Системы искусственного интеллекта

Современные подходы к исследованию поведения сложных сис­тем, включая экономические системы, во многом базируются не на классическом интегрально-дифференциальном математическом ап­парате, а на методах искусственного интеллекта, реализуемых раз­личными средствами: нейронными сетями, генетическими алгорит­мами, системами нечеткой логики и др. Характерной особенностью методов искусственного интеллекта является возможность работы с неточными (зашумленными) данными; при этом достигается точность, достаточная для практической потребности, и, как правило, от поль­зователей не требуют специальных математических знаний. Большин­ство специализированных пакетов, реализующих методы искусствен­ного интеллекта, обеспечивают пользователям возможность работы с ними в рамках терминологии конкретной предметной области.

Системы на основе нейрокомпьютерных технологий. Компонен­тами нейротехнологий являются нейронные компьютеры и процессо­ры, а также нейронные сети как класс специализированных алгорит­мов (далее нейросети). Нейросети образуют большой класс систем, в которых реализуются попытки моделирования взаимодействия ней­ронов аналогично их функционированию в мозге человека. Как по­казывают исследования, каждый нейрон состоит из тела клетки и множества входных отростков, называемых дендритами. Дендриты идут от тела данной клетки к другим нейронам, где они принимают сигналы в точках возбуждения, называемых синапсами. Принятые синапсами входные сигналы подводятся к телу нейрона, где они ал­гебраически суммируются. Когда суммарное возбуждение в теле ней­рона превысит некоторый порог, он возбуждается и посылает свой сигнал к другим нейронам.

В основе построения искусственных нейросетей используется подход, реализующий логически функционирующую систему, со­стоящую из большого числа связанных между собой простых эле­ментов. С большим уровнем упрощения подобную систему можно рассматривать как совокупность взаимодействующих искусственных нейронов. Каждый такой нейрон реализуется в виде сумматора, на вход которого поступают взвешенные сигналы с выходов нейронов предшествующего уровня. Результат суммирования поступает на пороговый элемент с некоторой функцией адеквации нейрона. Та­ким образом, настройка нейросети сводится к определению струк­турированной совокупности нейронов и значений коэффициентов, определяющих глубину связи между конкретными нейронами. Для того чтобы сеть можно было использовать в дальнейшем, ее прежде необходимо «натренировать» на полученных ранее массивах дан­ных, содержащих значения входных параметров и соответствующие им значения выходных параметров (т.е. правильные ответы). Ре­зультатом этого обучения является определение значений «веса» межнейронных связей (коэффициентов межнейронных связей), обеспечивающих наибольшую близость выходных сигналов сети к известным правильным ответам. Поскольку в процессе построения синаптической карты на практике широко используется градиент­ный алгоритм поиска, то возможно попадание в локальный экстре­мум с близким к нулю значением вектора градиента, что приводит к началу нового цикла поиска решения и, соответственно, увеличе­нию длительности обучения сети.

Специалистами опубликовано большое количество работ по ис­следованию возможностей нейросетей, развивающихся от однослой­ных структур к многослойным, от сетей с прямым распространением сигналов к более сложным сетям с обратными связями. Усложнение структуры нейросети обусловливает расширение ее функциональных возможностей и, как следствие, обеспечивает нахождение моделей, более точно описывающих особенности взаимосвязи имеющихся массивов показателей, которые используются при настройке сети. Однако увеличение сложности нейросети и введения обратных свя­зей повышает актуальность вопросов исследования динамических свойств и устойчивости самой нейросети.

В настоящее время применяются различные нейросетевые реше­ния: многослойные персептроны, сети Хопфилда, RTF-сети, вероят­ностные (байесовские) сети, самоорганизующиеся карты Кохонена и др. Они отличаются друг от друга размерами и структурой, методами отбора данных для анализа, временем и алгоритмами обучения, точ­ностью, способностью к обобщению. В целом для нейросетей харак­терны следующие особенности: не требуется выполнения сложных расчетов, результаты обработки (прогноза) зависят только от полно­ты и вида имеющихся данных, приемлемое время настройки; в то же время при использовании нейросети необходим большой объем обучающей выборки данных для ее настройки.

Нейронные сети эффективны для выявления нелинейных зако­номерностей в отсутствии точных начальных знаний об искомой модели, когда классические методы не позволяют найти приемле­мого решения. Применение нейросетей показывает достаточно вы­сокую эффективность при исследовании динамики финансовых рынков, определении оптимального портфеля ценных бумаг, пред­сказании банкротств финансовых учреждений, определении кредит­ных рисков и др.

Одним из популярных пакетов для решения задач прогнозирова­ния при работе с финансовыми данными является пакет Brain Maker Professional.

Системы на основе генетических алгоритмов. Системы этого класса являются мощным средством решения разнообразных комби­наторных задач и задач оптимизации. Поиск решения задачи осуще­ствляется в соответствии с минимизацией некоторого заданного кри­терия. Каждое возможное решение полностью описывается некоторым набором атрибутов. Например, если необходимо выбрать совокуп­ность фиксированного числа параметров ситуации, наиболее сильно влияющих на ее динамику и возможный исход, то этими парамет­рами будет набор их имен. Имена представляются в виде некоторой последовательности, а их определяющие решение значения интер­претируются в такой модели как гены. Хромосома, представленная последовательностью генов, рассматривается в этой модели как ко­дированное представление одного варианта решения. Поиск опти­мального решения рассматривается как процесс эволюции, где ис­пользуются три механизма.

• Отбор «сильнейших» наборов хромосом, которым соответствуют наилучшие решения, упорядоченные на основе некоторой метрики.

• Операция скрещивания, т.е. производство новых индивидов при помощи смешивания хромосомных наборов отобранных ин­дивидов.

• Операция мутации, которой отвечают случайные изменения генов у некоторых индивидов популяции.

В результате смены поколений (т.е. в процессе выполнения по­следовательности итераций поиска решения) в процессе эволюции вырабатывается такое решение поставленной задачи, которое за­метно не улучшается в процессе дальнейшего поиска (дальнейшей эволюции). Критерий отбора хромосом и сама процедура порожде­ния новых потомков в популяции являются эвристическими и да­леко не всегда гарантируют нахождение наилучшего решения. Тем не менее эти алгоритмы и реализующие их системы достаточно по­пулярны при моделировании экономических систем.

Примером системы, использующей парадигму генетической эволюции, может служить система GeneHunter. Генетические алго­ритмы находят применение при формировании инвестиционного портфеля с оптимизацией доходности и учетом риска, разработке бизнес-плана с оптимизацией прибыли и учетом потенциальных издержек, финансовом планировании с оптимизацией налоговых платежей с учетом будущих доходов.

Системы на основе нечеткой логики. Потребность в использова­нии аппарата нечеткой логики объясняется необходимостью анали­за целесообразности применения тех или иных решающих правил из значительного числа потенциально возможных правил при ре­шении задач динамического управления в условиях существенных временных ограничений. Применение нечеткой логики позволяет в большей мере оперировать качественными параметрами, отражаю­щими основные особенности функционирования объектов при не­точных данных, описывающих их поведение, что позволяет сокра­тить время настройки системы управления и обеспечить приемле­мый уровень точности в условиях значительной неопределенности.

Одним из наиболее известных пакетов, реализующих аппарат нечеткой логики, является пакет CubiCalc. Он находит применение в ситуационном моделировании процессов в экономике и финан­сах, при решении задач динамического управления в финансовом планировании и в других сложных предметных областях в условиях неполноты и противоречивости информации, а также при качест­венных (существенно значимых) изменениях параметров.

Выводы

• К типовым технологическим операциям, выполняемым в рамках информационных систем, относятся сбор и регистрация инфор­мации, ее передача, обработка, вывод, хранение, накопление, защита, поиск, анализ, прогноз, подготовка вариантов решений. Основу инструментальных средств, реализующих эти операции, составляет программное и техническое обеспечение современных информационных технологий.

• При развитии корпоративной ИТ-инфраструктуры основное вни­мание уделяется ее функциональности, производительности, мас­штабируемости, стоимости, способности адаптации к быстро из­меняющимся условиям деловой среды.

• Современный этап развития информационных технологий харак­теризуется широким использованием интегрированных решений, реализующих технологию клиент-сервер при работе с ресурсами как в локальных, так и в глобальных компьютерных сетях. Уси­ливается применение трехзвенных реализаций технологии кли­ент-сервер с добавлением серверов приложений.

• Особая роль в реализации современных технологий, в том Числе Web-технологий, принадлежит сети Интернет, обеспечивающей поддержку функционирования различных служб (электронной почты, WWW, платежных систем и др.) в режиме on-line.

• В рамках АРМ при работе пользователей широко применяются как диалоговый режим обработки данных, обеспечивающий ин­терактивный характер воздействия пользователя на процесс обра­ботки, так и пакетный режим, позволяющий максимально автома­тизировать (ускорять) процесс обработки. Основными типами пользовательских интерфейсов являются WIMP- и Web-интерфейсы, в наибольшей степени обеспечивающие конкретность, нагляд­ность и удобство работы пользователей.

• Общим направлением развития информационных технологий яв­ляется их интеллектуализация, опирающаяся на различные под­ходы в области систем искусственного интеллекта (нейросетевые технологии, генетические алгоритмы, математический аппарат нечеткой логики). Использование подобных технологий позволя­ет повысить степень извлечения знаний из имеющейся инфор­мации (зачастую противоречивой и недостаточной) и тем самым усилить обоснованность принимаемых решений.

Вопросы для самоконтроля

1. Определите состав типовых процедур и операций информацион­ных технологий.

2. Каковы основные различия между OLAP- и OLTP-системами?

3. Укажите наиболее важные особенности технологий файл-сервер и клиент-сервер.

4. Охарактеризуйте основные компоненты компьютерных сетей.

5. Опишите особенности современных концепций развития ин­формационных технологий.

6. Приведите основные технические характеристики современных компьютеров, укажите отличия в характеристиках между рабочи­ми станциями и серверами.

7. Каковы особенности различных вариантов доступа пользователей к сети Интернет?

8. Обоснуйте предпосылки создания интегрированных информаци­онных технологий в сфере экономики.

9. Опишите особенности Web-технологий и их роль в современном мире.

10.В чем состоят содержательные отличия между АРМ и рабочей станцией?

11.Охарактеризуйте возможности использования сети Интернет в сфере экономики на современном этапе.

12.В чем заключается роль программных продуктов компании Micro­soft при организации АРМ экономиста?

13.Приведите примеры использования наиболее современных ин­формационных технологий в финансово-кредитной деятельности.

14.Проведите сравнительный анализ особенностей диалогового и пакетного режимов, обоснуйте целесообразность их параллельного использования при работе с АРМ.

15.Охарактеризуйте взаимосвязь АРМ с понятиями «тонкий» клиент и «толстый» клиент.

16.Определите роль эргономических требований при создании АРМ экономиста.

17.В чем состоят возможности применения нейросетевых техноло­гий в сфере экономики.

Тесты к гл. 4.

1. Какая взаимосвязь существует между терминами техническое обес­печение и технологическое обеспечение применительно к информационным системам?

а) это синонимы;

б) техническое обеспечение — это часть технологического обеспе­чения;

в) технологическое обеспечение — это часть технического обеспе­чения;

г) данные термины не связаны друг с другом.

2. Качество какого пользовательского интерфейса наиболее важно для пользователя, работающего в системе с трехзвенной клиент-серверной архитектурой?

а) реализованного на сервере приложений;

б) реализованного на сервере баз данных;

в) реализованного на компьютере клиента;

г) они одинаково важны для пользователя.

3. Интеллектуальные информационные технологии (нейросетевые, генетические алгоритмы и др.) используются для нахождения:

а) нескольких оптимальных решений;

б) наилучшего из потенциально возможных решений;

в) парето-оптимального решения;

г) приемлемого решения.

4. Трехзвенная клиент-серверная архитектура по сравнению с двух- звенной обеспечивает повышение:

а) уровня информационной безопасности;

б) быстродействия;

в) объема общей памяти;

г) числа одновременно работающих пользователей.

5. К категории транзакций относятся действия:

а) запись результатов выполнения хозяйственной операции в системе автоматизации бухгалтерского учета;

б) удаление результатов выполнения хозяйственной операции в сис­теме автоматизации бухгалтерского учета;

в) удаление файла с результатами выполнения хозяйственных опе­раций в системе автоматизации бухгалтерского учета;

г) копирование файла с результатами выполнения хозяйственных операций в системе автоматизации бухгалтерского учета.

6. Переход к клиент-серверной технологии (архитектуре) обусловлен стремлением к:

а) повышению пропускной способности компьютерной сети;

б) увеличению числа одновременно работающих пользователей;

в) снижению сетевого трафика;

г) улучшению пользовательского интерфейса.

7. OLTP-система и OLAP-система:

а) не используются одновременно в составе корпоративной инфор­мационной системы;

б) вместо OLTP-систем в последние годы используются OLAP-системы;

в) совместное использование систем обоих типов является обычной практикой в рамках корпоративной информационной системы;

г) в последние годы они уступают место СУБД.

8. Использование «тонкого» клиента обеспечивает:

а) повышение производительности работы системы в целом;

б) более удобный (дружественный) интерфейс;

в) снижение стоимости системы;

г) использование современных технических средств.

9. Для нейросетевых технологий характерно:

а) настройка нейросети для решения задачи на основе примеров;

б) нахождение оптимального решения при зашумленных данных;

в) нахождение приемлемого решения в тех ситуациях, когда другие вычислительные технологии (методы) бессильны;

г) нахождение решения с заданной точностью.

10. Определите порядок нарастания сложности систем:

а) МРС, CRM, ERP, CIM;

б) CRM, ERP, CIM, МРС;

в) ERP, МРС, CIM, CRM;

г) CIM, CRM, ERP, MPC.