Сегодня в области автоматизации управления анализ информации доминирует на предварительной стадии подготовки решений - обработки первичной информации, декомпозиции проблемной ситуации.

Сегодня в области автоматизации управления анализ информации доминирует на предварительной стадии подготовки решений — обработки первичной информации, декомпозиции проблемной ситуации. Все это позволяет познать лишь фрагменты и детали процессов, а не ситуацию в целом. Для преодоления этого недостатка надо научиться строить базы знаний, используя опыт лучших специалистов, а также генерировать недостающие знания.

Использование информационных технологий (ИТ) в различных сферах человеческой деятельности, экспоненциальный рост объемов информации и необходимость оперативно реагировать в любых ситуациях потребовали поиска адекватных путей решения возникающих проблем. Эффективнейшим из них является путь интеллектуализации информационных технологий.

Под интеллектуальными информационными технологиями обычно понимают такие информационные технологии, в которых предусмотрены следующие возможности:

  • наличие баз знаний, отражающих опыт конкретных людей, групп, обществ, человечества в целом, в решении творческих задач в выделенных сферах деятельности, традиционно считавшихся прерогативой интеллекта человека (например, такие плохо формализуемые задачи, как принятие решений, проектирование, извлечение смысла, объяснение, обучение и т. п.);
  • наличие моделей мышления на основе баз знаний: правил и логических выводов; аргументации и рассуждения; распознавания и классификации ситуаций; обобщения и понимания и т. п.;
  • способность формировать вполне четкие решения на основе нечетких, нестрогих, неполных, недоопределенных данных;
  • способность объяснять выводы и решения, то есть наличие механизма объяснений;
  • способность к обучению, переобучению и, следовательно, к развитию.

На рис. 1 дано схематичное представление интеллектуальной системы.

Уникальная особенность интеллектуальных информационных технологий (ИИТ) — их «универсальность». Они практически не имеют ограничений по применению в таких областях, как управление, проектирование, машинный перевод, диагностика, распознавание образов, синтез речи и т. д.

Людмила Сергеевна Болотова, проф. МИРЭА, д. т. н., академик РАЕН, e-mail: Bolotova@mtu-NET.ru

ИИТ также находят широкое применение для распределенного решения сложных задач, совместного проектирования изделий, построения виртуальных предприятий, моделирования больших производственных систем и электронной торговли, электронной разработки сложных компьютерных систем, управления системами знаний и информации и т. п. Еще одно эффективное применение — поиск информации в Internet и других глобальных сетях, ее структуризация и доставка заказчику.

Однако средства автоматизации управления и информатизации все еще не стали настоящими помощниками руководителей всех уровней. Более того, там, где эти средства могут принести наибольший эффект (поддержка принятия своевременных и обоснованных решений на высших уровнях управленческой иерархии), они практически не используются.

Проблемы принятия решений управленцем

Первая проблема. Современный руководитель принимает решения в весьма противоречивых условиях. С одной стороны, он должен учитывать в решениях все большее число факторов и данных, с другой — повышать качество принимаемых решений. При этом факторы различаются по значимости и влиянию на качество решения.

От руководителя требуется четкость и своевременность действий, обоснованность и понимание возможных последствий принимаемых решений. Он должен хорошо разбираться во всех аспектах деятельности вверенного ему объекта, предприятия или компании, а также их «окружения» (внешние организации, административные органы и т. д.). При этом ему нельзя ошибаться, поскольку ошибки руководителя высокого ранга, например отвечающего за развитие отрасли (региона), очень дорого обходятся. Проблема адекватного руководства не так проста, как кажется, и относится к разряду сложнейших. Ясно, что решить ее простым увеличением управленческого аппарата невозможно. Здесь все определяется не количеством, а качеством.

Сергей Михайлович Любкин, доцент ГАСИС, к. т. н., член правления СОВНЕТ, e-mail: S.Ljubkin@USA.NET

Зачастую руководители вообще не хотят «связываться» с информационными технологиями, поскольку они отнимают много сил, средств и приходится без конца учиться. Некоторые очень опытные руководители действительно принимают достаточно разумные решения не пользуясь огромным штатом экспертов и специалистов по информатике. Это возможно, поскольку такой руководитель мысленно сформировал систематизированную картину своего огромного хозяйства, как хороший врач, долго наблюдающий и лечащий одного и того же пациента. Эта картина складывалась постепенно вместе с развитием его хозяйства и прочно отпечаталась в мозгу в виде системной модели знаний. Она-то и помогает ему вырабатывать верные решения. Такой руководитель строит свои выводы и решения принципиально иначе, чем те, кто такого опыта не имеют, хотя и пользуются информационными технологиями. Располагая информацией о текущем состоянии своего объекта управления и пользуясь своей огромной и хорошо структурированной базой знаний (то есть своей системной моделью), опытный управленец действует методом распознавания ситуаций и их классификации. Автоматически и практически мгновенно на модель накладывается текущая картина и выделяются все ее противоречия, достоинства и недостатки; она соотносится с принципиальными решениями, которые давали хорошие результаты. Если прототипа в его модели базы знаний не оказалось, то ему достаточно несложно сконструировать новое решение, мысленно накладывая его на свою модель, которую он хорошо «видит» и чувствует.

Именно наличием такой базы знаний отличается от всех хороший эксперт — профессионал в своей деятельности. Статистика говорит, что из 100 специалистов качественными экспертами могут быть только трое — пятеро. Только они в состоянии предложить хорошие (отличные и даже гениальные) решения без всяких технических чудес. Но где взять таких специалистов в наше время, когда все быстро устаревает, особенно в области технологий управления. Образцы десятилетней давности сегодня могут принести больше вреда, чем пользы. Подготовка же таких специалистов длится не один десяток лет.

Владимир Семенович Резер, Российская ассоциация управления проектами/ СОВНЕТ, к. т. н., e-mail: VSR@atom.ru

Вторая проблема видится в том, что в сфере управления продолжает доминировать «старая культура» автоматизации, базирующаяся на естественнонаучных и техноцентрических подходах [1]. Она ориентирована на техническое обеспечение административно-командных методов управления. Мешает также старое представление, что любое подготавливаемое решение должно иметь ретроспективные аналоги и прецеденты — это большое ограничение. Необходимо уходить от ориентации на жесткие модели и нормативные процедуры принятия решений. Сегодня актуальна интеллектуальная поддержка управленческой деятельности. С этой точки зрения сейчас созданы условия для настоящего проявления гигантских возможностей искусственного интеллекта и ИИТ.

Третья проблема. Существующие средства автоматизации процесса принятия решений —это «перекос» в сторону анализа ситуаций и систем, а необходима новая «ориентация» — на синтез решений и новых знаний, что и требует применения ИИТ.

Перспективы развития ИИТ

Представляется, что в настоящее время ИИТ подошли к принципиально новому этапу своего развития. Так, за последние 10 лет существенно расширились возможности ИИТ за счет разработки новых типов логических моделей, появления новых теорий и представлений. «Узловыми» точками в развитии ИИТ считаются [1]:

  • переход от логического вывода к моделям аргументации и рассуждения;
  • поиск релевантных знаний и порождение объяснений;
  • понимание и синтез текстов;
  • когнитивная графика, то есть графическое и образное представление знаний;
  • мультиагентные системы;
  • интеллектуальные сетевые модели;
  • вычисления, основанные на нечеткой логике, нейронных сетях, генетических алгоритмах, вероятностных вычислениях (реализуемых в различных комбинациях друг с другом и с экспертными системами);
  • проблема метазнаний.

Новой парадигмой создания перспективных ИИТ стали мультиагентные системы [2]. Здесь предполагается, что агент — это самостоятельная интеллектуальная система, имеющая свою систему целеполагания и мотивации, свою область действий и ответственности. Взаимодействие между агентами обеспечивается системой более высокого уровня — МЕТАИНТЕЛЛЕКТОМ. В мультиагентных системах (МАС) моделируется виртуальное сообщество интеллектуальных агентов — объектов, которые автономны, активны, вступают в различные «социальные» отношения — кооперации и сотрудничества (дружбы), конкуренции, соревнования, вражды и т. п. «Социальный» аспект решения современных задач и есть фундаментальная особенность концептуальной новизны передовых интеллектуальных технологий — виртуальных организаций, виртуального общества.

Тенденции развития ИИТ

Системы связи и коммуникаций

Глобальные информационные сети и ИИТ могут в корне поменять наши представления о компаниях и самом умственном труде. Присутствие сотрудников на рабочем месте станет практически не нужным. Люди могут работать дома и взаимодействовать друг с другом при необходимости через сети. Известен, например, успешный опыт создания новой модификации самолета «Боинг-747» распределенным коллективом специалистов, взаимодействующих по Internet. Местонахождение участников каких-либо разработок будет играть все меньшую роль, зато возрастает значение уровня квалификации участников.

Другая причина, определившая бурное развитие ИИТ, связана с усложнением систем коммуникации и решаемых на их основе задач. Потребовался качественно новый уровень «интеллектуализации» таких программных продуктов, как системы анализа разнородных и нестрогих данных, обеспечения информационной безопасности, выработки решений в распределенных системах и т. п.

Использование ИИТ в военной сфере

С использованием ИИТ в армии существенно изменились стратегии военных действий. Так, руководство вооруженных сил США предполагает за счет внедрения интеллектуальных АСУ поддержки принятия решений командирами и планирования боевых действий сократить временные циклы управления в три-четыре раза.

Образование

Уже сегодня дистанционное обучение начинает играть важную роль в образовании. А внедрение ИИТ позволит существенно индивидуализировать этот процесс сообразно с потребностями и способностями каждого обучаемого.

Быт

Информатизация быта уже началась, но с развитием ИИТ появятся принципиально новые возможности. Постепенно компьютеру будут передаваться все новые функции: контроль за состоянием здоровья пользователя, управление бытовыми приборами, такими как увлажнители, освежители воздуха, обогреватели, ионизаторы, музыкальные центры, средства медицинской диагностики и т. п. [3]. Другими словами, системы станут еще и диагностами состояния человека и его жилища. Будет обеспечено комфортное информационное пространство в помещениях, где информационная среда станет частью окружающей человека среды.

В итоге...

ИИТ непрерывно развиваются, и от того, насколько активно мы будем использовать их во всех сферах деятельности (будь то управление предприятием, поддержка принятия управленческих решений или образование), зависит качество нашей жизни.

МИНИГЛОССАРИЙ по ИИТ

Источники, по которым цитируются определения: [и1] — Юзвишин И. И. Энциклопедия информациологии / Под ред. акад. А. М. Прохорова. М.: Информациология, 2000.

[и2] — Уотермен Д. Руководство по экспертным системам. (Пер. с англ.). М.: Мир, 1989.

Актуализация — осуществление, переход из состояния возможности в состояние действительности. В сетевом планировании — отражение в сетевом графике выполненных работ. [и1]

База знаний — информационная база, отражающая опыт конкретных людей, групп, обществ, человечества в целом, в решении творческих задач в выделенных сферах деятельности, традиционно считавшихся прерогативой интеллекта человека. [и2]

Знание — проверенный практикой результат познания действительности, верное ее отражение в мышлении человека, обладание опытом и пониманием, которые являются правильными и в субъективном, и в объективном отношении, на основании которых можно построить суждения и выводы, кажущиеся достаточно надежными для того, чтобы рассматриваться как знание. [и1]

Инженер знаний — человек, который проектирует или создает экспертную систему. Обычно это специалист по информатике, имеющий опыт применения прикладных методов искусственного интеллекта. [и2]

Искусственный интеллект — раздел информатики, связанный с разработкой интеллектуальных программ для компьютеров. [и2]

Метазнания (Метаинтеллект) — знания экспертной системы о том, как эта система работает или рассуждает. В более широком смысле — это знания о знаниях. [и2]

Механизм объяснения (Порождение объяснений — модели аргументации и рассуждения) — часть экспертной системы, которая объясняет, каким образом были получены решения, и обосновывает действия, предпринятые для их получения. [и2]

Мышление — внутреннее активное стремление овладеть своими собственными представлениями, понятиями, побуждениями чувств и воли, воспоминаниями, ожиданиями и т. д. Мышление, которое по своей структуре может быть познающим или эмоциональным, состоит в постоянной перегруппировке всех возможных содержаний сознания и образовании или разрушении существующих между ними связей. [и1]

Мышления формы (Человеческий интеллект) — способы и виды формальной организации мыслительного процесса, абстрагированные от его содержательного компонента. [и1]

Нечеткая математика (Нечеткая логика — Недоопределенные данные) — раздел математики, связанный с нечеткими объектами, данными, алгоритмами. [и2]

Оптимизация — нахождение наибольшего или наименьшего значения какой-либо функции, выбор наилучшего (оптимального) варианта из множества возможных, например оптимизация управления. [и1]

Персептрон (Нейронные сети) — обучаемая система, моделирующая восприятие и распознавание образов. [и1]

Пользователь — человек, использующий экспертную систему, например конечный пользователь, эксперт, инженер знаний, разработчик инструмента или лаборант. [и2]

Представление знаний — процесс структурирования предметных знаний с целью облегчить поиск решения задачи. [и2]

Технология — 1) совокупность методов обработки, изготовления, изменения состояния, свойств, формы сырья, материалов или полуфабриката в процессе производства; 2) наука о способах воздействия на сырье, материалы или полуфабрикаты соответствующими орудиями производства. [и1]

Эвристика (Эвристическое программирование) — эмпирическое правило, упрощающее или ограничивающее поиск решений в предметной области, которая является сложной или недоступной всякому пониманию. [и2]

Эксперт — человек, который за годы обучения и практики научился чрезвычайно эффективно решать задачи, относящиеся к конкретной предметной области. [и2]

Экспертная система — компьютерная программа, использующая экспертные знания для обеспечения высокоэффективного решения задач в некоторой узкой предметной области. Такие программы, как правило, представляют знания символически, исследуют и объясняют свои процессы рассуждения и предназначены для тех предметных областей, в которых людям для достижения мастерства необходимы годы специального обучения и практики. [и2]

Литература
  1. Лепский В. Е. Субъективный подход - парадигма искусственного интеллекта. АИИ "Новости ИИ". 1999. №1.
  2. Тарасов В. Б., Арсеньев С. В., Егоров С. В. Методика смешанного V-образного проектирования многоагентных систем и виртуальных организаций / Сб. трудов конференции. КИИ' 2000. М.: Физматгиз, 2000.
  3. Шабцев В. А. Человекоцентрический подход в информатизации. / Тез. докладов IV конгресса "Общественное развитие и общественная информация" VI Международного форума по информатизации (МФИ-97). М.: МАИ, 1997.

История интеллектуальных информационных технологий

Обратимся к истории развития ИИТ, которая ведет отсчет с 60-х годов прошлого века и вкючает несколько основных периодов.

  • 60-70-е годы. Это годы осознания возможностей искусственного интеллекта и формирования социального заказа на поддержку процессов принятия решений и управления. Наука отвечает на этот заказ появлением первых персептронов (нейронных сетей), разработкой методов эвристического программирования и ситуационного управления большими системами (последнее было разработано в СССР).
  • 70-80-е годы. На этом этапе происходит осознание важности знаний для формирования адекватных решений; появляются ЭКСПЕРТНЫЕ СИСТЕМЫ, в которых активно используется аппарат нечеткой математики, разрабатываются модели правдоподобного вывода и правдоподобных рассуждений.
  • 80-90-е годы. Появляются интегрированные (гибридные) модели представления знаний, сочетающие в себе интеллекты: поисковый, вычислительный, логический и образный.
Примеры разработанных к настоящему времени систем, использующих ИИТ.
  1. Асанов А. А., Ларичев О. И., Нарыжный Е. В. Экспертная система для диагностики лекарственных отравлений, ЭСТЕР.

    Система работает с 19 группами распространенных препаратов и использует более 60 диагностических признаков. Она имитирует рассуждения врача — эксперта в токсикологии. В настоящее время система проходит испытания в Токсикологическом центре Министерства здравоохранения РФ.
  2. Авдеев П. А., Еремеев А. П., Катович В. Н. Прототип диагностической экспертной системы предстартовой подготовки (ДЭС ПП) и его техническая реализация на основе высокоэффективного инструментального комплекса G2+GDA.

    Предложены базовые принципы по конструированию интеллектуальных систем поддержки принятия решений для операторов, руководителей работ и экипажа при подготовке и эксплуатации сложных ракетно-космических комплексов.
  3. Городецкий В. Н., Котенко И. В., Карсаев О. В. Интеллектуальные агенты для обнаружения атак в компьютерных сетях.

    На основе лицензионных программных продуктов типа G2, GDA, NeurOn-Line, Rethink и др. появляется возможность создания динамических систем для диагностики сложных технических систем.
  4. Тельнов Ю. Ф. Компонентная технология реинжиниринга бизнес-процессов и конфигурации информационной системы предприятия на основе управления знаниями.

    Подход к конфигурации структуры бизнес-процессов и информационной системы основан на применении объектно-ориентированной модели и обобщенных продукционных правилах ограничений целостности модели предприятия. Определенный опыт решения задач интеллектуальной конфигурации объектов, накопленный в экспертных системах (например, XCON, COCOS, VEXED, VT, DIDS и др.), может использоваться при конфигурировании бизнес-процессов.