- •1 Информация, информационные технологии и информатика
- •1.1 Информация
- •1.2 Информационное общество
- •1.3 Информационные технологии
- •1.4 Информатика
- •2 Информационные системы
- •2.1 Понятие информационной системы
- •2.2 Виды обеспечения информационных систем
- •3 Базовые типы информационных систем
- •3.1 Фактографические информационные системы
- •Основная терминология, используемая в информационных системах на основе реляционных баз данных
- •Модель предметной области “Cущность-связь”
- •Нотация Баркера
- •Стандарт idef1x
- •Связь между функциональными моделями и моделями
- •3.2 Гипертекстовые информационные системы
- •История развития гипертекстовой технологии
- •Отличительные черты гипертекста
- •Основные компоненты гипертекстовой системы
- •3.3 Документальные информационные системы
- •3.4 Интеллектуальные информационные системы
- •4. Жизненный цикл информационных систем, case-технологии
- •4.1 Жизненный цикл информационных систем и его этапы
- •Структурная схема терминов
- •Реальный процесс создания ис на базе каскадной модели
- •Спиральная модель жц
- •4.2 Основы методологии проектирования ис на основе
- •Рекомендуемая литература
3.4 Интеллектуальные информационные системы
Информационная система – взаимосвязанная совокупность средств, методов и персонала, используемых для хранения, обработки и выдачи информации в интересах достижения поставленной цели.
Понятие интеллектуальной информационной системы (ИИС) связано с расширением функциональных возможностей информационных систем в области обработки информации и способов её хранения.
Тенденция интеллектуализации информационных систем отмечается во многих областях использования таких систем и в ближайшей перспективе этот процесс будет продолжаться.
С интеллектуальными информационными системами тесно связаны такие направления обработки информации как "Системы искусственного интеллекта" и "Экспертные системы".
Искусственный интеллект – это программная система, имитирующая на компьютере мышление человека.
Экспертные системы (ЭС) и системы искусственного интеллекта (СИИ) отличается от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления информации, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).
Специфика экспертных систем по сравнению с другими системами искусственного интеллекта состоит в следующем:
1. Экспертные системы применяются для решения только трудных практических задач. По качеству и эффективности решения экспертные системы сопоставимы решениям эксперта-человека.
2. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне (в отличие от решений, полученных с помощью числовых алгоритмов, и в особенности от решений, полученных статистическими методами). Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях.
3. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом.
Экспертные системы сформировались в самостоятельное научное направление в начале восьмидесятых годов на основе исследований по искусственному интеллекту.
Цель создания экспертных систем заключается в разработке программ, которые, используя знания, полученные от специалистов в данной предметной области, решают те же проблемы, экспертами в которых являются эти специалисты (отсюда и название: ЭС).
Существует несколько подходов к классификации ИИС, при этом каждый раз выбирается один или несколько наиболее важных для решаемой задачи признаков классификации.
Классификация ИИС по решаемой задаче.
• Интерпретация данных. Под интерпретацией понимается процесс определения смысла данных, результаты которого должны быть согласованными и корректными.
Примеры: обнаружение и идентификация различных типов океанских судов по результатам аэрокосмического сканирования; определение свойств личности по результатам психодиагностического тестирования.
• Диагностика. Под диагностикой понимается процесс соотнесения объекта с некоторым классом объектов и/или обнаружение неисправности в некоторой системе. Неисправность – это отклонение от нормы.
Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является здесь необходимость понимания функциональной структуры ("анатомии") диагностирующей системы.
Примеры: диагностика и терапия сужения коронарных сосудов; диагностика ошибок в аппаратуре и математическом обеспечении компьютерных технологий.
• Мониторинг. Основная задача мониторинга – непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы.
Главные проблемы – "пропуск" тревожной ситуации и инверсная задача "ложного" срабатывания.
Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.
Примеры: контроль над работой электростанций, помощь диспетчерам атомного реактора; контроль аварийных датчиков на химическом заводе.
• Проектирование. Проектирование состоит в подготовке спецификаций на создание "объектов" с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов – чертеж, пояснительная записка и т. д.
Основные проблемы здесь – получение четкого структурного описания знаний об объекте.
Для организации эффективного проектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса: процесс вывода решения и процесс объяснения.
Примеры: проектирование конфигураций ЭВМ; проектирование БИС; синтез электрических цепей.
• Прогнозирование. Прогнозирование позволяет предсказывать последствия некоторых событий или явлений на основании анализа имеющихся данных. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций.
В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров "подгоняются" под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.
Примеры: предсказание погоды; оценки будущего урожая; прогнозы в экономике.
• Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции.
Примеры: планирование промышленных заказов; планирование эксперимента.
• Обучение. Под обучением понимается использование компьютера для обучения какой-то дисциплине или предмету. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения.
Они аккумулируют знания о гипотетическом "ученике" и его характерных ошибках, затем в работе они способны диагностировать слабости в познаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.
• Управление. Под управлением понимается функция организованной системы, поддерживающая определенный режим деятельности. Такого рода ЭС осуществляют управление поведением сложных систем в соответствии с заданными спецификациями.
Примеры: помощь в управлении газовой котельной; управление системой календарного планирования.
• Поддержка принятия решений. Поддержка принятия решения – это совокупность процедур, обеспечивающая лицо, принимающее решения, необходимой информацией и рекомендациями, облегчающими процесс принятия решения.
Примеры: выбор стратегии выхода фирмы из кризисной ситуации; помощь в выборе страховой компании или инвестора и др.