Ключевые слова
Понятие интеллектуальной информационной системы, основные свойства. Классификация ИИС, предметное (фактальное), проблемное (операционное) знание. Статические и динамические экспертные системы
1. Что Вы знаете о природе знаний? Что такое Фактуальное знание и Операционное знание?
Фактуальное знание — это осмысленные и понятые данные. Данные сами по себе — это специально организованные знаки на каком-либо носителе.
Операционное знание — это те общие зависимости между фактами, которые позволяют интерпретировать данные или извлекать из них информацию.
Часто фактуальное знание называют экстенсиональным (детализированным), а операционное знание - интенсиональным (обобщенным).
2. Как соединяется фактуальное и операционное знание в прикладной программе?
Процесс извлечения информации из данных сводится к адекватному соединению
операционного и фактуального знаний и в различных типах ИС выполняется по-разному. Самый простой путь их соединения заключается в рамках одной прикладной программы:
3. Как соединяется фактуальное и операционное знание в системах, основанных на обработке баз данных (СБД - Data Base Systems?
В системах, основанных на обработке баз данных (СБД - Data Base Systems), происходит отделение фактуального и операционного знаний друг от друга. Первое организуется в виде базы данных, второе - в виде программ. Причем программа может автоматически генерироваться по запросу пользователя (например, реализация SQL или QBE запросов). В качестве посредника между программой и базой данных выступает программный инструмент доступа к данным - система управления базой данных (СУБД).
4. Как соединяется фактуальное и операционное знание в системах, основанных на обработке знаний?
Анализ структуры программы показывает возможность выделения из программы операционного знания (правил преобразования данных) в так называемую базу знаний, которая в декларативной форме хранит общие для различных задач единицы знаний. При этом управляющая структура приобретает характер универсального механизма решения задач (механизма вывода), который связывает единицы знаний в исполняемые цепочки (генерируемые алгоритмы) в зависимости от конкретной постановки задачи (сформулированной в запросе цели и исходных условий). Такие ИС становятся системами, основанными на обработке знаний (СБЗ - Knowledge Base (Based) Systems).
5. Как соединяется фактуальное и операционное знание в системах, основанных на моделях?
В развитии интеллектуальных информационных систем является выделение в самостоятельную подсистему (репозиторий метазнания), описывающего структуру операционного и фактуального знаний отражающих модель проблемной области. В таких системах и программы, и структуры данных генерируются или компонуются из единиц знаний, описанных в репозиторий, каждый раз при изменении модели проблемной области. Будем называть ИИС, обрабатывающие метазнание, системами, основанными на моделях.
6. Какие признаки характерны для интеллектуальных информационных систем, ориентированных на генерацию алгоритмов решения задач?
Характерны следующие признаки:
1. развитые коммуникативные способности
2. умение решать сложные плохо формализуемые задачи
3. способность к самообучению
4. адаптивность.
7. Как можно охарактеризовать коммуникативные способности интеллектуальных информационных систем?
Коммуникативные способности ИИС характеризуют способ взаимодействия (интерфейса) конечного пользователя с системой, в частности, возможность формулирования произвольного запроса в диалоге с ИИС на языке, максимально приближенном к естественному.
8. Как можно охарактеризовать «умение решать сложные плохо формализуемые задачи» для интеллектуальных систем?
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.
9. Как можно охарактеризовать способность к самообучению интеллектуальных систем?
Способность к самообучению - это возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций
10. Что означает адаптивность интеллектуальных систем
Адаптивность - способность к развитию системы в соответствии с объективными изменениями модели проблемной области.
11. На какие классы делятся интеллектуальные информационные системы?
ИИС делятся на:
1 Системы с интеллектуальным интерфейсом
2 Экспертные системы
3 Самообучающиеся системы
4 Адаптивные системы.
12. На какие классы делятся системы с интеллектуальным интерфейсом?
Информационные системы с интеллектуальным интерфейсом можно разделить на следующие группы
1 Интеллектуальные базы данных
2 Информационные системы с естественно-языковым интерфейсом
3 Гипертекстовые системы
4 Системы контекстной помощи
5 Системы когнитивной графики
13. Чем отличаются Интеллектуальные базы данных от обычных баз данных?
Интеллектуальные базы данных отличаются от обычных баз данных возможностью выборки по запросу необходимой информации, которая может явно не храниться, а выводиться из имеющейся в базе данных.
14. Принцип работы систем с естественно-языковым интерфейсом?
Естественно-языковой интерфейс предполагает трансляцию естественно-языковых конструкций на внутримашинный уровень представления знаний. Для этого необходимо решать задачи морфологического, синтаксического и семантического анализа и синтеза высказываний на естественном языке. Так, морфологический анализ предполагает распознавание и проверку правильности написания слов по словарям, синтаксический контроль - разложение входных сообщений на отдельные компоненты (определение структуры) с проверкой соответствия грамматическим правилам внутреннего представления знаний и выявления недостающих частей и, наконец, семантический анализ - установление смысловой правильности синтаксических конструкций. Синтез высказываний решает обратную задачу преобразования внутреннего представления информации в естественно-языковое.
Естественно-языковый интерфейс используется для:
-доступа к интеллектуальным базам данных;
-контекстного поиска документальной текстовой информации;.
-голосового ввода команд в системах управления;
-машинного перевода с иностранных языков.
15. Принцип работы интеллектуальных гипертекстовые системы?
Гипертекстовые системы предназначены для реализации поиска по ключевым словам в базах текстовой информации. Интеллектуальные гипертекстовые системы отличаются возможностью более сложной семантической организации ключевых слов, которая отражает различные смысловые отношения терминов. Таким образом, механизм поиска работает прежде всего с базой знаний ключевых слов, а уже затем непосредственно с текстом. В более широком плане сказанное распространяется и на поиск мультимедийной информации, включающей помимо текстовой и цифровой информации графические, аудио и видео-образы.
16. Принцип работы систем контекстной помощи?
Системы контекстной помощи можно рассматривать как частный случай интеллектуальных гипертекстовых и естественно-языковых систем. В отличие от обычных систем помощи, навязывающих пользователю схему поиска требуемой информации, 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).
17. Принцип работы систем когнитивной графики?
Системы когнитивной графики позволяют осуществлять интерфейс пользователя с ИИС с помощью графических образов, которые генерируются в соответствии с происходящими событиями. Такие системы используются в мониторинге и управлении оперативными процессами. Графические образы в наглядном и интегрированном виде описывают множество параметров изучаемой ситуации. Например, состояние сложного управляемого объекта отображается в виде человеческого лица, на котором каждая черта отвечает за какой-либо параметр, а общее выражение лица дает интегрированную характеристику ситуации. Системы когнитивной графики широко используются также в обучающих и тренажерных системах на основе использования принципов виртуальной реальности, когда графические -образы моделируют ситуации, в которых обучаемому необходимо принимать решения и выполнять определенные действия.
18. Что такое экспертная система?
Назначение экспертных систем заключается в решении достаточно трудных для экспертов задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в рассматриваемой проблемной области. 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.
19. Как делятся экспертные системы по способу формирования решения, по способу учета временного признака, по видам используемых данных и знаний?
По степени сложности решаемых задач экспертные системы можно классифицировать следующим образом:
1 По способу формирования решения экспертные системы разделяются на два класса: аналитические и синтетические. Аналитические системы предполагают выбор решений из множества известных альтернатив (определение характеристик объектов), а синтетические системы - генерацию неизвестных решений (формирование объектов).
2 По способу учета временного признака экспертные системы могут быть статическими или динамическими. Статические системы решают задачи при неизменяемых в процессе решения данных и знаниях, динамические системы допускают такие изменения. Статические системы осуществляют монотонное непрерываемое решение задачи от ввода исходных данных до конечного результата, динамические системы предусматривают возможность пересмотра в процессе решения полученных ранее результатов и данных.
3 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).
20. Дайте характеристику аналитическим и синтетическим экспертным системам, статическим и динамическим экспертным системам?
Экспертные системы разделяются на два класса: аналитические и синтетические.
Аналитические системы предполагают выбор решений из множества известных альтернатив (определение характеристик объектов), а синтетические системы - генерацию неизвестных решений (формирование объектов).
Экспертные системы могут быть статическими или динамическими. Статические системы решают задачи при неизменяемых в процессе решения данных и знаниях, динамические системы допускают такие изменения. Статические системы осуществляют монотонное непрерываемое решение задачи от ввода исходных данных до конечного результата, динамические системы предусматривают возможность пересмотра в процессе решения полученных ранее результатов и данных.
21. Как называются экспертные системы, решающие задачи распознавания ситуаций, экспертные системы, решающие задачи с неопределенными исходными данными и знаниями, экспертные системы, использующие повторяющееся преобразование знаний в процессе решения задач?
Неопределенными знаниями. Под неопределенностью знаний (данных) понимается их неполнота (отсутствие), недостоверность (неточность измерения), двусмысленность (многозначность понятий), нечеткость (качественная оценка вместо количественной). Доопределяющие экспертные системы.
22. Как называются экспертные системы, интегрирующие знания из нескольких разнородных источников в базе знаний и обменивающиеся результатами с другими экспертными системами на динамической основе?
Многоагентные системы. Для таких динамических систем характерна интеграция в базе знаний нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе
23. Назовите особенности многоагентных экспертных систем
Для многоагентных систем характерны следующие особенности:
1 Проведение альтернативных рассуждений на основе использования различных источников знаний с механизмом устранения противоречий;
2 Распределенное решение проблем, которые разбиваются на параллельно решаемые подпроблемы, соответствующие самостоятельным источникам знаний;
3 Применение множества стратегий работы механизма вывода включений в зависимости от типа решаемой проблемы;
4 Обработка больших массивов данных, содержащихся в базе данных;
5 Использование различных математических моделей и внешних процедур, хранимых в базе моделей;
6 Способность прерывания решения задач в связи с необходимостью получения дополнительных данных и знаний от пользователей, моделей, параллельно решаемых подпроблем.
24. Достоинство применения экспертных систем ?
Достоинство применения экспертных систем заключается в возможности принятия решений в уникальных ситуациях, для которых алгоритм заранее не известен и формируется по исходным данным в виде цепочки рассуждений (правил принятия решений) из базы знаний. Причем решение задач предполагается осуществлять в условиях неполноты, недостоверности, многозначности исходной информации и качественных оценок процессов.
25. Какие проблемные области характерны для аналитических задач классифицирующего и доопределяющего типов?
Для аналитических задач классифицирующего и доопределяющего типов характерны следующие проблемные области:
• Интерпретация данных - выбор решения из фиксированного множества альтернатив на базе введенной информации о текущей ситуации. Основное назначение - определение сущности рассматриваемой ситуации, выбор гипотез, исходя из фактов. Типичным примером является экспертная система анализа финансового состояния предприятия.
• Диагностика - выявление причин, приведших к возникновению ситуации. Требуется предварительная интерпретация ситуации с последующей проверкой дополнительных фактов.
• Коррекция - диагностика, дополненная возможностью оценки и рекомендации действий по исправлению отклонений от нормального состояния рассматриваемых ситуаций.
26. Какие проблемные области характерны для многоагентных экспертных систем?
Для синтезирующих динамических (многоагентных) экспертных систем наиболее применимы следующие проблемные области:
1 Проектирование - определение конфигурации объектов с точки зрения достижения заданных критериев эффективности и ограничений, например, проектирование бюджета предприятия или портфеля инвестиций.
2 Прогнозирование - предсказание последствий развития текущих ситуаций на основе математического и эвристического моделирования, например, прогнозирование трендов на биржевых торгах.
3 Диспетчирование - распределение работ во времени, составление расписаний, например, планирование графика освоения капиталовложений.
4 Планирование - выбор последовательности действий пользователей по достижению поставленной цели, например, планирование процессов поставки продукции.
5 Мониторинг - слежение за текущей ситуацией с возможной последующей коррекцией. Для этого выполняется диагностика, прогнозирование, а в случае необходимости планирование и коррекция действий пользователей, например, мониторинг сбыта готовой продукции.
6 Управление - мониторинг, дополненный реализацией действий в автоматических системах, например, принятие решений на биржевых торгах.
27. Что лежит в основе самообучающихся систем?
В основе самообучающихся систем лежат методы автоматической классификации примеров ситуаций реальной практики.
28. Недостатки самообучающихся систем?
Общие недостатки, свойственные всем самообучающимся системам, заключаются в следующем:
1 возможна неполнота и/или зашумленность (избыточность) обучающей выборки и, как следствие, относительная адекватность базы знаний возникающим проблемам
2 возникают проблемы, связанные с плохой смысловой ясностью зависимостей признаков и, как следствие, неспособность объяснения пользователям получаемых результатов
3 ограничения в размерности признакового пространства вызывают неглубокое описание проблемной области и узкую направленность применения.
29. На какие классы делятся самообучающиеся системы?
• "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.
30. Принцип работы индуктивных систем?
Индуктивные системы используют обобщение примеров по принципу от частного к общему.
31. Опишите процесс классификации примеров с помощью индуктивных систем?
Процесс классификации примеров осуществляется следующим образом:
1. Выбирается признак классификации из множества заданны (либо последовательно, либо по какому-либо правилу, например, в соответствии с максимальным числом получаемых подмножеств примеров)
2. По значению выбранного признака множество примеров разбивается на подмножества
3. Выполняется проверка, принадлежит ли каждое образовавшееся подмножество примеров одному подклассу
4. Если какое-то подмножество примеров принадлежит одном подклассу, т.е. у всех примеров подмножества совпадает значение классообразующего признака, то процесс классификации заканчиваете (при этом остальные признаки классификации не рассматриваются)
5. Для подмножеств примеров с несовпадающим значение классообразующего признака процесс классификации продолжаете, начиная с пункта 1. (Каждое подмножество примеров становится классифицируемым множеством).
32. Принцип работы нейронных сетей?
Нейронные сети представляют собой устройства параллельных вычислений, состоящие из множества взаимодействующих простых процессоров. Каждый процессор такой сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам.
33. Достоинства нейронных сетей по сравнению с индуктивными системами?
34. Что содержит база знаний в системах, основанных на прецедентах (аналогиях)?
В этих системах база знаний содержит описания не обобщенных ситуаций, а собственно сами ситуации или прецеденты.
35. Принцип работы систем, основанных на прецедентах (аналогиях)?
Поиск решения проблемы сводится к поиску по аналогии (абдуктивный вывод от частного к частному):
1. Получение подробной информации о текущей проблеме
2. Сопоставление полученной информации со значениями признаков прецедентов из базы знаний
3. Выбор прецедента из базы знаний, наиболее близкого к рассматриваемой проблеме
4. В случае необходимости выполняется адаптация выбранного прецедента к текущей проблеме
5. Проверка корректности каждого полученного решения
6. Занесение детальной информации о полученном решении в базу знаний.
36. В чем заключается достоинство нейронных сетей перед индуктивным системами?
Достоинство нейронных сетей перед индуктивным выводом заключается
1) в решении не только классифицирующих, но и прогнозных задач. Возможность нелинейного характера функциональной зависимости выходных и входных признаков позволяет строить более точные классификации.
2) процесс решения задач в силу проведения матричных преобразований проводится очень быстро. Фактически имитируется параллельный процесс прохода по нейронной сети в отличие от последовательного в индуктивных системах.
37. Что допускается в системах, основанных на прецедентах (аналогиях), в отличие от индуктивных систем?
Так же, как и для индуктивных систем, прецеденты описываются множеством признаков, по которым строятся индексы быстрого поиска. Но в отличие от индуктивных систем допускается нечеткий поиск с получением множества допустимых альтернатив, каждая из которых оценивается некоторым коэффициентом уверенности. Далее наиболее подходящие решения адаптируются по специальным алгоритмам к реальным ситуациям. Обучение системы сводится к запоминанию каждой новой обработанной ситуации с принятыми решениями в базе прецедентов.
38. Как применяются системы, основанные на прецедентах (аналогиях)?
Системы, основанные на прецедентах, применяются как системы распространения знаний с расширенными возможностями или как в системах контекстной помощи.
39. Что представляет из себя информационное хранилище?
В отличие от интеллектуальной базы данных информационное хранилище представляет собой хранилище извлеченной значимой информации из оперативной базы данных, которое предназначено для оперативного анализа данных (реализации OLAP - технологии).
40. Какие задачи типичны для информационных хранилищ
Типичными задачами оперативного ситуационного анализа являются:
1 Определение профиля потребителей конкретного товара
2 Предсказание изменений ситуации на рынке
3 Анализ зависимостей признаков ситуаций (корреляционный анализ) и др.
41. Что такое адаптивная информационная система?
Адаптивная информационная система - это ИС, которая изменяет свою структуру в соответствии с изменением модели проблемной области.
42. Назовите основные требования к адаптивности информационных систем?
Эти требования сводятся к следующему:
1 ИС в каждый момент времени должна адекватно поддерживать организацию бизнес-процессов.
2 Реконструкция ИС должна проводиться всякий раз, как возникает потребность в реорганизации бизнес-процессов.
3 Реконструкция ИС должна проводиться быстро и с минимальными затратами.
43. Что является ядром адаптивной информационной системы?
Ядром адаптивной ИС является постоянно развиваемая модель проблемной области (предприятия), поддерживаемая в специальной базе знаний - репозитории, на основе которого осуществляется генерация или конфигурация программного обеспечения. Таким образом, проектирование и адаптация ИС сводится, прежде всего, к построению модели проблемной области и ее своевременной
|
