Тема 1 Понятие интеллектуальной информационной системы (ИИС), основные свойства. Классификация ИИС Преподаватель –Юлия Александровна Грачёва. - презентация

1 Тема 1 Понятие интеллектуальной информационной системы (ИИС), основные свойства. Классификация ИИС Преподаватель –Юлия Александровна Грачёва

2 4 октября 1939 г. – изобретателем первого цифрового электронного компьютера признан Джон Винсент Атанасов и его ассистент Клиффорд Берри 1945 год – Джон Маучли и Джон Эккерт создали в Уни- верситете Пенсильвании более известный компьютер ENIAC, с которого и началось развитие индустрии год – Вальтер Питтс и Уоррен Мак Куллоч построили нейронные сети с обратной связью год – Норберт Винер создаёт область кибернетики, включавшую математическую теорию обратной связи для биологических и инженерных систем.

3 1949 год – Дональд Хеббс открыл способ создания самообучающихся искусственных нейронных сетей гг. – рождение искусственного интеллекта (ИИ) 1950 гг. – Ньюэлл, Симон и Шоу разработали язык IPL 1950 гг. – Джон Мак Карти разработал язык Lisp 1960 гг. – разработка игрушечных миров, моделирующих окружающую среду для тестирования идей 1970 гг. – применение Лотфи Заде нечёткой логики для управления процессами. Создание языка ПРОЛОГ

4 1980 гг. – рост числа разработок и продаж экспертных систем на языке LISP. Применение нейронных сетей для самообучения машин и распознавания речи 1990 гг. – интеграция элементов ИИ в системы распознавания фальшивых кредитных карт, системы распознавания лиц, системы автоматического планирования, системы предсказания прибыли и потребности в персонале, конфигурируемые системы «добычи данных» из баз данных и системы персонализации

5 Информационные системы (ИС) – программные системы, постоянно видоизменяющиеся и направленные на автоматизацию функционирования чего-либо Интеллектуальные системы (ИнС) – системы, ядром которых является база знаний или модель предметной области, описанная на языке сверх- высокого уровня, приближенном к естественному языку, называют. Интеллектуальные информационные системы (ИИС) технические и программные системы, ориентированные на решение большого и очень важного класса задач, называемых неформализованными.

6 Интеллект – способность человека осуществлять мыслительную деятельность с целью познания действительности и рационального поведения в ней путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам. Искусственный интеллект – воплощенные модели некоторых интеллектуальных способностей человека, например, способность выбирать и принимать оптимальные или рациональные решения на основе приобретенных знаний, опыта и анализа внешних воздействий.

7 Интеллектуальная информационная система - это компьютерная модель интеллектуальных возможностей человека в целенаправленном поиске, анализе и синтезе текущей информации об окружающей действительности для получения о ней новых знаний и решения на этой основе различных жизненно важных задач.

8 Информационно- поисковые системы Автоматизи- рованные информационные системы Интеллектуаль- ные информационные системы Потребность в создании ИИС возникла не вдруг. Систему можно назвать интеллектуальной, когда данные заменяются на знания, а алгоритмы функционирования заменяются на методы искусственного интеллекта.

9 интерфейс с пользователем на естественном языке с использованием понятий, характерных для проблемной области пользователя; способность объяснять свои действия и подсказывать пользователю, как правильно ввести нужные показатели и как выбрать подходящие к его задаче параметры модели; представление модели объекта и его окружения в виде базы знаний и средств дедуктивных и правдоподобных выводов в сочетании с возможностью работы с неполной или неточной информацией; способность автоматического обнаружения закономерностей рассматриваемой проблемы в ранее накопленных фактах и включения их в базу знаний.

10 ИИС особенно эффективны в применении к интеллектуальным и слабоструктурированным задачам, в которых пока отсутствует строгая формализация, и для решения которых применяются эвристические процедуры, позволяющие в большинстве случаев получить решение. Принято считать, что интеллектуальной задачей является отыскание дотоле неизвестного алгоритма решения некой практической или теоретической проблемы, универсального на множестве свойственных этой проблеме исходных данных. Слабоструктурированные задачи – это задачи, критерии поиска оптимальных решений в которых были неформальными, или задачи, постановки которых не могли быть сформулированы математически.

11 постановки этих задач не могут быть сформулированы в количественной форме – они формулируются с помощью показателей качественных категорий или в терминах нечетких множеств («много – мало», «хорошо – плохо», «вполне достаточно – достаточно – недостаточно» и т.п.); цель задачи не может быть выражена в терминах строго определенной целевой функции; не существует алгоритмического решения задачи.

12 З адачи анализа: интерпретация свойств сущностей реального мира, диагностика их состояния и связей между ними. Задачи синтеза: задачи проектирования и конструирования, задачи разработки планов, поведенческих и логических алгоритмов, задачи получения новой информации на основании уже имеющейся. Комбинированные задачи, сочетающие анализ и синтез информации, отражающей свойства сущностей реального мира и отношения между ними: задачи обучения, задачи машинного перевода речи и текстов с одного языка на другой, задачи мониторинга и управления, а также задачи принятия решений.

13 Предметная область (ПО) – множество связанных различными отношениями сущностей, составляющих материальное содержание области исследования Проблемная область (ПрО) – предметная область с определенной совокупностью задач, которые предстоит решать, используя информацию, содержащуюся в описаниях свойств ее сущностей,

14

15 Разработка интеллектуальных информационных систем или систем, основанных на знаниях Разработка естественно-языковых интерфейсов и машинный перевод Генерация и распознавание речи Обработка визуальной информации Обучение и самообучение Распознавание образов Игры и машинное творчество Программное обеспечение систем ИИ Новые архитектуры компьютеров Интеллектуальные роботы

16 специальные языки программирования, ориентированные на обработку символьной информации (LISP, SMALLTALK, РЕФАЛ); языки логического программирования (PROLOG); языки представления знаний (OPS 5, KRL, FRL); интегрированные программные среды, содержащие арсенал инструментальных средств создания систем ИИ (КЕ, ARTS, GURU, G2); оболочки экспертных систем (BUILD, EMYCIN, EXSYS Professional, Эксперт), которые позволяют создавать прикладные ЭС, не прибегая к программированию.

17 Для ИИС характерны следующие признаки: развитые коммуникативные способности; умение решать сложные плохо формализуемые задачи; способность к самообучению; адаптивность. Каждому из перечисленных признаков условно соответствует свой класс ИИС. Различные системы могут обладать одним или несколькими признаками интеллектуальности с различной степенью проявления.

18

19 Интеллектуальные базы данных Естественно-языковой (ЕЯ) интерфейс Гипертекстовые системы Системы контекстной помощи Системы когнитивной графики

20 Экспертные системы как самостоятельное направление в искусственном интеллекте сформировалось в конце 1970-х гг. Группа по экспертным системам при Комитете British Computer Society определила ЭС как «воплощение в ЭВМ компоненты опыта эксперта, основанной на знаниях, в такой форме, что машина может дать интеллектуальный совет или принять решение относительно обрабатываемой функции». Одним из важных свойств ЭС является способность объяснить ход своих рассуждений понятным для пользователя образом.

21 Для классификации ЭС используются следующие признаки: способ формирования решения; способ учета временного признака; вид используемых данных и знаний; число используемых источников знаний. партнера эксперта в процессе решения задач, требующих привлечения знаний из разных предметных областей.

22

23 Самообучающиеся интеллектуальные системы основаны на методах автоматической классификации ситуаций из реальной практики, или на методах обучения на примерах. Примеры реальных ситуаций составляют так называемую обучающую выборку, которая формируется в течение определенного исторического периода. Элементы обучающей выборки описываются множеством классификационных признаков. Стратегия «обучения с учителем» предполагает задание специалистом для каждого примера значений признаков, показывающих его принадлежность к определенному классу ситуаций. При обучении «без учителя» система должна самостоятельно выделять классы ситуаций по степени близости значений классификационных признаков.

24 Индуктивные системы Нейронные сети Системы, основанные на прецедентах Информационные хранилища

25 Потребность в адаптивных информационных системах возникает в тех случаях, когда поддерживаемые ими проблемные области постоянно развиваются. В связи с этим адаптивные системы должны удовлетворять ряду специфических требований, а именно: адекватно отражать знания проблемной области в каждый момент времени; быть пригодными для легкой и быстрой реконструкции при изменении проблемной среды.

26 разработка средств, обеспечивающих эффективное общение человека с машиной (автоматом) на естественном языке в форме речевого обмена и (или) обмена текстами; автоматический перевод текстовой и речевой информации с одних языков на другие, в том числе – с естественных языков на внутримашинные и обратно); разработка алгоритмов и методов поддержки принятия решений по целесообразному управлению (в том числе – в реальном масштабе времени) различными системами, объектами и процессами в экономике, финансах, производстве, науке, образовании, медицине, экологии, природопользовании, вооружении и других отраслях хозяйства с учетом неопределенности в реализации факторов внешней среды и связанных с этим рисков;

27 автоматический концептуальный анализ, поиск и интерпретация данных и знаний; разработка алгоритмов и методов мониторинга и диагностики состояния систем, объектов и процессов; -автоматическое проектирование систем и устройств с оптимальными на множестве ситуаций свойствами; разработка алгоритмов логических выводов и доказательства теорем; разработка поведенческих алгоритмов в условиях неопределенности и риска; автоматическое распознавание образов различной природы; создание автоматически обучающихся систем.