ИТ управления на базе распределенных систем, мобильных и облачных технологий

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Карелин Владимир Петрович

Задачи создания таких ИС относятся к важнейшим в жизни общества [1-3]. Постановка и решение подобных задач стали возможными благодаря достижениям теории и практики интеллектуального управления, основанным на исследованиях в области ИИ, инженерии знаний, математического моделирования и обработки данных.

На нейроны самого нижнего слоя подаются значения входных параметров, на основе которых нужно принимать какие-то решения, прогнозировать развитие ситуации и т. д. Эти значения рассматриваются как сигналы, передающиеся в следующий слой, ослабляясь или усиливаясь в зависимости от числовых значений (весов), приписываемых межнейронным связям. В результате на выходе нейрона самого верхнего слоя вырабатывается некоторое значение , которое рассматривается как ответ — реакция всей сети на введенные значения входных параметров.

Современный мир буквально задыхается под лавиной информации. Эти потоки данных, для которых характерны неполнота, уникальность и необычайная динамичность, не поддаются формальной структуризации и поэтому те же «стандартные» базы и хранилища данных тут бессильны. Стремительное увеличение потока перерабатываемой информации ведет к значительным изменениям в методах работы и требует не только автоматизации процессов обработки и анализа данных, но также и интеллектуализации информационных и организационных процессов , построения и внедрения эффективных мето -дов и интеллектуальных технологий поддержки принятия решений (ПР).

МИГ ориентированы на ПР в кризисных ситуациях в режиме «по ситуации». С точки зрения ИГ и использования коммуникаций структура и организация МИГ максимально приближена к концепции «быстрого/мобильного» интеллектуального предприятия («agile» intelligence enterprise), принятой в США, что лежит в основе интеллектуального сообщества (Intelligence Community). Концепция МИГ, имея сходные задачи с концепцией быстрого/мобильного интеллектуального предприятия, имеет существенное отличие — решающим является человеческий фактор, а технические средства и телекоммуникации играют хотя и важную, но всё же вспомогательную роль. В состав МИГ входят лицо, принимающее решения (ЛПР), командир МИГ и эксперты. Персонал МИГ оптимизируется по совместимости для функциональной координации, раскрепощения интуиции и творческого потенциала личности. Это создает возможность использования новейших креативных технологий — интеллектуального конвейера и методик вир-

Наглядно-образное мышление связано с организацией планирования поведения на основе поступающей из среды информации, накопленного опыта функционирования и знаний, хранящихся в памяти. При этом процесс планирования поведения строится на основе заданных эвристических процедур и протекает без активного взаимодействия с проблемной средой до полного построения плана функционирования. Затем сформированный план реализуется и корректируется по ходу выполнения.

Интеллектуальными (когнитивными) функциями живого интеллекта являются восприятие, интуиция, творчество, ассоциация, индукция (обобщение), силлогизмы, узнавание, прогнозирование, планирование, дедукция, классификация, а также поиск и выбор, сравнение, идентификация, вычисление. В настоящее время детально проанализированы и формализованы следующие функции: поиск, выбор, вычисление, сопоставление, дедукция [2]. Попытки наделить компьютер интеллектуальными способностями более высокого уровня — немонотонной логикой, доказательством по аналогии, индуктивным выводом, вероятностными методами рассуждений и т.д. — пока не дали ощутимых практических результатов. Известные способы автоматизации и использования при решении задач управления интеллектуальных функций — это:

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Карелин Владимир Петрович

Впервые термин » Business Intelligence » был введен в обращение аналитиками Gartner в конце 1980-х годов, как «пользователецентрический процесс, который включает доступ к информации и её исследование, анализ , выработку интуиции и понимания, которые ведут к улучшенному и неформальному принятию решений». Позже, в 1996 году появилось уточнение — это инструменты для анализа данных, построения отчетов и запросов, которые могут помочь бизнес-пользователям преодолеть сложности с обработкой, интерпретацией и представлением данных для того, чтобы синтезировать из них значимую информацию. Эти инструменты в совокупности попадают в категорию, называемую «инструменты бизнес-интеллекта» ( Business Intelligence Toolware) [Артемьев В., 2003].

В 50-х годах ХХ века появились работы Винера, Ньюэлла, Саймана и Шоу, исследовавших суть процессов решения различных задач. Результатами явились алгоритмы и компьютерные программы «Логик-теоретик», предназначенная для доказательства теорем в исчислении высказываний, и «Общий решатель задач». Эти работы положили начало первому этапу исследований в области искусственного интеллекта, связанному с разработкой алгоритмов и программ для решения задач на основе применения разнообразных эвристических методов. В отличие от алгоритмических методов, позволяющих проводить формальную верификацию правильности, эвристические методы решения задачи рассматриваются как свойственные человеческому мышлению вообще, для которого характерно возникновение интуитивных догадок о пути решения задачи.

Заместитель министра промышленности и торговли (Минпромторг) Василий Шпак в ходе заседания отраслевой рабочей группы АНО «Цифровая экономика» по направлению «Цифровизация промышленности» в рамках ЦИПР-2022 заявил, что две трети решений, которые профессиональное сообщество называет искусственным интеллектом (ИИ), по факту ими не являются. «С одной стороны, мало компаний, которые эти решения имеют и о себе рассказывают. А с другой стороны, есть неопределенность понятий. Потому что понятие «ИИ» многие промышленные предприятия пугает. Например, словосочетание «промышленная автоматизация» всем понятно. Две трети решений, которые у нас профессиональное сообщество называет ИИ, по факту никаким ИИ не являются. Это все решения промышленной автоматизации. Это проблема нашего профессионального сообщества. У нас ясности, четкости и прозрачности в определениях до сих пор нет», — заявил Василий Шпак.

В чем различие, между «четкой» ( Crisp Logic ) и «нечеткой» ( Fuzzy Logic ) логикой»? В четкой логике ожидаемое следствие всегда однозначно следует заявленной посылке, если заданы четкие правила выполнения условия — например, «если А, то Б», или, «если А и Б, то В». Когда логика нечеткая, границы выполнения условия не определены или определены нечётко: «если А, то в промежутке времени Б может быть много больше В, а может быть почти равно В» — всё зависит от начальных и текущих условий, которые могут быстро измениться даже внутри зафиксированного промежутка времени .

Чтобы существующие системы поддержки принятия решений (СППР) могли моделировать процесс ПР человеком, им необходимо придать свойства интеллектуальности, то есть включить в их состав перечне -ленные выше подсистемы. Тогда полученные СППР можно будет называть интеллектуальными. Интеллектуальность предполагает наличие в системе собственной внутренней модели внешнего мира. Эта модель обеспечивает индивидуальность, самостоятельность системы в оценке входного запроса, возможность семантической и прагматической интерпретации запроса в соответствии с собственными знаниями и выработку ответа (реакции), семантически и прагматически правильного с точностью до адекватного моделирования внешнего мира.

Важным признаком интеллектуальности, или свойством ИС, является способность к выводу, генерации, конструированию решения, которое в явном и готовом виде не содержится в системе. В этом свойстве проявляется способность системы к дедуктивному выводу («мышлению»). С информационной точки зрения это свойство иногда трактуется как способность системы формировать и выдавать новую интеллектуальную информацию, в явном виде в нее не заложенную, т. е. быть своего рода генератором новой информации, новых идей. Под интеллектуальной информацией понимается информация, обладающая семантическим и прагматическим свойствами, т.е. несущая определенный смысл и предназначенная для определенных целенаправленных действий. Наиболее эффективный способ представления и семантики, и прагматики в ИС заключается в построении определенных информационных структур типа графов, в вершинах которых расположены порции информации, а дуги соответствуют взаимоотношениям между ними. Поэтому под генерацией новой интеллектуальной информации понимается генерация новых информационных структур, несущих новую семантику и прагматику.

ИТ на базе концепции искусственного интеллекта

«Одна из идей, которую мы обсуждали с промышленниками, — это финансово-консультационный пакет для ускоренной адаптации предприятия через разработку MVP и программы акселерации внедрений технологий ИИ в партнерстве с регионами. Еще одна идея — испытательные полигоны, на которых можно было бы отрабатывать определенный класс решений. Особенно это важно сейчас, при импортозамещении решений», — уточнил Владимир Авербах.

ИД человека связана с поиском решений (действий, закономерностей) в новых, нестандартных ситуациях. Поэтому задача называется интеллектуальной, если точный метод ее решения априори не известен. Здесь под решением задачи понимается любая деятельность (человека или машины), связанная с выработкой планов и действий, необходимых для достижения определенной цели, с выводами новых закономерностей. Любая ИД опирается на знания о предметной области, в которой ставятся и решаются задачи.

Класс технологий и систем, созданных на базе таких принципов и предназначенных для поддержки принятия делового решения в условиях развивающейся неопределенности, стал широко применяться в бизнесе и получил название «системы интеллектуального анализа данных» ( Business Intelligence — BI).

Следующая инициатива заключается в проведении мониторинга обучающих программ по ИИ в промышленных вузах и разработке доработок с учетом отраслевой специфики. Кроме того, необходимо дополнить существующие программы дополнительного профессионального образования для сотрудников предприятий с учетом отраслевой специфики. Также Владимир Авербах предложил запустить ежегодную премию готовности промышленных компаний к использованию технологий ИИ.

Таким образом, общей задачей использования искусственного интеллекта является построение компьютерной интеллектуальной системы, которая обладала бы уровнем эффективности решений неформализованных задач, сравнимым с человеческим или превосходящим его. На рис. 3.1 показана функциональная структура такой системы [Морозов М. Н. — http://www.marstu.mari.ru:8101/ mmlab/home/AI/index.html].

Предметная область ИИ описывается естественными науками, хотя часто привлекаются и гуманитарные науки и даже должен учитываться весь накопленный мировым искусством опыт. Это объясняется невозможностью точно установить границы области мыс -лительной деятельности человека, поскольку человеческий интеллект, мышление проявляет себя в самых различных формах. Критерием адекватности, проверки правильности и полноты наших моделей являются практика, прикладные исследования.

ному эвристическому направлению, придерживаются той точки зрения, что процесс ПР принципиально не может быть строго формализован. В соответствии с этой точкой зрения модель процесса ПР представляет собой набор правил, приемов, систему догадок, которые проверены на опыте и не составляют единую дедуктивную систему. С другой точки зрения считается, что человек принимает решения логически, а следовательно, он может записать процесс ПР в виде алгоритма — формальной схемы последовательности операций. Однако в большинстве случаев лица, принимающие правильные решения, не могут формально представить свой процесс ПР (изложить его формальным языком). Эю объясняется тем, что неопределенность ПР лежит в самой природе явления ПР.

Алгоритмы для анализа таких ситуаций реализуют, как правило, сценарные варианты развития ситуации с оценкой риска каждого варианта. Соответственно, информационная система в таком случае, помимо стандартных функций сбора, хранения и передачи данных, должна содержать модули, реализующие обработку и многовариантный анализ информации. Поскольку развитие бизнес-ситуации может определяться несколькими параметрами, и модели, описывающие такие ситуации, редко бывают линейными, то реальная задача чаще всего сводится к задачам многофакторного оценивания и нелинейной оптимизации.