Геловани В.А. и др. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях

Подождите немного. Документ загружается.

1.7. Компьютерная поддержка принятия качественных решений И

Объект 1 Объект 2

СППР

база знаний

СППР

база знаний

система \

телекоммуникаций \

информационный обмен

знаниями о действиях

во внештатных ситуациях

Аналитический и

управляющий центр.

База универсальных знаний

\SPRINTNET

\INTERNET

Объект ('

Объект

Л'^

СППР

база знаний

СППР

база знаний

Рис. 1.2. Пример архитектуры телекомму-

никационной сети для принятия решений

1.7. Компьютерная поддержка

принятия качественных решений сложных задач

с большими объемами информации

1.7.1. Системы, основанные на знаниях,

для поддержки принятия решений

В проблематике систем поддержки принятия решений (DSS) главной

парадигмой является понятие «поддержка». Таким образом, это должна

быть компьютерная система, которая должна предоставлять ЛПР сред-

ства для использования моделей и данных, чтобы распознавать, понимать

и формулировать задачи

[162].

Классические системы поддержки приня-

тия решений были ориентированы в большей степени на поддержание

вычислительных функций, чем логических. Популярные в среде специ-

алистов по искусственному интеллекту экспертные системы имели крен

в сторону работы только с логической информацией. Новое поколе-

ние DSS должно оперировать как с традиционной хорошо структуриро-

ванной информацией, использующей аппарат СУБД, так и системами,

основанными на знаниях, а также с другими видами информации —

текстами, изображениями, даже иногда звуками. То есть необходимо

разрабатывать методы манипулирования разными компонентами так на-

зываемых «мультиданных» (multimedia database).

12 Глава!.

Системы поддержни

принятия решений

В проблематике систем поддержки принятия решений, использую-

щих методы искусственного интеллекта или, как сейчас считается более

правильным их называть, системы, основанные на знаниях, имеется мно-

жесгво подпроблем (подзадач), каждая из которых способствует в той или

иной степени продвижению вперед в рассматриваемой области. Попыта-

емся составить примерный список направлений исследований, учитыва-

ющий сложившуюся международную классификацию, не претендующий

на полноту или однозначность. Заметим, что не все английские термины

имеют устоявшийся перевод на русский язык:

• информационное моделирование;

• интеллектуальные средства проектирования;

• разработка формальных моделей;

• методы представления знаний;

• гипертекст/гипермедиа системы;

• полнотекстовые базы данных;

• архитектора систем, основанных на знаниях;

• CASE (Computer Aid Software/Systems Engineering — разработка про-

граммного обеспечения с компьютерной поддержкой);

• коммуникации;

• компьютерная картография;

• защита данных;

• дедуктивные базы данных;

• инженерия знаний;

• машинное обучение;

• мультимедиа базы данных;

• интерфейс на естественном языке;

• объектно ориентированные базы данных;

• информационные системы офиса;

• параллельные системы баз данных;

• научные и инженерные приложения;

• информационные системы для социальных задач и органов государ-

ственного управления;

• пространственные базы данных;

• статистические базы данных;

• неопределенность в базах данных;

• визуальный интерфейс.

1.7. Компьютерная поддержка принятия качественных решений 13

Компьютерная поддержка принятия решений является необходимым

условием принятия качественных решений сложных проблем с большими

объемами информации. Компьютерные системы могут оказывать суще-

ственную пользу, если они создаются быстро, хорошо адаптируются

и настраиваются на меняющиеся условия и учитывают специфические

особенности ЛПР.

Для эффективной разработки систем поддержки принятия реше-

ний необходимо создание и использование специальных профаммных

средств: инструментальных систем, CASE (Computer Aid Software Engi-

neering) технологий. ЛПР будет успешно использовать систему поддержки

принятия решений, если она обладает интеллектуальными чертами. Од-

ним из магистральных направлений повышения интеллектуальности ин-

формационных систем является интеграция технологий искусственного

интеллекта и информационных систем. Обязательным элементом систем

искусственного интеллекта являются базы знаний и системы управления

базами знаний (СУБЗ). В настоящее время не разработано промышлен-

ных образцов СУБЗ, в то же время хорошо развиты системы управления

базами данных (СУБД). Использование последних достижений

техноло-

гии баз данных, СУБД, построенных на реляционной модели, позволяет

использовать в качестве первой версии СУБЗ реляционные СУБД. Ис-

пользование аппарата реляционной алгебры позволяет формализовать

операции, проводимые с информацией, хранимой в СУБД, использовать

правила вывода.

Приведенный список направлений исследований показывает много-

образие проблем, возникающих при создании интеллектуальных систем

поддержки принятия решений. На данном этапе остановимся на несколь-

ких из них, которым по ряду причин было уделено авторами большее

внимание.

1.7.2.

Информационное моделирование

Широкое развитие методов математического моделирования для под-

держки принятия решений, обобщение и применение этих методов при

использовании ЭВМ, которое получило название компьютерного моде-

лирования [52], вьщеляет новые специфичесьсие этапы и области иссле-

дований. Одну из таких проблем, которая требует применения методов

искусственного интеллекта, можно назвать информационным модели-

рованием. Практическое испатьзование методов поддержки принятия

решений требует необходимой точной и адекватной информационной

базы в виде начальных данных, значений, параметров, статистики, изме-

рений. При этом данные уточняются, дополняются, расширяются и т.д.

Все это требует специальной информационной технологии, единой тех-

нологии сбора, обработки, хранения и использования информации. При

этом часто недостаточно внимания уделяется вопросам информационно-

го обеспечения, которые на современном этапе развития информатики

представляются весьма актуальными. Здесь уместно вспомнить формулу

и Глава!.

Системы поддержки принятия решений

классика программирования Н. Вирта [37]: «Алгоритмы + структуры дан-

ных = программы.»

Технология обработки информации неразрывно связана с понятия-

ми баз и банков данных (БД и БнД), систем управления базами данных

(СУБД). После создания и развития СУБД возникла иллюзия, что все

проблемы информационного обеспечения решены. Но как часто бывает,

СУБД явились причиной возникновения новых проблем. Эти проблемы

включают противоречие между сложностью и недостаточной эффектив-

ностью универсальных СУБД и ограниченными возможностями специ-

ализированных систем. Попытки создания крупных интегрированных

БнД оказались неудачными в связи со сложностью и длительностью их

создания, трудностью создания единого представления и длительностью

процесса согласования интересов различных пользователей. Большие на-

дежды связывались с автоматизацией проектирования информационных

систем и баз данных. Литература по этим вопросам составляет сотни

наименований (например, библиография в [109] — 357 наименований),

большую часть из которых составляют зарубежные публикации. В нашей

стране этим вопросам по ряду причин уделяется существенно меньше

внимания. Это вызвано и незначительным количеством оригинальных

отечественных СУБД, доведенных до промышленного уровня, не гово-

ря уж о коммерческом. Существенное влияние оказало на нашу жизнь

повсеместное внедрение персональных компьютеров (ПК).

Стали широко распространяться локальные ИС, персональные БД.

Но поскольку ясно, что изолированные ИС имеют проблемы со сбором

информации и вводом данных в ЭВМ (что является одним из критических

вопросов в индустрии обработки данных), то актуальной становится

проблема взаимодействия между отдельными ИС.

На конгрессе ИФИП в 1986 г. [179J была предложена концепция

«Третьей волны» в информационных системах. 1-я волна это набор

файлов. 2-я волна — независимые данные, поддерживаемые СУБД,

логическая централизация (в том числе в физически распределенных си-

стемах). 3-я волна — вместо общей БД создание отдельных (персональ-

ных) ИС, которые обмениваются межу собой семантргчески значимыми

сообщениями.

Одним из наиболее многообещающих направлений разработки тео-

рии информационных систем является интеграция методов искусствен-

ного интеллекта (ИИ) и методов информационных систем и баз дан-

ных

[146].

Эта интеграция происходит в двух направлениях С одной

стороны, это использование хорошо разработанного аппарата баз дан-

ных и информационных систем в системах искусственного интеллекта.

С другой стороны, это применение подходов ИИ в информационных

системах

[173].

В первую очередь это применение аппарата экспертных

систем к плохо формализуемым этапам процесса разработки информа-

ционных систем [34]. В разрабатываемых системах автоматизации про-

ектирования [47] первый самый сложный и плохо формализуемый этап

концептуального моделирования требует применения процедур, которые

используют знания экспертов.

1.7. Компьютерная поддержка принятия качественных решений 15

Проблемой следующего уровня является повышение интеллектуаль-

ности информационных систем. Во-первых, это вопросы интеллектуали-

зации интерфейса пользователя информационными системами [31]. Во-

вторых, это вопросы развития баз данных путем создания баз метаданных

и баз знаний. С помощью правил вывода, методов логического програм-

мирования и алгоритмов обработки появляются возможности работать

с неполной, неопределенной и недостоверной информацией, что суще-

ственно расширяет функциональные возможности информационных си-

стем. Резкое увеличение функциональных возможностей ПК (увеличение

быстродействия, оперативной и дисковой памяти), повышение уровня

сложности решаемых задач обострит ситуацию с созданием эффектив-

ных информационных систем для решения задач управления на уровне

современной информационной технологии. Для создания современных

интеллектуальных информационных систем должны быть решены следу-

ющие задачи:

• разработка проблемно-ориентированного пользовательского интер-

фейса; разработка структуры информационных потоков, начиная

с внешнего источника данных и кончая альтернативными проектами

предлагаемых решений;

• создание подсистемы ввода, анализа и фильтрации входной инфор-

мации;

• разработка концептуальной, логической и физической схем баз дан-

ных;

• создание подсистемы формирования запросов, анализа и предста-

вления информационной базы;

• создание генератора предлагаемых решений.

Особенно важным является создание систем, которые бы поддер-

живали весь цикл компьютерной обработки информации от процессов

ввода [33] до принятия решений [28]. В случае достаточной форма-

лизации задачи выбора решений, естественно, необходимо применять

разнообразные хорошо разработанные подходы и методы, например [1].

Продолжается интенсивное развитие теории баз данных. Это раз-

витие не происходит прямолинейно. Если в начале 80-х годов большое

внимание уделялось разработке так называемых нормальных форм (НФ),

от 1-й к 4-й и множество их разновидностей, при проектировании БД

разрабатывался аппарат приведения отношений к соответствующей НФ,

то сейчас при работе со сложными объектами НФ является ограниче-

нием, от которого есть стремление отказаться. Наибольшие проблемы

возникают при анализе семантики баз данных. В рамках теории баз дан-

ных эти проблемы полностью решить не удается и необходим переход

к повышению интеллектуальности баз данных, а это значит к базам зна-

ний. При этом перспективным является подход, при котором в качестве

первого шага можно использовать СУБД, функциональные возможности

которых сегодня позволяют решать гораздо более сложные задачи, чем

просто управление данными.

16 Глава 1.

Системы поддержки принятия решений

1.7.3. Разработка интеллектуальных средств проектирования

информационных систем

Проектирование информационных систем (НС) для поддержки при-

нятия решений является одной из актуальных задач современной инфор-

матики. В этой области накоплен большой практический опыт, разви-

ты разнообразные теоретические подходы к решению этой задачи

[127].

последнее время целый ряд исследователей пытается решать задачу про-

ектирования ИС с помощью применения так называемых CASE систем.

Эти системы строятся на различных методологических подходах. Одним

из наиболее популярных является использование методов и средств ис-

кусственного интеллекта, и в частности экспертных систем (ЭС). Анализ

использования интеллектуальных средств (в первую очередь ЭС) для ре-

шения задачи проектирования позволяет сделать следующие обобщения.

ОСНОВНЫЕ ЭТАПЫ ПРОЕКТИРОВАНИЯ. В настоящее время

сложилось представление [169] о том, что процесс проектирования ИС

складывается из четырех больших этапов:

• анализ требований к ИС (requirements analysis) (иногда этот этап

включают в более общий этап системного анализа предметной обла-

сти (ПО));

• концептуальное моделирование ПО;

• логическое проектирование БД;

• физическое проектирование БД.

Существуют и другие то'жи зрения на вьщеление этапов, но боль-

шинство исследователей использует приведенную классификацию.

На первом этапе осуществляется сбор и анализ различных пользова-

тельских представлений о ПО и о функциях и задачах, которые должны

решаться с помощью проектируемой системы.

На втором этапе пользовательские представления записываются фор-

мально с помощью выбранной концептуальной модели и затем инте-

грируются в единое формальное описание, называемое концептуальной

схемой ПО.

На третьем этапе концептуальная схема ПО преобразуется в концеп-

туальную схему БД, поддерживаемую выбранной СУБД, а формальные

пользовательские представления преобразуются во внешние схемы БД.

На четвертом этапе решаются задачи, связанные с оптимизацией

физических характеристик проектируемой системы.

Рассмотрим примеры применения технологии искусственного ин-

теллекта для проектирования ИС.

Одним из подходов (он применялся в проекте RUBRIC [188, 189J)

является использование продукционного подхода для проектирования

ИС.

Проект предусматривает построение базы знаний (в виде набора

правил, фактов, описания поведения системы и принимаемых решений).

Разрабатываемые средства можно условно разбить на четыре группы

1) сбор знаний о ПО;

2) проверка знаний о ПО;

1.7. Компьютерная поддержка принятия качественных решений 17

3) работа со знаниями о ПО;

4) представление знаний о ПО.

Основными компонентами модели представления знаний, принятой

в проекте, являются'

• объекты (продукты, цены, поставщики и т.д.);

• связи между объектами (продукт связан с поставщиком и ценой);

• события (продажа продуктов);

• семантические ограничения (продукты покупаются у наиболее вы-

годного поставщика).

Все эти знания могут быть разбиты на следующие классы:

• структурные компоненты, описывающие статическую структуру си-

стемы в терминах объектов, связей и доменов;

• статические ограничения, определяющие допустимые состояния си-

стемы;

• транзакции, описывающие поведение системы;

• динамические ограничения, определяющие допустимые переходы

из состояния в состояние в терминах триггеров, транзакций и ус-

ловий.

Этот проект является развитием достаточно известной системы ав-

томатизации проектирования ИС REMORA [148, 174, 175]. Основным

мотивом развития REMORA проекта в сторону технологии ЭС послужи-

ло то, что, по мнению авторов, большинство САПР ИС ориентированы

не столько на помощь проектировщику, сколько на описание конечного

результата проектирования. Хорошая (выразительная и удобная пользо-

вателю) семантическая модель еще не гарантирует получение хорошей

концептуальной схемы. Помощь проектировщику нужна в первую оче-

редь в построении концептуальной схемы ПО.

Этот проект направлен на разработку средств анализа и проектиро-

вания ИС. В качестве такого средства предлагается ЭС, включающая базу

знаний (базу фактов + базу правил), машину вывода и интерфейсы. База

фактов содержит объекты трех типов:

• исходные факты, которые записаны в виде предложений на ог-

раниченном естественном языке (подмножество французского язы-

ка) и формально представляются в виде синтаксических деревьев;

• классы фактов, описанные в виде семантической сети с тремя ти-

пами узлов, соответствующими основным объектам ПО (объекты,

действия, события) и связей между узлами;

• элементы концептуальной схемы описаны в виде семантической се-

ти,

называемой «нормализованной семантической сетью», в которой

узлы и связи между ними представляются в виде структурных ком-

понент. Каждая структурная компонента представляется либо в виде

объектов указанных выше типов, либо в виде результата применения

к этим типам механизмов абстракции (обобщения is а, агрегации

part of, ассоциации member of).

18 Глава 1.

Системы поддержки принятия решений

База фактов включает пять типов правил:

• правила анализа;

• правила интерпретации;

• правила структуризации;

• правила проверки;

• правила диалога.

Процесс проектирования с помощью системы OICSL состоит в пре-

образовании исходных фактов в элементы концептуальной схемы и скла-

дывается из трех этапов.

Сбор исходных фактов; лексический и синтаксический разбор

предложений.

Распознавание классов фактов, построение соответствующей де-

скриптивной семантической сети

Построение концептуальной схемы т. е. преобразование дескрип-

тивной семантической сети в нормализованную с использованием правил

структуризации, проверки и правил диалога.

рамках проекта OICSI разработан прототип системы, пользователей

которого можно разделить на два класса:

Пользователь специалист

конкретной области знаний, не имеющий

навыков проектирования. Такой пользователь строит концептуальную

схему моделируемой ПО из текстов на ЕЯ (обучающая система и система

объяснений значительно облегчают его работу).

Пользователь эксперт в области проектирования модифицирует базу

правил, используя специальный интерфейс эксперта.

Особенностью системы HAPS (Huazhong Automatic Programming Sys-

tem) (Система автоматизации программирования информационных си-

стем) является то, что она включает четыре экспертные системы, взаимо-

действуюише между собой и позволяющие решать задачи, возникающие

на различных этапах проектирования ИС.

ЭС анализа требований к ИС (ESRA Expert System for Requirement

Analysis) предназначена для сбора, анализа и модификации требова-

ний пользователей. На вход системы поступают требования, описанные

на ограниченном естественном языке. На выходе получается формализо-

ванная спецификация требований. ЭС логического проектирования БД

(ESDL Expert System for Logical Design), получая на вход формализован-

ную спецификацию требований, преобразует ее в объектно-связанную

семантическую сеть (entity-relation semantic network), которая, как утвер-

ждают авторы, является расширением ER-модели. На следующем шаге

система позволяет сгенерировать схему реляционной БД в третьей нор-

мальной форме.

ЭС оптимизации схемы (ESSO Expert System for Schema Optimization)

преобразует функциональное описание системы, основанное на предста-

влении пользователей (user view), в функциональное описание, основан-

ное на схеме реляционной БД в ЗНФ.

1.7. Компьютерная поддержка принятия качественных решений 19

ЭС синтеза программы (Expert System for Program Synthesis) позво-

ляет получить готовый программный продукт, поддерживающий функ-

циональное описание системы и схему в ЗНФ.

Система в целом включает также систему управления базами зна-

ний, с которой взаимодействуют указанные ЭС и двух специальных

редакторов — редактора экранных форм и редактора диаграмм.

В рамках известного проекта DATAID-1 создания инструментальных

средств проектирования ИС разрабатываются ЭС проектирования БД.

В [174] описана система CARS (Computer Aided Requirement Synthesis).

Она охватывает только один этап проектирования — анализ ПО. CARS

работает в трех режимах:

РЕЖИМ СИНТЕЗА. На вход поступают данные и отношения, полученные

и классифицированные на этапе сбора и анализа требований. На выходе

получается согласованное интегрированное описание отношений, явля-

ющееся так называемым пользовательским представлением (user view).

РЕЖИМ ВЕРИФИКАЦИИ. На вход поступает подсхема, заданная в рамках

ER-модели вместе с данными и классифицированными и агрегированны-

ми отношениями. Система пытается согласовать подсхему с заданными

отношениями. Если возникает конфликт, система предлагает пользо-

вателю пересмотреть заданную заранее классификацию отношений или

модифицировать подсхему, подаваемуто на вход. На выходе получается

двоичное значение: О — подсхема согласована с заданной классифи-

кацией отношений; 1 — обнаружены противоречия, которые не были

устранены пользователем и подсхема отвергается.

РЕЖИМ УТВЕРЖДЕНИЯ. Вход при работе в этом режиме совпадает со вхо-

дом при работе в режиме верификации. Новая информация, извлечен-

ная из подсхемы, добавляется к базе знаний. Все противоречия между

подсхемой и текущим состоянием базы знаний разрешаются путем моди-

фикации текущего состояния. Знания в системе представляются в виде

набора продукций. Большое внимание разработчики уделяют механизму

объяснения поведения системы.

Анализ систем проект-ирования позволяет представить обобщенный

портрет интеллектуальной системы проектирования ИС:

МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ. Семантические сети или продукцион-

ные системы (возможна их комбинация).

МОДЕЛЬ ДАННЫХ. Модель «объекты связи» (ER модель [175]) (иногда

эта модель используется в качестве структурного средства представления

знаний) и реляционная модель данных.

ЯЗЫКИ ПРОГРАММИРОВАНИЯ. ПРОЛОГ или разновидности языков логиче-

ского программирования (XLOG и др.). Также используются и другие

языки профаммирования: Си, Си-ь-ь, Паскаль.

20 Глава 1.

Системы поддержки

принятия решений

БАЗОВЫЕ СУБД. Явно выраженной тенденции нет. Могут быть коммер-

ческие СУБД для персонадшных компьютеров (dBASE 111+) или иссле-

довательские разработки, направленные на повышение семантических

возможностей систем (RUB1S).

ВХОДНОЙ ЯЗЫК. В абсолютном большинстве систем ограниченный есте-

ственный язык (повествовательные предложения, не допускаются мета-

форы и т.д.).

КОМПЬЮТЕРЫ. Используется широкий спектр компьютеров: VAX, рабочие

станции SUN, наиболее производительные персональные компьютеры

семейства IBM.

ЭТАПЫ ПРОЕКТИРОВАНИЯ. Большинство систем охватывает все этапы про-

ектирования (анализ требований, концептуальное моделирование, логи-

ческое и физическое проектирование БД), но основной упор девается

на этапы сбор и анализ требований и концептуальное моделирование, так

как они наименее формализуемы и опыт и интуиция проектировщиков

в первую очередь проявляется именно на этих этапах.

ВНЕДРЕНИЕ. Большинство систем являются прототипами, полученными

в результате исследовательских проектов.

ПОЛЬЗОВАТЕЛИ. Системы в первую очередь ориентированы на исполь-

зование специалистами в конкретной области знаний, но могут быть

использованы и экспертами как средство облегчающее процесс проекти-

рования и для пополнения базы знаний.

Проведенный анализ позволяет сделать вывод, что основны.ми напра-

влениями исследований в области использования методов искусственного

интеллекта для разработки интеллектуальных информационных систем,

используемых для поддержки принятия решений, является разработка

моделей представления знаний, которые бы наряду со структурными

аспектами использовали развитые средства описания динамики предмет-

ной области.

1.7.4. Проблемы интеграции разнородной информации в базах знаний

При создании систем управления базами знаний в настоящее вре-

мя используются как уже известные, так и специально разрабатываемые

модели данных. Так, например, в ряде работ описываются базы знаний,

реализованные средствами реляционных СУБД [97]. Авторы, как прави-

ло,

используют СУБД для хранения данных и доступа к ним. В этом

случае операции СУБД выступают как операции нижнего уровня. На бо-

лее высоких уровнях находятся специально разрабатываемые операции

над знаниями.

Этот подход достаточно эффективен в тех случаях, когда знания

хорошо структурированы и могут быть описаны конструкциями вида

«параметр значение» или простыми правилами «если то»

[186].

В других

случаях при слабоструктурированных знаниях (тексты, изображения) его