Характеристика базы данных

Понятие искусственного интеллекта

Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума существовала еще в древнейшие времена. Однако, окончательное рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 40-х годах двадцатого века. В это же время Норберт Винер создал свои основополагающие работы по новой науке - кибернетике.

Термин «искусственный интеллект» (ИИ) был предложен в 1956 г. на семинаре с аналогичным названием в Дартсмутском колледже (США). Семинар бал посвящен разработке методов решения логических, а не вычислительных задач. В английском языке данное словосочетание (AI - artificial intelligence) не имеет столь фантастической окраски, которую оно приобрело в довольно неудачном русском переводе. Слово intelligence может означать «умение рассуждать разумно», а вовсе не «интеллект», для которого есть свой термин intellect.

Искусственный интеллект - это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Основное направление в области изучения искусственного интеллекта это представление знаний и разработка интеллектуальных систем, основанных на знаниях. Оно связано с разработкой моделей представления знаний и созданием баз знаний, образующих ядро экспертных систем.

Данные и знания

При изучении интеллектуальных систем возникает вопрос - что же такое знание и чем они отличаются от обычных данных, десятилетиями обрабатываемых ЭВМ.

Данные - это отдельные факты, характеризующие объекты, процессы и явления, а также их свойства.

При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы:

Д1 - данные как результат измерений и наблюдений;

Д2 - данные на материальных носителях информации (таблицы, протоколы);

Д3 - модели данных в виде диаграмм, графиков, функций;

Д4 - данные в компьютере на языке описания данных;

Д5 - базы данных на машинных носителях информации.

Знания основаны на данных, полученных эмпирическим путем. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.

Знания - это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.

При обработке на ЭВМ знания трансформируются аналогично данным.

З1 - знания в памяти человека как результат мышления;

З2 - материальные носители знаний (учебники, методические пособия);

З3 - поле знаний - условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;

З4 - знания, описанные на языках представления знаний;

З5 - база знаний на машинных носителях информации.

Для хранения данных используются базы данных (имеют большой объем и относительно невысокую стоимость информации), для хранения знаний - базы знаний (небольшой объем, но исключительно дорогие информационные массивы). База знаний - основа любой интеллектуальной системы.

Модели представления знаний

Существует множество моделей (или языков) представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам:

· продукционные модели;

· семантические сети;

· фреймы;

· формальные логические модели.

Продукционная модель - или модель, основанная на правилах, позволяет представить знания в виде предложений типа «ЕСЛИ (условие), ТО (действие)».

Под «условием» понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под «действием» - действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия или целевыми, завершающими работу системы).

Модель привлекательна своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений.

Семантическая сеть - это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними.

Термин «семантическая» означает «смысловая», а сама семантика - это наука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков.

В качестве понятий обычно выступают абстрактные или конкретные объекты («человек», «т. Иванов», «автомобиль», «Рено-19»), а отношения это связи типа: «это», «имеет частью», «например», «принадлежит», «любит», «свойство». Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

· класс - элемент класса (автомобиль - ПАСА);

· свойство - значение (цвет - красный);

· пример элемента класса (ПАСА - АЦ40).

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, отвечающего на поставленный запрос к базе.

Семантическая сеть в наибольшей мере соответствует современным представлениям об организации долговременной памяти человека.

Фрейм (от английского frame - каркас, рамка) - это абстрактный образ для представления некоего стереотипа восприятия.

В психологии и философии известно понятие абстрактного образа. Например, произнесенное вслух слово «комната» порождает у слушающих образ комнаты: «жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м ² ». Из этого описания ничего нельзя убрать, но в нем есть «дырки» или «слоты» - это незаполненные значения некоторых атрибутов - количество окон, цвет стен, высота потолка и др. В теории фреймов такой образ комнаты называют фреймом комнаты.

Различают фреймы-образцы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих запросов. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:

· фреймы-структуры, использующиеся для обозначения объектов и понятий (здание, озеро, заем);

· фреймы-роли (менеджер, спасатель, клиент);

· фреймы-сценарии (служебное совещание, празднование дня рождения);

· фреймы-ситуации (тревога, авария, рабочий режим работы устройства).

Фреймы как модели представления знаний отражают концептуальную основу организации памяти человека.

Формальные логические модели используются тогда, когда предметная область или задача описывается в виде набора аксиом. Предъявляет очень высокие требования и ограничения к предметной области.

Интеллектуальные системы

Системы, ядром которых является база знаний или модель предметной области, описанная на языке сверхвысокого уровня, приближенном к естественному языку, называют интеллектуальными. Такие языки сверхвысокого уровня называют языками представления знаний (ЯПЗ). Чаще всего интеллектуальные системы (ИС) применяются для решения сложных задач, где основная сложность решения связана с использованием слабо-формализованных знаний специалистов-практиков и где логическая (или смысловая) обработка информации превалирует над вычислительной. Например, понимание естественного языка, поддержка принятия решения в сложных ситуациях, постановка диагноза и рекомендации по методам лечения, анализ визуальной информации, управление диспетчерскими пультами.

Сейчас ИС используются во всех сферах деятельности человека. В производстве, бизнесе, медицине, системах управления, инженерии, военном деле, космонавтике, электронике и т.д. (по убывающей). Наиболее распространенным видом ИС являются экспертные системы.

Экспертные системы (ЭС) - это наиболее распространенный класс ИС, ориентированный на тиражирование опыта высококвалифицированных специалистов в областях, где качество принятия решений традиционно зависит от уровня экспертизы. Медицина, экономика, управление, военное дело и др.

Таким образом, ЭС эффективны в специфических экспертных областях, где важен эмпирический опыт специалистов.

Экспертные системы

Далее в качестве рабочего определения ЭС примем следующее.

Экспертные системы - это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.

Обобщенная структура ЭС представлена на рис. 1. Реальные ЭС могут иметь более сложную структуру, однако блоки, изображенные на рисунке, непременно присутствуют в любой действительно экспертной системе, поскольку представляют собой стандарт структуры современной ЭС.

Рис.1. Структура экспертной системы

В целом процесс функционирования ЭС можно представить следующим образом: пользователь, желающий получить необходимую информацию, через пользовательский интерфейс посылает запрос к ЭС; решатель, пользуясь базой знаний, генерирует и выдает пользователю подходящую рекомендацию, объясняя ход своих рассуждений при помощи подсистемы объяснений.

Пользователь - специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны ЭС.

Инженер по знаниям - специалист в области искусственного интеллекта, выступающий в роли промежуточного буфера между экспертом и базой знаний.

Эксперт - высококвалифицированный специалист или группа специалистов предметной области.

Интерфейс пользователя - комплекс программ, реализующих диалог пользователя с ЭС как на стадии ввода информации, так и при получении результатов.

База знаний - ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю.

Решатель - программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ.

Подсистема объяснений - программа, позволяющая пользователю получить ответы на вопросы: «Как бала получена та или иная рекомендация?» и «Почему система приняла такое решение?»

Интеллектуальный редактор БЗ - программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. Включает в себя систему вложенных меню, шаблонов языка представления знаний, подсказок и других сервисных средств, облегчающих работу с базой.

Промышленные прикладные ЭС могут быть существенно сложнее и дополнительно включать базы данных, интерфейсы обмена данными с различными пакетами прикладных программ, электронными библиотеками и т. д.

Классификация экспертных систем

Класс ЭС сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям. Рассмотрим классификацию, представленную на рис.2.

Интерпретация данных. Одна из традиционных задач для ЭС. Под интерпретацией понимается процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных. (Обнаружение и идентификация различных типов океанских судов по результатам аэрокосмического сканирования - SIAP.)

Диагностика. Под диагностикой понимается процесс соотнесения объекта с некоторым классом объектов и\или обнаружение неисправности в некоторой системе. Неисправность это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. (Диагностика ошибок в аппаратуре и программном обеспечении ЭВМ - CRIB.)

Мониторинг. Основная задача мониторинга - непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы - «пропуск» тревожной ситуации и «ложное» срабатывание. (Контроль аварийных датчиков на химическом заводе - FALCON.)

Проектирование. Проектирование состоит в подготовке спецификаций на создание объектов с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов - чертеж, пояснительная записка и т. д. (Проектирование БИС - CADHELP.)

Прогнозирование. Прогнозирование позволяет предсказывать последствия некоторых событий или явлений на основании анализа имеющихся данных. Прогнозирующие системы логически выводят вероятные следствия из заданной ситуации. (Предсказание погоды - система WILLARD.)

Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. (Планирование поведения робота - STRIPS.)

Обучение. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания об ученике и его характерных ошибках, затем в работе они способны диагностировать слабости в познаниях обучаемых и находить соответствующие средства для их ликвидации.

Управление. Под управлением понимается функция организованной системы, поддерживающая определенный режим деятельности. Такого рода ЭС осуществляют управление поведением сложных систем в соответствии с заданными спецификациями.

Поддержка принятия решения. Поддержка принятия решения - это совокупность процедур, обеспечивающая лицо, принимающее решения, необходимой информацией и рекомендациями, облегчающими процесс принятия решения. Эти ЭС помогают специалистам выбрать или сформировать нужную альтернативу среди множества выборов при принятии ответственных решений.

В общем случае все системы основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза.

Статические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.

Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступающих в систему данных.

Автономные ЭС работают непосредственно в режиме консультаций с пользователем для задач, при решении которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование).

Гибридные ЭС представляют программный комплекс, использующий стандартные пакеты прикладных программ (математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над пакетами прикладных программ или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

Общие сведения о системах управления базами данных

Данные - информация, организованная и зафиксированная в определенной форме, пригодной для последующей обработки, хранения и передачи.

Организация данных во внутримашинной сфере характеризуется на двух уровнях - логическом и физическом. Физическая организация данных определяет способ размещения данных непосредственно на машинных носителях. В современных прикладных программных средствах этот уровень организации обеспечивается автоматически без вмешательства пользователя. Пользователь оперирует в прикладных программах представлениями о логической организации данных. Метод логической организации данных определяется используемым видом модели данных.

Модель данных - это совокупность взаимосвязанных структур данных и операций над этими структурами.

Система управления базами данных (СУБД) является универсальным программным средством, предназначенным для создания и ведения (обслуживания) баз данных на внешних запоминающих устройствах, а также доступа к данным и их обработки. СУБД поддерживает один из возможных видов модели данных - сетевую, иерархическую или реляционную, которые являются важнейшим признаком классификации СУБД. СУБД обеспечивают многоцелевой характер использования базы данных, защиту и восстановление данных. Наличие развитых диалоговых средств и языка запросов высокого уровня делает СУБД удобным средством для пользователя.

База данных (БД) - это совокупность данных, организованных на машинном носителе средствами СУБД. В базе данных обеспечивается интеграция логически связанных данных при минимальном дублировании хранимых данных. БД содержит данные, относящиеся к конкретной предметной области. БД организуется в соответствии с моделью данных, которая поддерживается СУБД.

Иерархические, сетевые и реляционные модели данных

В строго иерархических моделях любой объект может подчиняться только одному объекту вышестоящего уровня. В сетевых - любой объект может быть подчинен нескольким объектам. Схематически отличие в топологии иерархической и сетевой модели иллюстрирует рис. 3.

В иерархических моделях непосредственный доступ возможен только к объекту самого высокого уровня, который не подчинен другим объектам. К другим объектам доступ осуществляется по связям от объекта на вершине модели. В сетевых моделях непосредственный доступ может обеспечиваться к любому объекту независимо от уровня, на котором он находится в модели. Возможен также доступ по связям от любой точки доступа.

Реляционные модели данных отличаются от рассмотренных выше простотой структур данных, удобным для пользователя табличным представлением и доступом к данным. Реляционная модель данных является совокупностью простейших двумерных таблиц - отношений.

При этом все записи (объекты) базы данных представляют собой строки двумерной таблицы. Столбцами этой таблицы являются одинаковые поля каждой записи. Если данные, используемые в разных таблицах, должны быть как-то связаны, то для этого создаются дополнительные связывающие таблицы. Это позволяет достаточно легко добавлять в базу новые объекты (записи) и удалять старые без изменения логики обрабатывающих программ.

Microsoft Access - система управления реляционными базами данных

Microsoft Access является мощным средством создания баз данных и эффективных систем управления ими. СУБД Access поддерживает реляционную модель данных.

СУБД Access ориентирована на работу с объектами, к которым относятся таблицы базы данных, формы, запросы, макросы и модули. Для типовых процессов обработки данных - ввода, просмотра, обновления, поиска по заданным критериям, получения отчетов - Access позволяет конструировать в диалоговом режиме такие объекты, как формы, запросы и отчеты. Эти объекты состоят из графических элементов, называемых элементами управления. Основные элементы управления служат для связи объектов с записями таблиц, являющихся источниками данных.

Таблицы создаются пользователем для хранения данных по одному объекту модели данных предметной области.

Запросы создаются пользователем для выборки нужных данных из одной или нескольких связанных таблиц.

Формы предназначены для ввода, просмотра и корректировки взаимосвязанных данных базы на экране в удобном виде, который может соответствовать привычному для пользователя документу. Формы также могут использоваться для создания панелей управления в приложении пользователя.

Отчеты предназначены для формирования выходного документа, предназначенного для вывода на печать.

Макросы содержат описание действий, которые должны быть выполнены в ответ на некоторое событие. Каждое действие реализуется макрокомандой. Выбор макрокоманд и задание параметров, используемых ими при выполнении, является простой автоматизированной операцией. Макрос позволяет объединить разрозненные операции обработки данных в приложении.

Модули содержат программы на языке Visual Basic, которые могут разрабатываться пользователем для реализации нестандартных процедур при создании приложения.