Интеллектуальные информационные системы

Федеральная таможенная служба

Государственное образовательное учреждение

Высшего профессионального образования

«Российская таможенная академия»

Владивостокский филиал

__________________________________________________

Кафедра ОТК и ТСТК    

 
 
 

Реферат 
по дисциплине «Информационные таможенные технологии» 
 
 

студента  Стукаловой Инны Александровны 

факультет Таможенное Дело 

группа      140 

на тему:    «Интеллектуальные информационные системы» 

                                                                                            Руководитель:

                                       Антонова Е.И.                                    

                                                          зав. кафедрой ОТК и ТСТК,

кандидат  технических наук    

                                                                             
 

Владивосток

2010 

Содержание

Интеллектуальная  система………………………………………………………….3

Требования к  возможностям ИИС………………………………………………….5

Классификация интеллектуальных информационных систем…………………...6

Системы с интеллектуальным интерфейсом………………………………………9

Самообучающиеся системы……………………………………………………….11

Список использованной литературы……………………………………………...16 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

     Интеллектуальная  система

     Общим недостатком традиционных информационных систем является их недостаточная  адаптивность  к  изменениям предметной области и информационных потребностей пользователей, а также неспособность решать слабо формализуемые задачи, с которыми в реальных условиях постоянно приходится иметь дело.

     ИС, основанные на обработке знаний или интеллектуальные информационные системы (ИИС) в значительной мере избавляются от этих недостатков ИС за счет разделения операционального знания на две компоненты:

1. базу знаний (общие для различных задач правила преобразования данных, представленные в декларативной форме);
2. механизм вывода (универсальная управляющая структура).

     Механизм  вывода составляет из правил базы знаний алгоритмы решения конкретных задач, формулируемых в запросах как  цель и условия решаемой задачи. ИС, построенные по этому принципу, известны как системы, основанные на обработке знаний. Схематически их структуру можно представить в следующем виде:

     СБЗ = (База знаний, Механизм вывода, База данных).  

     Такая организация ИИС значительно  расширяет круг возможных информационных запросов, так как формулировка запроса сводится теперь лишь к описанию цели и условий решения задачи в декларативной форме.

     Современные базы данных используют целый ряд механизмов и технологий, повышающих их интеллектуальные возможности. Это относится прежде всего к многомерной организации данных в хранилищах данных, организации естественно-языкового интерфейса, реализации сценариев «что если». Все эти механизмы почерпнуты из исследований по искусственному интеллекту.

     Системы поддержки принятия решений можно рассматривать как квази- интеллектуальные системы, поскольку они автоматизируют не сам процесс оценки предпочтительности гипотез или выбора варианта решения, а лишь готовят аналитические обобщенные данные для окончательного выбора решения специалистом.

     Важность  этих систем для теории и практики применения искусственного интеллекта определяется двумя обстоятельствами:

• во-первых, осуществляется поиск аналитических зависимостей или агрегатов, использование которых упрощает правила принятия решений;
• во-вторых, в структуре специализированных процессоров и архитектур этих систем реализуются некоторые начальные этапы обработки данных, характерные для технологии искусственного интеллекта (организация хранения и обработки больших объемов многомерных данных с учетом семантических взаимосвязей).

     Иначе говоря, ИИС объединяют в себе как возможности СУБД, на которых основаны обычные ИС, так и методы искусственного интеллекта, благодаря чему хранение информации сочетается с ее обработкой и подготовкой к использованию при принятии решений.

     В экономике наибольшее распространение  ИИС получили для решения самых  разных задач: анализа деятельности предприятия, стратегического планирования, инвестиционного анализа, оценки рисков и формирования портфеля ценных бумаг, финансового анализа, маркетинга. Особенно эффективно применение ИИС совместно со стандартными методами исследования операций, динамического программирования и методами нечеткой логики при решении сложных комплексных проблем.

     Первоначально ИИС использовали знания экспертов в каждой из конкретных областей. В настоящее время базы знаний частично формируются посредством машинного обучения с использованием методов индукции, генетических алгоритмов и некоторых других методов извлечения знаний[2].  
 
 

     Требования  к возможностям ИИС

     Требования, предъявляемые сегодня, диктуются  сложившейся уже традицией привлечения  результатов исследований по искусственному интеллекту для совершенствования  ИС  и состоят в следующем:

     ¨   наличие развитых коммуникативных способностей (естественно-языкового интерфейса, обеспечивающего возможность обработки произвольных запросов пользователя в диалоге с системой на языке максимально приближенном к естественному);

     ¨   способность к решению слабо формализуемых задач (реализации так называемых мягких моделей, когда зависимости являются не вполне определенными или даже неизвестными);

     ¨   способность работать с неопределенными и динамичными данными (когда методы обработки данных могут изменяться и уточняться по мере поступления новых данных);

     ¨   способность к развитию системы, в том числе путем извлечения знаний из накопленного в конкретных ситуациях опыта;

     ¨   возможность получения и использования информации, которая не хранится явно, но может быть выведена из имеющихся в базе данных;

     ¨   способность определять границы своей компетентности за счет использования модели не только предметной области, но и самой системы;

     ¨   способность к абдуктивным выводам (выводам от конкретного к конкретному по аналогии);

     ¨   способность объяснять свои действия и предупреждать пользователя о действиях и ситуациях, могущих повлечь нарушение целостности данных.

     Наличие у ИИС развитых коммуникативных  способностей дает возможность пользователю формулировать запросы и получать информацию и комментарии на языке профессиональных терминов конкретной предметной области, близком к естественному.

     Способность ИИС к решению слабо структурированных, плохо формализуемых задач существенно  расширяет область применения ИИС, так как ИИС особенно эффективны в применении к тем задачам, строгая формализация которых пока отсутствует и для решения применяются эвристические процедуры, позволяющие в большинстве случаев получить решение. Отчасти поэтому диапазон применения ИИС столь широк: от управления непрерывными технологическим процессами в реальном времени до оценки последствий от нарушения условий поставки товаров по импорту.

     По  мере совершенствования применяемых в ИИС методов логического и правдоподобного вывода, основанных на достижениях в таких областях, как нечеткая, немонотонная и модальная логики, байесовские сети вывода, ИИС начинают применяться и в таких высокоинтеллектуальных областях, как разработка стратегических комплексных решений. Этому способствуют и более совершенные методы и алгоритмы анализа и синтеза предложений естественного языка, облегчающие общение пользователя с системой.

     Включение в состав ИИС классических экономико-математических моделей, методов линейного, квадратичного и динамического программирования позволяет сочетать анализ объекта на основе экономических показателей с учетом факторов и рисков политических и внеэкономических факторов, оценивать последствия полученных с помощью ИИС решений. 

     Классификация ИИС

     Список  рассмотренных выше требований к  ИИС может быть расширен и каждое их них может быть использовано в качестве признака классификации. Поэтому, в зависимости от целей классификации, классифицировать ИИС можно по разным основаниям:

1. по предметной области (в экономике):
• ИИС менеджмента;
• ИИС риск-менеджмента;
• ИИС инвестиций.
2. по степени интеграции ИИС в корпоративную информационную систему:
• автономные ИИС в виде самостоятельных программных продуктов с собственной базой данных;
• сопрягаемые интерфейсом с корпоративной системой;
• полностью интегрированные в корпоративную систему.
3. по оперативности:
• ИИС реального времени; 
• советующие ИИС (обычно различают динамические и статические ИИС, но фактор времени всегда присутствует и полностью статических ИИС не бывает).
4. по адаптивности:
• настраиваемые ИИС (системы, параметры которых изменяются администратором базы знаний);
• обучаемые ИИС (системы, параметры которых и, возможно, структура могут изменяться в результате обучения или самообучения).
5. по моделям знаний - по наиболее часто применяемым моделям знаний (таким, как исчисление предикатов, продукционные системы, нечеткие системы знания, марковские и байесовские сети вывода, немонотонные и модальные логики, каузальные деревья и др.).

     Такой способ классификации позволяет  систематизировать все многообразие ИИС для последующего их анализа и получения обобщающих выводов.

     В других случаях цель классификации  ставится более конкретно. Также, в качестве признаков классификации, берут свойства структурных компонентов ИИС, и деление на классы осуществляется по видам и степени интеллектуальности  функций, реализуемых этими компонентами.

     Традиционно считается, что ИИС содержит базу данных, базу знаний, механизм вывода (машину вывода, интерпретатор правил, механизм манипулирования знаниями), компоненту приобретения знаний (средства получения знаний: модуль усвоения знаний, обучения, самообучения), компоненту интеллектуального интерфейса (средства общения с ИИС: модуль объяснения, естественно-языковый интерфейс)[3].

     В самом общем виде интеллектуальность, компонент ИИС, можно охарактеризовать по степени проявления следующих свойств:

     ·     коммуникативные способности;

     ·     способность к решению сложных  трудно формализуемых задач;

     ·     способность к самообучению.

     Коммуникативные способности ИИС характеризуют интеллектуальность взаимодействия (удобство, "дружественность" интерфейса) конечного пользователя с системой, наличие возможности формулировать запрос в диалоге с системой на языке, близком к естественному.

     Сложные трудно формализуемые задачи - это задачи, не поддающиеся решению строгими методами и потому требующие построения оригинального алгоритма решения в каждой конкретной ситуации, которая может характеризоваться динамизмом, неполнотой, неточностью, нечеткостью, неопределенностью данных и знаний, действием субъективных, неучтенных и случайных факторов.

     Способность к самообучению - это способность системы к самостоятельному извлечению, накоплению, систематизации и обобщению знаний на основе приобретенного опыта решения задач в конкретных ситуациях.

     Нетрудно  заметить, что от интеллектуальных информационных систем фактически требуется наличие человеческих свойств: способности понимать естественную речь; способности рассуждать и решать сложные задачи; способности обучаться, чтобы сохранять актуальность и адекватность оказываемых пользователю информационных услуг, вопреки изменчивости, неопределенности и сложности проблемной области. Сегодня различным ИИС эти свойства присущи в разной степени и редко бывает, когда все они реализуются в одной системе. Какие именно аспекты интеллектуальности становятся определяющими и получают преимущественное развитие, зависит от области применения и назначения ИИС. С учетом этого можно классифицировать ИИС с использованием следующих известных на сегодня форм и уровней проявления интеллектуальности компонент ИИС.