralla përpunimi i tyre duke përdorur CASE- nënkupton, për shembull, përdorimin e gjuhëve të gjeneratës së katërt (4GL).

Për të modeluar zonën e problemit dhe konfigurimet pasuese të sistemit të informacionit nga komponentë individualë (module softuerike), përdoren mjete speciale softuerike, për shembull, R / 3 Business Engineer dhe BAAN DEM (Dynamic Enterprise Modeler). Avantazhi i padyshimtë i përdorimit të sistemeve të komponentëve të orientuar nga modeli, si R / 3 ose BAAN IV, ndaj teknologjive CASE është grumbullimi i përvojës në hartimin e sistemeve të informacionit për industri të ndryshme dhe lloje të prodhimit në formën e modeleve standarde ose të tjera. thirrur Modelet e referencës / referencës që vijnë me produktin softuerik në formën e një depoje të plotë. Kështu, së bashku me produktin softuer, përdoruesit fitojnë një bazë njohurish "know-how" në lidhje me metodat efektive të organizimit dhe menaxhimit të proceseve të biznesit, të cilat mund të përshtaten në përputhje me specifikat e një objekti të caktuar ekonomik.

Në një formë të përgjithësuar, konfigurimi i sistemeve të informacionit përshtatës bazuar në teknologjinë e komponentëve është paraqitur në Fig. 1.16.

Modeli bazë i depove përmban një përshkrim objektet, funksionet (operacionet), proceset (bashkësia e operacioneve), të cilat implementohen në modulet softuerike të sistemit komponent. Në të njëjtën kohë, detyra ka një rëndësi të madhe në modelin bazë rregullat (rregullat e biznesit) ruajtja e integritetit të sistemit të informacionit, të cilat vendosin kushtet për verifikimin e korrektësisë së zbatimit të përbashkët të operacioneve të procesit të biznesit dhe moduleve softuerike mbështetëse të tyre. Kështu, diversiteti dhe fleksibiliteti i përcaktimit të proceseve të biznesit dhe konfigurimeve përkatëse të sistemit të informacionit vendoset duke përdorur një sërë rregullash biznesi.

Modelet tipike korrespondojnë me konfigurimet tipike të sistemit të informacionit të bëra për industri të caktuara (automobilistikë, elektronikë, naftë dhe gaz, etj.) ose lloje të prodhimit (individual, grup, masiv, i vazhdueshëm, etj.).

Modeli i ndërmarrjes (zona e problemit)është ndërtuar ose duke lidhur ose kopjuar fragmente të modeleve kryesore ose tipike në përputhje me veçoritë specifike të ndërmarrjes, për shembull, si në mjetin BAAN Orgware, ose si rezultat i shikimit të këtyre modeleve dhe një sondazhi ekspertësh, si në Mjeti R / 3 i Inxhinierit të Biznesit. Për më tepër, në rastin e fundit, përdoruesit i kërkohet të përcaktojë vlerat e jo të gjithë parametrave, por vetëm atyre që lidhen në kontekstin e dialogut dhe përshkruhen nga rregullat e biznesit.

Modeli i krijuar i ndërmarrjes në formën e një meta përshkrimi ruhet në depo dhe, nëse është e nevojshme, mund të rregullohet. Më tej, sipas modelit të krijuar të ndërmarrjes, kryhet automatikisht konfigurimi i sistemit të informacionit, gjatë të cilit kryhet kontrolli semantik sipas rregullave përkatëse të biznesit.

Disavantazhet e skemës së përshkruar të konfigurimit të sistemit të informacionit është mungesa e mjeteve për vlerësimin e modelit të ndërmarrjes. Për të qenë në gjendje të zgjidhni opsionet optimale të konfigurimit për sistemin e informacionit, si rregull, përdoren mjetet e eksportimit të modelit në sistemet e modelimit të jashtëm. Pra, për sistemin R / 3, sigurohet eksporti (importi) i modeleve në (nga) mjedisi (at) e grupit të mjeteve ARIS, i cili ju lejon të kryeni një analizë funksionale dhe kosto të efektivitetit të proceseve të modeluara të biznesit dhe simulimi i tyre dinamik.

Ndryshimet e vazhdueshme që ndodhin në ekonomi diktojnë nevojën e përditësimit të vazhdueshëm të njohurive të ndërmarrjeve dhe organizatave, si kapital intelektual që siguron pozicione të qëndrueshme strategjike të ndërmarrjeve në treg. Sipas B.Z. Milner, "po formohet një funksion i ri menaxhimi, detyra e të cilit është të grumbullojë kapital intelektual, të identifikojë dhe të shpërndajë informacionin dhe përvojën e disponueshme dhe të krijojë parakushte për shpërndarjen dhe transferimin e njohurive. Është njohuria që bëhet burim i produktivitetit të lartë, inovacionit dhe avantazhit konkurrues”. Funksioni i ri i menaxhimit të njohurive zbatohet si një grup procesesh për përvetësimin, sintezën, shkëmbimin dhe përdorimin sistematik të njohurive brenda një organizate. Menaxhimi i njohurive karakterizohet nga formimi dhe përdorimi kolektiv i burimeve të brendshme dhe të jashtme të njohurive (burimet e informacionit).

Në një sondazh me CEO të Fortune 1000, 97% e menaxherëve thanë se ka procese që janë kritike për kompaninë dhe mund të përmirësohen ndjeshëm nëse më shumë punonjës do të dinin për to. Në të njëjtin sondazh, 87% e të anketuarve thanë se gabimet e kushtueshme ndodhin pikërisht sepse punonjësit nuk morën informacionin që u nevojiteshin në kohë.

Cilësia e njohurive të përdorura ndikon drejtpërdrejt në efikasitetin e proceseve të mëposhtme të biznesit:

Marrja e vendimeve të menaxhimit në menaxhimin strategjik, taktik dhe operacional si rezultat i marrjes së aksesit në kohë në njohuritë përkatëse;

Aktivitet inovativ për shkak të mundësisë së formimit kolektiv të ideve dhe uljes së kostos së dyfishimit të punës, duke siguruar përshpejtimin e ciklit të inovacionit;

Zhvillimi i vazhdueshëm profesional i punonjësve të ndërmarrjeve në kohë reale;

Sigurimi i partnerëve (furnizuesve, kontraktorëve, klientëve) përveç shërbimeve të tyre kryesore, akses në njohuritë e grumbulluara, duke përfshirë konsultimin dhe trajnimin.

Nën Sistemi i menaxhimit të njohurive (KMS) do të kuptojmë një sërë procedurash organizative, njësive organizative (shërbime të menaxhimit të njohurive) dhe teknologjive kompjuterike që sigurojnë integrimin e burimeve heterogjene të njohurive dhe përdorimin e tyre kolektiv në proceset e biznesit.

Sipas E.V. Popov, shpenzimet botërore për krijimin dhe funksionimin e sistemit të kontrollit, të cilat arritën në 2 miliardë dollarë në 1999, do të rriten në 12 miliardë dollarë deri në vitin 2003, në të cilat 7.9 miliardë dollarë do të shoqërohen me ofrimin e shërbimeve, 1.8 miliardë dollarë me softuer, 0.9 miliardë dollarë me mirëmbajtje të infrastrukturës, 1.4 miliardë dollarë me burime të brendshme. Në të njëjtën kohë, siç theksojnë ekspertët e Delphi Consulting Group, aktualisht vetëm 12 për qind e njohurive të korporatave është formalizuar në bazat e të dhënave dhe njohuritë kompjuterike.

Një tipar dallues i sistemit të menaxhimit të njohurive është integrimi i shumë burimeve heterogjene, shpesh të shpërndara gjeografikisht të njohurive për të zgjidhur problemet e zakonshme. KMS integron njohuri nga burime të brendshme dhe të jashtme. Burimet e njohurive mund të kenë formë të padokumentuar (njohuri të nënkuptuar të ekspertëve), tekst të dokumentuar, formë tabelare, grafike dhe formë të strukturuar në formën e bazave të njohurive të sistemeve eksperte.

Burimet e brendshme të njohurive përfshijnë:

Dokumentacioni teknik, përshkrimi i proceseve të prodhimit dhe të biznesit,

Bazat e të dhënave dhe depoja e të dhënave,

Baza e njohurive të përvojës së punës së specialistëve ("praktika më e mirë"),

Përshkrimi i profileve të njohurive të specialistëve (ekspertëve),

Sisteme të specializuara ekspertësh.

Burimet e jashtme të njohurive përfshijnë:

Materialet e publikimeve dhe lajmeve që gjenden në INTERNET,

Sistemet elektronike të mësimit,

Bazat e të dhënave të partnerëve të jashtëm dhe bazat e të dhënave statistikore në seksionet rajonale, të produkteve dhe sektorëve,

Drejtoritë e ekspertëve dhe kompanive konsulente të specializuara në fusha specifike problematike, lidhje me forumet në INTERNET,

Modele referimi për organizimin e proceseve të biznesit (industri dhe zgjidhje standarde).

Një sistem i menaxhimit të njohurive përdoret zakonisht në dy aspekte:

Ofrimi i njohurive me cilësi të lartë për proceset e zgjidhjes së problemeve të ndryshme.

Krijimi i një mjedisi ndërveprues për ndërveprimin e specialistëve në procesin e zgjidhjes së problemeve.

Nga pikëpamja e parë, KMS, në ndryshim nga sistemet tradicionale të informacionit për mbështetjen e dokumentacionit (sistemet e rikthimit të informacionit), e shndërron njohurinë në një produkt të përfunduar me një vlerë të lartë përdorimi, pasi njohuritë, ndryshe nga një grup informacioni të të gjitha llojeve. lidhur me kërkesën, përputhet saktësisht me natyrën e problemit që zgjidhet dhe mund të përdoret drejtpërdrejt kur merret një vendim.

Nga pikëpamja e aspektit të dytë, KMS krijon një mjedis ndërveprues për njerëzit për të komunikuar, në të cilin rritet aftësia krijuese për të gjeneruar njohuri të reja, të cilat menjëherë bien në kujtesën e korporatës për përdorim të mëvonshëm. Me ndihmën e KMS, çdo ndërmarrje apo organizatë shndërrohet në një organizatë mësimore që krijon një “spiralë njohurish” në të cilën “dija e panjohur (e nënkuptuar) duhet të identifikohet dhe shpërndahet në mënyrë që të bëhet pjesë e bazës së njohurive të individualizuara të çdo punonjësi. Spiralja rifillon çdo herë për t'u ngritur në nivelin tjetër, duke zgjeruar bazën e njohurive të zbatueshme në fusha të ndryshme të organizatës.

Kështu, në mënyrë që procesi i përditësimit të njohurive të jetë konstant, është e nevojshme të krijohen sisteme të menaxhimit të njohurive që funksionojnë vazhdimisht, të cilat jo vetëm që mund të kombinojnë burimet individuale të njohurive të përdoruesve individualë, por edhe të nxjerrin njohuri nga burime të jashtme të njohurive, bazat e të dhënave statistikore. , dhe hapësirën e informacionit INTERNET. Kjo kërkon aftësinë për të lidhur sistemin e menaxhimit të njohurive të korporatës me sisteme të tjera të menaxhimit të njohurive bazuar në qasje të unifikuara për konceptimin e njohurive.

Sistemet e menaxhimit të njohurive karakterizohen nga karakteristikat e mëposhtme:

Ndihmë inteligjente. Sistemi i menaxhimit të njohurive, ndryshe nga sistemet e ekspertëve, nuk zëvendëson një ekspert në procesin e zgjidhjes së problemeve, por e ndihmon atë duke i dhënë informacionin përkatës dhe rregullat e vendimmarrjes në një situatë të caktuar. Në të njëjtën kohë, në procesin e zgjidhjes së problemit, përdoruesi shqyrton zgjidhje të ndryshme të paraqitura nga sistemi i menaxhimit të njohurive, modifikon deklaratën e problemit ose simulon situatën, duke zgjedhur kështu zgjidhjet më të pranueshme. Mund të ketë një mënyrë tjetër të zgjidhjes së problemit, kur përdoruesi e zgjidh problemin në mënyrë të pavarur dhe rezultati i zgjidhjes vlerësohet duke përdorur sistemin e menaxhimit të njohurive për korrektësi dhe efikasitet, për shembull, duke iu referuar kolegëve ekspertë ose sistemeve të ekspertëve duke përdorur sistemi i menaxhimit të njohurive.

Mbledhja dhe organizimi sistematik i njohurive nga burime të ndryshme. Integrimi i shumë burimeve të ndryshme të njohurive kryhet në bazë të një sistemi të unifikuar të konceptualizimit të njohurive. Një kërkesë kryesore për burimet e njohurive është parandalimi i humbjes dhe rritja e disponueshmërisë së të gjitha llojeve të njohurive të korporatës duke ofruar një depo informacioni të centralizuar dhe të strukturuar mirë. Strukturimi i ruajtjes së informacionit presupozon krijimin dhe përshkrimin e një sistemi të unifikuar njohurish të bazuar në një taksonomi të koncepteve konceptuale, një bazë meta-njohurie ose një ontologji, përmes së cilës mund të arrihet akses në burime të ndryshme njohurish.

Minimizimi i dizajnit të bazës së njohurive si plotësimi i një diagrami konceptual. Jo të gjitha burimet e njohurive mund të njihen, ose mund të jenë kontradiktore, ose ndryshojnë shpesh. Sistemi i menaxhimit të njohurive, nga njëra anë, duhet të ofrojë metoda për trajtimin e situatave të tilla, dhe nga ana tjetër, të sigurojë lidhjen e lehtë të burimeve të reja të njohurive kur ato dalin. Në të njëjtën kohë, vetë skema konceptuale e sistemit të menaxhimit të njohurive duhet të modifikohet.

Përshtatja e shpejtë e sistemit të menaxhimit të njohurive ndaj nevojave në ndryshim të informacionit. Përshtatja e sistemit të menaxhimit të njohurive kryhet në bazë të reagimeve të përdoruesve ndaj sistemit si rezultat i formulimit të kërkesave të reja dhe seksioneve të analizës, si dhe informimit për boshllëqet, pasaktësitë dhe vonesat në njohuri. Përveç kësaj, baza e rasteve të përdorimit është e mbushur me një tregues të zgjidhjes së suksesshme dhe të pasuksesshme të problemeve nga përdoruesit. Në të njëjtën kohë, bëhet shndërrimi i njohurive individuale në njohuri grupore, të disponueshme për përdoruesit e tjerë të sistemit të menaxhimit të njohurive. Forma e njohurive të mbledhura dhe të ndara bëhet gjeneruese dhe e ripërdorshme.

Nga ky këndvështrim, është e dobishme të grumbullohet një bazë njohurish precedentësh për zgjidhjen e problemeve, të përgjithësohen situatat dhe gabimet tipike dhe të shpërndahet njohuria e krijuar.

Integrimi me mjedisin ekzistues të softuerit. Një shumëllojshmëri mjetesh analitike janë të lidhura me sistemin e menaxhimit të njohurive, të cilat lejojnë nxjerrjen e informacionit të nënkuptuar që përmbahet në burimet e njohurive duke përdorur metoda të tilla si analiza statistikore dhe rrjetet nervore, sistemet e ekspertëve, modelimi matematik dhe simulues. Këto mjete ju lejojnë të zbuloni modele në realitetin e pasqyruar dhe të identifikoni sjelljen më racionale në kushtet ekzistuese. Përdoruesi bëhet një studiues-eksperimentues i cili jo vetëm kërkon informacion me interes, por edhe parashtron dhe teston hipoteza të ndryshme. Në këtë kuptim, është e dobishme të lidhni mjete të specializuara softuerike.

Prezantimi aktiv i informacionit përkatës. Sistemi i menaxhimit të njohurive bëhet një partner kompetent në zgjidhjen bashkëpunuese të problemeve, duke marrë parasysh gamën e nevojave të informacionit të përdoruesit dhe duke formuar njohuri për të, bazuar në interesat e tij të perceptuara. Kjo veçori zbatohet veçanërisht në mënyrë efektive në sistemet e menaxhimit të marrëdhënieve me klientët (CRM).

Integrimi i burimeve heterogjene të njohurive, natyra ndërdisiplinore e përdorimit të tyre, nevoja për të tërhequr burime të jashtme të njohurive, shkëmbimi i njohurive midis përdoruesve presupozon zhvillimin arkitektura e një sistemi të menaxhimit të njohurive bazuar në një hapësirë ​​të përbashkët informacioni në formën e memories së integruar, të cilat mund të përfaqësohen në tre nivele ndërvepruese:

Niveli i objektit- ruajtja e kategorive të burimeve të njohurive të shënuara me ndihmën e një sistemi të zhvilluar posaçërisht dhe indeksimi i tyre.

Niveli i konceptit- përcaktimi i një modeli konceptual të strukturës së njohurive (sistemi i kategorive), i përbashkët për të gjitha burimet e njohurive, domethënë zhvillimi i një ontologjie.

Shtresa e aplikimit- përcaktimi i qëllimit dhe kufizimeve për zgjidhjen e një problemi intelektual nga përdoruesi, domethënë vendosja e kontekstit të tij global dhe lokal. Në të njëjtën kohë, duhet të përcaktohet profili i njohurive të përdoruesit.

Le të shqyrtojmë më në detaje nivelet e listuara të organizimit të kujtesës së korporatës. Gjatë përshkrimit të organizimit të njohurive në këto nivele, shembuj të KMS operuese specifike të përshkruara në.

Shtresa e objektit të kujtesës së korporatës

Burimet e mundshme të njohurive që janë të lidhura me KMS janë paraqitur në Tabelën 1.2.

Tabela 1.2

Burimet e njohurive

Dokument pa titull

Burimet e njohurive	Metodat e përvetësimit të njohurive	Shembuj njohurish
Njerëzit dhe grupet	Dokumentimi, Strukturimi, Lidhja	Shembuj situatash, Rregullash, objektesh Profili i njohurive
Në një formë të nënkuptuar duke lidhur drejtpërdrejt specialistët dhe ekspertët me një rrjet kompjuterik duke përshkruar profilin e njohurive të tyre. Për shembull, Huges Electronics, një kompani General Motors, ka një histori të rasteve kryesore të praktikave më të mira, e cila mban një bazë të dhënash të projekteve më të mira të rinovimit. Çdo projekt shoqërohet me një përshkrim të shkurtër dhe informacion për kontaktimin e personave përgjegjës. Bazat e të dhënave statistikore dhe ruajtja e informacionit përfaqësojnë një burim për nxjerrjen e njohurive të nënkuptuara duke përdorur metodat e nxjerrjes së të dhënave: pemët e vendimeve induktive, analiza e grupimeve dhe regresionit, rrjetet nervore. Magazinat e informacionit mund të përmbajnë sasi të mëdha të dhënash. Për shembull, Chase Manhatten Bank ka më shumë se 560 GB hapësirë ​​ruajtëse, MasterCard OnLine ka 1.2 TB. Mjetet e dedikuara mund të përdoren për të mbledhur statistika. Për shembull, për të nxjerrë njohuri nga informacioni financiar në EDGAR (Sistemi elektronik i mbledhjes dhe rikthimit të të dhënave), u zhvillua sistemi EdgarScan, i cili funksionon në mjedisin e internetit. Burimet e tekstit të njohurive janë të lidhura me KMS duke përdorur teknologjinë e filtrimit të mesazheve me tekst të analizuara në burimin e njohurive bazuar në një listë temash që përcaktojnë hierarkinë e taksonomisë së termave në një fushë specifike lëndore. Në mënyrë tipike, filtrimi kryhet sipas kategorisë dhe përparësisë së rëndësisë. Për shembull, Odie (Nxjerrja e informacionit sipas kërkesës) skanon rreth 1000 artikuj të lajmeve të fundit çdo natë për të nxjerrë njohuri rreth tendencave të menaxhimit. E krijuar për komentuesit amerikanë dhe evropianë të lajmeve, Odie përdor njohjen e stilizuar të frazave në artikujt e lajmeve të biznesit dhe njohuritë e rregullave sintaksore për të njohur ngjarjet përkatëse të biznesit. Diagramet grafike të modeleve të referencës ruhen në depo të veçanta që përshkruajnë meta informacione rreth organizimit të proceseve të biznesit. Për shembull, depoja e Sistemit SAP R / 3 përmban rreth 100 skenarë dhe modele të vërtetuara biznesi për industri të ndryshme. Me ndihmën e rregullave të ekspertëve, modelet e referencës mund të shndërrohen në modele specifike për organizimin e proceseve të biznesit të ndërmarrjeve. Niveli konceptual i strukturës së njohurive të kujtesës së korporatës Niveli konceptual i strukturës së njohurive bazohet në taksonominë e koncepteve të përdorura (ontologjia), e krijuar për të identifikuar komponentët e ndryshëm të njohurive. Ontologjia mund të shihet si një sistem i rubrikimit të fushës lëndore, me ndihmën e të cilit integrohen burime heterogjene të njohurive. Nga ana tjetër, ontologjia shihet si një fjalor thesaurus, i ndarë në KMS për të thjeshtuar komunikimin e përdoruesve, formulimin dhe interpretimin e kërkesave të tyre. Niveli konceptual i kujtesës së korporatës ofron një interpretim semantik të pyetjeve në KMS, i cili zbaton aksesin e unifikuar inteligjent në një shumëllojshmëri burimesh njohurish. Rezultati është përfitimet kryesore të mëposhtme: Akses i saktë dhe efektiv i KMS në burimet e njohurive që janë të rëndësishme për kontekstin e detyrës (situatë specifike). Kuptimi dhe interpretimi më i mirë i njohurive të marra nga përdoruesi në këtë kontekst me mundësinë e thirrjeve shtesë referuese në kujtesën e korporatës. Modelimi i informacionit, domethënë sqarimi i përsëritur i nevojave për informacion në procesin e zgjidhjes së një problemi. Një shembull i aplikimit të fjalorëve të tezaurëve është sistemi industrial i marrjes së informacionit Retrieval Ware (Canbera), i cili lejon kërkimin me tekst të plotë dhe atribut duke përdorur një shfletues të rregullt në internet në burime të ndryshme njohurish: arkivat elektronike të dokumenteve tekstuale, web-pecypcax, të formatuara bazat e të dhënave, spreadsheets, grafika, tinguj dhe imazhe vizuale (në 250 formate). Rrjeti semantik, i pasqyruar në fjalorin e thesaurus për gjuhën angleze, përfshin 400,000 fjalë dhe më shumë se 1,600,000 lidhje midis tyre. Fjalori i versionit të lokalizuar të softuerit të Serverit Semantik Rus aktualisht përmban rreth 42 mijë fjalë dhe shprehje idiomatike. Teknologjia e kërkimit semantik gjithashtu lejon përdorimin e disa fjalorëve në të njëjtën kohë. Për shembull, së bashku me fjalorin bazë, sistemi mund të përdorë fjalorin e industrisë, fjalorin e brendshëm të organizatës dhe fjalorin personal të përdoruesit, i cili mund të zhvillohet sipas nevojës. Organizimi i kufizuar i njohurive në thesaurus shoqërohet me një fokus të ngushtë në zgjidhjen vetëm të problemeve të kërkimit. Për të zgjeruar gamën e detyrave të KMS që lidhen me zgjedhjen e alternativave në justifikimin e projekteve, marrjen e vendimeve, trajnimin, kërkohet një organizim më kompleks i njohurive, i cili përfshin përcaktimin e logjikës së zgjidhjes së problemeve në një formë deklarative ose krijimin e një ontologjie të detyrave. Sistemi Ontolingua është një shembull i mirë i këtij lloj sistemi. Sistemi Ontolingua është krijuar për të mbështetur specifikimin formal të detyrave të përdoruesve bazuar në një bibliotekë të përshkrimeve formale të fragmenteve të detyrave, modeleve dhe koncepteve, si dhe për të ruajtur vetë bibliotekën e fragmenteve (Fig. 1.17). Otologjitë mund të përdoren jo vetëm në sistemet e menaxhimit të njohurive, por edhe në sistemet transaksionale si sistemet e tregtisë elektronike, sistemet e logjistikës, ndërmarrjet virtuale, të cilat kërkojnë teknologji të shkëmbimit të njohurive me shumë agjentë. Shtresa e aplikimit Problemet intelektuale, të cilat zgjidhen në bazë të KPS-së, karakterizohen nga formalizimi i dobët, që nënkupton paqartësi të përcaktimit të qëllimeve për zgjidhjen e problemit dhe të përshkrimit të kushteve për zgjidhjen e problemit. Për më tepër, niveli i njohurive dhe sistemi i kritereve për vlerësimin e një vendimi mund të ndryshojnë nga përdoruesi në përdorues. Në mënyrë tipike, një zgjidhje tipike për një problem intelektual zbret në hapat e mëposhtëm: Formulimi i deklaratës së problemit. Përzgjedhja e burimeve të njohurive të rëndësishme për detyrën. Kuptimi i materialit të përzgjedhur (trajnim, konsultim). Zgjidhja e problemit (zhvillimi, konfigurimi i zgjidhjes). Kontrollimi i fizibilitetit të zgjidhjes së problemit (vlerësimi i zgjidhjes së problemit, konsultimi me ekspertë, sisteme ekspertësh). Vendimmarrja dhe monitorimi i zbatimit të tij. Ruajtja e rezultateve të zgjidhjes së një problemi në kujtesën e korporatës. Në çdo hap të zgjidhjes së një problemi intelektual, mund të përdoret një CPS, puna e të cilit reduktohet në një seri kërkimesh përsëritëse në kujtesën e korporatës, e cila siguron saktësinë e arritjes së qëllimit të çdo faze. Për shembull, një ndërmarrje zgjidh problemin e zgjedhjes së një strategjie për rritjen e efikasitetit të prodhimit, e cila i përket klasës së detyrave të zyrtarizuara dobët. Së pari, ju duhet të kërkoni informacion mbi qëllimet, kriteret dhe metodat e mundshme për përmirësimin e efikasitetit të prodhimit. Më pas, përshkruani biznesin tuaj. Bazuar në detyrën e formuluar, sistemi do të zgjedhë burimet e njohurive. Studimi i materialit mund të shkaktojë një dialog sqarues ose shpjegues. Vendimi i marrë mund t'u dërgohet specialistëve të përzgjedhur me ndihmën e SPSH për ekzaminim. Në procesin e zbatimit të zgjidhjes, informacioni për hapat individualë futet në bazën e njohurive për të rregulluar strategjinë bazuar në devijimet e identifikuara dhe për t'u përdorur në zgjidhjen e problemeve të ngjashme në të ardhmen. Në çdo fazë të zgjidhjes së një problemi intelektual, përcaktohen kërkesat për input dhe output, metodat dhe mjetet e përdorura, si dhe burimet e përdorura (performues specifik, kufizimet e kohës, materialit dhe kostos) dhe thjesht nga pamja e jashtme duket si plotësimi i një ekrani. formulari në të cilin regjistrohen sa vijon: Qëllimi i përgjithshëm i aktivitetit. Informacioni kontekstual, i njohur nga gjendja e procesit ose i vendosur manualisht në një hap të caktuar. Një formular ekrani zakonisht plotësohet duke përdorur listat e fjalëve kyçe të lidhura me titujt e ontologjisë. Kështu, formulari i kërkesës në ekran pasqyron kontekstin aktual të kërkimit lokal, i cili përcakton specifikat e hapit të ardhshëm në zgjidhjen e problemit. Qasja një herë në njohuri në KMS moderne reduktohet kryesisht ose në kërkimin e njohurive përkatëse nga ana e përdoruesve fundorë, ose në shpërndarjen e njohurive midis përdoruesve nga ana e sistemit të menaxhimit të njohurive. Kështu, si njerëzit ashtu edhe KMS mund të jenë iniciatorë të proceseve të menaxhimit të njohurive. Nga ana tjetër, si njerëzit ashtu edhe KMS mund të jenë bartës të njohurive për të cilat aplikohen iniciatorët e proceseve. Variantet e mundshme të ndërveprimit ndërmjet njerëzve dhe KMS janë paraqitur në Tabelën 1.3. Tabela 1.3 Qasja në burimet e njohurive Dokument pa titull Lidhja e njerëzve në KMS kryhet duke përdorur teknologji me shumë agjentë të bazuar në një depo të aftësive të njerëzve. Çdo pjesëmarrës në procesin e menaxhimit të njohurive në një rrjet kompjuterik mund të ketë një kompjuter binjak - një agjent inteligjent që hyn në negociata me agjentë të ngjashëm në rrjet për të zgjidhur një problem të përbashkët. Një shembull i një sistemi të tillë me shumë agjentë është ContactFinder, i cili kërkon në rrjet për ekspertë duke përdorur teknologjinë e tabelës së buletinit, e cila është e disponueshme për mesazhe ndërmjet agjentëve. Në të njëjtën kohë, roli i ontologjisë është i madh si një fjalor i komunikimit të agjentëve dhe përshkrimi i profilit të njohurive të tyre. Lidhja e njerëzve dhe KMS për përzgjedhjen e njohurive përkatëse kryhet duke përdorur motorët e kërkimit në ruajtje të njohurive ("pool-magazina"). Inteligjenca e pamjaftueshme e motorëve ekzistues të kërkimit çon në jorelevancën e njohurive të përzgjedhura. Aktualisht, motorët e kërkimit janë duke u zhvilluar bazuar në përdorimin e ontologjisë, për shembull, sistemi SHOE, OntoBroker, etj. Si mjete grafike për vizualizimin e hartës së njohurive gjatë lundrimit në shtigjet e aksesit, mund të përdoren mjete speciale, për shembull, Perspecta dhe InXight . Lidhja e KMS dhe njerëzit kryhet sipas teknologjisë "push" (push-technology), sipas së cilës KMS studion nevojat e informacionit të përdoruesve dhe, në përputhje me to, shpërndan ose shpërndan në mënyrë të pavarur njohuri te konsumatorët. Për shembull, InfoFinder studion interesat e përdoruesve bazuar në grupin e mesazheve të krijuara ose dokumenteve të kërkuara. Përveç kësaj, InfoFinder përdor metoda heuristike për të mbledhur informacion shtesë, më të saktë në lidhje me kërkesat e përdoruesve, gjë që lejon InfoFinder të gjejë dokumente duke parashikuar kërkesat e përdoruesve. Lidhja e SHPK-së dhe SHPK-së në procesin e zbatimit të kërkesave më komplekse, kur një KMS nuk mund të përballojë detyrën në fjalë dhe i drejtohet një KMS tjetër për ndihmë, si rregull, ajo kryhet duke përdorur teknologjinë shumë agjentësh. Për më tepër, udhëzuesit specialë të njohurive mund të përdoren për të ndihmuar në lundrimin e shtigjeve të përzgjedhjes së njohurive në një hapësirë ​​të integruar njohurish, për shembull, Udhëzuesit Michelin të CoopersLibrand, gjë që e bën më të lehtë kuptimin e përmbajtjes dhe vendndodhjes së burimeve të njohurive. Andersen Consulting mban një depo qendrore të hartave të njohurive përmes të cilave lidhen burime të ndryshme të njohurive. Gjërat për të mbajtur mend Sistemi inteligjent i informacionit (IIS)është një IS, i cili bazohet në konceptin e përdorimit të një baze njohurish për të gjeneruar algoritme për zgjidhjen e problemeve ekonomike të klasave të ndryshme, në varësi të nevojave specifike të informacionit të përdoruesve. Shenjat më të rëndësishme të klasifikimit IIS: aftësitë e zhvilluara të komunikimit, kompleksiteti (formalizimi i dobët i algoritmit), aftësia për vetë-mësim, përshtatshmëria. Nënklasat kryesore të IIS: bazat e të dhënave inteligjente, përfshirë. me ndërfaqe që përdorin gjuhë natyrore, hipertekst dhe multimedia, grafikë njohëse; sisteme eksperte statike dhe dinamike; sistemet e vetë-mësimit të bazuara në parimet e konkluzionit induktiv, sistemet nervore, kërkimi i precedentëve, organizimi i ruajtjes së informacionit; sistemet përshtatëse të informacionit të bazuara në përdorimin e teknologjive CASE dhe / ose teknologjive përbërëse, sistemet e menaxhimit të njohurive. Sistemi inteligjent i ndërfaqesështë një IIS i krijuar për të kërkuar informacion të nënkuptuar në një bazë të dhënash ose tekst për pyetje arbitrare, zakonisht të kompozuara në një gjuhë të kufizuar natyrore. Sistemi i ekspertëve (ES)është një IIS i krijuar për të zgjidhur probleme të formalizuara dobët bazuar në përvojën e ekspertëve në fushën e problemit të grumbulluar në bazën e njohurive. Pjesëmarrësit në zhvillimin dhe funksionimin e termocentralit: ekspertë, inxhinierë njohurish, përdorues. Ekspert - një specialist, njohuritë e të cilit vendosen në bazën e njohurive. Inxhinier i Dijes- një specialist që merret me nxjerrjen e njohurive dhe formalizimin e tyre në bazën e njohurive. Përdoruesi - një specialist, aftësitë intelektuale të të cilit janë zgjeruar për shkak të përdorimit të ES në praktikë. Komponentët kryesorë të arkitekturës ES: baza e njohurive, mekanizmat e konkluzioneve, shpjegimet, përvetësimi i njohurive, ndërfaqe inteligjente. Baza e njohurive është komponenti qendror i ES, i cili përcakton vlerën e ES dhe me të cilin lidhen kostot kryesore të zhvillimit. Një bazë njohurish është një depo e njësive të njohurive që përshkruan atributet dhe veprimet që lidhen me objektet në zonën e problemit, si dhe pasiguritë e mundshme. Një njësi e njohurive është një njësi strukturore elementare (përshkrimi i një objekti, një veprimi), i cili ka një kuptim të plotë. Rregullat dhe/ose objektet zakonisht përdoren si njësi njohurish. Pasiguria e njohurive- kjo është ose paplotësi, ose mosbesueshmëri, ose paqartësi, ose një vlerësim cilësor (në vend të sasisë) të një njësie njohurie. Mekanizmi i konkluzionit është një procedurë e përgjithësuar për gjetjen e një zgjidhjeje për një problem, e cila, bazuar në bazën e njohurive dhe në përputhje me nevojat e informacionit të përdoruesit, ndërton një zinxhir arsyetimi (njësi njohurish të lidhura logjikisht), duke çuar në një rezultat specifik. Konkluzioni deduktiv(nga e përgjithshme në specifike) - derivimi i deklaratave private duke zëvendësuar deklarata të tjera private të njohura në deklarata të përgjithshme. Dalloni ndërmjet drejtpërdrejtë (nga të dhënat në qëllim) dhe të kundërt (nga qëllimi në të dhëna) zinxhirët e arsyetimit (argumentimi). Prodhimi induktiv(nga e veçanta në të përgjithshme) - përfundim (përgjithësim) i bazuar në një grup deklaratash të veçanta të deklaratave të përgjithshme (nga shembuj të praktikës reale të rregullave). Tërheqje rrëmbyese(nga private në private) - përfundimi i deklaratave private bazuar në kërkimin e deklaratave të tjera të ngjashme (precedentë). Mekanizmi i përvetësimit të njohuriveështë një procedurë për akumulimin e njohurive në një bazë njohurish, duke përfshirë hyrjen, kontrollin e tërësisë dhe konsistencës së njësive të njohurive dhe, ndoshta, daljen automatike të njësive të reja të njohurive nga informacioni hyrës. Mekanizmi i shpjegimitështë një procedurë që justifikon rezultatin e marrë nga mekanizmi i konkluzionit. Ndërfaqe inteligjenteështë një procedurë që interpreton kërkesën e përdoruesit për bazën e njohurive dhe gjeneron një përgjigje në një formë të përshtatshme për të. Qëllimi i sistemit të ekspertëve: konsultimi dhe trajnimi i përdoruesve të papërvojë, ndihma e ekspertëve në zgjidhjen e problemeve, këshilla për ekspertët për çështje nga fusha të ndërlidhura të njohurive (integrimi i burimeve të njohurive). Sistemi ekspert statikështë një ES që zgjidh probleme në kushte të të dhënave fillestare dhe njohurive që nuk ndryshojnë me kalimin e kohës. Sistemi dinamik ekspertështë një ES që zgjidh probleme në kushte të të dhënave dhe njohurive fillestare që ndryshojnë në kohë. Sistemi ekspert analitikështë një ES që vlerëson opsionet e vendimit (testimi i hipotezës). Sistemi i ekspertëve sintetik- Ky është një ES që gjeneron zgjidhje (hipoteza). Klasat e detyrave që do të zgjidhen në sistemin e ekspertëve: interpretimi, diagnostikimi, parashikimi, projektimi, planifikimi, monitorimi, korrigjimi, menaxhimi. Sistemi i vetë-mësimitështë një IIS, i cili, bazuar në shembuj të praktikës reale, gjeneron automatikisht njësi njohurish. Sistemi induktiv i plumbitështë një IIS vetë-mësues që ndërton pemë vendimesh bazuar në të mësuarit nga shembujt e jetës reale. Një rrjet nervor është një IIS vetë-mësues, i cili, bazuar në të mësuarit nga shembujt e jetës reale, ndërton një rrjet shoqërues konceptesh (neurone) për kërkimin paralel të zgjidhjeve mbi të. Një sistem i bazuar në rasteështë një IIS vetë-mësues që ruan rastet e vendimeve (shembuj) aktuale si njësi njohurish dhe lejon, sipas kërkesës, të zgjedhë dhe të përshtatë rastet më të ngjashme të përdorimit. Minierat e të Dhënaveështë një grup metodash për nxjerrjen automatike të njohurive nga ruajtje të informacionit të organizuar posaçërisht (Data Warehouse), të cilat përfshijnë metoda statistikore, konkluzion induktiv, rrjete nervore dhe algoritme gjenetike. Sistemi i informacionit përshtatës- kjo është IIS, e cila ndryshon strukturën e saj në përputhje me ndryshimin në modelin e zonës së problemit. Modeli i domenit të problemit- pasqyrimi i strukturës së objekteve, funksioneve, proceseve, rregullave që lidhen me funksionimin e zonës së problemit. Depoja është një depo e meta-njohurive rreth strukturës së njohurive faktike dhe operacionale ose modelit të zonës së problemit. Teknologjia e rasteve është një teknologji që ju lejon të gjeneroni një sistem informacioni bazuar në një model të domenit të problemit të ruajtur në një depo. Teknologjia e komponentëve- një teknologji që ju lejon të konfiguroni një sistem informacioni nga komponentë standardë të gatshëm bazuar në një model të domenit të problemit të ruajtur në një depo. Sistemi i Menaxhimit të Njohurive (KMS)- një grup i ndërlidhur procedurash organizative, njerëzve dhe teknologjive të informacionit, i cili siguron mbledhjen, grumbullimin, organizimin, shpërndarjen dhe përdorimin e njohurive për të zgjidhur problemet e shërbimeve të informacionit me cilësi të lartë (mbështetje) për zbatimin e proceseve të biznesit dhe ndërveprimin ndërveprues të specialistët. Kujtesa e korporatës- një depo të burimeve të njohurive dhe meta-përshkrimet e tyre për përdorim kolektiv në organizatë. Burimet e njohurive të KMS- përvoja e specialistëve, e paraqitur në formën e precedentëve, bazave të strukturuara të njohurive të sistemeve të ekspertëve, përshkrimeve të profileve të njohurive; burime dokumentare të njohurive brenda dhe jashtë organizatës; bazat e të dhënave dhe ruajtja e të dhënave të formatuara; modele referimi për organizimin e proceseve të biznesit. Ontologjia është një përshkrim konceptual i strukturës së njohurive për burimet e formalizuara dhe joformalizuara të njohurive. Aplikacionet KMS - kërkimi dhe përdorimi i njohurive për zgjidhjen e problemeve intelektuale të justifikimit të vendimeve, projektimit, inovacionit; arsimimi; shkëmbimi i njohurive në procesin e ndërveprimit të specialistëve; shpërndarja e njohurive për njohje në terma të mundshëm.

Ligjërata

Tema: "Teknologjitë dhe sistemet inteligjente"

Plani:

1. Koncepti i inteligjencës artificiale. Informacion inteligjent

teknologjive.

2. Klasifikimi i sistemeve inteligjente të informacionit.

3. Sistemet eksperte si lloji kryesor i sistemeve inteligjente.

4. Rrjetet neurale artificiale.

Përdorimi i teknologjisë së informacionit (TI) në sfera të ndryshme të veprimtarisë njerëzore, rritja e vëllimit të informacionit dhe nevoja për t'u përgjigjur me shpejtësi në çdo situatë kërkonte kërkimin e zgjidhjeve adekuate për problemet e shfaqura. Më efektive prej tyre është mënyra e intelektualizimit të teknologjisë së informacionit.

Pyetja numër 1 Koncepti i inteligjencës artificiale.

Teknologjia inteligjente e informacionit

Teknologjia e re e informacionit bazohet kryesisht në teknologjitë inteligjente dhe teorinë e inteligjencës artificiale.

Termi intelekt vjen nga latinishtja intellectus - që do të thotë mendje, arsye, arsye; aftësia e të menduarit e një personi.

Nën inteligjence artificiale kuptojnë aftësinë e sistemeve kompjuterike për të vepruar në mënyrë inteligjente. Më shpesh, kjo i referohet aftësisë që lidhet me të menduarit njerëzor.

Inteligjence artificiale- një degë e informatikës që lidhet me zhvillimin e programeve inteligjente për kompjuterë.

Inteligjenca artificiale (AI) është një fushë shkencore që u shfaq në kryqëzimin e kibernetikës, gjuhësisë, psikologjisë dhe programimit.

Nën teknologjinë inteligjente të informacionit kuptojnë teknologji të tilla informacioni, të cilat ofrojnë aftësitë e mëposhtme:

• disponueshmëria e bazave të njohurive që pasqyrojnë përvojën e njerëzve të veçantë, grupeve, shoqërive, njerëzimit në tërësi, në zgjidhjen e problemeve të tilla si: vendimmarrja, projektimi, nxjerrja e kuptimit, shpjegimi, trajnimi;
• prania e modeleve të të menduarit të bazuara në bazat e njohurive: rregulla dhe përfundime logjike; argumentimi dhe arsyetimi; njohja dhe klasifikimi i situatave; përgjithësimi dhe kuptimi, etj .;
• aftësia për të formuar vendime mjaft të qarta bazuar në të dhëna të paqarta, jo të plota, të papërcaktuara;
• aftësia për të shpjeguar përfundime dhe vendime, domethënë prania e një mekanizmi shpjegimi;
• aftësia për të mësuar, rikualifikuar dhe, për rrjedhojë, për t'u zhvilluar.

Historia e teknologjisë së informacionit inteligjent

Le të kthehemi te historia e zhvillimit të IIT, e cila daton në vitet 60 të shekullit të kaluar dhe përfshin disa periudha kryesore.

• 60-70. Këto janë vite të realizimit të aftësive të inteligjencës artificiale dhe formimit të një urdhri për të mbështetur proceset vendimmarrëse dhe menaxhuese.
• 70-80. Në këtë fazë, ekziston një vetëdije për rëndësinë e njohurive për formimin e vendimeve adekuate; Shfaqen SISTEMET EKSPERT.
• nga vitet 80. Deri tani. Shfaqen modele të integruara (hibride) të përfaqësimit të njohurive, duke kombinuar llojet e mëposhtme të inteligjencës: kërkimore, llogaritëse, logjike dhe figurative. Krijimi i rrjeteve nervore

E veçanta e teknologjive inteligjente të informacionit (IIT) është "universaliteti" i tyre. Ata praktikisht nuk kanë kufizime në aplikimet në fusha të tilla si menaxhimi, dizajni, përkthimi me makinë, diagnostikimi, njohja e modeleve, sinteza e të folurit, etj.

IIT-të përdoren gjithashtu gjerësisht për zgjidhje të shpërndara të problemeve komplekse, dizajnimin e produkteve të përbashkëta, ndërtimin e ndërmarrjeve virtuale, modelimin e sistemeve të mëdha të prodhimit dhe tregtisë elektronike, zhvillimin elektronik të sistemeve komplekse kompjuterike, menaxhimin e njohurive dhe sistemeve të informacionit, etj. Një aplikim tjetër efektiv është marrja e informacionit. në internet dhe rrjete të tjera globale, strukturimi dhe shpërndarja e tij te klienti.

Pyetja numër 2 Klasifikimi i sistemeve inteligjente të informacionit

IIS karakterizohet nga karakteristikat e mëposhtme:

Aftësi të zhvilluara komunikimi (mënyra se si përdoruesi fundor ndërvepron me sistemin);

Aftësia për të zgjidhur probleme komplekse, të formalizuara dobët, që kërkojnë ndërtimin e një algoritmi origjinal zgjidhjeje në varësi të një situate specifike, të karakterizuar nga pasiguria dhe dinamizmi i të dhënave dhe njohurive fillestare;

Aftësia për të mësuar vetë, d.m.th. aftësia e sistemit për të nxjerrë automatikisht njohuri nga përvoja e grumbulluar dhe për ta zbatuar atë për të zgjidhur problemet;

Përshtatshmëria është aftësia e një sistemi për t'u zhvilluar në përputhje me ndryshimet objektive në fushën e njohurive.

Secila prej veçorive të listuara me kusht korrespondon me klasën e vet të IMS.

1. Sisteme me një ndërfaqe inteligjente (aftësi komunikimi):

- Baza e të dhënave inteligjente. Ato lejojnë, ndryshe nga bazat e të dhënave tradicionale, të ofrojnë një përzgjedhje të informacionit të nevojshëm që nuk është i pranishëm në një formë të qartë, por që rrjedh nga grupi i të dhënave të ruajtura.

- Ndërfaqja e gjuhës natyrore ... Përdoret për akses në bazat e të dhënave inteligjente, kërkimin kontekstual të informacionit të tekstit dokumentar, futjen zanore të komandave në sistemet e kontrollit, përkthimin me makinë nga gjuhët e huaja.

- Sistemet e hipertekstit. Përdoret për të zbatuar kërkimet e fjalëve kyçe në bazat e të dhënave me informacion tekstual.

- Sistemet e ndihmës kontekstuale . Ato i përkasin klasës së sistemeve të shpërndarjes së njohurive. Sisteme të tilla, si rregull, janë anekse të dokumentacionit. Në këto sisteme, përdoruesi përshkruan problemin, dhe sistemi, në bazë të një dialogu shtesë, e konkretizon atë dhe kërkon rekomandime për këtë problem.

- Sistemet grafike njohëse . Ato janë të fokusuara në komunikimin me përdoruesin IMS me anë të imazheve grafike që krijohen në përputhje me ndryshimet në parametrat e proceseve të simuluara ose të vëzhguara. Përdorimi i grafikës njohëse është veçanërisht i rëndësishëm në sistemet e monitorimit dhe kontrollit operacional, në sistemet e trajnimit dhe trajnimit, në sistemet operacionale të vendimmarrjes që veprojnë në kohë reale.

2. Sistemet eksperte(zgjidhja e problemeve komplekse të formalizuara dobët). Ato përdoren për të zgjidhur probleme jo të formalizuara, të cilat përfshijnë detyra që kanë një nga karakteristikat e mëposhtme:

Detyrat nuk mund të paraqiten numerikisht;

Të dhënat dhe njohuritë fillestare rreth fushës lëndore janë të paqarta, të pasakta, të paqëndrueshme;

Objektivat nuk mund të shprehen në terma të një funksioni objektiv të mirëpërcaktuar;

Nuk ka asnjë zgjidhje të qartë algoritmike të problemit;

Dallimi kryesor midis ES dhe FII nga sistemet e përpunimit të të dhënave është se ato përdorin një mënyrë simbolike dhe jo numerike për paraqitjen e të dhënave, dhe si metoda të përpunimit të informacionit përdoren procedurat e konkluzionit dhe kërkimi heuristik për zgjidhje.