Лекція 1 на тему Передмова, Вступ, Визначення і класифікація інтелектуальних систем, Основи проектування інтелектуальних систем

РОЗДІЛ 1. Методологія проектування інтелектуальних систем

Лекція 1 на тему Передмова, Вступ, Визначення і класифікація інтелектуальних систем

Передмова

В навчальному посібнику  узагальнено накопичений автором досвід викладання навчальної дисципліни «Основи проектування інтелектуальних систем», для спеціальності «Інформатика» в Сумському державному університеті. Зрозуміло, що цей посібник, обмежений за обсягом, не охоплює всі напрями і підходи до проектування широкого класу інтелектуальних систем. Наприклад, у посібнику зовсім не розглядаються питання аналізу і синтезу штучних нейронних мереж і лінгвістичних інтелектуальних систем, які вивчаються в дисципліні бакалаврського рівня «Системи штучного інтелекту», а методи теорії розпізнавання викладаються в окремій навчальній дисципліні «Теорія розпізнавання образів».

У конспекті лекцій основний наголос зроблено на аналізі та синтезі здатних навчатися (самонавчатися) інтелектуальних систем широкого призначення на основі сучасних перспективних інтелектуальних технологій.    

Автор щиро сподівається, що викладений у посібнику матеріал буде використано магістрами та спеціалістами при проектуванні інтелектуальних систем у всіх галузях соціально-економічної сфери українського суспільства. 

Вступ

Однією із основних тенденцій сучасного розвитку науково-технічного прогресу всіх галузей соціально-економічної сфери суспільства є інтелектуалізація творчої діяльності шляхом моделювання на базі ЕОМ притаманних людині когнітивних процесів при прийнятті рішень. Особливо актуальним для всіх галузей соціально-економічної сфери України є використання інтелектуальних технологій при проектуванні та виготовленні виробів, що повинні задовольняти високим вимогам європейських стандартів якості. На сьогодні будь-який складний виріб не є конкурентоспроможним, якщо він не містить інтелектуальної складової. І далі ця тенденція буде тільки посилюватися. Наприклад, основні світові виробники сучасних автоматизованих систем керування (АСК) вже давно зрозуміли, що орієнтація на виготовлення високоточного технологічного обладнання без інтелектуальної складової не дозволяє ефективно здійснювати керування слабо формалізованими процесами за умов апріорної невизначеності та ресурсних обмежень. Так, основною умовою використання такого обладнання є вимога жорсткого вхідного контролю сировини та матеріалів. Але для сировини та матеріалів природного походження, які широко використовуються в хімічній, металургійній, харчовій та інших галузях промисловості, виконання такої умови є ускладненим через невирішені технічні проблеми поточного контролю, наприклад, концентрації основних компонент в сировині, що поступає для виробництва відповідної продукції. Тому саме інтелектуалізація АСК технологічними процесами дозволяє надати системі властивість адаптивності на основі застосування ідей і методів  самонавчання та розпізнавання образів.

У посібнику викладено основи системології проектування, аналізу та синтезу здатних навчатися (самонавчатися) ІС. При цьому основний наголос робиться на використанні ідей і методів прогресивної інформаційно-екстремальної інтелектуальної технології (ІЕІ-технології) аналізу даних , що ґрунтується на максимізації інформаційної спроможності системи шляхом введення додаткових інформаційних обмежень. Варто підкреслити, що становлення ІЕІ-технології відбувалося під впливом ідей  А.А. Харкевича, Клода Шеннона, О.Г. Івахненка, І.В. Кузьміна, В.І. Костюка, Уолтера Ешбі та інших вчених. Метою розвитку ІЕІ-технології є усунення основних недоліків відомих технологій інтелектуального аналізу даних, в першу чергу, таких як штучні нейронні мережі та імунні мережі. З іншого боку ІЕІ-технологію можна розглядати як узагальнення штучних нейронних мереж. Так основна ідея штучних нейронних мереж, яка полягає в адаптації в рамках біонічного підходу  вхідного математичного опису до максимальної достовірності розпізнавання образів, в ІЕІ-технології реалізується  в рамках геометричного підходу, що суттєво вирішує проблему багатовимірності як словника ознак, так і алфавіту класів розпізнавання.  

При вивченні навчальної дисципліни «Основи проектування інтелектуальних систем» студентам важливо усвідомити той факт, що сучасний розвиток науково-технічного прогресу характеризується переходом інформаційного суспільства до вищої соціально-економічної формації, яка умовно називається знання-орієнтованим суспільством. Якщо в інформаційному суспільстві більше половини світового валового продукту створюється із застосуванням інформаційних технологій, то в знання-орієнтованому суспільстві – за допомогою інтелектуальних інформаційних технологій.

Таким чином, інтелектуалізація всіх галузей соціально-економічної сфери українського суспільства є необхідною умовою підвищення конкурентоспроможності економіки України та якості життя її громадян. 

Визначення і класифікація інтелектуальних систем

Серед багатьох варіантів визначення терміну «інтелектуальна система»  слід віддати перевагу визначенню, яке характеризується, на наш погляд, найбільшим узагальненням. 

Визначення 1.1. Інтелектуальна система (ІС) – це система оброблення інформації на основі ЕОМ, яка здатна моделювати розумові процеси, притаманні людині при прийнятті рішень у різних галузях соціально-економічної сфери суспільства.

Задачі синтезу ІС поділяють на три класи: 

• інформаційний синтез, який передбачає оптимізацію (тут і далі в інформаційному розумінні) функціональної ефективності системи;

• структурний синтез, який спрямований на оптимізацію складу, конфігурації, внутрішніх і зовнішніх зв’язків системи при заданих алгоритмах її функціонування;

• комбінований синтез передбачає оптимізацію структури системи, її функціональної ефективності, розподілу функцій за елементами системи та визначенням їх оптимального складу.

Необхідною  умовою  синтезу системи є наявність  вхідного  математичного опису.

Визначення 1.2. Вхідний математичний опис є адекватною моделлю вхідних даних, що відбивають основні характеристики та властивості функціонального стану системи.

Визначення 1.3. Під функціональним станом розуміються основні характеристики системи у визначений момент або інтервал часу її функціонування у заданому режимі, які залежать як від технічного стану системи, так і від середовища, що впливає на неї через контрольовані і неконтрольовані фактори.

. За критерієм ступеня інтелектуалізації, який у першому наближенні характеризується обсягом інформації, що обробляється, ІС можна поділити так:

• системи перебору варіантів рішень згідно з встановленою пріоритетністю для наперед змодельованих ситуацій;

• ІС, які приймають рішення за детермінованими вирішальними правилами без навчання;

• ІС, які реалізують алгоритми компараторного розпізнавання, яке полягає в порівнянні образу, що розпізнається, з еталонним;

• експертні системи, які в процесі прийняття  рішень маніпулюють спеціальними знаннями, накопиченими фахівцями – експертами у конкретно-предметній галузі знань;

• системи підтримки прийняття рішень (СППР), здатні створювати базу знань щляхом аналізу даних;

• ІС, що навчаються за апріорно класифікованою навчальною матрицею (навчання з “учителем”);

• ІС, що самонавчаються.

Здатні самонавчатися ІС можна поділити на такі основні класи:

• ІС, що реалізують алгоритми автоматичної класифікації (кластер-аналізу) при незмінному словнику ознак і за апріорно некласифікованими навчальними матрицями (навчання без “учителя”);

• ІС, що реалізують алгоритми факторного кластер-аналізу, який полягає у виявленні в процесі функціонування системи безпосередньо в робочому режимі нового класу розпізнавання;

• ІС, які здатні оптимізувати параметри словника ознак розпізнавання.

• адаптивні ІС, що здійснюють самонастроювання та самоорганізацію системи;

• відмовостійкі ІС, що здатні самостійно діагностувати свій функціональний стан і відновлювати свою функціональну спроможність при виникненні відмов;

•  ІС, що вирішують проблему шкалювання, яка полягає в побудові для шкал з різними мірами виміру зведеної шкали, координати якої можуть бути обернено відображені на відповідні вихідні шкали;

• сенсорні ІС, що моделюють чуттєві функції людини і які базується на “образному” комп’ютері, наділеному властивостями “технічного зору”, усномовного розпізнавання, розпізнавання пахощів тощо;

• гібридні ІС, які поєднують різні алгоритми та методи автоматичної класифікації.

Зрозуміло, що наведена класифікація може бути доповнена, оскільки відбувається неперервне розширення номенклатури ІС як за призначенням, так і за принципами функціонування.

Конструктивно ІС складається з програмно-апаратної частини і об’єкта, процесу  або явища, що досліджуються (далі замість цих понять будемо використовувати переважно узагальнюючий термін  “процес”).

ІС, що використовуються в задачах керування процесами, можуть функціонувати у двох режимах:

• автоматичному, який відбувається без участі в контурі функціонування системи людини – особи, що приймає рішення, (ОПР);

• автоматизованому, в якому функції регулятора виконують СППР і ОПР.

На рис 1.1 показано функціональну схему ІС, що функціонує в автоматичному режимі. 

Рисунок 1.1– Функціональна схема ІС, що функціонує в автоматичному режимі 

На рис.1.1 прийнято такі позначення: ЗП – пристрій, що задає вхідний сигнал;  – компаратор (суматор, пристрій порівняння); КП – керуючий пристрій; ЗЗ – зворотний зв’язок;  – випадкові неконтрольовані збурюючі фактори.

На рис 1.2 наведено функціональну схему ІС, що функціонує в автоматизованому режимі.  

Рисунок1.2. – Функціональна схема ІС, що функціонує в автоматизованому режимі 

Як видно з рис.1.2 в автоматизованій ІС на відміну від автоматичної функції регулятора виконують СППР і ОПР.

Основною функцією інтелектуальної СППР є створення шляхом аналізу досліджуваного процесу бази знань, яка містить дані та методи для виведення нових знань, необхідних для формування рекомендацій ОПР для вироблення оперативних і високо достовірних рішень.

З повагою ІЦ "KURSOVIKS"!