Базы знаний

Размещено на http://www.allbest.ru/

План

Введение

1. Назначение и функции баз знаний. Общая структура

2. Модели описания баз знаний

3. Механизм логического вывода для базы знаний, основанной на не четких множествах

4. Прикладные программы, используемые для создания баз знаний

5. Рекомендации по применению баз знаний для инновационного развития экономики

Вывод

Введение

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. программирование интеллект когнитология

Сегодня знания приобрели чисто декларативную форму, то есть знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному и понятных неспециалистам.

В Искусственном интеллекте основная цель - научиться хранить знания таким образом, чтобы программы могли обрабатывать их и достигнуть подобия человеческого интеллекта. Исследователи ИИ используют теории представления знаний из когнитологии. Такие методы как фреймы, правила, и семантические сети пришли в ИИ из теорий обработки информации человеком. Так как знание используется для достижения разумного поведения, фундаментальной целью дисциплины представления знаний является поиск таких способов представления, которые делают возможным процесс логического вывода, то есть создание выводов из знаний.

Система искусственного интеллекта - это система, оперирующая знаниями о проблемной области. Без базы знаний систем искусственного интеллекта не существует. Для формализации и представления знаний разрабатываются специальные модели представления знаний и языки для описания знаний, выделяются различные типы знаний.

Модели представления знаний являют собой одно из важнейших направлений исследований в области искусственного интеллекта.

На сегодняшний день разработано уже достаточное количество моделей. Каждая из них обладает своими плюсами и минусами, и поэтому для каждой конкретной задачи необходимо выбрать именно свою модель. От этого будет зависить не столько эффективность выполнения поставленной задачи, сколько возможность ее решения вообще.

Отметим, что модели представления знаний относятся к прагматическому направлению исследований в области искусственного интеллекта. Это направление основано на предположении о том, что мыслительная деятельность человека - "черный ящик". При таком подходе не ставится вопрос об адекватности используемых в компьютере моделей представления знаний тем моделям, которыми пользуется в аналогичных ситуациях человек, а рассматривается лишь конечный результат решения конкретных задач.

1. Назначение и функции баз знаний. Общая структура

Аналогично БД (база данных) существует понятие база знаний (БЗ). Чаще всего БЗ используются в экспертных системах.

База знаний - это один или несколько специальным образом организованных файлов, хранящих систематизированную совокупность понятий, правил и фактов, относящихся к некоторой предметной области.

Экспертная система - это совокупность методов и средств организации, накопления и применения знаний для решения сложных задач в некоторой предметной области. Экспертная система достигает более высокой эффективности за счет перебора большого числа альтернатив при выборе решения, опираясь на высококачественный опыт группы специалистов. Анализирует влияние большого объема новых факторов, оценивая их при построении стратегий, добавляя возможности прогноза. Современные ЭС - специализированные компьютерные программы, моделирующие действия эксперта-человека при решении задач в какой-либо предметной области на основе накопленных знаний, составляющих базу знаний (БЗ). Создание и использование ЭС является одним из концептуальных этапов развития информационных технологий. В основе интеллектуального решения проблем в некоторой предметной области лежит принцип воспроизведения знаний опытных специалистов - экспертов[1, c.265].

В англоязычной литературе кроме понятия Artificial Intellect используется также термин - Knowledge Based Systems (KBS) - системы, базирующиеся на знаниях (СБЗ).

Таким образом, СБЗ - система, дающая возможность использовать подходящим образом представленные знания с помощью компьютера.

Компоненты СБЗ:

- база знаний

- механизм получения решений

- интерфейс

Самая характерная черта СБЗ - использование базы знаний. Общепринятого определения базы знаний нет.

Структура и функции системы баз знаний

Знания в БЗ можно разделить на алгоритмические и неалгоритмические.

- алгоритмические (процедурные) знания - это алгоритмы (программы, процедуры), вычисляющие функции, выполняющие преобразования, решающие точно определенные конкретные задачи. Пример: любая библиотека программ.

- неалгоритмические знания - состоит из объектов, называемых понятиями. Понятие обычно имеет имя, определение, структуру (составные элементы), связано с другими понятиями и входит в какую-то систему понятий. Другие неалгоритмические знания - это связи между понятиями или утверждения о свойствах понятий и связях между ними.

На практике во многих экспертных системах и СБЗ содержимое базы знаний подразделяют на "факты" и "правила". Факты - элементарные единицы знания (простые утверждения о характеристиках объекта), правила служат для выражения связей, зависимостей между фактами и их комбинациями. Таким образом, классификацию знаний можно представить следующим образом:

- понятия (математические и нематематические)

- факты

- правила, зависимости, законы, связи

- алгоритмы и процедуры[2, c.195]

Прямое использование знаний из базы знаний для решения задач обеспечивается механизмом получения решений (inference engine - машина вывода) - процедурой поиска, планирования, решения. Механизм решения дает возможность извлекать из базы знаний ответы на вопросы, получать решения, формулируемые в терминах понятий, хранящихся в базе. Примеры запросов:

- найти объект, удовлетворяющий заданному условию;

- какие действия нужно выполнить в такой ситуации и т.д.

Интерфейс - обеспечивает работу с базой знаний и механизмом получения решений на языке высокого уровня, приближенном к профессиональному языку специалистов в той прикладной области, к которой относится СБЗ.

Для создания СБЗ могут использоваться:

1. Традиционные языки программирования - C, Basic, Pascal, Lisp и др. Особо в этом ряду стоит выделить язык функционального программирования Lisp. Его основные свойства: данные представляются в виде списков, для получения решений используется рекурсия.

2. Языки представления знаний (такие как Prolog) - имеют специфические средства описания знаний и встроенный механизм поиска вывода.

3. Пустые оболочки экспертных систем - содержат реализации некоторого языка представления знаний и средства организации интерфейса пользователя. Позволяют практически полностью исключить обычное программирование при создании прикладной экспертной системы.

2. Модели описания баз знаний

Центральной проблемой обработки знаний, а также создания БЗ является проблема представления знаний.

Проблема представления знаний - это проблема представления взаимосвязей в конкретной предметной области в форме, понятной системе искусственного интеллекта. Представление знаний - это их формализация и структурирование, с помощью которых отражаются характерные признаки знаний: внутренняя интерпретируемость, структурированность, связность, семантическая метрика и активность.

При проектировании модели представления знаний следует учитывать такие факторы, как - однородность представления и простота понимания. Однородность представления приводит к упрощению механизма управления логическим выводом и управлением знаниями. Простота понимания предполагает доступность понимания представления знаний и экспертам, и пользователем системы. Способ представления знаний определяет, каким образом знания описываются в памяти ЭВМ, а также каковы возможности БЗ. Для того, чтобы ЭВМ имела возможность манипулирования знаниями о проблемной области, они должны быть представлены в виде модели.

Модель представления знаний должна быть понятной пользователю и обеспечивать однородность представления знаний, за счет чего упрощаются управление знаниями и логический вывод, а также удовлетворять ряду других требований. Наибольшее распространение получили четыре модели: модель семантической сети, фреймовая, продукционная и логические.

В основе использования МПЗ лежит аксиоматический метод. Аксиоматический метод в любой науке состоит в том, что выделяется некоторое небольшое множество истинных утверждений, опираясь на которые можно вывести все истинные утверждения данной науки. Классическим примером аксиоматического метода является аксиоматическое построение геометрий Евклида и Лобачевского, каждая из которых базируется на ряде постулатов. Следует отметить, что одну и ту же теорию можно строить, исходя из различного набора аксиом.

Таким образом, необходимо:

- Построить алфавит теории, т.е. задать счетное множество символов и определить множество объектов языка - выражений.

- Выделить подмножество таких выражений, которые будем называть формулами (обычно имеется хорошо разработанная процедура, позволяющая по данному выражению определить, является ли оно формулой).

- Из бесконечного множества истинных формул (тавтологий) выделим небольшую группу (1 ч 10) так называемых аксиом теории (как правило, всегда имеется возможность эффективно выяснить, является ли данная формула аксиомой). За аксиомы берутся некоторые тавтологии, из которых по формальным правилам выводятся все остальные тавтологии.

- Указать конечное множество отношений между формулами, которые называют правилами вывода. Правила вывода сопоставляют некоторым последовательностям формул новые формулы. Записывают правила вывода в форме фигуры, где формулы, стоящие над чертой называются посылками, а формулы, стоящие под чертой, называется следствием посылок по данному правилу вывода. С помощью правил вывода из аксиом получаются новые истинные формулы, называемые теоремами[3, c.175].

Доказательство теорем превращается в последовательность таких формул, и построение формальных доказательств можно поручить ЭВМ.

Логическая МПЗ

Логическая модель используется для представления знаний в системе логики предикатов первого порядка и выведения заключений с помощью силлогизма. Основное преимущество использования логики предикатов для представления знаний заключается в том, что обладающий хорошо понятными математическими свойствами мощный механизм вывода может быть непосредственно запрограммирован. С помощью этих программ из известных ранее знаний могут быть получены новые знания. Приведенные ниже примеры являются логическими моделями представления фактов с помощью предикатов и носят название атомарной формулы.

ЛЮБОВЬ (Виктор, Ирина): Виктор любит Ирину

СТОЛИЦА (Москва): Москва - столица

Следующие примеры являются правильно построенными логическими формулами, включающими кванторы существования и общности.

- некий дельфин наделен умственными способностями

- все слоны имеют серую окраску[4, c.382]

Отличительными чертами логических моделей, в частности приведенных выше моделей представления знаний, являются единственность теоретического обоснования и возможность реализации системы формально точных определений и выводов. По этим причинам немало исследователей в области искусственного интеллекта выбрали для себя предметом изучения именно логические модели. Однако для логических моделей характерен ряд сомнительных моментов, а поскольку большинство исследователей в области искусственного интеллекта - люди с неформальным мышлением, то большая часть достижений в области систем с базами знаний до недавнего времени принадлежала так называемой группе исследователей нелогического направления. Кроме того, в отличие от первой категории исследователей, которые почти не занимаются теоретическими исследованиями, вторая категория придает им большое значение.

Продукционная МПЗ

В модели правил знания представлены совокупностью правил вида "ЕСЛИ - ТО". Системы с базами знаний, основанные на этой модели, называются продукционными системами. Эти системы бывают двух диаметрально противоположных типов - с прямыми и обратными выводами. Типичным представителем первого типа является система MYCIN, используемая для решения задач диагностического характера, а типичным представителем систем второго типа - OPS, используемая для решения проектирования задач. В системе продукций с обратными выводами с помощью правил строится дерево И/ИЛИ, связывающее в единое целое факты и заключения; оценка этого дерева на основании фактов, имеющихся в базе данных, и есть логический вывод.

Логические выводы бывают прямыми, обратными и двунаправленными. При прямом выводе отправной точкой служат предоставленные данные, процесс оценки приостанавливается в узлах с отрицанием, причем в качестве заключения (если не все дерево пройдено) используется гипотеза, соответствующая самому верхнему уровню дерева (корню). Однако для такого вывода характерно большое количество данных, а также оценок дерева, не имеющих прямого отношения к заключению, что излишне. Преимущество обратных выводов в том, что оцениваются только те части дерева, которые имеют отношение к заключению, однако если отрицание или утверждение невозможны, то порождение дерева лишено смысла. В двунаправленных выводах сначала оценивается небольшой объем полученных данных и выбирается гипотеза (по примеру прямых выводов), а затем запрашиваются данные, необходимые для принятия решения о пригодности данной гипотезы. На основе этих выводов можно реализовать более мощную и гибкую систему. Системы продукций с прямыми выводами среди систем, основанных на использовании знаний, имеют наиболее давнюю историю, поэтому они являются в некотором смысле основополагающими. Эти системы включают три компонента: базу правил, состоящую из набора продукций (правил вывода), базу данных, содержащую множество фактов, и интерпретатор для получения логического вывода на основании этих знаний. База правил и база данных образуют базу знаний, а интерпретатор соответствует механизму логического вывода. Вывод выполняется в виде цикла "понимание - выполнение", причем в каждом цикле выполняемая часть выбранного правила обновляет базу данных. В результате содержимое базы данных преобразуется от первоначального к целевому, т.е. целевая система синтезируется в базе данных. Следовательно, такие системы не годятся для решения крупномасштабных задач. Упорядочим слабые и сильные стороны хорошо известных систем продукций. Сильные стороны:

- простота создания и понимания отдельных правил;

- простота пополнения, модификации и аннулирования;

- простота механизма логического вывода.

Слабые стороны:

- неясность взаимных отношений правил;

- сложность оценки целостного образа знаний;

- крайне низкая эффективность обработки;

- отличие от человеческой структуры знаний;

- отсутствие гибкости в логическом выводе[5, c.320].

Таким образом, если объектом является небольшая задача, выявляются только сильные стороны системы продукций. В случаях увеличения объема знаний, необходимости решения сложных задач, выполнения гибких выводов или повышения скорости вывода требуется структурирование базы данных. Первое, что приходит в голову в таких случаях, - это группировка знаний и структурирование базы данных. Другими словами, путем предварительной группировки соответствующих правил в некотором состоянии процесса вывода можно ограничить диапазон выбора правил. В тех случаях, когда объекты, для которых используются правила, также имеют иерархическую структуру, эффективным является структурирование базы данных.

Расширенным вариантом модели правил является модель доски объявлений (blackboard), которая была предложена в системе распознавания разговорной речи HEARSAY-II как модель представления знаний.

Фреймовая МПЗ

Фреймовая МПЗ базируется на понятии функционального программирования - способа составления программ, в которых единственным действием является вызов функции, единственным способом расчленения программ на части является введение имени для функции и задание для этого имени выражения, вычисляющего значение функции, а единственным правилом композиции - оператор суперпозиции других функций. Оно следует из такого раздела математики, как лямбда-исчисление.

Фрейм - это абстрактный образ для представления стереотипа объекта, понятия или ситуации. Под абстрактным образом понимается некоторая обобщенная и упрощенная модель или структура. Фреймом также называется и формализованная модель для отображения образа.

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

- фреймы-структуры, использующиеся для обозначения объектов и понятий;

- фреймы-роли;

- фреймы-сценарии;

- фреймы-ситуации и др.

Структура фрейма может быть представлена как список свойств:

(ИМЯ ФРЕЙМА:

(имя 1-го слота: значение 1-го слота),

(имя 2-го слота: значение 2-го слота),

…………….

(имя N-гo слота: значение N-го слота))[6, c.208].

Важнейшим свойством теории фреймов является заимствование из теории семантических сетей - так называемое наследование свойств. И во фреймах, и в семантических сетях наследование происходит по это-связям. Слот связи указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются, т.е. переносятся, значения аналогичных слотов.

Основным преимуществом фреймов как модели представления знаний является то, что она отражает концептуальную основу организации памяти человека, а также ее гибкость и наглядность. Специальные языки представления знаний в сетях фреймов FRL (Frame Representation Language).

Семантические сети

Термин "семантическая" означает "смысловая", а сама семантика - это наука, устанавливающая отношения между символами и объектами, которые они обозначают, т.е. наука, определяющая смысл знаков.

Семантическая сеть наиболее близка к тому, как представляются знания в текстах на естественном языке. В ее основе лежит идея о том, что вся необходимая информация может быть описана как совокупность троек (a r b), где а и b - два объекта, понятия, а r двоичное отношение между ними.

Графически семантическая сеть представляется в виде помеченного ориентированного графа, в котором вершинам соответствуют объекты, а дугам - их отношения. Дуги помечаются именами соответствующих отношений.

Семантическая сеть является моделью широкого предназначения. Выделяются различные виды семантических сетей:

- ситуационные сети (описывают временные, пространственные и причинно-следственные (клаузальные) отношения);

- целевые сети, используемые в системах планирования и синтеза (отношения "цель-средства" и "цель-подцель");

- классификационные сети (отношения "род-вид", "класс-подкласс");

- функциональные сети (отношения "аргумент-функция") и т.д[7, c.140].

Особенность семантической сети как модели представления знаний, которая может одновременно считаться и ее достоинством, и ее недостатком, заключается в невозможности в явном виде разделить БЗ и механизм логического вывода. Поэтому интерпретация семантической сети осуществляется только с помощью использующих ее процедур.

Основным способом интерпретации семантической сети является способ сопоставления частей сетевой структуры. Он основан на построении подсети (подграфа), соответствующей задаваемому вопросу, и сопоставлении ее с общей сетью, имеющейся в БЗ. Запросная подсеть накладывается на имеющийся в базе знаний фрагмент. Для поиска отношений между концептуальными объектами используется другой способ перекрестного поиска. Согласно этому способу ответ на вопрос выводится путем обнаружения в имеющейся сети узла, в котором пересекаются дуги, исходящие из различных узлов запросной подсети.

К настоящему времени разработано достаточно много различных МПЗ, и работа по созданию новых моделей продолжается. Однако наибольшее распространение получили четыре модели: модель семантической сети, фреймовая модель, продукционная модель и логические модель.

3. Механизм логического вывода для базы знаний, основанной на не четких множествах

Нечеткими называются такие знания, которые допускают суждения об относительной степени истинности или ложности.

Типы, источники, причины нечеткости знаний:

- присутствие неопределенности в фактическом знании,

- неточность языка представления знаний,

- знания, основанные на неполной информации,

- неопределенность, появляющаяся при агрегации (объединении в одну систему) знаний, полученных из разных источников и пр.

В последнее десятилетие всё больше внимания уделяется подходу, основанному на теории нечетких множеств. Эту теорию предложил ам. ученый Лофти Заде в 1965 году. Главная идея подхода Заде заключается в использовании для моделирования рассуждений нечеткой логики. Заде ввел одно из главных понятий в нечеткой логике - понятие лингвистической переменной.

Использование этого подхода позволяет построить "нечёткие" аналоги основных математических понятий и создать формальный аппарат для моделирования человеческого способа решения задач.

Нечёткое множество отличается от обычного множества тем, что относительно любых его элементов можно сделать не два, а три вывода:

1) элемент принадлежит данному множеству;

2) элемент не принадлежит данному множеству;

3) элемент принадлежит данному множеству со степенью уверенности (далее будем называть коэффициентом достоверности или принадлежности);

Очевидно, первые два случая соответствуют третьему при значениях коэффициента достоверности = 1 и = 0 соответственно. Таким образом, нечёткое множество определяется путем введения обобщенного понятия принадлежности.

Как определить и смоделировать следующее множество? "Когда мы говорим "старик", то не ясно, что мы имеем в виду: больше 50? больше 60? больше 70?". Подход, сформированный Заде, основывается на нижеприведённом представлении.

Пусть U полное множество, охватывающее всю проблемную область. Нечёткое (под) множество F множества U определяется через функцию принадлежности F (u) (u - элемент множества U). Эта функция отображает элементы u множества на множество чисел в отрезке , которые указывают степень принадлежности каждого элемента нечеткому множеству F.

Если полное множество U состоит из конечного числа множеств u1, u2, …, un, то нечёткое множество F можно представить в следующем виде:

F = F (u1)/u1 + F (u2)/u2 + … +F (un)/un = F (ui)/ ui .

*Знак + не есть сложение, а скорее обозначает совокупность элементов множества (знаменатель) с их принадлежностью (числитель). Знаки и имеют поэтому несколько отличный от традиционного смысл.

Например, если полное множество - это множество людей в возрасте от 0 до 100 лет, то функция принадлежности нечётких множеств, означающих возраст "молодой", "средний", "старый" можно определить так, как на рис.1.

При записи через 10 лет получим приблизительно следующее:

*Молодой = м (u) = 1/0 + 1/10 + 0,8/20 + 0,3/30.

Средний = ср (u) = 0,5/30 + 1/40 +0,5/50.

Старый = ст (u) = 0,4/50 + 0,8/60 + 1/70 + 1/80 + 1/90.

*Члены с коэффициентом принадлежности 0 не записываются.

4. Прикладные программы, используемые для создания баз знаний

Пакеты общего назначения поддерживают компьютерные технологии конечных пользователей и включают текстовые и табличные процессоры (редакторы), графические редакторы, системы управления базами данных (СУБД), пакеты программ мультимедиа, пакеты демонстрационной графики. Текстовые процессоры (редакторы) позволяют готовить текстовые документы, которые могут включать и таблицы, и рисунки, и диаграммы. Примером пакетов этого класса являются MS Word, Блокнот, WordPad. Перечень выполняемых функций, например MS Word, очень широк и изучается студентами в лабораторном практикуме по информатике. Табличные процессоры (типичный пример - MS Excel) позволяют обрабатывать большие объемы числовой информации (не исключая при этом обычную символьную), формируя из данных таблицы. Можно сказать, что это очень мощные калькуляторы, хранящие в своей памяти огромные числовые массивы и позволяющие выполнять над ними различные арифметические и логические операции, формировать диаграммы и делать множество других операций, полезных для решения различных задач пользователя. Аналогично пакету MS Word, табличный процессор MS Excel изучается в лабораторном практикуме по информатике. Графические редакторы позволяют генерировать различные изобразительные объекты. Они делятся на 2 класса - растровой и векторной графики - в зависимости от того, какое внутреннее представление этих объектов в них поддерживается. Редакторы растровой графики используются для работы с фотографиями. Они кодируют фотоизображения в цифровую форму и позволяют выполнять над ними различные редактирующие операции (выделение фрагментов, перемещение, вырезание, копирование и т.д.). Примерами редакторов этого класса являются: Adobe Photoshop, Aldus Photo Styler, Picture Publisher, Photo Works Plus. Редакторы векторной графики используются для профессиональной работы, связанной с технической и художественной иллюстрацией с последующей цветной печатью. Они занимают промежуточное место между САПР и настольными издательскими системами. Включают инструментарий для создания графического объекта; средства манипулирования объектами; средства обработки текста в части оформления и модификации параграфов, работы со шрифтами; средства вывода на печать и настройки цвета. Примерами графических редакторов этого класса являются Corel Draw, Adobe Illustrator, Aldus Free Hand, Professional Draw. Системы управления базами данных (СУБД) используются для автоматизации процедур создания, хранения и извлечения электронных данных. Различаются способом организации данных, форматом, языком формирования запросов на операции с данными. Типичными примерами являются MS Access, Oracle, Paradox. Пакеты программ мультимедиа используются для отображения (воспроизведения) и обработки аудио- и видеоинформации. Включают, в частности, пакеты Director for Windows, Multimedia Viewer Kit, NEC MultiSpin. Пакеты демонстрационной графики - это конструкторы графических образов деловой информации, призванные в наглядной и динамической форме представлять результаты некоторых аналитических исследований. Последовательность работы с такими пакетами включает шаги: разработка общего плана представления, выбор шаблона для оформления элементов, формирование и импорт элементов (текст, графика, таблицы, диаграммы, звуковые эффекты, видеоклипы). Примеры таких пакетов: Power Point, Harvard Graphics, WordPerfect Presentation Офисные пакеты обеспечивают организационное управление деятельностью офиса. Включают, например, органайзеры (используются для автоматизации процедур планирования использования различных ресурсов (времени, денег, материалов) как отдельного человека, так и всей фирмы или её подразделений; уществуют 2 вида пакетов этого класса: 1) органайзеры для управления проектами. используются для сетевого планирования и управления проектами. Позволяют спланировать проект любой величины и сложности, эффективно распределить людские, финансовые и материальные ресурсы, составить оптимальный график работ и проконтролировать его исполнение. К ним относятся Time Line, MS Project, CА - Super Project; 2) органайзеры для организации деятельности отдельного человека. Это электронные секретари для эффективного управления деловыми контактами. Включают, в частности, Lotus Organizer, ACTI. Программы для распознавания символов используются для перевода графических изображений букв и цифр в ASCII-коды этих символов. Применяются в сканерах. Примерами таких пакетов являются Fine Reader, Cunie Form, Tiger, Omni Page. Настольные издательские системы применяются для профессиональной издательской деятельности. Позволяют осуществлять электронную верстку широкого спектра основных типов документов типа информационного бюллетеня, цветной брошюры, каталога, справочника. Позволяют решать задачи: компоновать (верстать) текст; использовать всевозможные шрифты и выполнять полиграфические изображения; осуществлять редактирование текста на уровне лучших текстовых процессоров; обрабатывать графические изображения; выводить документы полиграфического качества; работать в сетях на разных платформах. Примерами таких пакетов являются: Corel Ventura, Page Maker, QuarkXPress, Frame Maker, MS Publisher, Page Plus, Compu Work Publisher. Системы автоматизации проектирования (САПР) используются в работе конструкторов и технологов, связанных с разработкой чертежей, схем, диаграмм, т.е. с обработкой графических изображений. Реализуют функции: коллективная работа в сети; экспорт - импорт файлов различных форматов; масштабирование объектов; группировка объектов, передвижение, растяжка, поворот, разрезание, изменение размеров, работа со слоями; перерисовка; управление файлами; использование чертежных инструментов, позволяющих рисовать кривые, эллипсы, линии произвольной формы, многоугольники и т.п.; работа с цветом; автоматизация отдельных процедур с использованием встроенного макроязыка. Примерами пакетов этого класса являются: AutoCAD (AutoDesk), DesignCAD, Grafic CAD Professional, DrawBase, Microstation, TurboCAD[9, c.216]. Проблемно-ориентированные пакеты используются в тех предметных областях, для которых возможна типизация функций управления, структур данных и алгоритмов обработки. Типичным примером является серия программ 1С:, позволяющая автоматизировать решение задач управления предприятием, например, 1С:Бухгалтерия, 1С: Предприятие, 1С: Кадры и т.д. К пакетам этого класса относятся и программы, реализующие дистанционное обучение, например пакет SunRav_BookOffice для создания и работы с электронным учебником. Инструментарий технологии программирования - совокупность программ, обеспечивающих технологию разработки, отладки и внедрения программных продуктов. Инструментарий технологии программирования делится на два больших класса инструментальных средств: для создания отдельных приложений (программ) и для создания информационных систем и технологий. Средства для создания отдельных приложений включают локальные средства (языки программирования, системы программирования, инструментальные среды пользователя) и интегрированные среды разработки программ, основное назначение которых - повышение производительности труда программистов за счет автоматизации создания кодов программ, обеспечивающих интерфейс пользователя графического типа, а также автоматизации разработки запросов и отчетов (например, Delphi). Экспертные системы впервые появились в области медицины. Возникла идея интеграции знаний экспертов в области медицины или ее отдельных разделов в некоторую электронную форму, которая позволила бы начинающему врачу иметь своеобразного электронного советника при принятии решений по тому или иному врачебному случаю. Выбор области медицины объясняется слишком большой ценой ошибок, которые касаются жизни и здоровья людей. Постепенно от области медицины эта технология распространилась и на другие сферы деятельности человека, например, производство. Технология использования экспертных систем предполагает первоначальное "обучение" системы, т.е. заполнение её конкретными знаниями из той или иной проблемной области, а потом уже эксплуатацию наполненной знаниями экспертной системы для решения прикладных задач. Эта идеология проявила себя в проекте ЭВМ пятого поколения в части привлечения конечного пользователя к решению своих задач и связана с проблемой автоформализации знаний. Интеллектуальные пакеты прикладных программ позволяют, аналогично экспертным системам, предварительно создавать базу знаний, включающую совокупность знаний из той или иной области деятельности человека, а затем решать практические задачи с привлечением этих знаний. Различие этих видов пакетов состоит в том, что экспертные системы, в отличие от интеллектуальных ППП, позволяют интегрировать знания из так называемых слабо формализуемых предметных областей, в которых сложно определить входные и выходные параметры задачи, а также невозможно сформировать четкий алгоритм ее решения. Кроме того, экспертные системы не формируют алгоритм решения задачи как в случае интеллектуальных ППП, а лишь выдают "советы" пользователю на основании его запроса. Языки программирования делятся на следующие виды: Операторные. Используются для кодирования алгоритмов, а потому также называются алгоритмическими. Имеют в составе: машинно-зависимые (ассемблер). Применяются для написания программ, явно использующих специфику конкретной аппаратуры. Каждый компьютер имеет такую систему программирования, которая изготавливается и поставляется фирмой-изготовителем вместе с компьютером; машинно-ориентированные (язык С). Объединяет идеи ассемблера и алгоритмического языка. Программы компактны и работают очень быстро. Универсальные. (Турбо-Паскаль, Бэйсик). Приближены максимально, насколько это возможно, к естественному английскому языку: название каждой команды - английское слово; функциональные. Применяются, как правило, для машинного моделирования той или иной проблематики. Проблемно-ориентированные (GPSS). Моделируют систему с помощью последовательности событий. Применяются, в частности, при проектировании вычислительных комплексов. Объектно-ориентированные (Форт). Имеют встроенные средства для моделирования новых объектов программирования; Логико-ориентированные (Prolog). Отдельно описываются правила предметной области, по которым затем выводятся новые факты.

5. Рекомендации по применению баз знаний для инновационного развития экономики

В настоящее время, в условиях глобализации, для достижения высокой конкурентоспособности каждого предприятия в производстве большую роль играют "ноу- хау" и знания компании. На макроэкономическом уровне также все большее значение приобретают политические и регуляторные меры по формированию качественного интеллектуального и человеческого капитала. Анализируя процесс развития экономики в ХХ веке, известный ученый Питер Друкер выделил три основных этапа. Первый заключается в применении знаний к совершенствованию процессов производства. Второй - произошел переход внимания к эффективности производства, то есть непосредственно к труду. В этот период наблюдается рост информационного сектора, появление Интернета и заметное развитие ресурсосберегающих технологий. Третий этап, П. Друкер в 1993 году охарактеризовал как революция в менеджменте, когда знание применяется к самому знанию, появляются высокие технологии и интеллектуальный капитал становятся ресурсом производства.

Кризисное состояние мировой экономики в целом благоприятствует старту инновационной стратегической инициативы. В нашей стране все более угрожающе проявляется проблема надежности эксплуатации оборудования в условиях предельного износа. Поиск путей разрешения этой проблемы актуален как для нашей страны, так и для развивающихся стран. Возможная схема управленческих действий:

1. Составление перечня общенациональных, характерных для всех отраслей экономики научно-технических проблем.

2. Финансирование исследований и разработок по данному перечню через инновационные статьи национального инвестиционного фонда на тендерной основе при условии обеспечения мировых темпов работ и превышения мирового уровня по основным показателям.

3. Полное или частичное инвестирование жизнеопределяющих отраслей экономики путем передачи им, на лизинговой основе, разработок по общенациональному перечню.

4. Разработка мер государственной поддержки вывода на мировой рынок научно-технической продукции, после ее апробации на предприятиях основных монополий, используя в качестве бренда громкое название этих монополий[10, c.120].

Предлагаемая схема действий позволяет нейтрализовать факторы, препятствующие развитию инновационных процессов.

Вывод

Я думаю, что бурное развитие в стране станет возможным только при эффективном сотрудничестве и совместной ответственности науки, государства, бизнеса и общества. Именно бизнес может и должен обеспечить рыночность в сфере технологий, помогая институтам власти в принятии верных решений и правильных законов. Но в дальнейшем, несмотря на преимущественное участие в инновационном бизнесе частных предприятий, координирующая роль государства должна сохраниться, чтобы обеспечить максимальную выгоду государства от продаж на рынке наукоемкой продукции.

В передовых странах разработка и внедрение технологических инноваций является решающим фактором социального и экономического развития, залогом экономической и национальной безопасности.

В настоящее время скорость, объём, и глубина инновационного процесса во многом определяют экономический и политический вес страны на мировой арене.

Инновационная экономика - это не цель, это лишь средство для решения таких серьезных задач, стоящих перед страной, как сохранение территориальной целостности, повышение конкурентоспособности экономики, рост качества жизни населения.

Размещено на Allbest.ru