В.П.КАРЕЛИН
• Информационные технологии, интеллект, искусственный интеллект, интеллектуальные технологии, интеллектуальная система, бизнес-интеллект, управление знаниями, моделирование мышления, нечёткие системы, принципы построения интеллектуальных систем.
Современный мир буквально задыхается под лавиной информации. Эти потоки данных, для которых характерны неполнота, уникальность и необычайная динамичность, не поддаются формальной структуризации и поэтому те же «стандартные» базы и хранилища данных тут бессильны. Стремительное увеличение потока перерабатываемой информации ведет к значительным изменениям в методах работы и требует не только автоматизации процессов обработки и анализа данных, но также и интеллектуализации информационных и организационных процессов, построения и внедрения эффективных методов и интеллектуальных технологий поддержки принятия решений(ПР).
Вместе с тем условия перехода к информационному обществу, когда фокус внимания перемещается от индустрии добычи, переработки сырья и полезных ископаемых на высокие технологии и инновации, диктуют необходимость работы всех социальных и экономических структур (государственное управление, бизнес, социальные коммуникации) по принципу быстрого, мобильного, интеллектуального предприятия. Такой принцип основывается на интеллектуальных способах управления наиболее критическим ресурсом - информацией [1].
• Сейчас время бизнес-цикла от идеи до получения прибыли сократилось от нескольких лет до нескольких месяцев. Три фактора существенно изменили управленческую ситуацию - рост темпов: новизны, объема и многообразия обозреваемой информации. Вследствие этих причин возникла проблема - руководитель становится самым слабым звеном в цепочке бизнес-отношений, поскольку человек не выдерживает нагрузки. В результате на всех уровнях управления значительно возрастает доля ПР в неопределенных и нестандартных ситуациях. Это относится к технологиям, производству, планированию, конкуренции, организации и управлению компанией. Все больше и больше растет потребность в генерации новых идей, т.е. изобретение новых идей становится основ -ной движущей силой современного бизнеса.
• Однако существует предел новизны (новых факторов и идей),
который человек может усвоить за определенный период времени. Это его адаптивный уровень восприятия. Поэтому проблемы, связанные с необходимостью интеллектуализации информационных и организационных процессов, интенсификации интеллектуальной деятельности специалистов-управленцев, требуют незамедлительного решения.
Решение указанных проблем видится, с одной стороны, в развитии и использовании в менеджменте информационных технологий «Бизнес-интеллекта» (business intelligence - BI) и технологий «Управления знаниями» (knowledge management - KM), а с другой стороны - в повышении уровня интеллектуальности и быстродействия существующих информационных систем управления и систем поддержки управленческой деятельности [1-3]. В последние годы при создании интеллектуальных систем произошел от традиционного накопления и распределения знаний к коллективной практике Управления Знаниями. Так, по оценке Gartner Group - предприятия, которые не перешли к коллективной практике Управления Знаниями (модель click-n-mortar - использование ИГ и систем гибридного интеллекта), будут испытывать серьезные затруднения на рынке из-за резкой потери конкурентоспособности [1].
• Для решения насущных неотложных задач высокой степени сложности, с которыми естественный интеллект не может справиться, возникает необходимость, с одной стороны, в совершенствовании и использовании технологий ВІ и КМ, а с другой - в создании и применении для ПР систем искусственного интеллекта (ИИ), то есть гибридных или интегрированных интеллектуальных систем (ИС) управления, различного рода ИС поддержки принятия решений, куда в число основных компонент включаются базы данных и знаний, блок решения (блок логического вывода), база моделей и т.п. [2-6]. Наглядно-образное мышление связано с организацией планирования поведения на основе поступающей из среды информации, накопленного опыта функционирования и знаний, хранящихся в памяти. При этом процесс планирования поведения строится на основе заданных эвристических процедур и протекает без активного взаимодействия с проблемной средой до полного построения плана функционирования. Затем сформированный план реализуется и корректируется по ходу выполнения.
Понятийное мышление опирается только на хранящиеся в памяти факты и сводится к выводу решений без непосредственного визуального контакта с
проблемной средой. Примером такого вывода является построение умозаключений на основе различных правил вывода.
Ясно, что проведенное разделение процесса ПР в естественных ИС на различные уровни является условным и в естественных средах целенаправленное функционирование практически невозможно организовать без различного сочетания отмеченных форм мышления.
• В многочисленных отечественных и зарубежных публикациях рассматриваются различные аспекты интеллектуальной деятельности (ИД) человека, в частности, целенаправленность, способность приобретать, пополнять, воспроизводить и использовать знания, способность ставить и решать задачи, способность предвидеть неизвестное, придумывать новое, способность к обобщению и ассоциациям и т.д. ИД человека связана с поиском решений (действий, закономерностей) в новых, нестандартных ситуациях. Поэтому задача называется интеллектуальной, если точный метод ее решения априори не известен. Здесь под решением задачи понимается любая деятельность (человека или машины), связанная с выработкой планов и действий, необходимых для достижения определенной цели, с выводами новых закономерностей. Любая ИД опирается на знания о предметной области, в которой ставятся и решаются задачи.
• Ввиду ключевой роли понятий «знания» и «интеллект» в определении ИД поясним разницу между ним. Знания - это полезная информация, накопленная индивидуумом, а интеллект - способность индивидуума использовать эту накопленную информацию некоторым полезным (целенаправленным) образом. Более широко интеллект можно рассматривать как способность ЛПР достигать определенной степени успеха при поиске широкого многообразия целей в обширном диапазоне сред. Интеллектуальными (когнитивными) функциями живого интеллекта являются восприятие, интуиция, творчество, ассоциация, индукция (обобщение), силлогизмы, узнавание, прогнозирование, планирование, дедукция, классификация, а также поиск и выбор, сравнение, идентификация, вычисление. В настоящее время детально проанализированы и формализованы следующие функции: поиск, выбор, вычисление, сопоставление, дедукция [2]. Попытки наделить компьютер интеллектуальными способностями более высокого уровня - немонотонной логикой, доказательством по аналогии, индуктивным выводом, вероятностными методами рассуждений и т.д. - пока не дали ощутимых практических результатов. Известные способы автоматизации и использования при решении задач управления интеллектуальных функций - это:
- на уровне обобщения и распознавания (классификации) объектов и ситуаций - использование нейросетей и нейрокомпьютеров;
- на уровне дедуктивных правил вывода - применение диалоговой системы, в которой человек манипулирует построенной в компьютерной системе моделью, а система, включающая в себя базу знаний и дедуктивный механизм вывода, помогает в этой работе.
Существующие социотехнические системы, включающие людей, коллективы предприятий, различного рода организационно-технические, технологические и человеко-машинные системы, относят к классу целеустремлённых или целенаправленных систем. Они осуществляют свободу выбора поведения, сообразуясь с ситуацией и критерием эффективности. Такие целенаправленные системы, обладающие способностью приобретать, воспроизводить и использовать знания, называют интеллектуальными системами (ИС). Они характеризуются следующей совокупностью определяющих свойств [8-10]:
- ИС способны на основе сформированной или заданной цели определять методы, пути и средства достижения конечного результата;
- ИС должны располагать возможностями проводить рассуждения в условиях неполноты информации с использованием правил как достоверного, так и правдоподобного выводов и, таким образом, порождать новые знания;
- ИС должны обладать способностями (механизмами, методами, алгоритмами, программами и т.п.) к аппроксимации, обобщению, концептуализации знаний;
- ИС в рамках своей компетенции должны уметь постигать, ставить и решать задачи;
- ИС должны узнавать и распознавать ситуации, образы, процессы и явления окружающего их мира;
- ИС являются информационно открытыми система -ми, расширяющими объём и содержание модели мира об окружающей их среде и сфере деятельности;
- ИС в процессе функционирования не только ис-пользуют уже известную им информацию, но и генерируют новую (знания, данные), т.е. выступают в качестве производителя и источника интеллектуальных информационных ресурсов.
• Исходя из перечисленных свойств, можно сделать обобщающее заключение, что интеллект - это совокупность знаний и механизмов их целенаправленного использования для решения проблем, определяемых потребностью или необходимостью ИС.
Такое определение одинаково справедливо как для естественного («живого») интеллекта - персонального, коллективного, социального, так и для искусственного - технического интеллекта. Под механизмами использования знаний понимается мышление, механизмы его реализации для живого интеллекта и аналоги этих механизмов - для искусственного интеллекта [9]. В дальнейшем под ИИ будем понимать информационную модель естественного интеллекта. Итак, Сформулируем цели и задачи, которые ставятся перед теорией ИИ. Во-первых, фундаментальной стратегической целью ИИ является научное объяснение мыслительного процесса, оценка возможности передачи мыслительных функций техническим системам, машинам. Во-вторых, теоретическая естественно-научная цель - это познание механизма выполнения различных функций мозга и переработки информации и создание моделей этих функций. В-третьих, практическая, техническая цель - это решение насущных неотложных задач высокой степени сложности, с которыми естественный интеллект не может справиться без помощи технических средств[11].
- Сущностью этих задач является автоматизация деятельности (в том числе и умственной - интеллектуальной) человека, которая приведет к расширению возможностей и усилению способностей человеческого мышления. С точки зрения ИИ любая система, претендующая на название «система ИИ», обязательно должна содержать следующие подсистемы:
- ввода и распознавания необходимой, важной
информации;
- обработки, получения новой информации внутри
системы, т.е. подсистему обучения;
- накопления и хранения необходимой информации,
т.е. подсистему представления знаний;
- выработки целей и принятия решений, т.е.
подсистему целеполагания;
- подсистему общения;
- подсистему поддержания целостности системы;
- подсистему реализации принятых решений.
• Чтобы существующие системы поддержки принятия решений (СППР) могли моделировать процесс ПР человеком, им необходимо придать свойства интеллектуальности, то есть включить в их состав перечне -ленные выше подсистемы. Тогда полученные СППР можно будет называть интеллектуальными. Интеллектуальность предполагает наличие в системе собственной внутренней модели внешнего мира. Эта модель обеспечивает индивидуальность, самостоятельность системы в оценке входного запроса, возможность семантической и прагматической интерпретации запроса в соответствии с собственными знаниями и выработку ответа (реакции), семантически и прагматически правильного с точностью до адекватного моделирования внешнего мира.
• Важным признаком интеллектуальности, или свойством ИС, является способность к выводу, генерации, конструированию решения, которое в явном и готовом виде не содержится в системе. В этом свойстве проявляется способность системы к дедуктивному выводу («мышлению»). С информационной точки зрения это свойство иногда трактуется как способность системы формировать и выдавать новую интеллектуальную информацию, в явном виде в нее не заложенную, т. е. быть своего рода генератором новой информации, новых идей. Под интеллектуальной информацией понимается информация, обладающая семантическим и прагматическим свойствами, т.е. несущая определенный смысл и предназначенная для определенных целенаправленных действий. Наиболее эффективный способ представления и семантики, и прагматики в ИС заключается в построении определенных информационных структур типа графов, в вершинах которых расположены порции информации, а дуги соответствуют взаимоотношениям между ними. Поэтому под генерацией новой интеллектуальной информации понимается генерация новых информационных структур, несущих новую семантику и прагматику.
• Следующая особенность ИС связана с проблемой нечеткости или размытости самого процесса ПР. В теории ИИ существуют несколько взаимосвязанных направлений. В работах, посвященных ортодоксальному эвристическому направлению, придерживаются той точки зрения, что процесс ПР принципиально не может быть строго формализован. В соответствии с этой точкой зрения модель процесса ПР представляет собой набор правил, приемов, систему догадок, которые проверены на опыте и не составляют единую дедуктивную систему. С другой точки зрения считается, что человек принимает решения логически, а следовательно, он может записать процесс ПР в виде алгоритма - формальной схемы последовательности операций. Однако в большинстве случаев лица, принимающие правильные решения, не могут формально представить свой процесс ПР (изложить его формальным языком). Эю объясняется тем, что неопределенность ПР лежит в самой природе явления ПР.
• В работах [1-3, 12-15] рассмотрены различные подходы к созданию интеллектуальных СППР (ИСППР), интеллектуальных СУ (ИСУ) и гибридных систем, в том числе использующих аппарат теории нечетких множеств и нечеткой логики. Эти ИС предназначены для помощи ЛПР при управлении сложными объектами и процессами различной природы в условиях жестких временных ограничений и наличия различного рода неопределенностей (неполноты, нечеткости и противоречивости исходной информации, недетерминизма стратегий управления и т.д.). Такие ИСППР относятся к классу интегрированных ИС, сочетающих строгие математические модели и методы поиска решения с нестрогими (логиколингвистическими) моделями и методами, базирующимися на знаниях специалистов-экспертов, моделях человеческих рассуждений и накопленном опыте.
Особенностями задач, решаемых с помощью нечетких ИСППР, в том числе ИСППР реального времени, являются:
- невозможность получения всей объективной информации, необходимой для решения, и в связи с этим использование субъективной, экспертной информации;
- многовариантность поиска, необходимость применения методов правдоподобного (нечеткого) поис-ка решения и активного участия в нем ЛПР;
- необходимость коррекции и введения дополнительной информации в базу знаний системы при поиске решения [13].
• Следует отметить, что ИСУ, в отличие от ИСППР, не предполагает участие в ПР человека. Основой для построения нечеткой ИСУ является СУ с участием эксперта, который на основе опыта и знаний об управлении объектом формирует описание процесса управления. Затем это описание преобразуется в базу нечетких правил и в дальнейшем используется в ИСУ уже без участия эксперта. Идея нечеткого управления заключается именно в подражании действиям опытного человека-оператора [2, 14]. Нечеткие правила -это нечеткие продукционные правила, которые при фиксированной цели управления описывают стратегии управления на качественном уровне. Нечеткие ИСУ применяются там, где классические СУ неприменимы, а именно в случае нелинейности СУ, в условиях значительной неопределенности, а также в СУ, основанных на использовании экспертной информации. В нечетких ИСУ входные и выходные переменные являются лингвистическими, а функция управления приближенно описывается совокупностью нечетких продукционных правил [2, 14,15].
• Итак, можно выделить основные принципы построения нечетких ИСППР и ИСУ реального времени (РВ) [13]:
1) открытости и динамичности, так как ИС РВ ориентированы на открытые и динамические проблемные области;
2) семиотичности, поскольку ИСППР РВ - это система распределенного интеллекта семиотического типа, включающая наряду с традиционными для экспертных систем модулей, таких как база данных, база знаний, модуль вывода (поиска) решения, также базу моделей, интеллектуальные модули прогнозирования, моделирования проблемной ситуации, модули организации интерфейса: образного, текстового, речевого и в виде различных графиков и диаграмм и др.;
3) адаптивности модели представления знаний и поиска решения. Сохраняется способность к обучению, накоплению и пополнению знаний, работоспособность в условиях непредвиденного изменения свойств управляемого объекта, цели управления и т.п.;
4) распределенной и параллельной обработки информации. Обеспечивается возможность проведения качественного анализа огромного объема информации и поиска приемлемого решения в условиях жестких временных ограничений;
5) максимального удобства для ЛПР средств общения с ИСППР и отображения текущей информации на основе технологии когнитивной графики и гипертекста. Это позволит ЛПР активно использовать механизмы как активного, так и глубинного уровней мышления.
• Таким образом, для полной реализации интеллектуальных способностей, связанных с принятием решений, планированием, прогнозом и эффективным управлением, современные и перспективные ИСППР и ИСУ должны быть реализованы с использованием новейших технологий, основанных на концепциях распределенного искусственного интеллекта, динамических адаптивных моделей знаний, параллельной обработки информации при поиске решения на основе экспертных (нечетких) моделей и методов правдоподобного вывода. В этой связи представляется весьма перспективным при создании автоматизированных ИСППР, ИСУ, систем интеллектуального анализа данных и прогнозирования использовать также и новейшие разработки в области теории и практики нечетких нейронных сетей и гибридных нейроподобных систем [3], нечёткие модели и методы многокритериального выбора и нечёткого логичес-кого вывода [2, 12-15].
ЛИТЕРАТУРА
1. Рыжов ВА. Технологии виртуального ситуационного центра для принятия решений в кризисных ситуациях. «РДР-ЦЕНТР» совместно с компанией КШ8-1пс. 2002. (Интернет).
2. Берштейн Л. С., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных
интеллектуальных системах: монография.
Ростов н/Д: РГУ, 1999.
3. Теория и практика нечетких гибридных систем/ ИЗ. Батыршин, А А Недосекин, А А Стецко и др. М.: Физматлит, 2007.
4. Валъкман Ю.Р., Валъкман Р.Ю., Исмагилова Л.Р. Бизнес-интеллект и управление знаниями: понятия, технологии, интеллектуальность // Труды Международных НТК 1ЕЕЕ АК-09, СА0-2009. М.: Физматлит, 2009.
5. Протасов В. И., Карелин В.П. Новый метод коллективной разработки проектов в компьютерных сетях // Известия вузов Сев.-Кавказского региона. Техн. науки. 2002. № 2.
6. Рыжов В.А., Матвеев Е.В. Мобильные интеллектуальные группы и интеллектуальный конвейер в современном информационном пространстве // Педагогическая информатика. 2006. №2.
7. Берштейн Л.С., Илъягуев П.М., Мелехт В.Б. Интеллектуальные системы. Махачкала: Дагкниго-издат, 1996.
8. Интеллектуальные процессы и их моделирование. М.: Наука, 1987.
9. Нечаев В.В., Дарьин А.В. Интеллект - стратегичес-кий ресурс информационного общества // Проблемы информатизации. 2001. №1.
10.Рассел С., Норвиг П. Искусственный интеллект -современный подход. М.: Изд. дом «Вильямс», 2006.
11. Варламов О.О. О необходимости перехода от теории искусственного интеллекта к разработке теории активного отражения // Известия ЮФУ. Технические науки. Тематич. выпуск «Интел лек-туальные САПР». 2007. №2.
12. Трахтенгерц Э.А. Компьютерная поддержка принятия решений: научно-практическое издание. Серия «Информатизация России на пороге XXI века». М: СИНТЕГ, 1998.
13.Вагин В.Н., Еремеев А.П. Некоторые базовые принципы построения интеллектуальных систем поддержки принятия решений реального времени // Известия РАН. Теория и системы управления. 2001. №6.
14. Леденева Т.М., Татаркин Д.С. Особенности проектирования систем нечеткого логического вывода // Информационные технологии. 2007. №7.
15. Глушанъ В.М., Карелин В.П., Кузьменко О.Л. Нечеткие модели и методы многокритериального вьйора в интеллектуальных системах поддержки принятия решений // Известия ЮФУ. Технические науки. Тематич. выпуск «Интеллектуальные САПР». 2009. №4.
Сокращенный вариант.
Полный текст
http://cyberleninka.ru/article/n/intellektualnye-tehnologii-i-sistemy-iskusstvennogo-intellekta-dlya-podderzhki-prinyatiya-resheniy
