Информационные системы менеджмента (стр. 8 из 12)

Подсистемы и сценарии. В большом бизнесе можно выделить много частей (подбизнесов). Подсистема включает функционально близкие объекты и (или) подсистемы.

В чем разница между сценариями и подсистемами? В подсистеме объекты собраны в соответствии с их функциями. Сценарий, наоборот, может выполняться объектами разных подсистем.

17. Основные компоненты и существенные черты ИИС

Существенные черты ИИС:

- наличие знаний,

- способности логического вывода и

- особенно системы управления знаниями.

- Способность производить выводы – принципиальная особенность современных информационных технологий.

Эта способность основывается на знаниях, причем знания различаются по форме, начиная от простых фактов, хранящихся в обычной базе данных, до сложных высказываний о реальном или моделируемом мире. С точки зрения логики, базу данных можно рассматривать как множество фактов, при этом запросы и ограничения целостности являются формулами, которые необходимо интерпретировать, используя семантическое определение истинности.

Формально базу данных можно рассматривать как теорию первого порядка, точнее, как множество аксиом в некоторой теории первого порядка. В свою очередь, база знаний есть множество теорем, которые могут быть получены из множества хранящихся аксиом использованием множества универсальных механизмов вывода.

На начальном этапе применения методов искусственного интеллекта к ИС наибольшее распространение получили экспертные системы (ЭС), т.е. компьютерные программы, имеющие дело с проблемами, для которых не существует непосредственно аналитических методов, но в которых они позволяют получить результаты. Первые экспертные системы разработаны для некоторых устоявшихся, хорошо определенных приложений, например, помощи химикам-органикам (ЭС ДЕНДРАЛ); в области медицины (например, MYCIN, INTERNIST/CADUCEUS, PUFF). На рис 3.3 представлена типичная организация экспертной системы.

Логические выводы, возможности получения логических следствий и возможности решения проблем обычно бывают встроены в машину вывода ЭС. В литературе по искусственному интеллекту термин «решение проблем» относится к методологии поиска пути из начального состояния в целевое состояние. Техника решения проблем включает общий решатель проблем и поисковый алгоритм. Некоторые из таких алгоритмов имеют имена (например, А* алгоритм).

Компонента синтеза объяснения– это тип выходной информации, используемой, чтобы оправдать некоторые выдаваемые системой заключения и предоставить пользователю некоторые пояснения в форме, подходящей для интерпретации лицом, принимающим решения.

Способность интеллигентного редактированияесть виртуальная необходимость для системы приобретения знаний.

Машинное обучение – это механизм для автоматического приобретения знаний. Системы машинного зрения могут быть использованы для распознавания информации с экранных форм и приобретения знаний.

Обработка естественного языка и системы распознавания речи могут быть эффективно использованы, чтобы обеспечить дружественный к пользователю интерфейс.

ЭС успешно применены в целом ряде областей, включая математику, геологию, проектирование и разработку систем. В последнее время ЭС стали очень широко применяться в области бизнеса, страхования и банковского дела. Основные составляющие ЭС:

База знаний. Служит для представления эвристической и фактологической информации, часто в форме фактов, утверждений и правил вывода.

Машина вывода. Механизм, играющий роль интерпретатора, применяющего знания подходящим образом, чтобы получить результат.

Система естественно-языкового интерфейса (СЕЯИ). Механизм, преобразующий запросы и выдающий ответы пользователю, иногда отыскивающий дополнительную информацию для машины вывода. Эта компонента включает средства, необходимые для взаимодействия ИИС с пользователем.

СЕЯИ, занимающая в этом арсенале средств особое место, позволяет пользователю общаться с ИС на естественном языке, т.е. реализует дружественный к пользователю интерфейс.

18. Схема ИИС

ИИС (рис. 3.4) функционирует, используя систему управления базой данных и базу знаний.

В ИИС интегрируются знания, поступающие от экспертов, относительно 5акономерностей конкретной предметной области наряду с фундаментальными (энциклопедическими знаниями), составляющими суть научных теорий и моделей. Эти знания хранятся в репозитарии знаний, а конкретные [) акты – B базе данных под управлением системы управления базой данных.

Рис. 3.4. Схема интеллектуальной информационной системы

Для хранения данных в ИИС используются либо реляционные, либо для гегрированного хранения данных и знаний – объектно-ориентированные базы данных. На рис. 3.5 показана схема интеграции базы данных и базы знаний.

Рис. 3.5. Интеграция базы данных и базы знаний

Базы данных обрабатывают то, что называется форматированными данными посредством описания структуры данных различных прикладных программ и единообразного описания их в единственной концептуальной схемебазы данных для всего предприятия. Концептуальная схема традиционных СУБД в очень малой степени затрагивает смысл данных. Поэтому непосредственно база данных только в ограниченном смысле может быть источником принятия решений на предприятии.

В современных моделях семантики обеспечивается механизм для моделирования динамического поведения и динамических ограничений: концепция истории и концепция события / триггер а. Часто, когда сущность изымается, необходимо сохранить факт, что сущность была частью класса для дальнейших ссылок. Концепция истории позволяет сохранить историю класса при помощи специального механизма, называемого историей класса.

Концепция события триггера используется для описания модификации азы данных, которое требует исполнителя дополнительных операций или которые зависят от предыдущих событий.

Событие зависит либо от условия операции, либо от условия времени, триггер описывает операцию, которая должна быть выполнена, если происходит связанное с ним событие. Акции (Actions) могут контролироваться выполнением некоторых событий, зависящих от определенных условий посредством отсрочки выполнения акций, пока не будет выполнено множество определенных событий.

Мы называем схему базы данных Rобъектно-ориентированной, если и только если для каждой схемы отношения R множество всех FD, относящихся к R эквивалентно одной единственной FD:К –> R, т.е. факт, что К есть уникальный ключ R. Атрибуты, которые являются (не являются частью) ключа, называются первичными (непервичными).

Объектно-ориентированная схема базы данных может быть записана как множество пар (Kj. Pi), где К; – множество первичных атрибутов; Pj– множество непервичных атрибутов реляционной схемы Rj. Такую схему базы данных можно рассматривать как множество объектов, идентифицированных их ключами.

В случае если множество ограничений С не содержит зависимости включения, С пополняется ID, которые вновь экстрагируются из словаря данных и знаний администратора базы данных. Зависимость включения Rj[x] с Rj[Y] называется основанной на ключе, если Y = К, т.е. Y есть ключ R. Зависимости включения формируют утверждения относительно зависимостей между классами объектов. Следовательно, они являются основой для генерации иерархии, агрегации, генерализации и группировки, которые определяют отношения между классами в ООБД. С другой стороны, неключевые зависимости включения устанавливают произвольные ограничения целостности, которые мы должны усилить пре- и постусловиями базовых действий, связанных с ООБД-классами объектов.

19. Характеристика базы знаний и особенности её конструирования. Компоненты баз знаний

Характеристика знаний

Таблица 3.2. Характеристики использования знаний приложениями ИИС

Большие объемы данных	Объемы знаний могут быть чрезвычайно велики вплотьдо 1010 байт. Порядок этой величины больше емкости доступной виртуальной памяти
Постоянство	Время жизни знаний превышает время жизни конкретного приложения, которое использует знания
Совместное использование	Знания совместно используются многими приложениями, которые могут их одновременно считывать и записывать
Стратифицированность	Знания сегментируются на многие различные типы [факты, процедуры, ограничения, определения на многих уровнях (объект, мета, метамета…)]
Пространственно-временная семантика	Семантика пространства и времени является доминантой представления знаний как внутри, так и вне пользовательского интерфейса
Распределенность	Источники и/или пользователи знаний связаны слабо, и обеспечивается возможность для распределенной параллельной обработки
Интеллектуальность	Обработка является более сложной по сравнению с обычными функциями клерка и призвана обеспечить интеллектуальный совет и помощь в принятии решений
Предопределенность	Многие аспекты обработки являются предопределенными и изменяются медленно или вовсе не изменяются во время жизни приложения
Высокие показатели	Высокие показатели требуются для интеллектуальной обработки больших объемов за короткое время

Конструирование базы знаний