Реферат
на тему:
«Технології штучного інтелекту»
Виконав :
Агапов Дмитрро 19-32
ВСТУП
В останні роки ми спостерігаємо інтенсивний зріст впровадження нових технологічних процесів в усіх сферах діяльності людини. Це стосується різних галузей промисловості, сільського господарства, наукових досліджень, галузей пов’язаних з обслуговуванням життєдіяльності людини ( медичне, соціальне, побутове).
Ці процеси відбуваються на тлі радикальних і динамічних змін у навколишньому середовищі і високих темпів збільшення обсягів інформації. Щоб забезпечити ефективне ведення діяльності та прогресивного розвитку кожного суб’єкта господарювання в таких умовах, важливе значення мають стратегічне планування та і підтримка прийняття управлінських рішень.
На сучасному етапі розвитку вирішення різноманітних управлінських задач, які значно ускладнилися, має певні труднощі, які пояснюються тим, що об'єктам і процесам
, окрім всіх основних рис, якими володіють складні системи, притаманні такі особливості:
велика кількість слабоформалізованих і часто суперечливих цілей функціонування, їх мінливість у часі;
конфліктний та багатоаспектний характер взаємовідносин, як між елементами всередині об’єкта (процесу), так і з навколишніми об’єктами (процесами) при сильному впливі людського фактору;
здебільшого понятійний характер і суперечливість вихідних описів умов функціонування і можливих обмежень.
Створення і використання в повсякденній практиці менеджменту систем підтримки прийняття рішень є однією з найважливіших умов успішного функціонування суб’єкта господарювання. Природно, пріоритет у прийнятті рішень належить людині, що володіє стратегічним мисленням і здібностями передбачати появу нових подій.
Однак один з недоліків людського інтелекту полягає в тому, що він не пристосований для виконання великого обсягу обчислень в процесі аналізу складних процесів і систем, що складаються з ланцюжків взаємозв’язків. Тому на ефективність управління істотно впливає обмеженість можливостей людини в роботі з комплексною та змінною в часі інформацією.
За наявності перерахованих властивостей неможливо побудувати жорстку формальну модель об'єкта, яка орієнтована на дані, і рішення задач припадає шукати у класі інших методів, зокрема у тих, що розробляються у теорії штучного інтелекту (ШІ).
Штучний інтелект – відносно молодий науковий напрямок. Історично склалися два підходи у розвитку систем ШІ: проектування нейронних мереж і розробка програмних засобів, які імітують розумову діяльність людини при вирішенні певного класу задач, що не можуть бути формалізованими. В останній час найбільш розвинутим є другий підхід.
Під штучним інтелектом розуміють комплексний науковий напрямок, метою якого є створення і застосування програмно-апаратних засобів, що дозволяють моделювати процес людського мислення (окремі функції творчої діяльності) і забезпечувати діалог з ЕОМ мовою, природною для людини.
Вже кілька десятиліть дослідники сперечаються щодо визначення області знань, яка називається штучним інтелектом. Проте глобальною метою досліджень та розробок тут визнано створення штучних систем, що виявляють інтелектуальну поведінку. Дослідницький інтерес стосується розробок як теоретичних положень і формального апарату побудови моделей інтелектуальної діяльності людини, так і штучних систем, у яких реалізуються та перевіряються теоретичні моделі. Це породжує багато локальних цілей моделювання інтелектуальної поведінки людини, що найчастіше формулюються у термінах інтелектуальних задач. Якщо ж розглядати розвиток штучного інтелекту за останнє 50-річчя, а також на близьку перспективу, то можна виділити головні цілі за періодами:
- до 1970 р. — підтвердження можливостей виявлення інтелектуальної поведінки обчислювальних машин;
- до 1990 р. — створення спеціалізованих засобів штучного інтелекту, до складу яких неодмінно входять комп’ютери (спеціалізація стосується імітації поведінки людини при розв’язанні складних прикладних задач);
- до 2010 р. — побудова інтелектуальних комп’ютерних систем з інтегральною інтелектуальною поведінкою, важливою властивістю яких є пристосованість до змін навколишнього середовища.
Штучний інтелект - технічна (в усіх сучасних випадках спроб практичної реалізації- комп’ютерна) система, що має певні ознаки інтелекту, тобто здатна:
розпізнавати та розуміти;
знаходити спосіб досягнення результату та приймати рішення;
вчитися.
У практичному плані наявність лише неповних знань про мозок, про його функціонування не заважає будувати його наближені інформаційні моделі, моделювати на ЕЦОМ найскладніші процеси мислення, у тому числі й творчі.
Поняття штучного інтелекту
Інтелект (від лат. intellectus – пізнання, розуміння) - у широкому розумінні вся пізнавальна діяльність, а у вузькому розумінні - процес мислення. Мислення - функція людського мозку, узагальнене віддзеркалення дійсності, безпосередньо пов'язане з чуттєвим пізнанням. Людський інтелект характеризує три основних ознаки:вивчення, міркування і керування образами.
Що ж розуміється під поняттям “штучний інтелект”? Сьогодні у це поняття вкладається різний зміст - від визнання інтелекту у ЕОМ, що вирішують логічні або навіть будь-які обчислювальні задачі, до віднесення до інтелектуальних лише тих систем, які вирішують весь комплекс задач, що здійснюються людиною або ще більш широку їх сукупність.
Перш за все необхідно визначити, що таке задача. Задача є лише тоді, коли є робота для мислення, тобто коли є певна мета, а засоби для її досягнення не відомі; їх необхідно знайти за допомогою мислення. Влучно з цього приводу висловився Д. Пойя: "... складність рішення у деякій мірі входить у саме поняття задачі: там, де немає складності, немає і задачі." Якщо людина володіє алгоритмом рішення деякої задачі і має фізичну змогу її реалізації, то задачі як такої вже не існує. Якщо задача не є розумовою, то вона вирішується на ЕОМ традиційними методами і, таким чином, не входить до кола задач штучного інтелекту. Її інтелектуальна частина виконана людиною.
Отже,
штучний інтелект - це штучно створена система, здатна знаходити рішення поставлених перед нею задач не за допомогою наперед заданого алгоритму, а за допомогою власного досвіду, тобто може сама знаходити алгоритм рішення.
Людина, як джерело входу інформації має п’ять почуттів: зір, слух, запах, смак і контакт. Щоб дублювати людський інтелект комп’ютер також повинен мати хоча б більшу кількість цих п’яти людських способів відчуття, він повинен розпізнавати образи і мову. Насправді усі інформаційні системи можуть керувати лише символами і правилами. На такому рівні керування досягнуто незначних успіхів у сферах навчання і міркування. Штучний інтелект лише намагається дублювати ознаки людського інтелекту. Інформаційні системи не можуть вчитись на власному досвіді, людські знання можуть бути введені людиною як правила дій.
Існує і більш широке визначення поняття штучного інтелекту, яке гарним чином відбиває його суть.
Штучний інтелект – це штучно створена людиною система, здатна обробляти інформацію, яка до неї надходить, пов'язувати її із знаннями, якими вона вже володіє, і відповідно формувати своє власне уявлення про об’єкти пізнання.
Сучасні дослідження з штучного інтелекту розвиваються, головним чином, у таких напрямах:
створення теорії проектування кібернетичних та обчислювальних систем, у тому числі систем штучного інтелекту;
моделювання розумової діяльності людей при розв’язуванні складних задач із різних сфер людської діяльності;
створення сучасних програмних систем для імітації інтелектуальної діяльності людини;
розробка традиційних засобів штучного інтелекту (розпізнавання зображень, мовних конструкцій, прийняття рішень, моделювання інтелектуальних функцій поведінки, обробка нечислових масивів, тощо);
розробка інтелектуальних систем та технологій керування;
розвиток математичної теорії проектування кібернетичних систем, особливо розподілених, багатопроцесорних і неоднорідних; розробка алгоритмів обробки алгебро-логічних структур даних.
До прикладної сфери досліджень штучного інтелекту відносяться розробки інформаційних систем в менеджменті: експертних систем, систем підтримки прийняття рішень.
Історія виникнення та розвитку поняття «штучний
інтелект».
Передісторія:
Ідея створення штучної подоби людини для вирішення складних задач і моделювання людського розуму витала в повітрі ще в найдавніші часи. Так, у древньому Єгипті була створена «оживаюча» механічна статуя бога Амона. У Гомера в «Іліаді» бог Гефест кував людиноподібні істот-автомати. У літературі ця ідея обігравалася багаторазово: від Галатеї Пігмаліона до Буратіно папи Карло. Однак родоначальником штучного інтелекту вважається середньовічний іспанський філософ, математик і поет Раймонд Луллій, що ще в XIII столітті спробував створити механічну машину для рішення різних задач, на основі розробленої їм загальної класифікації понять. На початку XVII століття Рене Декарт (французький філософ, фізик, фізіолог, математик, засновник аналітичної геометрії) зробив припущення, що тварина це деякий складний механізм, тим самим сформулювавши механічну теорію. В 1623 році Вільгельм Шикард (німецький вчений, астроном, математик) побудував першу механічну цифрову обчислювальну машину, через декілька років по цьому створили свої машини Блез Паскаль (французький філософ, письменник, математик та фізик) в 1643 ріці і Лейбніц (саксонский філософ, логік, математик, механік, фізик, юрист, історик, дипломат, винахідник) в 1671 ріці. Лейбніц також був першим, хто описав сучасну двійкову систему числення. В XIX столітті Чарльз Беббідж і Ада Лавлей працювали над програмованою механічною обчислювальною машиною.
У XVIII столітті завдяки розвитку техніки і, в особливості, годинникових механізмів інтерес до подібних винаходів зріс ще сильніше. В середині 1750-х років австрійський винахідник Фрідріх фон Кнаус сконструював серію машин, які вміли писати пером досить довгі тексти. Досягнення в механіці XIX століття сприяли новому поштовху винаходів в напрямку до сучасного розуміння штучного інтелекту. У 1830-х роках англійський математик Чарльз Беббідж придумав концепцію складного цифрового калькулятора – аналітичної машини, яка могла б розраховувати ходи для гри в шахи. У 1832 році С. Н. Корсаков представив принцип розробки наукових методів і пристроїв для посилення можливостей розуму і запропонував серію «інтелектуальних машин», в конструкції яких, вперше в історії інформатики, застосував перфоровані карти. [5]
В 1910—1913 рр. Бертран Рассел ( британський філософ, математик і суспільний діяч) і А. Н. Уайтхед (британський математик, логік, філософ) опублікували працю «Принципи математики», яка здійснила революцію в формальній логіці. В 1941 р. Конрад Цузе побудував перший працюючий програмно-контрольований комп'ютер. Воррен Маккалок і Вальтер Піттс в 1943 р. опублікували A Logical Calculus of the Ideas Immanent in Nervous Activity, поклавши основи нейронних мереж.
Остаточне народження штучного інтелекту як наукового напрямку відбулося тільки після створення ЕОМ у 40-х роках XX століття. У цей же час Норберт Вінер створив свої основні роботи з нової науки — кібернетиці.
Від кібернетики «чорної шухляди» до Ші
1. Наприкінці 50-х років народилася модель лабіринтового пошуку. Цей підхід представляє задачу як деякий простір станів у формі графа, і в цьому графі проводиться пошук оптимального шляху від вхідних даних до результуючого. Були пророблені великі робота з розробки цієї моделі, але для вирішення практичних задач ця ідея не знайшла широкого застосування. У перших підручниках з штучного інтелекту [Хант, 1986; Ендрю, 1985] описані ці програми — вони грають у гру «15», збирають «Ханойську вежу», грають у шашки і шахи.
2. Початок 60-х — це епоха евристичного програмування. Евристика — правило, теоретично не обґрунтоване, котре дозволяє скоротити кількість переборовши в просторі пошуку. Евристичне програмування — розробка стратегії дій на основі відомих, заздалегідь заданих евристик [Александров, 1975].
3. У 1963-1970 р. до рішення задач стали підключати методи математичної логіки. Робинсон розробив метод резолюцій, що дозволяє автоматично доводити теореми при наявності набору вихідних аксіом. Приблизно в цей же час видатний вітчизняний математик Ю. С. Маслов запропонував так називаний зворотний висновок, згодом названий його ім'ям, що вирішує аналогічну задачу іншим способом [Маслов, 1983]. На основі методу резолюцій француз Альбер Кольмероэ в 1973 р. створює мову логічного програмування Пролог. Великий резонанс мала програма «Логік-теоретик», створена Ньюэлом, Саймоном і Шоу, що доводила шкільні теореми. Однак більшість реальних задач не зводиться до набору аксіом, і людина, вирішуючи виробничі задачі, не використовує класичну логіку, тому логічні моделі при усіх своїх перевагах мають істотні обмеження по класах розв'язуваних задач.
4. Історія штучного інтелекту повна драматичних подій, одною із яких стала у 1973 р. так називана «доповідь Лайтхилла», що була підготовлена у Великобританії за замовленням Британської ради наукових досліджень. Відомий математик Д. Лайтхилл, ніяк з ШІ професійно не зв'язаний, підготував огляд стану справ в галузі ШІ. У доповіді були визнані визначені досягнення в галузі ШІ, однак їхній рівень визначався як такий, що розчаровує, і загальна оцінка була негативна з позицій практичної значимості. Цей звіт відкинув європейських дослідників приблизно на 5 років тому, тому що фінансування ШІ істотне скоротилося.
5. Приблизно в цей же час істотний прорив у розвитку практичних додатків штучного інтелекту відбувся в СЩА, коли до середини 1970-х на зміну пошукам універсального алгоритму мислення прийшла ідея моделювати конкретні знання фахівців-експертів. У США з'явилися перші комерційні системи, засновані на знаннях, чи експертні системи (ЕС). Став застосовуватися новий підхід до вирішення задач штучного інтелекту — представлення знань. Створені MYCIN і DENDRAL [Shortliffe, 1976; Buchanan, Feigenbaum, 1978], що стали вже класичними, дві перші експертні системи для медицини і хімії. Істотний фінансовий внесок вносить Пентагон, пропонуючи базувати нову програму міністерства оборони США (Strategic Computer Initiative — SCI) на принципах ШІ. Уже навздогін упущених можливостей на початку 80-х оголошена глобальна програма розвитку нових технологій ESPRIT (Європейський Союз), у яку включена проблематика штучного інтелекту.
6. У відповідь на успіхи США наприкінці 70-х у гонку включається Японія, оголосивши про початок проекту машин V покоління, заснованих на знаннях. Проект був розрахований на 10 років і поєднував кращих молодих фахівців (у віці до 35 років) найбільших японських комп'ютерних корпорацій. Для цих фахівців був створений спеціально новий інститут ICOT, і вони одержали повну волю дій, щоправда, без права публікації попередніх результатів. У результаті вони створили досить громіздкий і дорогий символьний процесор, що програмно реалізує Пролого-подібну мову, що не одержав широкого визнання. Однак позитивний ефект цього проекту був очевидний. У Японії з'явилася значна група висококваліфікованих фахівців в галузі ШІ, що домоглася істотних результатів у різних прикладних задачах. До середини 90-х японська асоціація ШІ нараховує 40 тис. чоловік.
Починаючи із середини 1980-х років, повсюдно відбувається комерціалізація штучного інтелекту. Зростають щорічні капіталовкладення, створюються промислові експертні системи. Зростає інтерес до систем, що самонавчаються. Видаються десятки наукових журналів, щорічно збираються міжнародні і національні конференції по різних напрямках ШІ. Штучний інтелект стає однією з найбільш перспективних і престижних галузей інформатики (computer science).
Основні напрямки досліджень в галузі штучного інтелекту.
Серед безлічі напрямків штучного інтелекту є кілька головних, котрі в даний час викликають найбільший інтерес у дослідників і практиків. Опишемо їх трохи докладніше.
Представлення знань і розробка систем, заснованих на знаннях (knowledge-based systems)
Це основний напрямок в галузі вивчення штучного інтелекту. Він зв'язаний з розробкою моделей представлення знань, створенням баз знань, що утворять ядро експертних систем. Останнім часом містить у собі моделі і методи добування і структурування знань і зливається з інженерією знань.
ПрограмнезабезпеченнясистемШІ (software engineering for all)
У рамках цього напрямку розробляються спеціальні мови для вирішення інтелектуальних задач, у яких традиційно упор робиться на перевагу логічної і символьної обробки над обчислювальними процедурами. Ці мови орієнтовані на символьну обробку інформації — LISP, PROLOG, SMALLTALK, РЕФАЛ і ін. Крім цього створюються пакети прикладних програм, орієнтовані на промислову розробку інтелектуальних систем, чи програмні інструментарії штучного інтелекту, наприклад КЕЕ, ARTS, G2 [Хейес-Рот і ін., 1987; Попов, Фомін, Кисіль, Шапот, 1996]. Досить популярно також створення так званих порожніх експертних систем чи «оболонок» — KAPPA, EXSYS, Ml, ЭКО й ін., бази знань яких можна наповняти конкретними знаннями, створюючи різні прикладні системи.
Розробка природно-мовних інтерфейсів і машинний переклад (naturallanguageprocessing)
Починаючи з 50-х років однією з популярних тем досліджень в галузі ШІ є комп'ютерна лінгвістика, і, зокрема, машинний переклад (МП). Ідея машинного перекладу виявилася зовсім не так проста, як здавалося першим дослідникам і розроблювачам.
Уже перша програма в галузі природно-мовних (ПМ) інтерфейсів — перекладач з англійського на російську мову — продемонструвала неефективність первісного підходу, заснованого на послівному перекладі. Однак ще довго розроблювачі намагалися створити програми на основі морфологічного аналізу. Неплодотворність такого підходу зв'язана з очевидним фактом: людина може перекласти текст тільки на основі розуміння його змісту й у контексті попередньої інформації, чи контексту. Інакше з'являються переклади в стилі «Моя дорога Маша — my expensive Masha». Надалі системи МП ускладнювалися, і в даний час використовується кілька більш складних моделей:
• застосування так званих «мов-посередників» чи мов змісту, у результаті відбувається додаткова трансляція «вихідна мова оригіналу — мова змісту — мова перекладу»;
• асоціативний пошук аналогічних фрагментів тексту і їхніх перекладів у спеціальних текстових репозиториях чи базах даних;
• структурний підхід, що включає послідовний аналіз і синтез природно-мовних повідомлень. Традиційно такий підхід припускає наявність декількох фаз аналізу:
1. Морфологічний аналіз — аналіз слів у тексті.
2. Синтаксичний аналіз — розбір складу речень і граматичних зв'язків між словами.
3. Семантичний аналіз — аналіз змісту складових частин кожного речення на основі деякої предметно-орієнтованої бази знань.
4. Прагматичний аналіз — аналіз змісту речень у реальному контексті на основі власної бази знань.
Синтез ПМ-повідомлень включає аналогічні етапи, але трохи в іншому порядку. Докладніше див. роботи [Попов, 1982; Мальковский, 1985].
Інтелектуальні роботи (robotics)
Ідея створення роботів далеко не нова. Саме слово «робот» з'явилося в 20-х роках, як похідне від чеського «робота» — важкої брудної роботи. Його автор — чеський письменник Карел Чапек, що описав роботів у своєму оповіданні «Р.У.Р».
Роботи — це електротехнічні пристрої, призначені для автоматизації людської праці.
Можна умовно виділити кілька поколінь в історії створення і розвитку робототехніки:
I покоління. Роботи з твердою схемою керування. Практично всі сучасні промислові роботи належать до першого покоління. Фактично це програмувальні маніпулятори.
П покоління. Адаптивні роботи із сенсорними пристроями. Є зразки таких роботів, але в промисловості вони поки використовуються мало.
Ш покоління. Роботи що самоорганізуються чи інтелектуальні роботи. Це — кінцева мета розвитку робототехніки. Основні невирішені проблеми при створенні інтелектуальних роботів — проблема машинного зору й адекватного збереження й обробки тривимірної візуальної інформації.
В даний час у світі виготовляється більш 60 000 роботів у рік. Фактично робототехніка сьогодні — це інженерна наука, що не відкидає технологій ШІ, але не готова поки до їхнього впровадження в силу різних причин.
Навчанняісамонавчання (machine learning)
Активно розвивається галузь штучного інтелекту. Включає моделі, методи й алгоритми, орієнтовані на автоматичне накопичення і формування знань на основі аналізу й узагальнення даних [Гайок, Гавранек, 1983; Гладун, 1994; Фін, 1991]. Включає навчання по прикладах (чи індуктивне), а також традиційні підходи з теорії розпізнавання образів.
В останні роки до цього напрямку тісно примикають стрімко розвиваються системи data mining — аналізу даних і knowledge discovery — пошуку закономірностей у базах даних.
Розпізнавання образів (pattern recognition)
Традиційно — один з напрямків штучного інтелекту, що бере початок у самих його джерел, але в даний час практично виділився в самостійну науку. Його основний підхід — опис класів об'єктів через визначені значення значимих ознак. Кожному об'єкту ставиться у відповідність матриця ознак, по якій відбувається його розпізнавання. Процедура розпізнавання використовує найчастіше спеціальні математичні процедури і функції, що розділяють об'єкти на класи. Це напрямок близький до машинного навчання і тісно зв'язаний з нейрокібернетикою [Довідник по ШІ, 1990].
Новіархітектурикомп'ютерів (new hardware platforms and architectures)
Найсучасніші процесори сьогодні засновані на традиційній послідовній архітектурі фон Неймана, використовуваної ще в комп'ютерах перших поколінь. Ця архітектура вкрай неефективна для символьної обробки. Тому зусилля багатьох наукових колективів і фірм уже десятки років націлені на розробку апаратних архітектур, призначених для обробки символьних і логічних даних. Створюються Пролог- і Лісп-машини, комп'ютери V і VI поколінь. Останні розробки присвячені комп'ютерам баз даних, рівнобіжним і векторним комп'ютерами [Амамия, Танака, 1993].
І хоча вдалі промислові рішення існують, висока вартість, недостатнє програмне оснащення й апаратна несумісність із традиційними комп'ютерами істотно гальмують широке використання нових архітектур.
Ігри і машинна творчість
Цей, що став скоріше історичним, напрямок зв'язаний з тим, що на зорі досліджень ШІ традиційно містив у собі ігрові інтелектуальні задачі — шахи, шашки, го. В основі перших програм лежить один з ранніх підходів — лабіринтова модель мислення плюс евристики. Зараз це скоріше комерційний напрямок, тому що в науковому плані ці ідеї вважаються тупиковими.
Крім того, цей напрямок охоплює твір комп'ютером музики [Зарипов, 1983], віршів, казок [Довідник по ШІ, 1986] і навіть афоризмів [Любич, 1998]. Основним методом подібного «творчості» є метод пермутаций (перестановок) плюс використання деяких баз знань і даних, що містять результати досліджень по структурах текстів, рим, сценаріям і т.п.
Інші напрямки
ШІ — міждисциплінарна наука, що, як могутня ріка по дорозі до моря, вбирає в себе струмочки і річки суміжних наук. Вище перераховані лише ті напрямки, що прямо чи побічно зв'язані з основною тематикою підручника — інженерією знань. Варто лише глянути на основні рубрикатори конференцій по ШІ, щоб зрозуміти, наскільки широко простирається галузь досліджень по ШІ:
генетичні алгоритми;
когнітивне моделювання;
інтелектуальні інтерфейси;
розпізнавання і синтез мови;
дедуктивні моделі;
багатоагентні системи;
онтології;
менеджмент знань;
логічний вивід;
формальні моделі;
м'які обчислення і багато чого іншого.
ДАНІ, ІНФОРМАЦІЯ, ЗНАННЯ - основні поняття, що застосовуються для систем ШІ.
Знання - це основні закономірності, що дозволяють людині вирішувати конкретні виробничі, військові, наукові та інші задачі, тобто факти, поняття, взаємозв'язки, оцінки, правила, а також стратегії прийняття рішень.
Термін знання для систем ШІ настільки ж звичайний, як і термін дані для програмування в перше двадцятиріччя після появи ЕОМ.
У цілому відмінності між даними і знаннями не мають чітких меж. Але можна говорити, що дані — це ізольовані факти, відношення між якими і з зовнішнім світом не зафіксовані. Знання — це елементи інформації, пов'язані між собою і з зовнішнім світом.
Знання (на відміну від даних):
інтерпретуються; мають класифікуючи зв'язки (родо-видові, елемент — клас, клас — підклас, тип — підтип, ситуація — підситуація та ін.);
мають ситуативні відношення, що визначають ситуативну сумісність знань, які зберігаються в пам'яті ЕОМ;
активні (знання можуть породжувати нові знання).
Моделі, побудовані на знаннях, мають синтаксичний, семантичний і прагматичний аспекти. Жорсткі ж формальні моделі, які орієнтовані на використання даних, мають тільки синтаксичний аспект.
ШІ — це метафорична назва нових інформаційних технологій обробки інформації, створених фахівцями різноманітних галузей науки і техніки (математиками, інженерами, психологами, лінгвістами, військовими вченими та ін.). Основні напрямки розвитку і застосування систем ШІ показані на рис. 1.
Основними напрямками застосування систем ШІ, з точки зору їхнього використання, у військовій справі в сфері управління є: навчальні програми; логіко-лінгвістичні моделі; гібридні експертні системи (ГЕС); системи підтримки прийняття рішень (СППР); обробка зображень; розпізнавання образів (ситуацій).
На теперішній час за кордоном (США, Великобританія, Франція, Японія) відбувається буквально вибухове розширення застосування систем ШІ у військовій сфері за такими напрямками:
вирішення задач розподілу засобів та ресурсів по об'єктах;
розпізнавання об'єктів ремонту;
аналіз даних і визначення намірів ремонту;
діагностика і пошук несправностей;
ремонт навігаційного обладнання;
передбачення виробничіх конфліктів та ін.
Системи ШІ, що використовуються в основному є системами, які ґрунтуються на знаннях (від англійського knowlege based systems).
Рис. 1. Основні напрямки розвитку і застосування систем ШІ
ОРГАНІЗАЦІЯ ЗНАНЬ В ІНТЕЛЕКТУАЛЬНИХ СИСТЕМАХ
Загальні відомості про експертні системи
В останні десятиріччя у рамках досліджень з ШІ велике розповсюдження отримали експертні системи (ЕС).
Експертна система — це складний програмний комплекс, робота якого ґрунтується на використанні знань фахівців (експертів) у певній предметній області і який включає такі основні елементи: базу знань; розв’язувач; робочу пам'ять; пояснювальну компоненту; компоненту придбання знань; інтерфейс користувача.
Типова структура ЕС показана на рис. 2.
База знань ЕС призначена для зберігання знань, що описують предметну область та правила перетворення цих знань. Вона може бути побудована на основі будь-якої з розглянутих вище моделей представлення знань.
Розв’язувач, який використовує дані з робочої пам'яті і знання з бази знань, формує послідовність правил, які застосовані до вихідних даних, призводять до розв’язання задачі.
Робоча пам'ять призначена для зберігання вихідних і проміжних даних задачі, що розв’язується у поточний момент.
П
ояснювальна компонента використовується для пояснення як отримано (або чому не отримано) те або інше рішення проблеми і які знання при цьому використовувалися. Завдяки цьому підвищується довіра користувача до результатів роботи системи, а також полегшується тестування системи.
Рис. 2.Типова структура експертної системи
Компонента придбання знань від експерта автоматизує процес наповнення ЕС знаннями про ту або іншу предметну область.
Користувальницький інтерфейс має функцію організації дружнього і результативного спілкування користувача з системою.
ЕС, як правило, мають два режими роботи: придбання знань і консультації.
У режимі придбання знань експертом у даній предметній області здійснюється її опис у вигляді сукупності фактів і правил та наповнення бази знань знаннями з використанням компоненти придбання. Даний процес проходить за участю інженера по знаннях.
У режимі консультації спілкування з ЕС здійснює кінцевий користувач, що одержує результат і спосіб одержання рішення. Даний користувач може і не бути фахівцем у даній предметній області, але одержувати від ЕС рішення на рівні експерта.
ЕС знайшли широке застосування в багатьох країнах світу.
Прикладами найбільш досконалих ЕС є:
ЕС діагностики обладнання літаків F–15 і F–18 (шифр AFTA);
ESIAS — система оцінки обстановки, яка склалася;
EXTRAS — система планування режимів роботи головного двигуна корабля Space Shuttle та ін.
Досвід експлуатації ЕС показує, що вони достатньо надійні у використанні, а рішення, які одержуються з їхньою допомогою, володіють достатнім рівнем імовірності.
У цьому розділі наведені лише основні поняття про системи ШІ. Більш докладні відомості про дані системи можна прочитати у літературі по ШІ.
Принципи комп’ютерної підтримки прийняття рішень
Сучасні задачі управління мають принаймні наступні характерні риси:
складність (завдяки великої кількості факторів, що впливають на систему управління і великої розмірності самих задач);
зростаючий динамізм;
відповідальність особи, що приймає рішення (ОПР), за наслідки не вірно прийнятого рішення (у сучасних умовах воно може бути фатальним).
В даних умовах на допомогу управлінцю приходять інтелектуальні системи підтримки прийняття рішень (ІСППР).
ІСППР призначені для надання допомоги керівнику в рішенні управлінських задач шляхом підсилення його інтелектуальних можливостей.
З
агальна структура ІСППР представлена на рис. 3.
Рис. 3. Загальна структура ІСППР
В неї інтерфейс користувача призначений для забезпечення зручного “спілкування” з системою (формування ситуацій і отримання рекомендацій в відповідної формі).
Підсистема аналізу проблем призначена для класифікації проблем, аналізу можливості застосування того чи іншого програмного продукту для прийняття рішення по неї.
У відповідності з цім на даних рівнях домінують наступні види проблем: неструктуровані, слабкоструктуровані, структуровані. Їм відповідають певні методи вирішення цих проблем.
П
ідсистема прийняття рішень призначена для виробки рекомендацій (альтернатив) для прийняття рішень ОПР.
База даних, база знань і база моделей — інформаційна основа для роботи підсистеми прийняття рішень.
На відміну від ЕС основною задачею ІСППР є розробка рекомендацій (альтернатив) щодо прийняття рішень ОПР по проблемах, по яких відсутні експерти (тому неможливо побудувати ЕС в даній предметній області). До таких проблем можна віднести проблеми раціонального вибору в унікальних ситуаціях, які мають наступні характерні риси:
унікальність, неповторність ситуацій вибору;
складний для оцінки характер альтернатив, що розглядаються;
недостатня визначеність наслідків приймаємих рішень;
наявність сукупності різнорідних факторів, що слід прийняти до уваги;
наявність ОПР або групи ОПР.
До основних принципів комп’ютерної підтримки прийняття рішеньможна віднести:
орієнтація на предметну область рішення задачі (неструктурована, слабкоструктурована, структурована);
інтерактивний (діалоговий) режим роботи;
орієнтація на обробку даних і знань;
розвинутий (інтелектуальний) інтерфейс;
рекомендувальний характер рішень; багатоваріантність рішень, що пропонуються;
відповідальність ОПР за прийняте рішення;
принципова відкритість системи (можливість поповнення і модифікування баз даних, знань і моделей).
ЗАКЛЮЧЕННЯ
Застосування систем ШІ — це не випадкова подія, а вимоги часу. Їх використання для надання допомоги директору поясняється ускладненням задач управління на сучасному етапі. Тому принципи, на яких будуються системи ШІ, ІСППР, необхідно знати і в подальшому використовувати при розробці програмних систем і комплексів, що призначені для обґрунтування приймаємих рішень.
Список використаної літератури
І. В Іванова Менеджер- професійний керівник навч. пос. Київський національний торгово-економічний інститут Київ 2002р
Батюк А. Е –Інформаційні системи. Навч. пос. Львів: Національний університет „ЛП”, інтелект захід 2004р, 520с
Дес Дерлод: Ключові управлінські рішення. Пер. з англ, -К. -Всеувито, наукова думка 2001р. , 242ст.
Том Ламберт: Ключові проблеми керівника. Пер. з англ, -К. -Всеувито, наукова думка 2001р. , 242ст.
Ситник В. Ф- Системи підтримки прийняття рішень: навч пос. -К: КНЕУ. 2004р. -614с.
В. М Гужва Інформационние системи і технології на підприємстві Навч. пос. -К: КНЕУ, 2001р-400с.
Береза А. М –Основи створення інформаційних систем Навч. Пос. -К. : КНЕУ, 2000р
М. Ребшток, К. Хильдебрант: Sab r\3 для менеджерів
Желена Информационные системы для руководителей. — М. : Финансы и статистика, 1989р. — 1476 с.
Эндрю А. Искусственный интеллект. - Пер. с англ. - М., 1985.
Компьютеризация информационных процессов на промышленных предприятиях. — К. : Техника, 1991. — 216 с.