18. Состав и функции баз данных и систем управления базами данных

Системы организации баз данных, классификация моделей данных, иерархические, сетевые и реляционные модели Режимы работы с базой данных, безопасность информационных систем и защита баз данных.

19. Основные понятия экспертных систем и систем искусственного интеллекта

Экспертные системы. Системы искусственного интеллекта, их классификация и функциональная структура; основные направления исследований; эвристическое программирование и моделирование; модели представления знаний.

Искусственный интеллект – это одно из направлений информатики, цель которого разработка аппаратно-программных средств, позволяющих пользователю непрограммисту ставить и решать свои задачи, традиционно считающиеся интеллектуальными, общаясь с ЭВМ на ограниченном подмножестве естественного языка. Данные – это отдельные факты, характеризующие объекты, процессы и явления в предметной области, а также их свойства. Знания связаны с данными, основываются на них, но представляют результат мыслительной деятельности человека, обобщают его опыт, полученный в результате выполнения какой-либо практической деятельности. Они получаются эмпирическим путем. Знания – выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. Системы ИИ. Признаки систем ИИ: назначение, проблемная область, класс решаемых задач, модели представления знаний, механизм вывода знаний. Классификация. По виду взаимодействия пользователя с системой (интерфейс): 1) неуправляемый сценарий (диалоговый режим, т.е. общение с помощью директив); 2) жестко запрограммированный сценарий (пользователь получает свободу выбора в определенных точках диалога); 3) гибкий сценарий (пользователь создает собственный механизм взаимодействия с системой); 4) интеллектуальный интерфейс (взаимодействие с системой на естественном языке). По применению механизмов логического вывода: 1) дедуктивный (от общего к частному, т.е. вывод частных утверждений из общих); 2) абдуктивный (вывод общих утверждений из общих); 3) традуктивный (вывод частных утверждений из частных); 4) индуктивный (вывод общих утверждений из частных). Структура систем ИИ состоит из трех комплексов вычислительных средств: 1) исполнительная система представляет собой совокупность средств, выполняющих программу, спроектированных для эффективного решения задач (проблемная ориентация); 2) база знаний – совокупность средств ИИ, имеющих гибкую структуру, обеспечивающая интересы конечных пользователей; 3) интеллектуальный интерфейс организует взаимодействие первого и второго комплекса, т.е. ИС и БЗ. ИС объединяет совокупность средств, обеспечивающих выполнение сформированной проблемы. Интеллектуальный интерфейс – система программных и аппаратных средств, обеспечивающих использование компьютера для решения задач без посредников, либо с незначительной их помощью. БЗ занимает центральное положение в вычислительной системе; осуществляет интеграцию средств вычислительной системы, участвующих в решении задач. Направления исследований. 1) Моделирование результатов интеллектуальной деятельности (машинный интеллект) рассматривает продукты интеллектуальной деятельности человека, изучает его структуру (решение задач, доказательство теорем, игры), стремится воспроизвести этот продукт средствами техники. 2) Моделирование биологических систем (искусственный разум) рассматривает данные о нейрофизиологических и психологических механизмах интеллектуальной деятельности (разумное поведение человека), воспроизводит механизмы с помощью технических средств (совпадает с поведением человека в определенных пределах). Оба направления связаны с моделированием (1 – имитационное, 2 – структурное). 3) Моделирование механизмов (нейроподобные сети). 4) Моделирование информационных процессов (эвристическое программирование). 5) комплексный подход (эвристическое моделирование). Эвристическое программирование и моделирование. Эвристическое программирование исследует операционный уровень организации поведения (последовательность мыслительных операций, выполнение которых приводит к успешному решению той или иной задачи). Ход эвристического программирования: 1) испытуемый решает задачу, сопровождая размышление комментариями (устно); 2) рассуждения протоколируются; 3) протоколы анализируются, выявляется ход решения, характер операции, приемов, догадок; 4) составляется компьютерная программа – модель протокола; 5) исследуется работа модели, при необходимости дорабатывается. Пример: решатель задач. Цели создания решателей: а) являясь моделью поведения человека, решатель обладает объяснительной силой и может быть использован для предсказания действий; б) используют в системах автоматизации управления сложными объектами (роботами). Первый решатель GPS создан в 50-х гг. Ньюэллом и Шоу. Эвристическое моделирование. Пусть существует комплекс поведенческих актов, поведенческая функция F. Требуется построить модель этого поведения. Действия: поиск нейронной структуры (отвечает за F), изучение структуры, построение модели. Для этого: изучают нейронные механизмы, ответственные за формирование F; описывают существенные свойства нейронного аппарата; строят модель гипотезы. Модели представления знаний. Система знаний – математическая модель области прикладного неформализованного знания, которая отображает систему понятий и отношений прикладного знания и зависимости в нем. Процедурные знания отвечают на вопрос «Как сделать…?», а декларативные – «Что есть…?» Существует 4 вида моделей представления знаний. 1) Логическая модель. Знания о предметной области (формулы) – декларативные, а правила вывода – процедурные. Пример: когда температура в печи достигает 120^о, и прошло менее 30 минут с момента включения печи, давление не может превосходить критического. Если прошло более 30 минут, необходимо открыть вентиль №2. P(p=120) T(t<30)→(D<D_кр.) – декларативный. P(p=120) T(t>30) => F(№2) – процедурный. (=> - логический вывод). 2) Сетевая модель (семантические сети). Пример: слева от станка расположен бункер приема. Расстояние от него 2м. Справа от станка бункер готовой продукции, находящийся рядом со станком. Робот перемещается параллельно станку и бункерам на расстоянии 1м. Семантические сети – это ориентированный граф, вершины которого – понятия, а дуги – отношения между ними (семантика – наука, устанавливающая отношения между символами и объектами, т.е. наука, определяющая смысл знаков). Понятиями обычно выступают абстрактные или конкретные объекты, а отношения – связи типа: «это» («is»), «имеет частью» («has part»), «принадлежит», «любит». Характерной особенностью семантических сетей является обязательное наличие трех типов отношений: 1) класс – элемент класса; 2) свойство – значение; 3) пример элемента класса. Основное преимущество этой модели – в соответствии современным представлениям об организации долговременной памяти человека. Недостаток – сложность поиска вывода на семантической сети. 3) фреймы. Под фреймом понимается абстрактный образ или ситуация. Например, слова «комната» вызывает у слушателя образ комнаты: четыре стены, окна, пол. Из описания ничего нельзя убрать, но в нем есть «дырки» («слоты»), это незаполненные значения некоторых атрибутов – количество окон, высота потолка. Понятие «ученик» наследует свойства фреймов «ребенок» и «человек», которые находятся на более высоком уровне иерархии. На вопрос «Любят ли ученики сладкое», ответ «ДА», так как этим свойством обладают все дети во фрейме ребенок. 4) Формальные логические модели основаны на классическом исчислении предикатов 1 порядка, когда задача описывается в виде аксиом. Применима в исследовательских игрушечных системах, т.к. предъявляет очень высокие требования и ограничения к предметной области. Экспертная система – прикладная система искусственного интеллекта, в которой база знаний представляет собой формальные знания специалистов (экспертов) в узкой предметной области. Если большая часть знаний в предметной области представлена в виде коллективного опыта (например, высшая математика), эта предметная область не нуждается в ЭС. Если большая часть знаний является личным опытом специалистов высокого уровня (экспертов), если эти знания слабо структурированы, то нуждается. ЭС – сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей. Структура ЭС. Пользователь – специалист предметной области, для которого предназначена система (низкая квалификация). Эксперт – человек, способный ясно выражать свои мысли, являющийся специалистом, умеющий находить правильное решение проблемы в предметной области. Инженер по знаниям – специалист по ИИ, промежуточное звено между экспертом и БЗ. Интерфейс – комплекс программ реализующих диалог пользователя и ЭС. БЗ – ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме понятной эксперту и пользователю. Решатель – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ. Подсистема объяснений – программа, позволяющая пользователю получить ответы: «Почему было принято именно такое решение?» Интеллектуальный редактор БЗ – программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. В коллектив разработчиков входят как минимум 4 человека: эксперт, инженер по знаниям, программист, пользователь. Классификация ЭС. Класс ЭС сегодня объединяет несколько тысяч программных комплексов. 1) Классификация по решаемой задаче. Интерпретация данных – определение смысла данных, результаты которого должны быть согласованными и корректными (определение основных свойств личности по результатам психодиагностического тестирования – система АВТАНТЕСТ). Диагностика Обнаружение неисправностей – отклонений от норм (диагностика и терапия сужения коронарных сосудов – SIAR). Мониторинг – непрерывная интерпретация данных в реальном времени (контроль аварийных датчиков на химическом заводе – FALCON). Проектирование – получение четких структурных знаний об объекте (синтез электрических сетей – SYN). Прогнозирование – логический вывод вероятных следствий из заданных ситуаций (предсказание погоды – система WILLARD). Планирование – нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции (планирование поведения робота – STRIPS). Обучение – системы обучения диагностируют ошибки при изучении каких-либо дисциплин с помощью ЭВМ. В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза. Основное отличие: если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально строится из решений компонентов или подпроблем. Задача анализа – это интерпретация данных, диагностика. Задача синтеза – проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование. 2) По связи с реальным временем. Статические ЭС – данные и база знаний статичны (диагностика неисправностей в автомобиле). Квазидинамические – ситуация меняется с фиксированным интервалом времени (микробиологические ЭС, результаты измерений снимаются каждые 4 часа и сравниваются с предыдущими). Динамические – работают в сопряжении с датчиками объектов в режиме реального времени и непрерывно поступающих данных. 3) По типу ЭВМ: ЭС для уникальных стратегически важных задач на суперЭВМ; на ЭВМ средней производительности; на РС. 4) По степени интеграции с другими программами. Автономные – работают в режиме консультаций с пользователем (задачи не требуют привлекать традиционные методы обработки данных (расчеты, моделирование)). Гибридные – программный комплекс, агрегирующий стандартные пакеты прикладных программ (Мат статистика, ЛП, СУБД) и средства манипулирования знаниями. Разработка ЭС. Скорее на уровне искусства, чем науки. Процесс можно разделить на 6 этапов: выбор проблемы; разработка прототипов; доработка до промышленной; оценка; стыковка; поддержка. 1) Выбор подходящей проблемы включает деятельность, предшествующую решению начать разрабатывать конкретную ЭС. Он включает: определение проблемной области и задачи; нахождение эксперта, желающего сотрудничать при решении проблемы; определение предварительного подхода к решению проблемы; анализ расходов и прибыли от разработки; подготовку подробного плана разработки. Факты, свидетельствующие о необходимости разработки ЭС: нехватка специалистов, расходующих большое количество времени на оказание помощи другим; потребность в многочисленном коллективе специалистов, поскольку ни один из них не обладает достаточными знаниями; сниженная производительность, т.к. задача требует анализа сложного набора условий; большое расхождение между решениями самых хороших и самых плохих исполнителей. Характеристики подходящих задач: узкоспециализированные; не зависят от общечеловеческих знаний или соображений здравого смысла; не являются для эксперта не слишком лёгкими, не слишком сложными (решаются от 3 дней – до 3 недель); условия исполнения задачи определяются самим пользователем системы; имеет результаты, которые можно оценить. Ключевой шаг – найти подходящего эксперта. Инженер по знаниям позволяет структурировать эксперту знания. Задача определена и далее считаем расходы. Составляется план разработки. 2) Разработка прототипной системы (усеченная версия для проверки правильности кодирования фактов, связей и стратегий рассуждений эксперта). Идентификация проблемы – определяются необходимые ресурсы, источники знаний, аналоги существующих, цели, классы решаемых задач (1-2 недели). Извлечение знаний – получение инженерами по знаниям наиболее полного представления о предметной области и способах принятия решения в ней (1-3 мес.). Структурирование и концептуализация знаний. Определяются: терминология, отношения между понятиями, стратегия принятия решений. Формализация – разработка БЗ на ЯП. Реализация – создается прототип ЭС, включающий БЗ и остальные блоки, при помощи программирования на С, Паскале (1-2 мес.). Тестирование. 3) Развитие прототипа до промышленной ЭС. Основное – добавление большего числа дополнительных эвристик. Эти эвристики обычно увеличивают глубину системы, обеспечивая большее число правил. Инженер и эксперт могут увеличить «охват системы». Далее инженер по знаниям приступает разработке интерфейсов. 4) Оценка системы. Тестирование в отношении критериев эффективности: критерии пользователей (понятность работы, удобность интерфейсов); критерии приглашенных экспертов (оценка советов-решений, предлагаемых системой и сравнение с собственными); критерии коллектива разработчиков (производительность, эффективность реализации, дизайн, кол-во тупиковых сит.). 5) Стыковка системы. ЭС стыкуется с др. программными средствами в среде, в которой она будет работать и обучать людей. 6) Поддержка системы. При перекодировании системы на язык подобный СИ, повышается её быстродействие и увеличивается переносимость, однако гибкость уменьшается. Это приемлемо для статических систем. Но, если система создана именно из-за того, что проблемная область изменяется, то необходимо поддерживать систему в инструментальной среде разработки.