1.1. Понятие и особенности интеллектуальных информационных систем

Активные исследования в области искусственного интеллекта, проводимые со второй половины 20-го века, привели к коммерческому внедрению прикладных интеллектуальных систем  в различные сферы общественной жизни. О создании действительно интеллектуальной системы, неотличимой в общении от человека, речи пока не идет. Однако уже сейчас многие программы наделяются способностями решать реальные задачи, которые до недавнего времени  оставались исключительной прерогативой человека. Именно подобные возможности и позволяют говорить о появлении информационных систем, которые относятся к интеллектуальным. Дадим следующее определение.

Интеллектуальная информационная система (ИИС) -  компьютеризированная система  сбора, хранения, обработки, представления информации, работа которой основывается на имитации (воспроизведении) интеллектуальных возможностей человека.

Иначе говоря, ИИС есть та информационная система, которая для выполнения своих функций работы с информацией использует методы и алгоритмы искусственного интеллекта.

О каких же особенностях и интеллектуальных возможностях свойственных человеку (и не свойственных традиционным компьютерным программам) идет речь? Далее дадим краткий ответ на этот вопрос.

Интеллектуальная ИС решает задачи работы с информацией в  реальных сложных условиях «как человек». После анализа этого предложения, уточнения понятия «реальные, сложные условия», анализа поведения и возможностей человека в этих условиях мы вполне логично приходим к понимаю того, какими свойствами должна обладать ИИС.

Итак, это:

- решение задач в условиях неопределенности (неточности, неполноты, неоднозначности, недостоверности) информации.

Представим себе задачу нахождения неизвестного y по известным параметрам x , z. Пусть известна формула:

y = x+z.

Это может быть математической постановки задачи вида: сколько перерабатывающий завод закупит тонн фруктов, если покапает две машины, в одной x и в другой - z тонн фруктов.

Традиционная компьютерная программа может дать ответ о точном значении  y, когда известны оба слагаемых в правой части формулы, т.е. x, z. Однако в реальных условиях могут наблюдаться случаи неопределенности, например, значение z – вроде бы определено, но измерительное устройство дает некую, неустановленную несистемную ошибку  (в нашем примере, весы, на которых взвешивается автомобиль дают весьма грубую оценку массы груза). Или вообще измерить значение x точно не удается, это можно сделать только «на глазок» (в нашем примере - весы отсутствуют или сломались). В иных случаях некоторые параметры в правой части формулы могут быть вообще неизвестны.

Что делается в таких случаях при  традиционных вычислениях? Самое обычное – это подставляются некие идеализированные точные значения x, z. А выходные результаты считаются пригодными только для некоторых условий, с  некоторой достоверностью. Возможные ошибки и неточности должны уже учитывать люди при использовании результатов.

- решение неформализованных  (трудноформализуемых) задач.

В реальных условиях найти формулу зависимости  одних параметров от других  (и доказать ее справедливость)  бывает трудно или даже невозможно. Так, продолжая наш простейший пример, может  выясниться, что само равенство y=x+z  является неверным и на самом деле не отражает сути вещей: возможно, есть еще какие то факторы, которые невозможно учесть (например, потери фруктов при транспортировке и дальнейшем хранении, потери из-за недобросовестного отношения работников, из-за состояния фруктов на входе и т.п.).

Еще сложнее обстоит дело, когда требуется найти формулу, которая бы отражала постановку цели поиска лучшего решения (как в задачах линейного программирования):

f= f(X) ® max,

g_j(X) £ b_j, j = 1, 2, 3, ..., m.

Здесь нужно с определенностью утверждать, что есть параметры Х, от которых зависит значение функции цели f; известны формулы зависимости, известны также ограничения по ресурсам b_j , формулы зависимости функций-ограничений от Х.

Очевидно, что в реальных условиях не все ак однозначно и просто. В итоге все применяемые формулы есть некая идеализация действительности, пригодная для некоторых условий и ограничений. Эта идеализация, выраженная с помощью математических формул, позволяет применять мощные средства вычислительной техники для решения многих задач. Но человек, как мы знаем, зачастую обходится без формул при нахождении ответов на нужные ему вопросы. Или же, даже используя результаты вычислений, оставляет за собой последнее слово в принятии решения. Так, в задаче линейного программирования найденное значение оптимального вектора X* , доставляющее максимум функции цели f(X*) , является вариантом для дальнейшего выбора руководителем, но не догмой.

Если создать формулу, подобную названым выше невозможно или очень трудоемко, то возникает необходимость использовать некие другие способы решения задач, делая это примерно так, как делает человек, обходящийся без математической формализации.

- эвристическое решение задач - разумное сокращение перебора в пространстве поиска решений.

 Отсутствие четкой математической формализации, как например, в задаче линейного программирования, и невозможность применить математические алгоритмы приводит к тому, что  единственным способом поиска лучшего решения остается перебор. В простейшем случае перебираем все варианты решений и отбираем их них то, которое по нашим представлениям является самым лучшим.

Такой подход имеет право на жизнь и при решении реальных задач. Однако он неприменим в случаях, когда вариантов много (известная проблема комбинаторного взрыва состоит в резком возрастании количества вариантов при увеличении влияющих параметров. Это приводит к тому, что даже современные компьютеры не могут в реальные сроки сделать выбор путем их перебора и сравнения).

Решение подобных неформализованных задач человеком базируется на эвристиках – некоторых собственных представлениях, правилах, позволяющих сократить пространство перебора при поиске решения.

Эвристические алгоритмы, разработанные для компьютеров и применяемые при поиске решений используются, например, в системах многокритериальной оптимизации, человеко-машинных системах принятия решений, в компьютерах, играющих в игры.

- обучаемость и приобретение опыта. Интеллектуальная система подобно человеку может изменять свои стратегии и правила работы с информацией по мере приобретения новых знаний. В относительно простом случае такое обучение может осуществляться только на этапе создания системы, путем заложения в нее специальных знаний. В более сложных случаях  система может анализировать результаты своей деятельности и изменять свои модели, формулы, параметры и т.п., адаптируясь к новым условиям или улучшая результаты своих выводов.

- «умное взаимодействие» с пользователем (потребителем информации и/или постановщиком заданий на обработку информации).

Чтобы расшифровать термин «умное взаимодействие» вспомним как хороший специалист в своей области общается с заказчиком – пользователем результатов работ. Он понимает язык и может выражать мысли на языке, понятном пользователю (без профессиональных жаргонных «словечек»); он может подсказать и дополнить вопрос, перевести его на язык понятный другим исполнителям, он, при необходимости, может объяснить результаты своих действий и ход своих рассуждений. Аналогичными возможностями должна обладать и ИИС.

Рис.1. Преобладающие функции в ИИС

Перечисленные свойства могут воплощаться в ИИС в тех или иных пропорциях, быть более или менее ярко выраженными в зависимости от назначения системы. На рисунке 1 показаны функции, которые преобладают в традиционных компьютерных информационных системах и ИИС.

Читать дальше:

1.2. Понятие и особенности интеллектуальных информационных систем