какая информационная технология ит основана на искусственном интеллекте

Технологии искусственного интеллекта и машинного обучения

Виды и технологии искусственного интеллекта

На сегодняшний день существует четыре основных вида ИИ:

При создании ИИ чаще всего используются технологии:

Также в ИИ применяются технологии компьютерного зрения (для нахождения, распознавания и классификации объектов, извлечения данных из изображений, аналитики полученной информации) и анализа данных для выявления в них закономерностей и прогнозирования событий по его результатам.

Технологии машинного обучения

Машинное обучение базируется на трех основных понятиях:

Машинное обучение используется для решения задач по категориям:

В зависимости от того, по какому принципу осуществляется ML, оно делится на:

обучение с учителем, которое предполагает использование полного набора снабженных признаками данных (размеченного датасета) для тренировки системы ИИ на всех стадиях ее создания;

обучение без учителя, при котором машина самостоятельно выявляет закономерности, определяет признаки и классифицирует полученные данные;

Сегодня чаще всего для создания программ машинного обучения используются языки R, Python, Scala и Julia. Они поддерживаются многими интегрированными средами разработки, в частности, R-Studio, R-Brain, Visual Studio, Eclipse, PyCharm, Spyder, IntelliJ IDEA, Jupyter Notebooks, Juno.

Источник

Почему искусственный интеллект нужно изучать даже гуманитариям

Рассказываем, с чего начать изучение ИИ

Что такое ИИ и почему это так интересно

Искусственный интеллект – это способность машины имитировать человеческое мышление. Так называют современную технологию, с помощью которой электронные устройства, программы и роботы могут решать различные задачи по заданным алгоритмам.

Тема искусственного интеллекта и машинного мышления интересовала учёных ещё до изобретения компьютеров, а после появления ЭВМ вышла на новый уровень. В 1950-60-х годах вопросы, связанные с созданием и использованием искусственного интеллекта, стали широко обсуждаться в обществе.

Ответ на этот вопрос найти сложно ещё и потому, что нет чётких критериев разумности машины. Если это умение делать логические умозаключения, то компьютер давно превзошёл человека. Если же речь идёт о гибкости и оригинальности мышления, тут человек пока ещё превосходит даже самые современные интеллектуальные устройства.

ИИ активно используется в самых разных областях, список которых с каждым годом расширяется, и найти своё место в этой сфере могут не только технари, но и гуманитарии – специалисты по управлению проектами, рекламе и пиару, психологи, экономисты, лингвисты.

Что могут программы с искусственным интеллектом

Современные технологии искусственного интеллекта позволяют создать устройства и программы, которые:

В каких сферах применяется ИИ

Обработка языка

Машинный перевод активно используется в интернете и социальных сетях, совершенствуясь с каждым годом. Компьютер научился распознавать и устную, и письменную, и печатную речь. По прогнозам, переводчик станет одной из первых профессий, которая исчезнет «по вине» ИИ.

Компьютерные игры

Искусственный интеллект используется для создания игровой Вселенной, он управляет ботами – персонажами, за которых не играют люди. С помощью ИИ создаются игровые стратегии.

Управление финансами

Программы и устройства успешно осуществляют бухгалтерские операции, ведут учёт и контроль, могут создавать прогнозы на основе имеющихся данных. Специальные программы ведут учёт расходов.

Анализ окружающей среды

Технологии искусственного интеллекта применяются для создания «умных домов». Контроль над всем, что происходит в доме – электричеством, отоплением, вентиляцией, работой бытовой техники осуществляет специальная программа. Роботы-пылесосы сканируют окружающее пространство, чтобы определить, нужно ли им приступать к работе.

Мобильные приложения

Программы для мобильных телефонов умеют распознавать лица, отслеживать наше месторасположение, следят за режимом сна и питания.

Транспорт

С помощью интеллектуальных устройств можно выстроить маршрут передвижения с учётом пробок, компьютер в современном автомобиле в определённых режимах отслеживает положение машины на дороге, контролирует скорость и мощность двигателя. Технология ИИ используется в автомобилях, способных передвигаться без участия человека.

Медиа

С помощью специальных программ можно планировать и публиковать материалы в интернете и соцсетях. Технологии ИИ подбирают контент в соответствии с интересами пользователя. В недалёком будущем компьютерные программы, вероятно, научатся создавать тексты на основе уже загруженных в интернет материалов.

ИИ может анализировать резюме соискателей, распределять их на группы в зависимости от навыков и квалификации и даже определять, насколько работник подходит для той или иной должности.

Медицина

Искусственный интеллект анализирует данные пациентов и выявляет связь между методами лечения и состоянием больного. В будущем планируется создать роботов, которые будут ставить диагноз на основе имеющихся симптомов, обращаясь к медицинской базе данных.

Тяжёлая промышленность

Роботы активно применяются в областях, где необходима постоянная концентрация на совершении одних и тех же рутинных действий. Самый высокий уровень внедрения машин с элементами искусственного интеллекта в производство на данный момент отмечен в Японии: на 10 000 сотрудников автомобильной промышленности там приходилось в 2014 году около 1500 роботов.

Зачем изучать технологию ИИ

Искусственный интеллект – технология не только настоящего, но и будущего, и у специалистов в этой сфере не будет проблем с трудоустройством в ближайшие несколько десятков лет. В эту область уже сейчас привлекаются огромные инвестиции, а значит, не будет проблем и с оплатой труда работников, занимающихся разработкой, изготовлением и внедрением технологий ИИ.

Вклад в науку и культуру

Искусственный интеллект и создание интеллектуальных программ и устройств – та область, в которой постоянно совершаются новые открытия. Занимаясь искусственным интеллектом, учёные и инженеры находятся на переднем крае мировой науки, продвигают человечество вперёд. Кроме того, развитие искусственного интеллекта и внедрение его в нашу жизнь порождает множество этико-философских вопросов, для разрешения которых нужен уже не машинный, а человеческий разум, способный к творческому мышлению.

В сфере создания ИИ очень востребованы не только разработчики программного обеспечения, но и люди с креативным мышлением, способные придумывать и продвигать новые идеи. Чтобы работать в этой сфере, важно уметь нестандартно мыслить. Отдельное перспективное направление, которым может заняться творческий человек – обучение машины созданию произведений искусства. Уже сегодня компьютеры рисуют картины, пишут музыку и стихи. В недалёком будущем, возможно, они возьмут на себя создание книг, кино и мультфильмов.

Освоение новых навыков

Чтобы работать в области искусственного интеллекта, необходимо хорошее знание математики и основ программирования. Для изучения ИИ наиболее важны два раздела математики – линейная алгебра и теория вероятности. Самый востребованный язык программирования в этой сфере – Python, потом идут R и Lua. Пригодится также знание английского языка – самые современные научные данные, статьи, отчёты о достижениях и экспериментах, как правило, публикуются на английском.

Для успешной работы в области ИИ необходимо критическое мышление, умение тщательно проверять любую гипотезу, сопоставлять все данные, анализировать любую задачу с разных сторон. Понадобятся и хорошие коммуникативные навыки – работа над проектами ИИ происходит в большой команде, в сотрудничестве с коллегами и специалистами из смежных областей.

Приступить к изучению технологию искусственного интеллекта на начальном уровне вполне можно самостоятельно, с изучения соответствующей литературы.

Книги, в доступной форме рассказывающие о машинном обучении и технологиях ИИ:

Познакомиться с основами создания алгоритмов для искусственного интеллекта можно на кружках робототехники в школе или центре детского творчества. Кроме того, можно найти бесплатные онлайн-курсы и открытые лекции в интернете о машинном интеллекте.

Технологии машинного обучения и искусственного интеллекта – одна из самых интересных и перспективных областей, изучение которой полезно школьникам не только с математическим, но и с гуманитарным складом ума. Это поможет им приобрести новые навыки, расширит список возможных профессий и позволит внести вклад в развитие научно-технического прогресса.

Хотите получать новые статьи во «ВКонтакте»? Подпишитесь на рассылку полезных статей

Источник

5 технологий искусственного интеллекта, которые изменят бизнес в ближайшем будущем

Искусственный интеллект идет в массы

Последнее исследование Gartner о развитии искусственного интеллекта свидетельствует о большом разнообразии применений ИИ на предприятиях. И это логично, учитывая, что по данным опросов, проводимых этой компанией, в 2019 г. доля организаций, внедривших ИИ, выросла по сравнению с прошлым годом с 4% до 14%. И, несмотря на относительную молодость рынка ИИ в целом, аналитики Gartner поместили сразу две технологии в секцию «плато продуктивности» — «распознавание речи» и «ускорители ИИ на основе графических процессоров» (последние подходят для создания систем искусственного интеллекта гораздо лучше, чем процессоры «общего назначения»).

Среди других применений ИИ, которым прочат скорый успех, — средства диалогового ИИ, чему способствует успех виртуальных ассистентов наподобие Amazon Alexa, Google Assistant и т.д. Появляется интерес к новым технологиям, таким как дополненный интеллект (augmented intelligence), «периферийный» ИИ (edge AI), популярность которого растет вместе с популярностью самих периферийных вычислений, автоматизированная разметка данных и «объяснимый» ИИ (система искусственного интеллекта, решения которой люди могут объяснить). А вот автономные транспортные средства, которые, как считаю многие, вот-вот появятся на дорогах, по мнению Gartner, «выедут» на плато продуктивности больше, чем через 10 лет.

«Голубые фишки» ИИ

В целом на «кривой хайпа» искусственного интеллекта появилось немало новых технологий, и существенная доля из них отмечена голубыми кружками, свидетельствующими о том, что в Gartner надеются на их скорый выход на плато продуктивности. Причем многие из них получили прогноз «от двух до пяти лет до внедрения», еще только взбираясь на пик надежд.

Однако, как одновременно отмечают аналитики, далеко не все из новых технологий имеют понятное применение и способны принести пользу бизнесу. И надо стараться реалистично подходить к прогнозам и анализу перспектив внедрения.

Так или иначе, компаниям, которые стремятся идти в ногу со временем, аналитики советуют как минимум готовить финансово-экономическое обоснование для внедрения ИИ. А тем, кто уже провел первичные внедрения, стоит задумываться о масштабировании проектов.

Кривая Gartner для искусственного интеллекта

Источник: Gartner, 2019

Технологии искусственного интеллекта, на которые стоит обратить особое внимание

Среди всех ИИ-технологий аналитики Gartner особо выделили пять, способных наиболее серьезно изменить бизнес-процессы уже в обозримом будущем, и советуют ИТ-директорам внимательно следить за их развитием.

Дополненный интеллект

К системам дополненного интеллекта (augmented intelligence) аналитики относят средства автоматизации, помогающие повышать продуктивность умственного труда человека. Они помогают организовать «партнерство» между людьми и ИИ, в котором первые играют главенствующую роль.

Использование искусственного интеллекта в этом качестве помогает уменьшить объем рутинной работы и, соответственно, количество ошибок в ходе ее выполнения. А участие человека, в свою очередь, снизит риск, связанный с автоматизированным принятием решений — за счет того, что человек сможет решить вопросы, ответам на которые ИИ еще не обучен.

Чат-боты

Чат-боты, «лицо» искусственного интеллекта, с которым мы сталкиваемся почти ежедневно, также меняют процессы, касающиеся взаимодействия с клиентами. Например, в компании Kia они еженедельно помогают решать вопросы 115 тысячам автовладельцев, а в немецкой сети дискаунтеров Lidl бот по имени Margot дает покупателям советы по выбору вин и закусок.

Чат-боты могут быть текстовыми и голосовыми, на стандартные вопросы они отвечают по сценарию, составленному заранее с учетом опыта, накопленного живыми операторами. Они могут применяться для решения задач отдела кадров или службы технической поддержки, помогать адаптации сотрудников на новом месте и т. д. Но в наибольшей мере эти ИИ-решения изменили процесс обслуживания клиентов. Если раньше пользователю обычно приходилось изучать интерфейс взаимодействия с системой, то теперь чат-бот «изучает» пользователя, «угадывая» его намерения и подсказывая дальнейшие действия.

Машинное обучение

Среди задач, которые позволяет решать машинное обучение, — персонализация обслуживания клиентов, динамическое ценообразование, диагностика заболеваний, противодействие «отмыванию» денег и многое другое. Принцип действия средств машинного обучения — обнаружение закономерностей, присутствующих в данных, с применением математических моделей. Машинное обучение используется все шире, чему способствуют стремительные темпы роста данных в организациях и активное развитие вычислительных инфраструктур.

Машинное обучение помогает оптимизировать процессы и находить новые решения задач бизнеса в самых разных отраслях. Например, в American Express алгоритмы машинного обучения и аналитики распознают попытки мошенничества почти в реальном времени, благодаря чему компания экономит миллионы, предотвращая потери. А в Volvo аналитические системы прогнозируют вероятные отказы и необходимость ремонтно-технического обслуживания различных узлов автомобилей, способствуя повышению их безопасности.

Система управления ИИ

По убеждению экспертов, пренебрегать созданием системы управления ИИ (AI governance) на предприятиях нельзя. Это необходимо, в том числе, для понимания и контроля потенциальных рисков, связанных с регулированием и возможностью ущерба для репутации. Как поясняют в Gartner, система управления ИИ строится на специально разработанных политиках предотвращения системных ошибок («предвзятости») ИИ, дискриминации пользователей или групп пользователей по тем или иным признакам и других возможных негативных последствий использования искусственного интеллекта.

При разработке системы управления ИИ специалисты рекомендуют руководителям по аналитике и ИТ-директорам уделить внимание трем областям: доверие, прозрачность и принципы этнокультурного многообразия (diversity). Необходимость обеспечить возможность доверять источникам данных и результатам работы систем ИИ — один из краеугольных камней их успешного внедрения, а выработка требований прозрачности к источникам данных и алгоритмам позволит уменьшить риски. Забота о соблюдении принципов многообразия в данных и алгоритмах способствует этичности и точности результатов работы решений на базе ИИ.

Интеллектуальные приложения

Еще несколько лет единственной возможностью внедрить средства искусственного интеллекта была самостоятельная разработка ИИ-систем. Однако сегодня большинство организаций предпочитают не разрабатывать такие решения и даже не приобретать «отдельно стоящие» ИИ-системы, а получать средства ИИ в составе корпоративных приложений.

Исходно наиболее «интеллектуальными» были средства аналитики со встроенными технологиями ИИ. Однако в последнее время поставщики самых разных корпоративных приложений — систем ERP, CRM, кадрового менеджмента и офисных пакетов встраивают в них средства ИИ и начинают создавать платформы ИИ. Так что аналитики Gartner советуют ИТ-директорам требовать от поставщиков ПО включения ИИ-средств в планы развития своих продуктов, в том числе инструментами расширенной аналитики и средствами, оптимизирующими процессы взаимодействия с пользователем.

Источник

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ —ОСНОВА НОВЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Знания — орудие, а не цель.

Искусственный интеллект (ИИ) как наука существует около полувека. Первой интеллектуальной системой считается про­грамма «Логик-Теоретик», предназначенная для доказательства теорем и исчисления высказываний. Ее работа впервые была продемонстрирована 9 августа 1956 г. В создании программы участвовали такие известные ученые, как А. Ньюэлл, А. Тьюринг, К. Шеннон, Дж. Лоу, Г. Саймон и др. За прошедшее с тех пор вре­мя в области ИИ разработано великое множество компьютерных систем, которые принято называть интеллектуальными. Области их применения охватывают практически все сферы человеческой деятельности, связанные с обработкой информации.

На сегодняшний день не существует единого определения, которое однозначно описывает эту научную область. Среди мно­гих точек зрения на нее доминируют следующие три [7]. Соглас­но первой исследования в области ИИ относятся к фундамен­тальным, в процессе которых разрабатываются новые модели и методы решения задач, традиционно считавшихся интеллекту­альными и не поддававшихся ранее формализации и автоматиза­ции. Согласно второй точке зрения это направление связано с новыми идеями решения задач на ЭВМ, с разработкой новых технологий программирования и с переходом к компьютерам не фон-неймановской архитектуры. Третья точка зрения, наиболее прагматическая, основана на том, что в результате исследований, проводимых в области ИИ, появляется множество прикладных систем, способных решать задачи, для которых ранее создавае­мые системы были непригодны. По последней трактовке ИИ яв­ляется экспериментальной научной дисциплиной, в которой роль эксперимента заключается в проверке и уточнении интел­лектуальных систем, представляющих собой аппаратно-про­граммные информационные комплексы.

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ В ОБЛАСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Интеллектуальные информационные системы проникают во
все сферы нашей жизни, поэтому трудно провести строгую класс-­
сификацию направлений, по которым ведутся активные и много­
численные исследования в области ИИ. Рассмотрим кратко не-­
которые из них.

Разработка интеллектуальных информационных систем или сис­тем, основанных на знаниях. Это одно из главных направлений ИИ. Основной целью построения таких систем являются выявление, исследование и применение знаний высококвалифицированных экспертов для решения сложных задач, возникающих на практи­ке. При построении систем, основанных на знаниях (СОЗ), ис­пользуются знания, накопленные экспертами в виде конкретных правил решения тех или иных задач. Это направление преследует цель имитации человеческого искусства анализа неструктуриро­ванных и слабоструктурированных проблем [9]. В данной облас­ти исследований осуществляется разработка моделей представле­ния, извлечения и структурирования знаний, а также изучаются проблемы создания баз знаний (БЗ), образующих ядро СОЗ. Ча­стным случаем СОЗ являются экспертные системы (ЭС).

общения человека с компьютером на естественном языке (так на­зываемые системы ЕЯ-общения) [6].

Генерация и распознавание речи. Системы речевого общения создаются в целях повышения скорости ввода информации в ЭВМ, «разгрузки зрения и рук, а также для реализации речевого общения на значительном расстоянии. В таких системах под тек­стом понимают фонемный текст (как слышится).

Обработка визуальной информации. В этом научном направле­нии решаются задачи обработки, анализа и синтеза изображений [6]. Задача обработки изображений связана с трансформировани­ем графических образов, результатом которого являются новые изображения. В задаче анализа исходные изображения преобра­зуются в данные другого типа, например в текстовые описания. При синтезе изображений на вход системы поступает алгоритм построения изображения, а выходными данными являются гра­фические объекты (системы машинной графики).

Обучение и самообучение. Эта актуальная область ИИ включа­ет модели, методы и алгоритмы, ориентированные на автомати­ческое накопление и формирование знаний с использованием процедур анализа и обобщения данных [4, 13]. К данному на­правлению относятся не так давно появившиеся системы добычи данных (Data-mining) и системы поиска закономерностей в ком­пьютерных базах данных (Knowledge Discovery).

Распознавание образов. Это одно из самых ранних направле­ний ИИ, в котором распознавание объектов осуществляется на основании применения специального математического аппара­та, обеспечивающего отнесение объектов к классам [7], а клас­сы описываются совокупностями определенных значений при­знаков.

Игры и машинное творчество. Машинное творчество охваты­вает сочинение компьютерной музыки [5], стихов [6], интеллек­туальные системы для изобретения новых объектов [2, 14]. Со­здание интеллектуальных компьютерных игр является одним из самых развитых коммерческих направлений в сфере разработки программного обеспечения. Кроме того, компьютерные игры предоставляют мощный арсенал разнообразных средств, исполь­зуемых для обучения.

Программное обеспечение систем ИИ. Инструментальные средства для разработки интеллектуальных систем включают специальные языки программирования, ориентированные на об-

работку символьной информации (LISP, SMALLTALK, РЕФАЛ), языки логического программирования (PROLOG), языки пред­ставления знаний (OPS 5, KRL, FRL), интегрированные про­граммные среды, содержащие арсенал инструментальных средств для создания систем ИИ (КЕ, ARTS, GURU, G2), а так­же оболочки экспертных систем (BUILD, EMYCIN, EXSYS Professional, ЭКСПЕРТ), которые позволяют создавать приклад­ные ЭС, не прибегая к программированию [8, 11].

Новые архитектуры компьютеров. Это направление связано с созданием компьютеров не фон-неймановской архитектуры, ори­ентированных на обработку символьной информации. Известны удачные промышленные решения параллельных и векторных ком­пьютеров [1, 8], однако в настоящее время они имеют весьма вы­сокую стоимость, а также недостаточную совместимость с сущест­вующими вычислительными средствами.

Интеллектуальные роботы. Создание интеллектуальных ро­ботов составляет конечную цель робототехники. В настоящее время в основном используются программируемые манипулято­ры с жесткой схемой управления, названные роботами первого поколения. Несмотря на очевидные успехи отдельных разрабо­ток, эра интеллектуальных автономных роботов пока не наступи­ла. Основными сдерживающими факторами в разработке авто­номных роботов являются нерешенные проблемы в области ин­терпретации знаний, машинного зрения, адекватного хранения и обработки трехмерной визуальной информации.

КЛАССИФИКАЦИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ

Интеллектуальная информационная система (ИИС) основа­на на концепции использования базы знаний для генерации ал­горитмов решения прикладных задач различных классов в зави­симости от конкретных информационных потребностей пользо­вателей.

Для ИИС характерны следующие признаки [12]:

• развитые коммуникативные способности;

• умение решать сложные плохо формализуемые задачи;

• способность к самообучению;

Каждому из перечисленных признаков условно соответствует свой класс ИИС. Различные системы могут обладать одним или несколькими признаками интеллектуальности с различной сте­пенью проявления.

Средства ИИ могут использоваться для реализации различ­ных функций, выполняемых ИИС. На рис. 1.1 приведена класси­фикация ИИС, признаками которой являются следующие интел­лектуальные функции:

• коммуникативные способности — способ взаимодействия ко­
нечного пользователя с системой;

• решение сложных плохо формализуемых задач, которые требу­
ют построения оригинального алгоритма решения в зависимости
от конкретной ситуации, характеризующейся неопределеннос­
тью и динамичностью исходных данных и знаний;

• способность к самообучению — умение системы автоматичес­
ки извлекать знания из накопленного опыта и применять их для
решения задач;

• адаптивность — способность системы к развитию в соответ­
ствии с объективными изменениями области знаний.

Экспертные системы как самостоятельное направление в ис­кусственном интеллекте сформировалось в конце 1970-х гг. Исто­рия ЭС началась с сообщения японского комитета по разработке ЭВМ пятого поколения, в котором основное внимание уделялось развитию «интеллектуальных способностей» компьютеров с тем, чтобы они могли оперировать не только данными, но и знания­ми, как это делают специалисты (эксперты) при выработке умо­заключений. Группа по экспертным системам при Комитете British Computer Society определила ЭС как «воплощение в ЭВМ компоненты опыта эксперта, основанной на знаниях, в такой форме, что машина может дать интеллектуальный совет или при­нять решение относительно обрабатываемой функции». Одним из важных свойств ЭС является способность объяснить ход своих рассуждений понятным для пользователя образом [15].

Область исследования ЭС называют «инженерией знаний». Этот термин был введен Е. Фейгенбаумом и в его трактовке озна­чает «привнесение принципов и инструментария из области ис­кусственного интеллекта в решение трудных прикладных про­блем, требующих знаний экспертов». Другими словами, ЭС при­меняются для решения неформализованных проблем, к которым относят задачи, обладающие одной (или несколькими) из следу­ющих характеристик:

• задачи не могут быть представлены в числовой форме;

• исходные данные и знания о предметной области обладают
неоднозначностью, неточностью, противоречивостью;

• цели нельзя выразить с помощью четко определенной целе­
вой функции;

• не существует однозначного алгоритмического решения
задачи;

• алгоритмическое решение существует, но его нельзя исполь­
зовать по причине большой размерности пространства решений
и ограничений на ресурсы (времени, памяти).

Главное отличие ЭС и систем искусственного интеллекта от систем обработки данных состоит в том, что в них используется символьный, а не числовой способ представления данных, а в ка­честве методов обработки информации применяются процедуры логического вывода и эвристического поиска решений.

ЭС охватывают самые разные предметные области (рис. 1.2), среди которых лидируют бизнес, производство, медицина, про­ектирование и системы управления [4, 6, 11, 12, 15, 17].

Во многих случаях ЭС являются инструментом, усиливаю­щим интеллектуальные способности эксперта. Кроме того, ЭС может выступать в роли:

• консультанта для неопытных или непрофессиональных
пользователей;

• ассистента эксперта-человека в процессах анализа вариан­
тов решений;

• партнера эксперта в процессе решения задач, требующих
привлечения знаний из разных предметных областей.

Для классификации ЭС используются следующие признаки:

• способ формирования решения;

• способ учета временного признака;

• вид используемых данных и знаний;

• число используемых источников знаний.

По способу формирования решения ЭС можно разделить на ана­лизирующие и синтезирующие. В системах первого типа осуще­ствляется выбор решения из множества известных решений на основе анализа знаний, в системах второго типа решение синте­зируется из отдельных фрагментов знаний.

В зависимости от способа учета временного признака ЭС де­лят на статические и динамические. Статические ЭС предназ­начены для решения задач с неизменяемыми в процессе реше­ния данными и знаниями, а динамические ЭС допускают такие изменения.

По видам используемых данных и знаний различают ЭС с детер­минированными и неопределенными знаниями. Под неопреде­ленностью знаний и данных понимаются их неполнота, ненадеж­ность, нечеткость.

ЭС могут создаваться с использованием одного или несколь­ких источников знаний.

В соответствии с перечисленными признаками можно выде­лить четыре основных класса ЭС (рис. 1.3): классифицирующие, доопределяющие, трансформирующие и мультиагентные [12].

Классифицирующие ЭС решают задачи распознавания ситуа­ций. Основным методом формирования решений в таких систе­мах является дедуктивный логический вывод.

Доопределяющие ЭС используются для решения задач с не полностью определенными данными и знаниями. В таких ЭС возникают задачи интерпретации нечетких знаний и выбора аль­тернативных направлений поиска в пространстве возможных ре­шений. В качестве методов обработки неопределенных знаний могут использоваться байесовский вероятностный подход, коэф­фициенты уверенности, нечеткая логика (см. главу 3).

Трансформирующие ЭС относятся к синтезирующим динами­ческим экспертным системам, в которых предполагается повто­ряющееся преобразование знаний в процессе решения задач. В

ЭС данного класса используются различные способы обработки знаний:

• генерация и проверка гипотез;

• логика предположений и умолчаний (когда по неполным
данным формируются представления об объектах определенного
класса, которые впоследствии адаптируются к конкретным усло­
виям изменяющихся ситуаций);

• использование метазнаний (более общих закономерностей)
для устранения неопределенностей в ситуациях.

• реализация альтернативных рассуждений на основе исполь­
зования различных источников знаний и механизма устранения
противоречий;

• распределенное решение проблем, декомпозируемых на па­
раллельно решаемые подзадачи с самостоятельными источника­
ми знаний;

• применение различных стратегий вывода заключений в за­
висимости от типа решаемой проблемы;

• обработка больших массивов информации из баз данных;

• использование математических моделей и внешних про­
цедур для имитации развития ситуаций.

Источник