Применение технологий искусственного интеллекта в управлении

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Министерство образования и науки, молодежи и спорта Украины

Харьковский национальный экономический университет

Факультет экономической информатики

Кафедра экономической кибернетики

Отчет по ознакомительной практике

на тему:

Применение технологий искусственного интеллекта в управлении

Выполнила студентка

Новосел Мария Вадимовна

Проверила: Коваленко Е.С.

преп. каф. экономической кибернетики

Харьков - 2013



Введение

Развитие прикладных областей, связанных с исследованием космоса и мирового океана, развитием нанотехнологий, автоматизацией промышленного производства и бытовой сферы, с укреплением национальной обороны, предполагает необходимость создания различного рода технических систем, которые должны обладать высокой степенью автономности, адаптивности, надежности и качества функционирования в условиях неопределенности. При этом главными источниками проявления неопределенности в задачах управления являются следующие основные факторы:

- сложность формализованного описания объекта и задач управления с учетом погрешностей необходимых вычислений и измерений;

- нечеткость целей функционирования и задач управления;

- нестационарность параметров объекта и системы управления;

- априорная неопределенность обстановки и условий функционирования;

- наличие случайных воздействий внешней среды;

- искажения поступающей входной информации в каналах дистанционной передачи данных.

Обеспечение требуемых эксплуатационных характеристик и широкого набора функциональных возможностей по формированию целесообразного поведения и планированию последовательности выполняемых операций с активной адаптацией к воздействиям внешней среды и вариациям ее текущих состояний обусловливает разработку средств и методов интеллектуального управления, основанных на комплексном применении технологий обработки знаний.

В данной работе были проанализированы новые концепции, принципы и технологии принятия интеллектуальных решений в системах управления, использующих Интернет и другие телекоммуникационные сети для сбора, хранения, обработки и распространения информации. Это позволяет формировать большие объемы достоверной информации и оперативно готовить необходимые документы при совместной работе коллектива лиц.

В отчете рассматриваются следующие основные вопросы:

§ что представляют собой и по какому принципу устроены системы искусственного интеллекта;

§ модели систем интеллектуального управления;

§ определение оптимальной интеллектуальной системы принятия решения и управления.



1. Понятие искусственного интеллекта и СИИ. Различие в устройстве интеллекта человека и искусственного интеллекта

Несмотря на все попытки дать точное определение понятию «искусственный интеллект» (ИИ), на сегодняшний день не существует такого, которое бы однозначно и исчерпывающе описывало это явление. Среди многих точек зрения касательно этого вопроса доминируют следующие три:

1) Фундаментальные исследования, в процессе которых разрабатываются новые модели и методы для решения задач, считающихся интеллектуальными и не поддававшихся ранее формализации и автоматизации.

2) Исследования, связанные с новыми идеями решения задач на ЭВМ, с разработкой новых технологий программирования и переходом к компьютерам не фон-неймановской архитектуры.

3) Исследования, в процессе которых появляется множество прикладных систем, способных решать задачи, для которых ранее создаваемые системы были не пригодны.

Теперь сформулируем определение системы искусственного интеллекта (СИИ):

Системы искусственного интеллекта -- это компьютерная креативная система (многофункциональная, интегрированная, интеллектуальная) со сложной структурой, использующая накопление и корректировку знаний (синтаксической, семантической, прагматической информации) для постановки и достижения цели (целенаправленного поведения), адаптации к изменениям среды и внутреннего состояния путем изменения среды или внутреннего состояния.

Чтобы облегчить понимание такого явления как искусственный интеллект и СИИ, выявим его признаки на основе сравнения двух основных видов интеллекта - естественного (интеллекта человека) и искусственного. Как известно, понятие интеллект отождествляют с понятием мышления. Если говорить об интеллекте человека, это утверждение верно, однако, в случае искусственного - не совсем.

Как естественный, так и искусственный интеллект использует различные типы информационных единиц - признаки, понятия или концепты, образы, модели и пр. При этом существует значительное различие в способах реализации и возможностях этих двух видов интеллекта.

Процесс восприятия информации у человека можно представить в виде цепочки следования:

семантизация понятий > понимание > получение выводов.

В процессе восприятия и понимания информации у человека возникает представление о проблемной ситуации, т.е. ментальная модель, которая позже может быть преобразована в более формализованный вид.

Что касается искусственного интеллекта, то в процессе принятия решения интеллектуальной системой отсутствует этап понимания, а, следовательно, речь идет уже не об интеллекте, а о моделях реализации интеллекта. Это существенное различие и составляет грань между интеллектом человека и искусственным интеллектом.

Таким образом, искусственная интеллектуальная система, обладающая механизмами искусственного мышления, получает возможность упорядочивать и корректировать свои знания. Осуществляя повторный неоднократный ввод хранящейся в памяти информации, снова распознавая и сравнивая ее с содержимым памяти, тем самым выполняет неоднократный просмотр и коррекцию формируемых внутри образов (моделей внешнего мира) в непрерывном потоке информации. В действительности же, процесс осознания представляет собой ассоциативное воспоминание с обновлением и требует периодического распознавания информации, представляющей внутренне состояние и внешнюю среду.

2. Классификация задач и систем искусственного интеллекта

Задачи систем искусственного интеллекта охватывают самые разные предметные области, среди которых лидируют бизнес, производство, медицина, проектирование и системы управления. Все задачи можно классифицировать по следующим общим основаниям:

1) Задачи анализа и синтеза. В задаче анализа задана модель сущности и требуется определить неизвестные характеристики модели. В задаче синтеза задаются условия, которым должны удовлетворять характеристики «неизвестной» модели сущности, и требуется построить модель этой сущности.

2) Статические и динамические. В статических задачах явно не учитывают фактор времени и/или не изменяют знания об окружающем мире в процессе своих решений.

3) Использование общих утверждений для представления знаний, не содержащих явных ссылок на конкретные сущности, которые необходимо определить.

4) Использование частных ссылок, содержащие ссылки на конкретные сущности (объекты).

По типу решаемой задачи различают следующие задачи:

- интерпретация: процесс определения смысла данных (построение описаний по наблюдаемым данным);

- диагностика: процесс соотнесения объекта с некоторым классом объектов

и/или обнаружение неисправностей в системе (отклонение параметров системы от нормативных в технике и в живых организмах);

- мониторинг: непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы;

- прогнозирование: построение планов действий объектов, будущих событий на основе моделей прошлого и настоящего. В прогнозирующих системах часто используют динамические модели, в которых значения параметров «подгоняются» под заданную ситуацию. Выводимые из этих моделей следствия составляют основу для прогнозов с вероятностными оценками;

- планирование: конструирование плана действий объектов способных выполнять некоторые функции, т. е. программы действий. Оно основано на моделях поведения реальных объектов, которые позволяют проводить логический вывод последствий планируемой деятельности;

- проектирование: разработка ранее не существовавшего объекта и подготовка спецификаций на создание объектов с заранее определенными свойствами. Степень новизны может быть разной и определяется видом знаний и методами их обработки;

- обучение: диагностика, интерпретация, планирование, проектирование. Системы обучения выполняют такие функции, как диагностика ошибок, подсказывание правильных решений, аккумулирование знаний о гипотетическом «ученике» и его характерных ошибках, диагностирование слабости в познаниях обучаемых и нахождение соответствующих средств для их ликвидации. Системы обучения способны планировать акт общения с учеником;

- управление: интерпретация, прогноз, планирование, моделирование, оптимизация выработанных решений, мониторинг, т. е. функция системы, поддерживающая определенный режим ее функционирования или управления поведением сложной системы в соответствии с заданными спецификациями;

- отладка, ремонт: выработка рекомендаций по устранению неисправностей;

- поддержка принятия решений -- совокупность процедур, обеспечивающих ЛПР необходимой информацией и рекомендациями для процесса принятия решений (выбор и/или, генерация альтернатив).

Существует множество типов классификаций СИИ по различным критериям, ниже в таблице приведена классификация по выполняемым задачам.

Вид системы	Выполняемые функции
1. Экспертные системы	Диагностика, контроль, прогноз, проектирование, управление.
2. Обучающие системы	Изучение языков, обучение, тестирование, справочники.
3. Системы распознавания образов	Анализ текста, графики, образов, интеллектуальные интерфейсы
4. Системы планирования решений задач	Игровые задачи, построение расписаний, планирование, принятие решений
5. Информационно-поисковые системы	Разработка поисковых запросов, анализ Веб-контента, агентные технологии
6. Системы обработки данных	Интеллектуальный анализ данных, проектирование хранилищ данных
7. Робототехнические системы	Моделирование поведения объектов, проектирование роботов.

Поскольку выбранная мной тема затрагивает управленческий аспект СИИ, остановимся подробнее на экспертных системах.

3. Применение технологий СИИ в управлении

Для начала ограничим область применения экспертных систем. Экспертные технологии используются для автоматизации решения задач в следующих отраслях:

- финансы;

- нефтегазовая промышленность;

- энергетика;

- транспорт;

- фармацевтическое производство;

- космос;

- металлургия

- горное дело;

- химия;

- образование;

- агробизнес;

- телекоммуникации и связь и т.д.

Структура ЭС интеллектуальных систем

- Интерфейс пользователя

- Пользователь

- Интеллектуальный редактор базы знаний

- Эксперт

- Инженер по знаниям

- Рабочая (оперативная) память

- База знаний

- Решатель (механизм вывода)

- Подсистема объяснений

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и дает рекомендации по разрешению проблемы. Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила -- набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщенных и конкретных сведений, а также конкретных и обобщенных запросов к базам данных и базам знаний.

Конкретные и обобщенные запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщенные и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Характеристики, значения которых зависят от условий конкретной задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти.

База знаний ЭС создается при помощи трех групп людей:

- эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;

- инженеры по знаниям, являющиеся специалистами по разработке ИИС; искусственный интеллект робототехнический система

- программисты, осуществляющие реализацию ЭС.

Принцип работы экспертной системы осуществляется в 2 этапа:

1. Режим ввода знаний -- в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.

2. Режим консультации -- пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Кроме экспертных систем в управлении также принимает участие интеллектуальный человеко-машинный интерфейс.

Подробное рассмотрение возможных вариантов построения автономных роботов различных типов и назначения обеспечивает возможность обобщения отдельных конструктивных решений в рамках единой схемы, включающей следующие структурные элементы:

- несущая транспортная платформа;

- комплекс специального и технологического оборудования;

- интеллектуальная система управления;

- измерительно-информационная подсистема;

- подсистема двусторонней связи.

Подобной компоновочной схеме в полной мере могут отвечать безэкипажные мобильные боевые комплексы, беспилотные летательные и космические аппараты, автономные подводные и надводные плавсредства, бытовые робототехнические системы и т.д. Переход к обобщенному представлению структуры автономных роботов обусловливает возможность выделения рациональной последовательности ключевых этапов в решении всего многообразия задач, их прикладного применения:

- закладка модели внешней среды или картографической базы знаний, получение постановки прикладной задачи и указания на ее выполнение;

- привязка собственного местоположения к модели среды или заложенной карте местности;

- сбор и обработка сенсорной и поступающей командной информации для формирования текущей модели рабочей обстановки и модификации картографической базы знаний;

- формирование сценариев целесообразных действий по выполнению поставленной задачи;

- прогноз развития событий и изменения рабочей обстановки;

- выбор оптимального сценария и доклад о предполагаемых действиях;

- прием разрешения на реализацию выбранного сценария;

- формирование согласованных заданий по управлению основными подсистемами, включая несущую транспортную платформу,

- комплекс специального и технологического оборудования, а также измерительно-информационные средства;

- выполнение заданий с учетом особенностей текущей ситуации;

- проведение сеанса самодиагностики, анализ качества функционирования отдельных подсистем при выполнении соответствующих заданий,

- оценка эффективности выполняемых действий; обобщение полученных результатов и накопленного опыта;

- доклад о результатах выполнения задачи.

С другой стороны, рассмотренная последовательность по существу регламентирует порядок функционирования интеллектуальных систем управления автономных робототехнических комплексов.

Анализ особенностей и порядка целесообразного функционирования автономных роботов позволяет сформулировать набор основных требований к разработке интеллектуальной бортовой системы управления, а также измерительно-информационной подсистемы и средств двусторонней связи как ее неотъемлемых частей.

Требования к человеко-машинному интерфейсу автономной робототехнической системы определяются из условий обеспечения ее эффективной эксплуатации в экстремальных условиях, при высокой быстротечности изменения ситуаций, минимальном времени на оценку оперативной обстановки и постановку соответствующих задач с учетом стрессовых состояний или возможной неподготовленности оператора (пользователя), способного выдать необходимое целеуказание только лишь в самой обобщенной форме, и т.д. При наличии таких ограничений приказ на выполнение задачи и доклад об итогах ее решения должны отдаваться и приниматься в режиме двустороннего диалога на уровне естественного или близкого к нему языка.

Реализация подобных возможностей предполагает необходимость обеспечения следующих функций человеко-машинного интерфейса:

- поддержание диалога на уровне естественного языка с речевым и символьным вводом/выводом;

- ввод и адекватное восприятие естественно-языковых целеуказаний и команд оператора на выполнение требуемых прикладных задач;

- объяснение принимаемых решений на уровне естественного языка;

- естественно-языковое обучение понятиям и общим закономерностям, признакам объектов и ситуаций, правилам целесообразного поведения в типовых ситуациях.

Требования к функциям внешнего очувствления, реализуемым интеллектуальной системой управления автономным роботом, определяются необходимостью достоверной идентификации текущего состояния среды для построения адекватной модели боевой обстановки и последующего принятия решений о рациональном порядке выполнения поставленной прикладной задачи. При этом очевидно, что эффективность функционирования интеллектуальной системы управления автономных роботов будет во многом зависеть от заложенного набора ее возможностей по сенсорному очувствлению, включая:

- сбор и выполнение предварительной обработки различных видов сенсорной информации о текущем состоянии и воздействиях внешней среды;

- распознавание образов;

- способность к оперативному обучению средств распознавания;

- способность отслеживать заданные типы объектов или изменений внешней среды с идентификацией их параметров.

Требования к интеллектуальным возможностям системы управления автономного робота определяются условиями обеспечения высокой степени надежности и качества его функционирования при наличии существенной неопределенности внешней среды, изменчивости обстановки, воздействий случайного характера, а также неполноты и нечеткости поступающей информации. При этом в наиболее общем случае интеллектуальная система управления автономным роботом должна обладать широким многообразием функциональных свойств, включая:

- способность к анализу ситуаций, оценке обстановки и собственного состояния на основе обработки сенсорной информации;

- способность к планированию целесообразных действий и поведения на основе анализа задачно-ориентированных указаний;

- способность к проведению самодиагностики;

- способность к обучению на примерах в интерактивном режиме;

- способность к обобщению знаний, накопленного опыта и типовых ситуаций;

- способность к самообучению;

- способность к логическому выводу на знаниях;

- способность к выполнению прогнозов и предсказаний;

- способность к моделированию ситуаций представленных на уровне естественного языка;

- способность к автоматическому формированию модели внешней обстановки;

- способность к автоматическому формированию модели мира с возможностью вывода формальных закономерностей на основе анализа разрозненных фактов.



Заключение

В работе была рассмотрена задача определения интеллектуальной системы принятия решения и управления в условиях. Определение интеллектуальной системы основывалось на возможности декомпозиции системы на три подсистемы: подсистему интеллектуального управления, подсистему принятия решения и подсистемы базового управления, которая организовывала воздействия на объект управления.

Основное внимание было уделено анализу экспертных систем, ситуационному управлению и интеллектуальным технологиям мониторинга и управления структурной динамикой сложных технических систем.

Предложена декомпозиция интеллектуальных систем принятия решения и управления на три взаимосвязанные подсистемы: интеллектуальную, принятия решения и базового управления. Можно при этом заметить, что объединение интеллектуальных подсистем с системами управления в методическом плане является более сложной и приближенной задачей, так как приходится объединять систему слабо формализуемых экспертных и человеческих знаний и формализованные системы управления. Вместе с тем современное развитие интеллектуальных систем убеждает в том, что надежды слияния искусственного интеллекта и систем управления можно ожидать в ближайшее время, что подтверждается большим объемом публикаций крупных ученых в этой области.

В заключение хотелось бы сказать о том, что очевидна необходимость объединения систем управления с системами адаптивно-игровыми системами, использование которых открывает широкие возможности эффективного управления различной деятельностью человека в условиях конфликта.



Литература

1. Искусственный интеллект. Интеллектуальные системы ИИ-2012: материалы международной научно-технической конференции (пос. Кацивели, АР Крым, 1-5 октября 2012 года), Донецк: ІПШІ «Наука і освіта», 2012. - 312 с.

2. Имитационное моделирование экономическое систем: прикладные аспекты: коллективная монография / Ю.Г. Лысенко, Д.В. Беленко, В.И. Кравченко; Под редакцией д.э.н., проф. Ю.Г. Лысенко, Донецкий национальный университет. - Донецк: Изд-во «Ноулидж» (донецкое отделение), 2013. - 359 с.

3. Нейросетьові технології і їх застосування: збірник праць Міжнародної наукової конференції «Нейросетьові технології і їх застосування» / під загальною редакцією проф. С.В. Ковалевського. - Краматорськ: ДДМА, 2012. - 184 с.

4. Програмування систем штучного інтелекту. Експертні системи: навч. посібник / Є.Н. Федорчук. Львів: Видавництво Львівської політехніки, 2012. - 168 с.

5. Сторож В.В. Принципы эволюции интеллекта / В.В. Сторож Искусственный интеллект. - 2007. - №1. С. 296-310.

6. Кириков И.А., Колесников А.В., Листопад С.В. Моделирование самоорганизации групп интеллектуальных агентов в зависимости от степени их согласованности и взаимодействия // Информатика и ее применение. 2009. - Т. 3, Вып. 4. - С. 78-88.

7. Андрейчиков А.В. Интеллектуальные информационные системы: учебник / А.В. Андрейчиков, О.Н. Андрейчикова. -- М.: Финансы и статистика, 2006. -- 424 с.

8. Гаскаров Д.В. Интеллектуальные информационные системы: учебник для вузов / Д.В. Гаскаров. -- М.: Высш. шк., 2003. -- 431 с.

9. Allen J. AI Growing up / J. Allen // AI MAGAZINE. -- 1998. -- V. 19. -- №4. -- Р. 13-23.

10. Russell S.L. Artificial intelligence: a modern approach / S.L. Russell, P. Norvig. -- Upper Saddle River, New Jersey: Prentice -- Hall Inc., 1995. --905 p.

Размещено на Allbest.ru