сии_шпора

1. Знания как основа принятия решений

Знания – это зафиксированная и проверенная практикой обработанная информация, которая использовалась и может многократно использоваться для принятия решений.

Знания – это вид информации, которая хранится в базе знаний и отображает знания специалиста в конкретной предметной области. Знания – это интеллектуальный капитал.

Принятие решений – это выбор наилучшего в некотором смысле варианта решения из множества допустимых на основании имеющейся информации.

Взаимосвязь данных, информации и знаний в процессе принятия решений представлена на рисунке.

2. Понятие «система»

Система - множество элементов, находящихся в отношениях и связях друг с другом, которое образует определённую целостность, единство.

Система обладает 6 основными признаками:

1)Система должна быть разделима на составные элементы, которые внутри системы взаимодействуют друг с другом.

2)Наличие достаточно сильных и устойчивых связей между элементами.

3)Наличие структуры (организации). Чтобы система могла выполнить надлежащее задание, она должна быть особым образом организована. Организация – упорядоченное распределение элементов и связей между ними в пространстве и времени.

4)В результате организации системы в ней должно быть достигнуто некоторое новое качество, которое не присутствовало ранее у элементов (это называется системный эффект или эмерджентность).

5)Существование цели функционирования системы. Цель – конечный результат действия системы, достижимый в некоторых пространственновременных рамках.

6)Наличие окружающей среды.

3. Понятия «данные», «информация», «знания» и связь между ними

Данные - это совокупность сведений, зафиксированных на определенном носителе в форме, пригодной для постоянного хранения, передачи и обработки. Преобразование и обработка данных позволяет получить информацию.

Информация - это результат преобразования и анализа данных. Отличие информации от данных состоит в том, что данные - это фиксированные сведения о событиях и явлениях, которые хранятся на определенных носителях, а информация появляется в результате обработки данных при решении конкретных задач. Например, в базах данных хранятся различные данные, а по определенному запросу система управления базой данных выдает требуемую информацию.

Существуют и другие определения информации, например, информация – это сведения об объектах и явлениях окружающей среды, их параметрах, свойствах и состоянии, которые уменьшают имеющуюся о них степень неопределенности, неполноты знаний.

Знания – это зафиксированная и проверенная практикой обработанная информация, которая использовалась и может многократно использоваться для принятия решений.

Знания – это вид информации, которая хранится в базе знаний и отображает знания специалиста в конкретной предметной области. Знания – это интеллектуальный капитал.

Формальные знания могут быть в виде документов (стандартов, нормативов), регламентирующих принятие решений или учебников, инструкций с описанием решения задач. Неформальные знания – это знания и опыт специалистов в определенной предметной области.

Принятия решений осуществляются на основе полученной информации и имеющихся знаний. Взаимосвязь данных, информации и знаний в процессе принятия решений представлена на рисунке.

Для решения поставленной задачи фиксированные данные обрабатываются на основании имеющихся знаний, далее полученная информация анализируется с помощью имеющихся знаний. На основании анализа, предлагаются все допустимые решения, а в результате выбора принимается одно наилучшее в некотором смысле решение. Результаты решения пополняют знания.

4. Формализованные знания. Сущность и сферы использования.

Знания, которыми обладает специалист в какой-либо области, можно разделить на формализованные и неформализованные.

Формализованное (явное) знание — вид знания, которое легко формализуется и систематизируется, то есть легко передаётся. Оно не требует постоянных тренировок для его получения, как, например, неявное знание. Человек может самостоятельно ему научиться, пользуясь ясными и чётко сформулированными правилами данного знания. К явным знаниям относятся, например, многие науки, такие как математика, физика, история и лингвистика.

Формализованные знания формулируются в книгах и руководствах в виде общих и строгих суждений (законов, формул, моделей, алгоритмов и т. п.), отражающих универсальные знания. Эти знания образуют формальную систему:

F = <A, P, X, I>,

где A – алфавит (набор символов, из которых строятся предложения формальной системы),

P – синтаксические правила (правила построения предложений из алфавита A; предложения, соответствующие синтаксическим правилам, называются правильно построенными формами - ППФ),

X – аксиомы (тождественно истинные ППФ),

I – семантические правила, или, правила вывода (правила построения истинных ППФ из аксиом; ППФ, соответствующие семантическим правилам, называются теоремами).

Схема формализации знаний:

Достоинства форм-х знаний: чёткие, конкретные, пригодны для алгоритмизации.

Недостатки: слишком жёсткие, точные и конкретные для описания современного мира.

Формализованные знания необходимы для работы экспертной системы (ЭС - это программное обеспечение, которое выполняет функции эксперта при решении какойлибо задачи в области его компетенции). Области применения ЭС весьма разнообразны: военные приложения, медицина, электроника, вычислительная техника, геология, математика, космос, сельское хозяйство, управление, финансы, юриспруденция и т. д. ЭС используются при решении задач следующих типов: принятие решений в условиях неопределенности (неполноты), интерпретация символов и сигналов, предсказание, диагностика, конструирование, планирование, управление, контроль и др.

5. Неформализованные знания и задачи

Неформализованные знания — продукт личного опыта человека, который отражает его убеждения, моральные ценности и взгляды. Эти знания нельзя увидеть пли задокументировать, а передать их можно только посредством личного и непосредственного общения. Неформализованные знания содержатся в книгах и других рукописных изданиях в описательной словесной форме. Они не используют какого-либо математического аппарата, а как результат неформализованные знания не могут быть применены автоматически. Такие знания конкретны, субъективны и приблизительны. Примерами могут послужить знания, передаваемые опытным коллегой новичку при рассказе о том, как нужно себя вести с агрессивно настроенными клиентами. Опытный сотрудник приводит случаи из своей практики, делится опытом работы, излагает подходы, которые выработались в компании в отношении таких клиентов.

Задачи, которые можно решить с помощью неформализованных знаний, называют неформализованными. Следует заметить, что эти задачи может быть и реально формализовать, но формализация их на данный момент остается неизвестной. Такие задачи обычно неполные, противоречивые, неоднозначные и зачастую ошибочные.

Неформализованная задача обладает некоторыми основными свойствами. К таким свойствам относятся:

1.Неизвестен алгоритм решения задачи. Если же он и известен, то может возникнуть такая ситуация, когда использовать его невозможно из-за каких-либо причин.

2.Ошибочность, неоднозначность, неполнота и противоречивость исходных данных или проблемной области.

3.Большая размерность пространства решения.

4.Динамическое изменение данных и знаний

5.Задача не может быть определена в числовой форме

6.Цели задачи нельзя выразить в терминах, которые точно определят целевую функцию

P/S (Не уверена стоит ли это писать!!!)

Процедурное программирование в качестве основы для разработки программы использует алгоритм, т. е. формализованное знание и напрямую не подходит для решения неформализованных задач

6.Слабоструктурированные задачи. Источники неопределенности при принятии решений

Слабоструктурированные задачи – это задачи, в которых существует формальная модель проблемы, но задача является многокритериальная. Под многокритериальностью принято понимать тот факт, что у рассматриваемой задачи имеется несколько несовпадающих целей, которые могут противоречить друг другу и тем самым затрудняют её решение.

Слабоструктурированные задачи занимают промежуточное положение и сочетают в себе как количественные так и качественные зависимости, причем малоизвестные и неопределенные стороны задачи имеют чаще всего доминируют в этом случае.

Принято считать, что задача будет считаться слабоструктурированной в том случае, если не выполняется хотя бы одно из следующих свойств:

1.Цели задачи могут быть выражены с помощью единственной четко определенной числовой функции.

2.Термины переменных, при помощи которых можно описать рассматриваемую задачу, принимают числовые значения. Эти числовые значения могут быть как в векторной форме так и в скалярной.

3.Для рассматриваемой задачи существует определенный алгоритм получения числового решения.

Источники неопределенности при принятии решения бывают разные:

1.Объективная неопределенность (неопределенность в природе)

2.Гносеологическая неопределенность (неопределенность, вызванная отсутствием достаточной информации, необходимой для решения задачи)

3.Стратегическая неопределенность (она вызвана зависимостью от действия других лиц, например, партнеров, противников или организаций)

4.Неопределенность, которая возникает из-за слабоструктурированных проблем.

5.Неопределенность, вызванная нечеткостью, расплывчатостью информации, которая описывает процессы и явления.

7. Основные виды неопределенности и способы ее уменьшения

По источникам принято разделять следующие виды неопределенности:

1)Объективная неопределенность (неопределенность в природе)

2)Неопределенность гносеологическая (неопределенность, вызванная отсутствием достоверной информации)

3)Стратегическая неопределенность (неопределенность вызванная зависимостью от других объектов – конкурентов, врагов)

4)Неопределенность, связанная с восприятием (неопределенность,

вызванная нечеткостью данных описывающих реальные процессы, т.к. человеку свойственно видеть реальность нечетко)

По характеру проявления:

1) Абсолютная неопределенность (имеет место в случае, когда неизвестно, какое событие произойдет, где и когда произойдет и почему произойдет)

3)Полная неопределенность (если нам неизвестно ничего о множествах Q и

G)

4)Дурная неопределенность

5)Байесовская неопределенность

Природа неопределенности в рассматриваемой проблеме – очень важный пункт, который должен быть внимательно проанализирован до того, как будут выбраны методы обработки информации. В случае неопределенностей случайной природы необходимо использовать теорию вероятностей, а в случае неопределенностей нечеткой природы – теории, базирующиеся на теории нечетких множеств.

8. Понятие «искусственный интеллект». Задачи искусственного интеллекта

Понятием *искусственный интеллект* обозначают функциональные возможности машины решать человеческие задачи. Другими словами, ИИ - это возможность решения задач машинным способом с помощью неких программных средств. Искусственный интеллект направлен на повышение эффективности различных форм умственного труда человека.

Задачей ИИ является придание системам способности обучаться и «думать». При этом предполагается, что алгоритм решения задачи, выполняемой ИИ, не известен.

Основные типы задач, решение которых относится к области ИИ:

1.автоматическое решение вычислительной задачи по её описанию, включая синтез алгоритма решения и построение вычислительной процедуры;

2.распознавание образов, которое включает: распознавание видеоизображений в виде отдельных объектов или анализа сцен, распознавание слуховых образов, например, речевых команд;

3.доказательство математических теорем;

4.моделирование интеллектуальных игр, в том числе имитационные деловые игры и развлекательные игры;

5.обучение и самообучение;

6.использование естественного языка в диалоговых системах с естественно-языковым интерфейсом и системах автоматического перевода с одного языка на другой;

7.создание интеллектуальных роботов;

8.выявление и представление различных видов знания, и их взаимодействия при решении задач, включая разработку экспертных систем.

9.Основные этапы развития искусственного интеллекта

1)Нейрон и нейронные сети (50-е). Появление первых машин последовательного действия. Задачи были вычислительного характера, для которых были известны схемы решений и которые можно описать на некотором формальном языке. Алан Тьюринг начал занимался проблемой машинного интеллекта, по меньшей мере, с 1941 года. Одно из самых первых его упоминаний о «компьютерном интеллекте» было сделано в 1947 году. В дальнейшем Тьюринг предложил тест на разумность машины. В 1950 году Тьюринг была опубликована статья «Вычислительные машины и разум».

Термин «искусственный интеллект» был предложен на семинаре Дартсмутского колледжа (США) в 1956 году.

2)Эвристический поиск(60-е). В «интеллект» машины добавились механизмы поиска, сортировки, простейшие операции по обобщению информации, не зависящие от смысла обрабатываемых данных.

3)Представление знаний (70-е). В 1969г. состоялась первая конференция по ИИ в Вашингтоне. Задача: придание искусственным системам способности обучаться. Отказ от поиска универсального алгоритма мышления, моделирование конкретных знаний экспертов. Появление понятия «экспертная система».

4)Обучающие машины (80-е). Появление интеллектуальных систем - консультантов, которые предлагали варианты решений, обосновывали их, способны были к обучению и к развитию, общались с человеком на привычном для него, хотя и ограниченном, естественном языке.