Принципы построения и стратегия разработки автоматизированных информационных систем

Принципы построения и стратегия разработки автоматизированных информационных систем. Интеллектуальные информационные системы Любая информационная система (ИС) выполняет следующие функции: 1. Воспринимает вводимые пользователем информационные запросы и необходимые исходные данные; 2. Обрабатывает введенные и хранимые в системе данные в соответствии с известным алгоритмом и формирует требуемую выходную информацию.

С точки зрения реализации перечисленных функций ИС можно рассматривать как фабрику, производящую информацию, в которой заказом является информационный запрос, сырьем - исходные данные, продуктом - требуемая информация, а инструментом (оборудованием) - знание, с помощью которого данные преобразуются в информацию.

Если в ходе эксплуатации ИС выяснится потребность в модификации одного из двух компонентов программы, то возникнет необходимость ее переписывания.

Это объясняется тем, что полным знанием проблемной области обладает только разработчик ИС, а программа служит “недумающим исполнителем” знания разработчика.

Этот недостаток устраняются в интеллектуальных информационных системах. Интеллектуальная информационная система (ИИС) - это ИС, которая основана на концепции использования базы знаний для генерации алгоритмов решения экономических задач различных классов в зависимости от конкретных информационных потребностей пользователей. Для интеллектуальных информационных систем, ориентированных на генерацию алгоритмов решения задач, характерны следующие признаки: -развитые коммуникативные способности, -умение решать сложные плохо формализуемые задачи, -способность к самообучению, Коммуникативные способности ИИС характеризуют способ взаимодействия (интерфейса) конечного пользователя с системой.

Сложные плохо формализуемые задачи - это задачи, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, для которой могут быть характерны неопределенность и динамичность исходных данных и знаний.

Этапы жизненного цикла систем искусственного интеллекта: 1) Разработка идеи и концепции системы 2) Разработка теоретических основ системы 3) Разработка математической модели системы 4) Разработка методики численных расчетов в системе: 4.1) - разработка структур данных 4.2) - разработка алгоритмов обработки данных 5) Разработка структуры системы и экранных форм интерфейса 6) Разработка программной реализации системы 7) Отладка системы 8) Экспериментальная эксплуатация 9) Опытная эксплуатация 10) Промышленная эксплуатация 11) Заказные модификации системы 12) Разработка новых версий системы 13) Снятие системы с эксплуатации Условно каждому из признаков интеллектуальности соответствует свой класс ИИС: -Системы с интеллектуальным интерфейсом; -Экспертные системы; -Самообучающиеся системы.

Экспертная система (ЭС) - это ИИС, предназначенная для решения слабоформализуемых задач на основе накапливаемого в базе знаний опыта работы экспертов в проблемной области /12/ Экспертная система является инструментом, усиливающим интеллектуальные способности эксперта, и может выполнять следующие роли: 1. консультанта для неопытных или непрофессиональных пользователей; 2. ассистента в связи с необходимостью анализа экспертом различных вариантов принятия решений; 3. партнера эксперта по вопросам, относящимся к источникам знаний из смежных областей деятельности.

Исторически, ЭС были первыми системами искусственного интеллекта, которые привлекли внимание потребителей. Классы экспертных систем.

По степени сложности решаемых задач экспертные системы можно классифицировать следующим образом: - По способу формирования решения экспертные системы разделяются на два класса: аналитические и синтетические.

Аналитические системы предполагают выбор решений из множества известных альтернатив, а синтетические системы - генерацию неизвестных решений.

Аналитическая экспертная система - это ЭС, осуществляющая оценку вариантов решений (проверку гипотез). Синтетическая экспертная система - это ЭС, осуществляющая генерацию вариантов решений (формирование гипотез). - По способу учета временного признака экспертные системы могут быть статическими или динамическими.

Статические системы решают задачи при неизменяемых в процессе решения данных и знаниях, инамические системы допускают такие изменения.

Статическая экспертная система - это ЭС, решающая задачи в условиях, не изменяющихся во времени исходных данных и знаний. Динамическая экспертная система - это ЭС, решающая задачи в условиях изменяющихся во времени исходных данных и знаний. - По видам используемых данных и знаний экспертные системы классифицируются на системы с детерминированными (четко определенными) знаниями и неопределенными знаниями.

Под неопределенностью знаний (данных) понимается их неполнота (отсутствие), недостоверность (неточность измерения), двусмысленность (многозначность понятий), нечеткость (качественная оценка вместо количественной). По числу используемых источников знаний экспертные системы могут быть построены с использованием одного или множества источников знаний.

Система с интеллектуальным интерфейсом - это ИИС, предназначенная для поиска неявной информации в базе данных или тексте для произвольных запросов, составляемых, как правило, на ограниченном естественном языке.

Системы контекстной помощи можно рассматривать, как частный случай интеллектуальных гипертекстовых и естественно-языковых систем.

В системах контекстной помощи пользователь описывает проблему (ситуацию), а система с помощью дополнительного диалога ее конкретизирует и сама выполняет поиск относящихся к ситуации рекомендаций.

Такие системы относятся к классу систем распространения знаний (Knowledge Publishing) и создаются как приложение к системам документации (например, технической документации по эксплуатации товаров). Системы когнитивной графики позволяют осуществлять интерфейс пользователя с ИИС с помощью графических образов, которые генерируются в соответствии с происходящими событиями.

Самообучающаяся система - это ИИС, которая на основе примеров реальной практики автоматически формирует единицы знаний В основе самообучающихся систем лежат методы автоматической классификации примеров ситуаций реальной практики (обучения на примерах). Примеры реальных ситуаций накапливаются за некоторый исторический период и составляют обучающую выборку. Эти примеры описываются множеством признаков классификации. Причем обучающая выборка может быть: - “с учителем”, когда для каждого примера задается в явном виде значение признака его принадлежности некоторому классу ситуаций (классообразующего признака); - “без учителя”, когда по степени близости значений признаков классификации система сама выделяет классы ситуаций.

В результате обучения системы автоматически строятся обобщенные правила или функции, определяющие принадлежность ситуаций классам, которыми обученная система пользуется при интерпретации новых возникающих ситуаций. Таким образом, автоматически формируется база знаний, используемая при решении задач классификации и прогнозирования.

Эта база знаний периодически автоматически корректируется по мере накопления опыта реальных ситуаций, что позволяет сократить затраты на ее создание и обновление. 2.2.