Дизъюнкция Хорна в анализе структуры информационных систем

Оглавление:

 

          Введение……………………………………………………..…………...... 2

      Глава 1. Научный  подход к описанию  структурной  связи  информационных    систем и искусственного интеллекта………………... 4

1. Эвристическое программирование в  экспертных системах..............7

 

      Глава 2. Формальное представление системы программирования Prolog,  как   языка предикатов математической логики. ………….............................10

 

       Глава 3. Оценка процедурной части  программы «TreeFound»……...…..14

 

          Заключение………………………………………….…………………......22

          Список использованных источников...…………….………………...…..25

         

 

 

 

 

 

 

       

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение.

Данная работа носит актуальный характер благодаря высоким темпам развития инноваций отрасли Искусственного Интеллекта ( в частности экспертных систем)  и их огромного значения в  управленческой сфере. Логическая основа программного обеспечения  информационных систем в управлении - это  связь информации, заложенной оператором с системами управления  и  процессами  руководства. Она может рассматриваться не только в целом, охватывая все функции управления, но и по отдельным функциональным управленческим работам, например, давая советы  и помогая планированию, учету и анализу. Это дает возможность оттенить специфические моменты, присущие спонтанным и хаотическим факторам информационному обеспечению функционального управления, устранив в то же самое время случайные ошибки оператора, что позволяет направить исследования вглубь. В современных условиях важной областью стало информационное обеспечение, которое состоит в сборе и переработке информации, необходимой для принятия обоснованных управленческих решений.  Цель данной курсовой работы — использование дизъюнкции Хорна в анализе структуры информационных систем (экспертных систем), так как это фундамент  эффективного управления предприятием.  Использование для этого семантической системы языка Prolog, безусловно, наилучший путь. В международной конкуренции на первый план выходят экономические, рыночные критерии эффективности, повышаются требования к гибкости. Научно-технический прогресс и динамика внешней среды заставляют современные предприятия превращаться во все более сложные системы, для которых необходимы новые интеллектуальные методы для обеспечения управляемости.

Информация нужна всем: управляющим структурам, коллективам предприятий, общественным организациям, всем работающим. Невозможно опираться только на интуицию, на свой жизненный и практический опыт, необходимо получать и осваивать все расширяющуюся экспертную базу, так называемый опыт поколений, помогающую решать возникающие вопросы.

Объектом исследования в данной курсовой работе являются логическая основа синтаксиса программных инструментов и его значение в принятии решений в управленческой деятельности посредством использования информационных интеллектуальных систем.  Задача -  рассмотреть в процессе представления работы  критерии   анализа структурного ядра ИС, и конструирующих его функционал математических формализмов. В частности, предметом исследования  является программная реализация ИС  «FoundTree», написанная на языке Prolog, в основу которого входит максима формализма предикатов первого порядка.

Необходимо проведение ряда исследований этого логического метода, интегрированного в структуру данной системы и результирующего взаимодействия рабочих элементов в управленческой деятельности. А также выведение закономерностей будущего развития данной отрасли, зависящей непосредственно от выработанных алгоритмов эволюции интеллектуальных навигаторов.  Сейчас, в наше время Информационные  Системы   должны быть приспособлены к модернизации, развитию предприятий и расширению с учетом будущих перспектив. А что это за исторические перспективы, и каковы методы их достижения и есть основная проблематика данной работы

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Глава 1. Научный подход к описанию  структурной связи  информационных  систем и искусственного интеллекта.

 

Информационная система- это система, которая информируют пользователя системы о той или иной сфере жизнедеятельности человека. Например: информационная система "Зарплата по НИР", в которой содержится информация о сотрудниках разных кафедр, которые ведут научные исследования. Структуру информационной системы составляет совокупность отдельных ее частей, называемых подсистемами. Подсистема - это часть системы, выделенная по какому-либо признаку. Общую структуру информационной системы можно рассматривать как совокупность подсистем независимо от сферы применения. В этом случае говорят о структурном признаке классификации, а подсистемы называют обеспечивающими. Таким образом, структура любой информационной системы может быть представлена совокупностью обеспечивающих подсистем. Среди обеспечивающих подсистем центральными обычно выделяют информационное,  математическое и программное обеспечение. Программное обеспечение -  это оболочка информационной системы, которая организует удобное взаимодействие пользователя и самой системы. Пользователь, при помощи оболочки, может получить любую интересующую его информацию.

Главная цель программной части, используя семантические моделирование и эвристическое программирование   вывести диалог человека с информационной системой на совершенный, инновационный уровень сольватации, называемый «интеллектуальной система»(экспертной системой). 
Интеллектуальная система- это система искусственного интеллекта, предназначенная для решения плохо формализованных и слабо структурированных задач в определенных проблемных областях, на основе заложенных в ней знаний специалистов-экспертов. 
По определению Комитета по Экспертным Системам Британского Компьютерного Общества, под экспертной системой понимается «воплощение в ЭВМ компонента опыта эксперта, основанного на знании, в такой форме, что машина может дать интеллектуальный совет или принять интеллектуальное решение относительно обрабатываемой функции».

 

Желательная дополнительная характеристика (которую многие считают главной) - способность системы по требованию объяснить ход своих рассуждений понятным для спрашивающего образом. 
Итак, экспертная система способна вырабатывать рекомендации, какие бы дал эксперт-человек, запрашивая при необходимости дополнительную информацию. Экспертные системы могут работать на том же уровне что и эксперты, а в некоторых случаях они лучше, потому что в них вложен коллективный опыт их создателей. 
 
В настоящее время ЭС внедряются в различные виды человеческой деятельности, где использование точных математических методов и моделей затруднительно или вообще невозможно. К ним относятся: медицина, обучение, поддержка принятия решений и управление в сложных ситуациях, различные деловые приложения и т. д. 
 
Предметом теории экспертных систем служат методы и приемы конструирования систем, компетентных в некоторой узкоспециальной области. Эта компетентность состоит из знания конкретной области, понимания задач из этой области и из умения решать некоторые такие задачи. Знания, относящиеся к любой специальности, обычно существуют в двух видах: общедоступные и индивидуальные. Общедоступные знания - это факты, определения и теории, которые обычно изложены в учебниках и справочниках по данной области. Но, как правило, компетентность означает нечто большее, чем владение такими общедоступными сведениями. Специалисты в большинстве случаев обладают ещё и индивидуальными знаниями, которые отсутствуют в опубликованной литературе. Эти личные знания в значительной степени состоят из эмпирических правил - эвристик, которые позволяют экспертам при необходимости выдвигать разумные предположения, находить перспективные подходы к задачам и эффективно работать при зашумленных или неполных данных. Центральной задачей при построении экспертных систем является выявление и воспроизведение таких знаний.

Экспертные системы предназначены для качественного решения задач в определенной разработчиками области, в редких случаях – областях. Экспертное знание – это сочетание теоретического понимания проблемы и практических навыков ее решения, эффективность которых доказана в результате практической деятельности экспертов в данной области. Фундаментом экспертной системы любого типа является база знаний, которая составляется на основе экспертных знаний специалистов. Правильно выбранный эксперт и удачная формализация его знаний позволяет наделить экспертную систему уникальными и ценными знаниями. Врач, к примеру, хорошо диагностирует болезни и эффективно назначает лечение, не потому, что он обладает некими врожденными способностями, а потому что имеет качественное медицинское образование и большой опыт в лечении своих пациентов. Поэтому ценность всей экспертной системы как законченного продукта на 90% определяется качеством созданной базы знаний. Экспертная система – это не простая программа, которая пишется одним или несколькими программистами. Экспертная система является плодом совместной работы экспертов в данной предметной области, инженеров по знаниям и программистов. Но стоит отметить, что встречаются случаи, когда программы пишутся самими экспертами в данной области. Эксперт предоставляет необходимые знания о тщательно отобранных примерах проблем и путей их решения. Например, при создании экспертной системы диагностики заболеваний врач рассказывает инженеру по знаниям об известных ему заболеваниях. Далее эксперт раскрывает список симптомов, которые сопровождают каждое заболевание и в заключение рассказывает об известных ему методах лечения. Инженер по знаниям, формализует всю полученную информацию в виде базы знаний и помогает программисту в написании экспертной системы

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1.1. Эвристическое программирование в  экспертных системах

Экспе́ртная систе́ма — компьютерная программа, способная частично  заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах,

а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.

В информатике экспертные системы рассматриваются совместно с базами знаний, как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений.

База знаний - наиболее важная компонента экспертной системы, на которой основаны ее «интеллектуальные способности». В отличие от всех остальных компонент ЭС, база знаний- «переменная » часть системы, которая может пополняться и модифицироваться инженерами знаний и опыта использование ЭС, между консультациями (а в некоторых системах и в процессе консультации). Существует несколько способов представления знаний в ЭС, однако общим для всех них является то, что знания представлены в символьной форме (элементарными компонентами представления знаний являются тексты, списки и другие символьные структуры). Тем самым, в ЭС реализуется принцип символьной природы рассуждений, который заключается в том, что процесс рассуждения представляется как последовательность символьных преобразований.

Наиболее распространенный способ представления знаний - в виде конкретных фактов и правил, по которым из имеющихся фактов могут быть выведены новые. Факты представлены, например, в виде троек:

(АТРИБУТ ОБЪЕКТ ЗНАЧЕНИЕ).

Такой факт означает, что заданный объект имеет заданный атрибут (свойства) с заданным значением. Например, тройка (ТЕМПЕРАТУРА ПАЦИЕНТ1 37.5) представляет факт «температура больного, обозначаемого ПАЦИЕНТ1, равна 37.5». В более простых случаях факт выражается неконкретным значением атрибута, а каким либо простым утверждением, которое может быть истинным или ложным, например: «Небо покрыто тучами». В таких случаях факт можно обозначить каким-либо кратким именем (например, ТУЧИ) или использовать для представления факта сам текст соответствующей фразы.

Правила в базе знаний имеют вид:

ЕСЛИ А ТО S, где А- условие; S- действие. Действие S исполняется, если А истинно. Наиболее часто действие S, так же, как и условие, представляет собой утверждение, которое может быть выведено системой (то есть становится ей известной), если истинно условие правила А.

Правила в базе знаний служат для представления эвристических знаний (эвристик), т.е. неформальных правил рассуждения, вырабатываемых экспертом на основе опыта его деятельности, что является важнейшей частью функционирования интеллектуальных экспертных систем. Обычная процедура построения моделей методом эвристического программирования строится следующим образом. Испытуемым предлагается решать некоторую задачу, сопровождая свои размышления устными комментариями хода своих рассуждений. Все высказывания испытуемых тщательно протоколируются. Затем протоколы подвергают анализу с целью выявления хода решения, характера применяемых операций, догадок, приемов и т.п. Полученный в ходе анализа материал используется при составлении компьютерной программы - модели данного вида поведения. Таким образом, программа является моделью не испытуемого, а протокола. Такая модель должна выполнять то, что делает испытуемый и так, как это делает он. Следующий этап процедуры связан с исследованием работы модели при решении задач того же типа, которые предлагались испытуемым. Если процесс решения отклоняется от зафиксированного в протоколе, программа дорабатывается. Для этого могут быть поставлены новые эксперименты с испытуемыми, получены новые протоколы и т. д. Использование описанной методики связано с рядом затруднений. При самоотчете испытуемый не в состоянии выделить и прокомментировать все без исключения шаги выполненного им решения, особенно если они связаны с догадками, не осознаваемыми заключениями и т.п. Соответственно такие шаги не попадают в протокол и исследователь должен самостоятельно заполнять разрывы, опираясь на собственные знания и догадки. Поэтому правильнее будет говорить, что окончательная программа моделирует гипотезу исследователя об изучаемом процессе  гипотезу, основанную на протоколе и определенных данных из области психологии. Ряд трудностей заключается также в проведении анализа и интерпретации протокольных записей. Здесь необходима типизация приемов анализа и разработка мер, ограничивающих произвольность интерпретаций.

Развитие эвристического программирования связано с построением разнообразных моделей, таких, как модели поведения при выборе, при определении стратегии размещения ценных бумаг и др.

Экспертная система Dendral одной из первых использовала эвристические знания специалистов для достижения уровня эксперта в решении задач, однако методика современных экспертных систем связана с другой разработкой – Myсin. В ней использовались знания экспертов медицины для диагностики и лечения специального менингита и бактериальных инфекций крови. Экспертная система Mycin, разработанная в том же Стэнфорде в середине 1970-х г.г., одной из первых обратилась к проблеме принятия решений на основе ненадежной или недостаточной информации. Все рассуждения экспертной системы Mycin были основаны на принципах управляющей логики, соответствующих специфике предметной области. Многие методики разработки экспертных систем, использующиеся сегодня, были впервые разработаны в рамках проекта Mycin. На сегодняшний день создано уже большое количество экспертных систем. С помощью них решается широкий круг задач, но исключительно в узкоспециализированных предметных областях. Как правило, эти области хорошо изучены и располагают более менее четкими стратегиями принятия решений. Сейчас развитие экспертных систем несколько приостановилось, и этому есть ряд причин: Передача экспертным системам «глубоких» знаний о предметной области является большой проблемой. Как правило, это является следствием сложности формализации эвристических знаний экспертов. Экспертные системы неспособны предоставить осмысленные объяснения своих рассуждений, как это делает человек. Как правило, экспертные системы всего лишь описывают последовательность шагов, предпринятых в процессе поиска решения. Отладка и тестирование любой компьютерной программы является достаточно трудоемким делом, но проверять экспертные системы особенно тяжело. Это является серьезной проблемой, поскольку экспертные системы применяются в таких критичных областях, как управление воздушным и железнодорожным движением, системами оружия и в ядерной промышленности. Экспертные системы обладают еще одним большим недостатком: они неспособны к самообучению. Для того, чтобы поддерживать экспертные системы в актуальном состоянии необходимо постоянное вмешательство в базу знаний инженеров по знаниям. Экспертные системы, лишенные поддержки со стороны разработчиков, быстро теряют свою востребованность. В заключение стоит отметить, что несмотря на все эти ограничения и недостатки, экспертные системы уже доказали всю свою ценность и значимость во многих важных приложениях.