Bundesamt für Bildung

Staatliche Bildungseinrichtung

Northwest State Korrespondenz

technische Universität

Institut für Industrie und

innovative Programme

Abteilung für Unternehmensökonomie und -management

Verifizierungsarbeit zur Disziplin

  "Informationstechnologie in der Wirtschaft."

Betreff: 1. „Die Hauptarten der Wirtschaftstätigkeit,

die Informationstechnologie nutzen. “

2. "Mittel zur Implementierung der Informationstechnologie."

3. „Merkmale der Mobiltechnologie unternehmertum. “

4. “Die Rolle und der Ort automatisierter Informationen

systeme in der Wirtschaft. Unternehmensinformationsmodell. “

Student durchgeführt: Shestakova Maria Dmitrievna

Spezialität: 80502.65

Code: 578030493

Lehrer: Babkin

Sankt Petersburg

Arbeitsplan.

Thema 1.

″ Die Hauptarten wirtschaftlicher Aktivitäten, in denen Informationstechnologie angewendet wird. "

Einführung

Das Grundkonzept ist das elektronische Geschäft.

Komponenten:

- E-Commerce-Technologie;

- Technologie elektronischer Auktionen;

- elektronische Banken;

- IP-Telefonie;

- Internettelefonie;

- Technologie elektronischer Zeiger;

- elektronische Forschungs- und Entwicklungsarbeit;

- elektronisches Franchising;

- E-Mail

- elektronisches Marketing;

- elektronische Verwaltung der operativen Ressourcen (ORM);

- elektronisches Versorgungsmanagement;

- elektronische Vermittlungsdienste.

Fazit

Thema 2.

″ Mittel zur Implementierung der Informationstechnologie. "

- Methodisch.

- Information.

- Algorithmisch.

- Technisch.

- Software.

Thema 3.

″ Merkmale der Mobiltechnologie unternehmertum. "

Mobile Commerce:

- Technologie des Handels mit Waren und Dienstleistungen der Mobilkommunikation;

- Technologie für den Handel mit mobilen Inhalten;

- Bereitstellung zusätzlicher Dienste durch Mobilfunkbetreiber.

Thema 4.

″ Die Rolle und der Ort automatisierter Informationssysteme in der Wirtschaft. Unternehmensinformationsmodell. "

I. Automatisierte Informationssysteme.

Klassifizierung:

· Die Art der Informationen;

· Nach Umfang.

Thema 1.

Die wichtigsten Arten von Wirtschaftstätigkeiten, in denen Informationstechnologie angewendet wird.

Einführung

Wirtschaftliche Auswirkungen informationstechnologie  in den Bereichen Austausch und Konsum sind sehr gemischt.

Aussehen neue Informationstechnologie   - Ein Staatsstreich, der die Grundlagen der traditionellen Wirtschaft erschüttert. Gehe zu Das Internet   - Dies sind neue Möglichkeiten, um durch die Erhöhung der bestehenden Marktfähigkeit Gewinne zu erzielen. Das Internet   - Das Hauptinformationsinstrument für Hersteller und Verbraucher.

Informationstechnologie    Im Allgemeinen kann es als ein Prozess beschrieben werden, der aus klar geregelten Regeln für die Durchführung von Operationen besteht, Aktionen von Stufen mit unterschiedlichem Komplexitätsgrad über in Computern gespeicherte Daten. Das Hauptziel informationen technologie   - als Ergebnis gezielter Maßnahmen zur Verarbeitung der Primärdaten, um die erforderlichen Informationen für den Benutzer zu erhalten. Hauptumgebung für informationstechnologie    sind informationssysteme.

Im Sinne der UNESCO informativ technologie   bezeichnet eine Reihe miteinander verbundener, wissenschaftlicher, technologischer und technischer Disziplinen, die die Methoden der effektiven Arbeitsorganisation von Personen untersuchen, die an der Verarbeitung und Speicherung von Informationen beteiligt sind, sowie die Computertechnologie und Methoden zur Organisation und Interaktion mit Personen und Industrieausrüstungen.

Abhängig von den spezifischen Anwendungsaufgaben, die gelöst werden müssen, können verschiedene Datenverarbeitungsverfahren und verschiedene technische Mittel angewendet werden.

Informationstechnologie   in der Wirtschaft ist ein Mittel virtuell wirtschaft.

Virtuelle Wirtschaft  - Dies ist ein Umfeld, ein besonderer Wirtschaftsraum, in dem elektronisches Geschäft betrieben wird, dh es ist eine Wirtschaft, die auf der Nutzung interaktiver Möglichkeiten basiert. Der betreffende Raum ist durch spezifische Merkmale gekennzeichnet, die eine virtuelle Wirtschaft von einer herkömmlichen, nicht virtuellen Offline-Wirtschaft unterscheiden.

Virtuelle Wirtschaft   oft genannt new Economy  um den Unterschied zur alten, traditionellen Wirtschaft zu betonen.

Wir betrachten die Eigenschaften genauer new Economy.

Die Grundlage der Wirtschaftstätigkeit ist das Geschäft. In virtuell die Wirtschaft   Es gibt ein Konzept e-Business .

E-Business - Es ist das Geschäft eines Unternehmens, das darauf abzielt, einen Gewinn zu erzielen, der auf digitalen Technologien und den damit verbundenen Vorteilen basiert.

Abb. 1. Bereiche des elektronischen Geschäftsverkehrs.

Das Konzept "E-Business"   umfasst viele verschiedene Informationstechnologiekonzepte:

▪ E-Commerce-Technologie;

▪ elektronische Auktionstechnologie;

▪ elektronische Banken;

▪ IP-Telefonie;

▪ Internet-Telefonie;

▪ elektronische Zeigertechnologie;

▪ elektronische Forschung und Entwicklung;

▪ elektronisches Franchising;

▪ E-Mail;

▪ elektronisches Marketing;

▪ elektronische Verwaltung der Betriebsressourcen (ORM);

▪ elektronisches Versorgungsmanagement;

▪ elektronische Maklerdienste;

▪ Datierung der Informationstechnologie.

Lassen Sie uns diese Konzepte genauer betrachten.

E-Commerce-Technologie.

E-Commerce –   Das ist eine Möglichkeit e-Business  . Probleme betrachten e handel   sollten Sie auf die doppelte Interpretation des Begriffs selbst achten. Manchmal darüber reden e-Commerce   bedeuten ausschließlich die kommerziellen Aktivitäten von Anbietern Internetdienste (IPS - Internet Dienstleister), aber viel öfter e-Commerce   Geben Sie eine breitere Interpretation als eine Kombination aller möglichen Möglichkeiten, das Netzwerk für kommerzielle Zwecke zu nutzen. Anbieter Internetdienste   Ist ein Handelsunternehmen, das Zugang zu bietet Das Internet  , unterstützt es gegen eine bestimmte Gebühr und bietet auf Wunsch der Kunden einige damit verbundene Dienstleistungen an.

Laufzeit "E-Commerce"   kombiniert viele verschiedene Technologien:

▫ EDI (elektronisches Datenaustauschprotokoll);

▫ E-Mail;

▫ Internet;

▫ Intranet (Informationsaustausch innerhalb des Unternehmens);

▫ Extranet (Informationsaustausch mit der Außenwelt).

Am meisten entwickelt informationstechnologie  auf denen basieren kann e-Commerce ,    wird berücksichtigt elektronisches Protokoll datenaustausch – EDI (Electronic Data Interchange)   Ist eine Methode zum Codieren aufeinanderfolgender Transaktionen und zum Online-Verarbeiten.

Jeder Handel, einschließlich e-Commerce    in Internet   Es ist in zwei große Kategorien unterteilt:

1. business-to-Consumer - B2C - ″ das Unternehmen - verbraucher ″;

2. business-to-Business - B2B - ″ das Unternehmen - das Unternehmen ″.

Grundmodell B2C-Handel   Sind Einzelhandel Online-Shops.   Weltweites System B2C   ist eine gut entwickelte Struktur zur Kundenzufriedenheit. In den letzten Jahren elektronisch handel    vom Typ B2C trat in eine neue Phase seiner Entwicklung ein. Es gibt eine Fusion kleiner Unternehmen, die sich im Angebot der angebotenen Waren oder deren Übernahme durch große Wettbewerber gegenseitig duplizieren.

Der Markt B2B  wurde speziell für Organisationen entwickelt, um die Interaktion zwischen Unternehmen und ihren Lieferanten, Herstellern und Händlern zu unterstützen. Dieser Markt bietet viel mehr Möglichkeiten als der Sektor. B2C-Handel.

Wenn es um die Kommerzialisierung von Möglichkeiten geht Internet-Netzwerke   verschiedene wirtschaftliche Einheiten in der Struktur e handel   In der Regel werden mehrere Links unterschieden:

▫ Kauf- und Verkaufstransaktionen über die Netzwerkkanäle;

▫ Kundendienst für Kunden;

▫ Kundenbeziehungen aufbauen.

Verkaufstransaktionen über das Web sind das Wesentliche e handel .

Werbung in Das Internet   ist von großer Bedeutung, und Netzwerkwerbung unterscheidet sich von ihren traditionellen Arten. Dies ist in erster Linie Bannerwerbung und Platzierung von Werbeinformationen auf den am häufigsten besuchten Servern. Um die Effektivität von Werbung im Web zu messen, können Sie die Anzahl der Besuche und nachfolgenden Produktbestellungen zählen.

Die Informatisierung der Gesellschaft führt zur Internationalisierung der Produktion. Die Außenhandelsbilanz einschlägiger Fachkenntnisse ist ein Indikator für die technische Macht des Staates, und genau damit ist das Konzept der Informationstechnologie verbunden. Es wird über den Markt für die Herstellung von Produktlizenzen, verschiedenes Know-how sowie Beratung bei der Verwendung von High-Tech-Produkten umgesetzt.

Dank der Entwicklung des Weltmarktes ergibt sich ein Vorteil für ein Land, das High-Tech-Produkte verkauft, darunter modernes Fachwissen und die neueste Technologie. Der aktive Handel mit einem unsichtbaren Produkt in Form von Wissen und Kultur setzt aktiv Stereotypen des Verhaltens durch. Dies war der Grund, warum in der Informationsgesellschaft Information, Kreativität und Wissen als strategische Ressource fungieren. Und da keine Talente geschaffen werden, muss eine Kultur gebildet werden, dh ein Umfeld, in dem sich Talente entwickeln und gedeihen können. Der Einfluss der Computertechnologie, ausgedrückt in Fernunterricht, Computerspielen, Videofilmen usw., ist hier enorm.

Informationstechnologie in der Wirtschaft und ihre Umsetzung

Der Zweck des Informationssystems ist die Speicherung, Suche und Übermittlung von Daten auf Anfrage von Benutzern. Das Wesen des Wirtschaftsinformationssystems ist die Verarbeitung relevanter Informationen. Hier finden Sie Statistiken, Buchhaltung, Versicherungen, Kredit- und Finanzgeschäfte, Bankgeschäfte sowie andere Arten von Geschäftstätigkeiten. Für die Verwendung am Arbeitsplatz ist es erforderlich, sie mithilfe der Informationstechnologie zu gestalten. Es ist wichtig zu beachten, dass früher der Systemdesignprozess von der Verarbeitung von Informationen im Themenbereich getrennt wurde. Im Moment existiert es auch alleine und erfordert hochqualifizierte Designer. Derzeit gibt es Informationstechnologien in der Wirtschaft, die nicht nur jedem Benutzer zur Verfügung stehen, sondern es Ihnen auch ermöglichen, den Entwurfsprozess einzelner Komponenten des Systems mit der Informationsverarbeitung zu kombinieren. Dies kann ein elektronisches Büro, E-Mail, Tisch- und Textverarbeitungsprogramme und mehr sein. Der Trend zur Schaffung von Informationstechnologie, die für Benutzer zugänglich ist, setzt sich fort.

Es stellt sich heraus, dass der Arbeitsplatz sowohl Informationstechnologien in der Wirtschaft verwendet, die von Designern entwickelt wurden, als auch Informationstechnologien, die es ermöglichen, Aktivitäten an ihrem Arbeitsplatz zu automatisieren.

Man kann solche Merkmale des Übergangs zur Informatisierung der Gesellschaft unterscheiden: Neuausrichtung der Wirtschaft auf Ausbeutung, Replikation von Fachwissen, Einbeziehung von Fachleuten in die Formalisierung von Wissen sowie Beschleunigung des Zyklus „Wissensproduktion-Wissen“.

Informationstechnologie in der Wirtschaft umfasst die Verwendung von Telefonkommunikation, Kabelfernsehen, Replikationsgeräten, Computern, die Erstellung von Schulungsprogrammen und mehr. Dank der Entwicklung der Marktbeziehungen treten neue Typen auf, die sich auf die Gründung von Unternehmen beziehen, die im Bereich des Informationsgeschäfts tätig sind, die Entwicklung von Informationstechnologien und die Verteilung von Komponenten automatisierter Systeme.

Dank dessen ist es möglich, Informationstechnologien nicht nur schnell zu verbreiten und effektiv zu nutzen, sondern sie auch in einer Vielzahl zu erstellen. Und hier ist es wichtig zu verstehen, dass Wirtschaftsinformationen ein wichtiger Bestandteil des gesamten Prozesses sind.

Bildungseinrichtung der Bundesregierung

„FINANZIELLE UNIVERSITÄT

UNTER DER REGIERUNG DER RUSSISCHEN FÖDERATION

(Finanzuniversität)

Abteilung für Mikroökonomie

Kursarbeit

"Neue Technologien und ihre Rolle in der modernen Wirtschaft"

Hergestellt von:

schüler der Gruppe U1-2

Bakhshiyan P.K.

Wissenschaftlicher Leiter:

doktor der Wirtschaftswissenschaften, Professor

Nikolaeva I.P.

Moskau 2013

Einführung

1. Der Platz und die Rolle neuer Technologien in der modernen Wirtschaft

1.1 Neue Technologien in modernen Wirtschaftssystemen

1.2 Periodisierung der technologischen Entwicklung

2. Neue Technologien als Motor des Produktionsfortschritts

2.2 Dritte industrielle Revolution

2.3 Innovative Unternehmen der Zukunft

3. Die Entwicklung neuer Technologien in der Russischen Föderation

3.1 Probleme bei der Entwicklung neuer Technologien in Russland

Fazit

Referenzliste

Anwendungen

Einführung

Die gesamte Geschichte der Entwicklung der Menschheit ist die Geschichte der Entwicklung und Verbesserung der vom Menschen verwendeten Technologien und Werkzeuge (Technologie). Vor einigen tausend Jahren begann ein Mensch mit einem gewöhnlichen Stock und hat heute unglaubliche Höhen der technischen und technologischen Entwicklung erreicht. Technoökonomische Systeme und Strukturen wurden vom Menschen während seiner gesamten Existenz kontinuierlich verbessert. In früheren Jahrtausenden war dieser Prozess jedoch nicht so "explosiv". Der Übergang von einer technischen und wirtschaftlichen Struktur zu einer anderen könnte sich über Jahrhunderte oder sogar Jahrtausende erstrecken. Das 20. und 21. Jahrhundert zeigten uns jedoch eine beispiellose Geschwindigkeit des Wandels und der Verbesserung der vom Menschen verwendeten Technologien und technischen Mittel. Ein solcher Erfolg bei der Einführung von Innovationen und deren Einfluss auf alle Bereiche des öffentlichen Lebens konnte nur das Interesse der Ökonomen wecken. Die Wirtschaftswissenschaft begann zu Beginn des 20. Jahrhunderts, die Prozesse der innovativen Entwicklung als solche zu untersuchen und ihre Hauptmerkmale und -muster zu untersuchen. Viele bekannte Ökonomen wie J. Schumpeter, J. Hicks und R. Solow haben dabei bedeutende Erfolge erzielt. Die Welt verändert sich jedoch rasant und das ausschließlich wissenschaftliche Interesse an der technologischen Entwicklung zu Beginn bis Mitte des 20. Jahrhunderts wurde durch das Interesse des Staates und vor allem der Unternehmer ersetzt. Dies lag an der Erkenntnis, dass innovative Technologien und deren Umsetzung fast der einzige Schlüssel für eine erfolgreiche Wirtschaftstätigkeit in der modernen Wirtschaft oder, wie es allgemein genannt wird, der „New Economy“ wurden.

Aus mikroökonomischer Sicht sind neue Technologien ein Instrument, mit dem Unternehmen ihre Wettbewerbsposition auf dem Markt behaupten können, indem sie Kosten sparen und (oder) ihre Produkte differenzieren. Die Entwicklung und Implementierung innovativer Technologien und Geräte ist in der Tat der einzig wirksame Weg, um Marktpositionen zu behaupten oder zu erobern.

Diese Arbeit widmet sich der Analyse der Rolle neuer Technologien in der modernen Wirtschaft und ihrer Auswirkungen darauf.

1. Der Platz und die Rolle neuer Technologien in der modernen Wirtschaft

1 Neue Technologien in modernen Wirtschaftssystemen

Die treibende Kraft der sozioökonomischen Entwicklung war immer der wissenschaftliche und technologische Fortschritt, dessen grundlegendes Ziel die Suche nach neuen Mitteln ist, um die Öffentlichkeit mit den niedrigsten Kosten und Ressourcen zu befriedigen und gleichzeitig die Ökosysteme zu erhalten. Damit das Wirtschaftswachstum auf der Grundlage technischer oder technologischer Errungenschaften erfolgen kann, ist eine Struktur mit einer bestimmten Komplexität erforderlich, die von der Anzahl der reproduzierbaren Technologien, ihrem Energiepotential, den Faktoren des wissenschaftlichen und technologischen Fortschritts, den Eigenschaften des Kerns der Selbstentwicklung, der Stimulierung der Beziehungen zu den Wirtschaftssektoren und der wirtschaftlichen Entwicklung bestimmt wird.

Unter Technik versteht man die Anwendung verschiedener physikalischer, chemischer, biologischer und sozialer Gesetze im Rahmen eines Geräts, einer Vorrichtung oder eines Geräts, um einen bestimmten Prozess zu erhalten oder einzusetzen, in dem ein Bedarf besteht, oder um Produkte, Technologien und Dienstleistungen zu schaffen, die vorhanden sind ausreichender Nutzen für den Menschen.

Technische Systeme bestehen aus Objekten der Technik und Technologie, die vom Menschen gesteuert und gesteuert werden. Alle Bereiche des öffentlichen Lebens können heute als Zusammenspiel komplexer Wirtschaftssysteme dargestellt werden. Da die Objekte der Technologie, technische Systeme vom Menschen geschaffen werden, besteht das Hauptziel darin, mit minimalen Kosten so viele nützliche Ergebnisse wie möglich zu erzielen.

Die Entwicklung der Technologie ist heute ohne das Zusammenspiel konzentrierter Ressourcen, einschließlich intellektueller und wirtschaftlicher Anreize, die erfinderische, wissenschaftliche und technische Aktivitäten ermöglichen, nicht möglich. Die Schaffung wirtschaftlicher Anreize ist Aufgabe der institutionellen Planung und Gestaltung.

Bei der Untersuchung neuer Technologien ist es auch erforderlich, einen Parameter innovativer (und nicht nur) technischer Systeme wie die Herstellbarkeit zu berücksichtigen. Unter Anpassungsfähigkeit eines Systems wird die Gesamtheit der Eigenschaften der Elemente dieses Systems verstanden, die seine Fähigkeit bestimmen, optimale Produktions-, Betriebs- und Reparaturkosten mit den erforderlichen Qualitätsparametern, Leistung, Verbrauch und Entwicklungsbedingungen durchzuführen. Die Herstellbarkeit eines technischen Systems hat einen quantitativen und qualitativen Aspekt der Veränderung. Der Verarbeitbarkeitsindikator des Wirtschaftssystems ist ein quantitatives Merkmal der Funktionsweise des Systems.

Ein sehr wichtiges Konzept ist das Konzept der „Gewährleistung der Herstellbarkeit“ des Wirtschaftssystems, das nach Ansicht des Autors als eine Reihe von Instrumenten zu verstehen ist, die darauf abzielen, die erforderlichen Funktionen des Systems bereitzustellen, den Grad seiner Ineffizienz zu überwinden oder zu verringern. Mit anderen Worten, wir sprechen von einer Reihe von Maßnahmen zur Verwaltung des Systems, Sie können sogar sagen, Maßnahmen, die die Verwaltbarkeit des Systems verbessern.

Zusammenfassend kann gesagt werden, dass die Herstellbarkeit des technischen (wirtschaftlichen) Systems eines der Ziele der Einführung neuer Technologien im Unternehmen ist, da dieser Indikator die zuverlässigste Methode zur Beurteilung der Wirksamkeit dieses Systems darstellt. Wie bereits erwähnt, besteht das Hauptziel der Entwicklung und Implementierung innovativer Technologien darin, das Produktionsvolumen zu erhöhen und gleichzeitig die Ressourceneinsparungen zu erhöhen, d. H. bei gleichzeitiger Reduzierung der Produktionskosten. Meiner Meinung nach haben Unternehmen, die eine hohe Herstellbarkeit des technischen Systems ihrer Produktion erreicht haben, die Möglichkeit, den folgenden Zweck neuer Technologien zu nutzen: Differenzierung ihrer Produkte.

1.2 Periodisierung der technologischen Entwicklung

Das Studium neuer Technologien als Ganzes wäre unvollständig, ohne die Geschichte der Stadien der technologischen Entwicklung zu studieren. Jede Phase der innovativen Entwicklung ging mit einer radikalen Veränderung der technischen und wirtschaftlichen Strukturen einher, die irreversible Folgen in allen Bereichen der Gesellschaft hatte. Eine Analyse der Periodisierung der technologischen Entwicklung ist insofern interessant, als sie es uns ermöglicht, einige allgemeine Muster bei der Veränderung der technischen und wirtschaftlichen Strukturen und der Einführung neuer, innovativer Technologien zu dieser Zeit zu identifizieren. Natürlich unterscheidet sich das 21. Jahrhundert stark von allen vorherigen (viel mehr als beispielsweise das 19. Jahrhundert vom 18.), und viele der Merkmale und Muster der innovativen Entwicklung der Vergangenheit sind unter den gegenwärtigen Bedingungen völlig falsch, aber einige der wichtigsten sind immer noch von Interesse.

Eine auf einer neuen technologischen Struktur basierende Wirtschaft kann nur dann erfolgreich funktionieren, wenn sie direkt oder indirekt ihrem natürlichen Zweck dient - Befriedigung der menschlichen Bedürfnisse, Steigerung des Einkommens und des nationalen Wohlstands. Die Orientierung an der Befriedigung der Bedürfnisse wird bei strategischen Entscheidungen in den Bereichen Innovation, Strukturinvestitionen und anderen Produktionsbereichen unabdingbar. Eine Wirtschaft, die gleichzeitig in drei technologischen Systemen arbeitet, kann auch nicht erfolgreich funktionieren, da sie nicht drei technologische Systeme auf einmal reproduzieren kann, da die Verteilung der Ressourcen zwischen ihnen unausgewogen ist. Das Problem der Reproduktion technologischer Strukturen ist nicht nur ein Problem der Entwicklung der technologischen Struktur der Wirtschaft, sondern auch der Anpassung wirtschaftlicher Einheiten, ihrer Verhaltensmodelle, bestehender Institutionen und institutioneller Vereinbarungen. Es entwickeln sich neue Arten von Energieträgern, wodurch wir die technologische Entwicklung mit ihren Arten und dem BSP in Verbindung bringen können - mit dem Gesamtverbrauch dieser Energieträger. Die erste Stufe der technologischen Entwicklung ist mit der Verwendung von Brennholz als Primärenergiequelle verbunden, die zweite mit Kohle, die dritte mit Öl, die vierte mit Gas, die fünfte mit Kernbrennstoff. Es scheint, dass die nächste Stufe von der Erschöpfung des Öls, der Ausweitung des Einsatzes von Gas (insbesondere Schiefer) und umweltfreundlichen natürlichen Energiequellen wie Wind-, Gezeiten-, Osmose- und Sonnenenergie gekennzeichnet sein wird. Für die menschliche Gesellschaft gibt es drei mögliche Stadien der wirtschaftlichen Entwicklung: Pre-Energy, Energy und Post-Energy. In der ersten Stufe wirkt Energie aufgrund des primitiven Zustands der Produktivkräfte der Gesellschaften nicht als einschränkender Faktor, in der zweiten Stufe gibt es ernsthafte Probleme mit der Energieversorgung des Wirtschaftswachstums. In der Post-Energie-Phase werden Energiemöglichkeiten als reichlich vorhanden angesehen, ohne den Lebensstandard und die soziale Zufriedenheit der Bevölkerung zu beeinträchtigen, oder diese Phase wird durch einen allgemeinen Energiemangel gekennzeichnet sein, der auf einen übermäßig erhöhten Verbrauch sowohl der Produktion als auch der Bevölkerung zurückzuführen ist und mit den vorhandenen Energiekapazitäten nicht zufrieden sein kann. In jedem Fall hat sich die menschliche Gesellschaft bisher in der Größenordnung des Energieverbrauchs entwickelt. Es kann jedoch vorkommen, dass nicht genügend Energie für die weitere Entwicklung der Wirtschaft zur Verfügung steht und sich bereits ähnliche Episoden in den lokalen Wirtschaftssystemen auf der Ebene der einzelnen Regionen abzeichnen. Unter Berücksichtigung der relationalen Natur des ökonomischen Wissens ist es natürlich unmöglich zu verlangen, dass die Theorie der technologischen Entwicklung auf jeder Stufe der wirtschaftlichen Entwicklung gültig ist. Die moderne Entwicklungstheorie entspricht höchstwahrscheinlich der Energiephase und sollte von Ressourcenbeschränkungen und der Notwendigkeit ausgehen, in die Post-Energie-Entwicklungsphase der Weltwirtschaft überzugehen, in der die Schwere des Energieproblems beseitigt wird. Darüber hinaus ist es eine wichtige Funktion der Entwicklungstheorie, eine Antwort auf die Frage nach dem Potenzial der Zivilisation nach der Energieerzeugung in dem gegebenen Verständnis und nach den Aufgaben zu erhalten, vor denen die Wirtschaft auf der Stufe „Energie“ steht.

Eine detaillierte Untersuchung der Entwicklung und Implementierung der wichtigsten technischen Innovationen und Technologien ist nicht das Ziel dieser Arbeit. Eine solche Analyse wäre sehr komplex und würde von anerkannten Experten auf diesem Gebiet viel Zeit in Anspruch nehmen. Im Rahmen der Untersuchung der Periodisierung des technischen und technologischen Fortschritts kann jedoch eine wichtige Schlussfolgerung gezogen werden, dass die Änderung der technologischen Modi durch den Einsatz neuer Produktionsmittel innerhalb einer bestimmten Energiephase erfolgt. Es sind die Bedingungen und Möglichkeiten der Energiephase, die die Grundlage für die Weiterentwicklung von Geräten und Technologien bestimmen. Natürlich spielt die Wissenschaft eine führende Rolle im technologischen und technologischen Fortschritt. Die Möglichkeiten der Wissenschaft für einen bestimmten Zeitraum sind jedoch immer begrenzt, und ich glaube, dass der Umfang dieser Einschränkungen durch die Bedingungen der Energiephase bestimmt wird. Wie aus Tabelle 1 hervorgeht, gingen revolutionären Veränderungen in der Produktion immer die Entdeckung und der Beginn der Nutzung neuer Energiequellen voraus. Dies bedeutet, dass jede Änderung der technischen und wirtschaftlichen Struktur im Rahmen des Energiepotenzials einer bestimmten Phase der wirtschaftlichen Entwicklung erfolgt.

2. Neue Technologien als Motor des Produktionsfortschritts

1 Technologischer Fortschritt im Zentrum des menschlichen Fortschritts und der menschlichen Entwicklung

Ein zentraler Punkt für das Verständnis der Rolle der Technologie ist die Erkenntnis, dass Technologie und technologischer Fortschritt breit sind

bereich der wirtschaftlichen Tätigkeit, und nicht nur auf Produktion und Computer. Nach einigen Schätzungen hat der technologische Fortschritt beispielsweise die landwirtschaftliche Produktivität viermal so schnell gesteigert wie in der Fertigung. In der Tat scheinen Low-Tech-Produkte wie Mais oder Blumen das Ergebnis relativ hochtechnologischer Herstellungsprozesse zu sein. Wie in einigen Ländern ist die Herstellung von vermeintlich High-Tech-Produkten wie Computern das Ergebnis des Einsatzes relativ geringer Technologien. Schließlich sind Technologien in vielen Fällen in der Produktion und Verwaltung von Produktionssystemen enthalten und nicht in physischen Gütern oder Softwarealgorithmen. Der Computer, auf den geladen wird

die neueste Version der Software, die den größten Teil des Tages nicht auf dem Tisch verwendet wird, ist eine andere Manifestation des Einsatzes von Technologie als derselbe Computer, der den Produktionsprozess oder das Zahlungssystem steuert.

Technologische Fortschritte können zu niedrigeren Kosten führen.

qualitätsverbesserung, Schaffung neuer Produkte,

und helfen, neue Märkte zu erschließen. Wissenschaftlicher und technologischer Fortschritt beinhaltet viel mehr als das Gleiche oder besser weniger Ressourcen. Dieses Konzept ist dynamischer und sowohl mit der Schaffung neuer Produkte und Ausrüstungen für den Markt als auch mit der Verbreitung dieser Technologien zwischen Unternehmen und der gesamten Wirtschaft verbunden. Während viele der Folgen des technologischen Fortschritts in gewissem Sinne offensichtlich sind, verdienen die folgenden besondere Erwähnung:

Der technologische Fortschritt kann die Entwicklung vorantreiben, indem die Produktions- und Betriebskosten aufgrund steigender Erträge aus der Massenproduktion gesenkt werden.

Technologische Fortschritte in einem Sektor können helfen

schaffung neuer wirtschaftlicher Möglichkeiten in anderen Sektoren. Niedrigere Produktionskosten können zu völlig neuen Produkten oder sogar zu Wirtschaftszweigen führen. Neue Technologien für den Markt in einem Sektor können zu einem Boom der Aktivitäten in anderen Sektoren führen und Nachfrage und Angebot für Waren und Dienstleistungen schaffen, die es nicht gab.

Die Vorteile neuer Technologien gehen weit über den Wirtschaftssektor oder das Produkt hinaus, in dem die Technologie vorhanden ist. Dies ist der Fall, wenn das Ausgangsprodukt ein wichtiges Zwischenprodukt bei der Herstellung anderer Waren ist, beispielsweise Telekommunikationssystemen oder der zuverlässigen Wartung elektrischer Netze.

Technologie kann zur Qualitätsverbesserung beitragen. Solche Verbesserungen können es einem Entwicklungsland ermöglichen, anspruchsvollere Verbraucher und neue Märkte zu gewinnen. Es kann so einfach sein, Maschinen und Geräte zu verwenden und Waren und Dienstleistungen zu produzieren, die den anspruchsvolleren Erwartungen und Standards von Verbrauchern und Geschäftskunden in Ländern mit hohem Einkommen, dh Produkten des Premium-Marktsegments, entsprechen.

2 Dritte industrielle Revolution

Die erste industrielle Revolution begann in Großbritannien Ende des 18. Jahrhunderts mit der Mechanisierung der Textilindustrie. Bisher arbeitsintensive und von Hunderten von Webern manuell ausgeführte Aufgaben wurden in einer Baumwollspinnerei zusammengefasst - so sah die Fabrik aus. Die zweite industrielle Revolution fand zu Beginn des 20. Jahrhunderts statt, als Henry Ford das erste Fließband baute und die Ära der Massenproduktion von Waren begann. Die ersten beiden industriellen Revolutionen haben die Menschen reicher und die Welt urbaner gemacht. Jetzt ist die dritte Revolution in vollem Gange. Die Produktion wird digital. Eine Reihe großartiger Technologien fallen in einen Bereich: intelligente Software, neue Materialien, flinkere Roboter, neue Produktionsprozesse (insbesondere dreidimensionales Drucken) und eine Reihe von Webservices. Die Fabrik der Vergangenheit basierte auf der Schaffung einer großen Anzahl identischer Produkte: Henry Fords berühmter Satz besagte, dass Ford-Käufer ein Auto jeder Farbe kaufen können, vorausgesetzt, diese Farbe ist schwarz. Im 21. Jahrhundert sinken jedoch die Kosten für die Herstellung weniger Chargen mit einer Vielzahl von Produkten, wobei die Launen jedes Kunden berücksichtigt werden. Die künftige Produktion wird sich auf die Massenproduktion individualisierter Waren konzentrieren und könnte eher diesen Webern ähneln als Fords Fließband.

Die alte Herstellungsmethode beinhaltet die Verwendung einer großen Anzahl von Teilen zum anschließenden Verbinden oder Schweißen. Jetzt kann das Produkt auf einem Computer entwickelt und auf einem 3D-Drucker "gedruckt" werden, der durch Erstellen von Materialschichten ein festes Objekt erzeugt. Das digitale Design kann mit wenigen Mausklicks geändert werden. Ein 3D-Drucker kann unbeaufsichtigt arbeiten und viele Dinge erledigen, die für herkömmliche Anlagen zu komplex sind. Mit der Zeit werden diese erstaunlichen Autos in der Lage sein, überall in einer Garage in einem afrikanischen Dorf etwas zu tun.

Besonders beeindruckend sind 3D-Druckanwendungen. Bereits heute werden Hörgeräte und Hightech-Teile von Militärflugzeugen in individuellen Formen gedruckt. Wesentliche Änderungen werden sich auch auf die Geographie des Angebots auswirken. Ein Ingenieur, der unter schwer erreichbaren Bedingungen arbeitete und über kein bestimmtes Werkzeug verfügt, sollte es nicht mehr in der nächstgrößeren Siedlung kaufen. Er kann das Design dieses Tools einfach herunterladen und ausdrucken. Diese Zeiten, in denen Projekte aufgrund fehlender Ausrüstungsteile ins Stocken gerieten oder Kunden sich beschwerten, dass sie eines Tages keine Ersatzteile für die von ihnen gekauften Dinge finden konnten, waren vorbei.

Andere Änderungen im Zusammenhang mit der Verwendung von 3D-Druckern sind fast ebenso wichtig. Neue Materialien sind leichter, fester und langlebiger als alte. Kohlefaser ersetzt Stahl und Aluminium in Produkten, von Flugzeugen bis zu Mountainbikes. Neue Materialbearbeitungsmethoden ermöglichen es Ingenieuren, Objekten winzige Formen zu geben. Die Nanotechnologie bietet Produkte mit fortschrittlichen Funktionen, z. B. Bandagen, die Schnittverletzungen heilen, Motoren, die effizienter arbeiten, und Geschirr, das sich leichter reinigen lässt. Und mit dem Internet, das es einer großen Anzahl von Designern und Ingenieuren ermöglicht, an neuen Produkten zusammenzuarbeiten, fallen die Eintrittsbarrieren des neuen Unternehmens. Ford brauchte eine Menge Kapital, um sein riesiges Werk in River Rouge zu errichten. Sein moderner „Kollege“ kann mit einem Laptop anfangen und den Wunsch zu erfinden.

Wie alle Revolutionen wird diese ebenso destruktiv sein. Die digitale Technologie hat bereits die Medien- und Einzelhandelsmärkte durch die Automatisierung des Handelsprozesses dramatisch verändert. Fabriken werden sich auch für immer verändern. Sie werden nicht voll von schmutzigen Autos sein, die von Menschen gefahren werden. Viele von ihnen werden makellos und fast menschenleer sein. Einige Autohersteller stellen bereits doppelt so viele Autos pro Arbeiter her wie noch vor zehn Jahren. Die meisten Jobs finden nicht in der Fabrik statt, sondern in Büros in der Nähe, die voller Designer, Ingenieure, IT-Spezialisten, Logistik, Marketing usw. sein werden. Produktionsaufträge der Zukunft erfordern mehr Können.

Die Revolution wird nicht nur beeinflussen, wie Dinge getan werden, sondern auch wo. Fabriken befanden sich normalerweise in Entwicklungsländern, um die Arbeitskosten zu senken. Die Lohnkosten wirken sich jedoch immer weniger auf die Produktionskosten aus: Von 499 US-Dollar des iPads der ersten Generation betrugen die Lohnkosten nur 33 US-Dollar, während die Montagekosten in China nur 8 US-Dollar betrugen. Die Produktion verlagert sich zunehmend zurück in die reichen Länder weil die Löhne in China steigen, aber die Unternehmen jetzt näher an ihren Kunden sein wollen, damit sie schneller auf Änderungen der Nachfrage reagieren können. Einige Produkte sind so komplex, dass es effizienter ist, Menschen zu haben, die sie entwickeln und Menschen, die sie an einem Ort herstellen. Die Boston Consulting Group ist der Ansicht, dass in Bereichen wie Transportwesen, Computer, Metallverarbeitung und Fertigungsausrüstung 10 bis 30% der Waren, die Amerika derzeit aus China importiert, in Amerika selbst hergestellt werden können, was das BIP steigern und bei 20-55 Milliarden Dollar pro Jahr.

Die Verbraucher werden keine großen Schwierigkeiten haben, sich auf eine neue Ära in der Entwicklung der Produktion einzustellen. Behörden können es jedoch schwieriger finden. Sie sind es gewohnt, bereits existierende Industrien und Unternehmen zu schützen, anstatt sie durch Neuanfänge dazu zu zwingen, den Markt zu verlassen. Sie pumpen alte Produktionssubventionen auf und stellen die Leute an die Spitze, die ihre Produktion ins Ausland verlagern wollen, um die Arbeitskosten zu senken. Sie geben Milliarden aus, um den technologischen und technologischen Fortschritt zu stoppen. Und sie halten an der romantischen Überzeugung fest, dass Produktion wichtiger ist als Dienstleistungen, ganz zu schweigen von Finanzen.

Das alles ergibt keinen Sinn. Die Grenzen zwischen Produktion und Dienstleistung verschwimmen. Rolls-Royce verkauft keine Düsentriebwerke mehr, sondern Uhren, die ein Flugzeug mit seinen Triebwerken fliegt. Die Behörden haben sich immer geirrt, wer unterstützt werden soll, und sie verstehen wahrscheinlich nicht, wer die Zukunft ist. Tausende von Unternehmern entwerfen online Entwürfe für neue Produkte, produzieren sie zu Hause (mit 3D-Druckern) und verkaufen sie auf dem Markt. Während die Revolution in vollem Gange ist, müssen die Behörden die Grundlagen einhalten: gute Schulen für Fachkräfte schaffen, klare Regeln für Unternehmer in allen Bereichen aufstellen. Den Rest erledigen die "Revolutionäre".

3 Innovative Unternehmen der Zukunft

Ich glaube, dass sich in den kommenden Jahrzehnten die Struktur innovativer Unternehmen und die Investitionen in neue Technologien selbst grundlegend ändern werden. Die Tatsache, dass sich ein Unternehmen, das nicht verbessert wird, nicht an einen sich ständig verändernden Markt anpassen kann, wird heute immer deutlicher, da die Anforderungen der Verbraucher immer mehr zunehmen und Vorzeigeunternehmen innovativer Entwicklung den Verbrauchern neue technologische Produkte anbieten. Investitionen in Forschung und Entwicklung erfordern jedoch erhebliche finanzielle Investitionen des Unternehmens, die sich nur die größten Marktteilnehmer leisten können. Gleichzeitig erfordert die stetig steigende Nachfrage der Verbraucher nach neuen Produkten mit fortschrittlicheren Eigenschaften und Eigenschaften umfangreiche Investitionen in Forschung und Entwicklung, die selbst große Unternehmen im Laufe der Zeit nicht in Milliardenhöhe für Forschung und Entwicklung ausgeben können. In diesem Moment werden Unternehmen und einfach innovative Unternehmen gezwungen sein, Investitionen in Forschung und Entwicklung zu kombinieren. Hierbei ergeben sich jedoch zwangsläufig Schwierigkeiten, auf deren Grundlage Unternehmen forschen und dies führt zu einem Interessenkonflikt. Diese Situation zwingt die Unternehmen, sich an ein anderes Unternehmen zu wenden, das regelmäßig und professionell an innovativen Entwicklungen arbeitet.

Das vorgeschlagene Modell eines innovativen Unternehmens ist eine Art Boutique mit einer eher engen Spezialisierung und einem Kundenkreis. Die Vorteile eines solchen Unternehmensmodells liegen auf der Hand: Eine hohe Konzentration von Kapital und wissenschaftlichem Personal wird es ermöglichen, eine hohe Investitionsrate in Forschung und Entwicklung zu erzielen. In diesem Fall spielen die Skaleneffekte eine Rolle, da sich das Scheitern mehrerer Projekte bei einer Vielzahl realisierbarer Studien aufgrund des Erfolgs der anderen auszahlt.

Es gibt jedoch einen gravierenden Mangel in den Aktivitäten solcher Unternehmen: Da F & E mit dem Geld mehrerer Unternehmen durchgeführt wird, gehören die Forschungsergebnisse jedem, der in die Aktivitäten der „innovativen Boutique“ investiert hat. Es stellt sich die Frage, wie die Forschungsergebnisse untereinander aufgeteilt werden können, und dies ist ein sehr schwieriges Problem, da die Bewertung der Ergebnisse von FuE sehr komplex ist. Ich biete verschiedene Möglichkeiten für die Verbreitung der Ergebnisse des innovativen Unternehmens und deren Nutzung durch Investoren:

1.Verteilung der Forschungsergebnisse zwischen den Investoren in Abhängigkeit vom Investitionsvolumen. Die Ergebnisse der Forschung und Entwicklung selbst werden zu ermäßigten Kosten bewertet, d.h. durch die Höhe des potenziellen Gewinns, den ihre Verwendung bringen wird. Das Unternehmen, das am meisten investiert hat, hat das Recht auf die teuerste Technologie usw.

2.Anlegerunternehmen können zunächst schriftliche Vereinbarungen über die Aufteilung der Rechte an den Ergebnissen eines Forschungsunternehmens treffen. Die Verwundbarkeit dieser Option besteht jedoch darin, dass Investitionen in Forschung und Entwicklung eine Art „Black Box“ darstellen und niemand weiß, was sich herausstellen wird. Daher stellen schriftliche Vereinbarungen über die Aufteilung der Rechte an den untersuchten Technologien einen schwerwiegenden Interessenkonflikt dar, da die Ergebnisse und ihr potenzieller Nutzen nicht im Voraus bekannt sind.

.Aufteilung der Rechte an F & E-Ergebnissen durch mehrere Investoren und im Voraus vereinbarte Regeln für deren Verwendung. Angenommen, eine Technologie kann in ganz unterschiedlichen Branchen eingesetzt werden, und Investoren, die mehrere Unternehmen vertreten, die ganz unterschiedliche Märkte besetzen, können sich unbeschadet der Interessen eines Anlegers darauf einigen, diese Technologie einzusetzen. Ich glaube, dass diese Strategie der Aufteilung der Rechte an den Ergebnissen der Investition in ein Unternehmen, das sich mit innovativen Technologien befasst, optimal ist.

Somit kann die Hauptschwierigkeit bei der Tätigkeit eines Unternehmens dieser Art durch Vereinbarungen zwischen Investoren überwunden werden.

Abschließend möchte ich sagen, dass die Existenz und Aktivität eines solchen Unternehmens nur dann möglich ist, wenn die technischen oder technologischen Bedürfnisse der Verbraucher steigen und die Kosten für die Finanzierung von FuE steigen, so dass selbst große Unternehmen sie nicht alleine decken können. Ich glaube, dass solche innovativen Forschungsunternehmen in der Praxis an führenden Universitäten in Industrieländern oder einfach in einem großen Forschungszentrum entstehen können, das eine ausreichende Anzahl von hochrangigen Wissenschaftlern anzieht.

3. Die Entwicklung neuer Technologien in der Russischen Föderation

1 Probleme der Entwicklung neuer Technologien in Russland

Russland trat in das 21. Jahrhundert ein, das Jahrhundert der innovativen Entwicklung der Wirtschaft in einer sehr verzweifelten Situation, die aus einer Reihe von Gründen verursacht wurde:

.Der Zusammenbruch der UdSSR hat die wirtschaftlichen Beziehungen zwischen den Staaten des postsowjetischen Raums ernsthaft beeinträchtigt

.Der Mangel an innovativen Unternehmen in der Industrie (mit Ausnahme der Verteidigungsindustrie) erschwerte die Position Russlands auf dem Weltmarkt erheblich.

.Der massive Zustrom hochqualifizierten wissenschaftlichen Personals in den 90er Jahren des 20. Jahrhunderts führte zu einem bedauerlichen Zustand der russischen Wissenschaft insgesamt und beeinträchtigte auch die Reproduktion des wissenschaftlichen Potenzials des Landes erheblich.

.Die endgültige Bildung Russlands als ausschließliche Rohstoffmacht führte dazu, dass alle internen und externen Investitionen nur dem Rohstoffsektor der Wirtschaft zugute kamen. Eine solche "Gewohnheit" ist für den Zustand der russischen Wirtschaft äußerst nachteilig, da der Staat unmittelbar an einer Steigerung des Rohstoffsektors der Wirtschaft interessiert ist, der die Haupteinnahmequelle des Haushalts darstellt, und der Staat selbst Bedingungen schafft, unter denen Investitionen nur in den Rohstoffsektor fallen. den Rest umgehen.

.Das Fehlen eines detaillierten rechtlichen Rahmens trägt zur Verschlechterung des Geschäftsklimas im Land bei, und die Folge ist eine geringe Geschäftstätigkeit inländischer Unternehmer (im Vergleich zu Ländern in Westeuropa und den Vereinigten Staaten).

Offensichtlich hängen die Probleme der Entwicklung russischer Unternehmen auf dem Weg zur Einführung neuer Technologien direkt von der Politik des Staates ab. Zweifellos kann die moderne öffentliche Ordnung ausschließlich auf die überdurchschnittliche Entwicklung von Hochtechnologiesektoren in Wirtschaft, Bildungssystemen, Informations- und Verkehrsinfrastruktur ausgerichtet sein, die den Austausch vereinfacht, die Transaktionskosten senkt und langfristige nationale Wettbewerbsvorteile bietet. Die weltweite Erfahrung der staatlichen Wirtschaftspolitik des 20. Jahrhunderts hat drei Vektoren ihrer Ausrichtung identifiziert: Export, national (Entwicklung des Binnenmarktes) und strategisch, verbunden mit einer gezielten Einschränkung der Verwendung eigener nicht erneuerbarer Ressourcen (Öl, Gas, Wälder usw.). Ein Beispiel für den ersten Vektor ist Südkorea und das moderne China, das bereits heute zwei Richtungen verbindet. Der zweite - Frankreich und Japan des letzten Viertels des 20. Jahrhunderts, der dritte - die USA und die OPEC-Länder. Gleichzeitig verschärft sich die Differenzierung der Wirtschaftswachstumsraten einzelner Staaten und damit die Kluft zwischen dem wissenschaftlichen und technologischen Entwicklungsstand der Volkswirtschaften. So geben die fünf führenden Länder - USA, Japan, Deutschland, Frankreich und das Vereinigte Königreich - derzeit mehr für Forschung und Entwicklung aus als alle anderen Staaten der Welt zusammen, und der Anteil der USA an dieser Gruppe übersteigt 50%. Unter Industriepolitik versteht man eine Reihe von rechtlichen, organisatorischen, wirtschaftlichen und verwaltungstechnischen Maßnahmen, die darauf abzielen, die Voraussetzungen für ein wirksames Funktionieren der Produktionsstrukturen zu schaffen und das Wachstum von Produktivität, Produktion und Beschäftigung sicherzustellen, und die von Bund und Ländern entwickelt wurden.

Die Beschreibung der konkreten Schritte des Staates bei der Umsetzung seiner Politik in Bezug auf die Entwicklung von Anreizen zur Schaffung innovativer Industrien war für diese Arbeit zu kompliziert. Ich kann nur die Hauptbereiche beschreiben, in denen Schritte unternommen werden sollten, um neue Technologien in Russland zu entwickeln. Ich glaube, dass der Beginn der Umsetzung der Innovationsförderung eine echte Unterstützung für die Wissenschaft auf allen staatlichen Ebenen sein sollte. Die Entwicklung der Wissenschaft sollte für das nächste Jahrzehnt zur obersten Priorität des Staates werden, sonst wird Russland seine Wettbewerbsfähigkeit auf den High-Tech-Märkten nicht wiedererlangen. Es ist auch notwendig, das Vertrauen ausländischer Investoren in russische Forschungszentren zu gewinnen. Dies kann durch die staatliche Förderung wichtiger Forschungsprojekte erreicht werden, die eine breite praktische Anwendung finden. Wenn eine solche Untersuchung erfolgreich ist, werden die Anleger die Aussicht auf Investitionen in FuE in Russland verstehen, da sie über ein enormes, aber völlig ungenutztes wissenschaftliches Potenzial verfügen. Bei den ersten Schritten zur Entwicklung einer innovativen Wirtschaft in Russland wäre es ratsam, eine protektionistische Politik zu verfolgen, da es für russische innovative Unternehmen in den ersten Entwicklungsphasen äußerst schwierig sein wird, selbst auf dem Inlandsmarkt mit ausländischen Unternehmen zu konkurrieren, da es an Erfahrung mangelt, mit innovativen Entwicklungen zu arbeiten.

Ich glaube, dass staatliche Unterstützung in den frühen Stadien des Aufbaus einer innovativen Wirtschaft einfach notwendig ist. Später, wenn die Ergebnisse der Politik vorliegen, müssen staatliche Beihilfen gekürzt werden, so dass der Markt das Recht hat, zu entscheiden, wer bleibt und wer nicht.

Fazit

das Jahrhundert kann mit Sicherheit als das Jahrhundert der innovativen Entwicklung bezeichnet werden. Neue Technologien von Anfang an haben die wirtschaftliche Entwicklung beeinflusst. Aber genau dieses Jahrhundert hat die Entscheidung für Unternehmen getroffen: unter dem Druck technisch und technologisch ausgerüsteter Wettbewerber zu modernisieren oder zu verschwinden. Von nun an sind neue Technologien zum bestimmenden Faktor für die Entwicklung der Wirtschaft geworden. Das Problem der innovativen wirtschaftlichen Entwicklung ist in Russland besonders akut, dessen Wirtschaftssystem nicht den Standards einer innovativen Wirtschaft entspricht. Russland lebt weiterhin vom Verkauf seiner nicht erneuerbaren Ressourcen und verliert jeden Tag mehr Möglichkeiten, seine führende Position auf dem Weltmarkt wiederzugewinnen. Die Mittel, die das Land aus dem Verkauf von Ressourcen erhält, müssen in die Entwicklung der Wissenschaft und in vielversprechende innovative Unternehmen investiert werden. Diese Investitionen werden sich auch kurzfristig auszahlen, da das noch nicht realisierte russische Potenzial meines Erachtens zu bahnbrechenden Erfolgen in allen Bereichen der Wissenschaft führen wird. Dies wird der gesamtwirtschaftlichen Entwicklung mit Sicherheit kräftige Impulse verleihen. Dies setzt jedoch politischen Willen und eine detaillierte Staatspolitik voraus, von der bislang nur zu träumen ist. In der Zwischenzeit bleibt Russland hinter den Entwicklungsländern zurück und verliert jedes Jahr Positionen, die möglicherweise niemals zurückgegeben werden. Die Führung der Russischen Föderation muss die offensichtliche Wahrheit verstehen, die sowohl für Unternehmen als auch für ganze Staaten gilt: Wer nicht modernisiert, verschwindet.

Referenzliste

industrielle technologische Wirtschaft

II. Monographien, Sammelwerke, Sammlungen wissenschaftlicher Arbeiten:

Sukharev O.S. Ökonomie der technologischen Entwicklung - M .: Finanzen und Statistik, 2008 - 480 p .; Schlick

Makarov V.L. Wissensökonomie: Lektionen für Russland // Russland und die moderne Welt. - 2004.

Schumpeter J. Theorie der wirtschaftlichen Entwicklung.

Glazyev S.Yu. Die Theorie der langfristigen technischen und wirtschaftlichen Entwicklung. - M .: VlaDar, 1993

III. Artikel aus Zeitschriften:

Anhang Nr. 1

Tabelle 1

Nummer des technologischen Entwicklungsstadiums Zeitraum des technologischen Entwicklungsstadiums Industrien, die die Grundtechnologien und die Energieförderung für das technologische Entwicklungsstadium bereitstellen Infrastrukturbedingung des technologischen Entwicklungsstadiums Erste 1790-1840 Textilindustrie, Energie aus Wasser, Dampf, Kohle Feldwege, Bewegung zu Pferd zu Lande und auf Segelschiffen auf See, Post Zweitkuriere 1830-1890 Schienenverkehr, Mechanisierung von Produktionsprozessen, Einsatz von Dampf Atelier. Die Entstehung der ersten Aktiengesellschaften als neue Organisations- und Rechtsformen des Unternehmertums Eisenbahnen, Weltschifffahrt Dritte 1880-1940 Die Entwicklung der Schwerindustrie, der Elektro- und Chemieindustrie. Basierend auf Elektrizität, Verbrennungsmotoren und Ölfeldentwicklung. Der Wettbewerb ist monopolistischer Natur: Trusts, Kartelle usw. Telefon, Telegraph, Radio, elektrische Netze 4. 1930-1990 Entwicklung der Massenproduktion, Gas- und Ölenergie, Kernkraftwerke, Kommunikation, neue Materialien, Elektronik, Software, Computer entwickeln sich. TNCs werden gegründet, der Wettbewerb ist oligopolistisch. High-Speed-Autobahnen, Luftfahrt, Gaspipelines, TV-Entwicklung - bis heute Mikroelektronik, Informatik, Hochelektronik, Biotechnologie, Gentechnik, Kunststoffe, kommerzielle Raumforschung. Verbände von großen und kleinen Unternehmen in Einzelketten, Technopolen, Wissenschaftsstädten, Technologieparks, neuen Qualitätsmanagementsystemen, Investitionen, Lieferungen, Reparaturen und Instandhaltung technischer Anlagen, Computernetzwerke, Telekommunikation, Satellitenkommunikation, elektronische Medien, neue Arten von Kernkraftwerken, eine große Anzahl von Kraftwerken, die Kraftwerke erzeugen grüne Energie.

FSBEI HPE „FINANZIELLE UNIVERSITÄT UNTER DER REGIERUNG DER RUSSISCHEN FÖDERATION“

für studentische Studienleistungen

Fakultät ______________________________ Gruppe ______________

Vollständiger Name student ______________________________________________

Thema ________________________________________________________

Qualitätsmerkmale der Arbeit max. Ergebnis Fact. Punkt I. Bewertung der Arbeit nach formalen Kriterien: 301. Einhaltung der Fristen für die Schreibphasen 42. Aussehen der Arbeit und korrekte Ausführung der Arbeit 23. Vorhandensein eines korrekt erstellten Plans 24. Vorhandensein einer internen Überschrift von Abschnitten und Unterabschnitten 25. Angabe von Seiten im Arbeitsplan und deren Nummerierung im Text 26. im Text von Fußnoten und Verweisen 27. Korrektheit des Zitierens und des Entwurfs von Zitaten 38. Sichtbarkeit und Qualität des illustrativen Materials 39. Verfügbarkeit und Qualität zusätzlicher Anwendungen 310. Korrektheit des Entwurfs der Liste der verwendeten Materialien 511 .Verwendung ausländischer Literatur im Arbeitstext und in der Referenzliste2II. Bewertung der Arbeit nach Inhalten: 701. Relevanz des Problems42. Logische Gliederung der Arbeit und ihre Berücksichtigung im Plan23. Rubrizierungstiefe und Abwägung der Abschnitte 24..Qualität der Einführung 55. Angabe der Forschungsziele36. Angabe der Forschungsmethoden27. 68. Übereinstimmung des Inhalts der Abschnitte mit ihrem Namen29. Logische Verbindung zwischen den Abschnitten 310. Der Grad der Unabhängigkeit in der Präsentation 1311. Das Vorhandensein von Elementen wissenschaftlicher Neuheit 313. Verbindung von Werken Probleme mit russischen Fragen 514. Fähigkeit, Schlussfolgerungen zu ziehen. 1015. Qualität der Erstellung einer Schlussfolgerung. 516. Kenntnis der neuesten Literatur. 517. Vorhandensein grundlegender Fehler.

Nachhilfe

Benötigen Sie Hilfe beim Erlernen eines Themas?

  Unsere Experten beraten oder betreuen Sie zu Themen, die für Sie von Interesse sind.
Senden Sie eine Anfrage  Informieren Sie sich jetzt über die Möglichkeit, sich beraten zu lassen.

1.1 Grundbegriffe der künstlichen Intelligenz

1.2 Darstellung von Wissen

1.3 die Aufgabe, Wissensbasen zu erstellen

2. Mustererkennung und maschinelle Übersetzung

2.1 Der Bildbegriff

2.2 Das Problem der Mustererkennung

2.3 Training, Selbsttraining und Anpassung

2.4 Konvertieren von Bildern in digitalen Code

3. Neurocomputer und Netzwerke

3.1 Neurocomputer

3.2 Was sind neuronale Netze?

4. Expertensysteme (ES), ihre Struktur und Klassifizierung. Tools zum Erstellen von ES. ES-Entwicklungstechnologie.

5. Nutzung und Support von ES. Business Reengineering.

5.1 Verwendung von Finanzexpertensystemen

5.3 Business Reengineering

6. Wissenserwerbsstrategie. Praktische Methoden zur Wissensgewinnung. Wissen strukturieren. Software-Implementierung der Wissensbasis.

EINLEITUNG

Die Fähigkeiten elektronischer Computer überraschen niemanden mehr. Die Computerisierung verschiedener Bereiche menschlicher Aktivitäten führt neben der direkten Auswirkung der Einführung der Computertechnologie häufig zu neuen Klassen von Softwareprodukten und -technologien für deren Entwicklung. Jede Technologie ist in erster Linie ein intellektuelles Tätigkeitsfeld für Spezialisten. Im Gegensatz zu anderen Arten von Tätigkeiten werden Softwareentwicklungstechnologien jedoch sofort zu Objekten der Automatisierung, wodurch der entsprechende Programmierabschnitt auf einen neuen Entwicklungsstand gebracht wird.

Eine typische Entwicklung von spezifischen Programmen zu Entwicklungswerkzeugen hat wissensbasierte Systeme durchlaufen, und zuallererst Expertensysteme, die entwickelt wurden, um Probleme aus Bereichen zu lösen, in denen das Wissen und die Erfahrung der beruflichen Tätigkeit eine entscheidende Rolle spielen. In Expertensystemen erfolgt die Suche nach Lösungen durch Simulation der Argumente herausragender Fachleute. Formalisiertes Wissen bildet den Kern des Expertensystems - seine Wissensbasis. Die übrigen Blöcke des Systems realisieren die Funktionen der Wissenstransformation und werden weniger vom Wissensinhalt bestimmt, sondern von den Eigenschaften ihrer formalen Strukturen.

1. Das Konzept der künstlichen Intelligenz. Wissensrepräsentation und wissensbasierte Systementwicklung

1.1. Grundbegriffe der künstlichen Intelligenz

Der Begriff Intelligenz kommt vom lateinischen intellectus - was Verstand, Vernunft, Vernunft bedeutet; geistige Fähigkeiten einer Person. Künstliche Intelligenz (KI) wird dementsprechend in der Regel als Eigenschaft automatischer Systeme interpretiert, einzelne Funktionen der menschlichen Intelligenz zu übernehmen, um beispielsweise ausgehend von früheren Erfahrungen und einer rationalen Analyse externer Einflüsse optimale Entscheidungen zu treffen.

Intelligenz ist die Fähigkeit des Gehirns, (intellektuelle) Probleme zu lösen, indem es sich Wissen aneignet, es merkt und gezielt umwandelt, indem es aus Erfahrungen lernt und sich an eine Vielzahl von Umständen anpasst.

In dieser Definition bedeutet der Begriff „Wissen“ nicht nur die Informationen, die über die Sinne in das Gehirn gelangen. Diese Art von Wissen ist äußerst wichtig, aber für geistige Aktivitäten unzureichend. Tatsache ist, dass die Objekte unserer Umwelt die Eigenschaft haben, nicht nur die Sinne zu beeinflussen, sondern auch in bestimmten Beziehungen zueinander zu stehen. Es ist klar, dass ein Modell dieser Welt im Wissenssystem vorhanden sein muss, um intellektuelle Aktivitäten in der Umwelt auszuführen (oder sogar nur zu existieren). In diesem Informationsmodell der Umgebung werden reale Objekte, ihre Eigenschaften und die Beziehungen zwischen ihnen nicht nur angezeigt und gespeichert, sondern können, wie in dieser Definition von Intelligenz erwähnt, mental „gezielt transformiert“ werden. Darüber hinaus ist es wesentlich, dass die Bildung eines Modells der äußeren Umgebung "im Prozess des Lernens aus Erfahrungen und der Anpassung an verschiedene Umstände" stattfindet.

1.2. Wissensrepräsentation

Die Repräsentation von Wissen ist eine Frage, die sich in der Kognitionswissenschaft (der Wissenschaft des Denkens) und in der künstlichen Intelligenz stellt. In der Kognitionswissenschaft hängt es damit zusammen, wie Menschen Informationen speichern und verarbeiten. In der Künstlichen Intelligenz (KI) besteht das Hauptziel darin, zu lernen, wie Wissen gespeichert wird, damit Programme es verarbeiten und die Ähnlichkeit mit der menschlichen Intelligenz erreichen können. KI-Forscher verwenden kognitive Theorien der Wissensrepräsentation. Methoden wie Frames, Regeln und semantische Netzwerke kamen aus Theorien der menschlichen Informationsverarbeitung zu AI. Da Wissen zur Erzielung eines vernünftigen Verhaltens verwendet wird, ist das grundlegende Ziel der Disziplin der Wissensrepräsentation die Suche nach solchen Präsentationsmethoden, die den Prozess der logischen Folgerung ermöglichen, dh die Erzeugung von Schlussfolgerungen aus dem Wissen.

Einige Fragen, die sich bei der Repräsentation von Wissen in Bezug auf KI ergeben:

· Wie repräsentieren Menschen Wissen?

· Was ist die Natur des Wissens und wie stellen wir es dar?

· Sollte das Präsentationsschema mit einem privaten Wissensgebiet verbunden sein, oder sollte es allgemeiner Natur sein?

· Wie aussagekräftig ist dieses Präsentationsschema?

· Sollte es ein Deklarations- oder Verfahrensschema geben?

Über Wissensrepräsentation und Forschung wurde in diesem Bereich nur sehr wenig diskutiert. Es gibt bekannte Probleme, wie z. B. die „Spreizung der Aktivierung“ (die Aufgabe des Navigierens durch ein Knotennetz), die „Kategorisierung“ (dies ist auf die selektive Vererbung zurückzuführen; z. B. kann ein Geländefahrzeug als Spezialisierung (Sonderfall) eines Autos angesehen werden, aber es erbt nur einige Merkmale) und die „Klassifizierung“ ". Beispielsweise kann eine Tomate sowohl als Obst als auch als Gemüse betrachtet werden.

Auf dem Gebiet der künstlichen Intelligenz kann die Problemlösung durch die richtige Wahl der Darstellungsmethode für Wissen vereinfacht werden. Eine bestimmte Methode kann jedes Wissensgebiet leicht darstellbar machen. Beispielsweise verwendete Mitsin, ein diagnostisches Expertensystem, ein regelbasiertes Wissensrepräsentationsschema. Die falsche Auswahl der Präsentationsmethode erschwert die Verarbeitung. Als Analogie können Sie Berechnungen in der indo-arabischen oder römischen Notation durchführen. Die Spalteneinteilung ist im ersten Fall einfacher und im zweiten Fall schwieriger. Ebenso gibt es keine Art der Präsentation, die in allen Aufgaben verwendet werden könnte oder um alle Aufgaben gleich einfach zu gestalten.

Das Problem der Schaffung von Wissensbasen ist komplex und vielfältig. Wenn wir die Betrachtung dieses Problems auf die Aufgabe beschränken, das persönliche Wissen des Experten zu extrahieren, können wir die grundlegenden Anforderungen und Prinzipien für den Aufbau von Softwaresystemen formulieren, die den Prozess der Erstellung von Wissensdatenbanken automatisieren. Systeme dieser Art werden als automatisierte Knowledge-Engineering-Systeme bezeichnet.

1.3. Die Aufgabe, Wissensbasen aufzubauen

Bei aller Anspruchslosigkeit seines Namens ist Knowledge Engineering eine rein prosaische Disziplin, deren Aufgabe es ist, praktisch nützliche Programme für schwach „mathematisierte“ Bereiche menschlichen Handelns zu entwickeln. Das Hauptargument für die Fruchtbarkeit dieses Ansatzes ist die Tatsache, dass das Institut im wirklichen Leben Experten hat - hochkarätige Fachleute, die in der Lage sind, schlecht formalisierte Probleme aus einem bestimmten Problembereich zu lösen.

Aus Sicht des Knowledge Engineering kann in jedem Anwendungsprogramm (zumindest theoretisch) eine Komponente unterschieden werden, die Wissen über den Problembereich enthält. Es ist diese Komponente, die als Wissensbasis bezeichnet wird und den praktischen Wert des Programms bestimmt. Der Aufbau einer Wissensbasis erfordert spezielle Forschung in einem Problembereich, während der Rest der Programmblöcke vollständig in der Verantwortung des Programmierers liegt.

Gegenwärtig gibt es vier Hauptformen der Wissensrepräsentation, mit denen sich „hybride“ Formen der Wissensrepräsentation konstruieren lassen.

· Produktionssysteme

· Semantische Netzwerke

· Rahmen

· Logische Rechnung

· Kombinierte Darstellungsweisen von Wissen

· Problembereichsmodelle

2. Mustererkennung und maschinelle Übersetzung

2.1 Der Bildbegriff

Ein Bild, eine Klasse ist eine Klassifizierungsgruppierung in einem Klassifizierungssystem, die eine bestimmte Gruppe von Objekten nach einem bestimmten Kriterium zusammenfasst. Die figürliche Wahrnehmung der Welt ist eine der Eigenschaften des lebenden Gehirns, die es Ihnen ermöglicht, den endlosen Strom wahrgenommener Informationen zu verstehen und sich in unterschiedlichen Daten über die Außenwelt zu orientieren. Wenn wir die Außenwelt wahrnehmen, klassifizieren wir immer Informationen, dh wir teilen sie in Gruppen von ähnlichen, aber nicht identischen Phänomenen ein. Diese Eigenschaft des Gehirns ermöglicht es uns, ein solches Konzept als Bild zu formulieren.

Die Fähigkeit, die Außenwelt in Form von Bildern wahrzunehmen, ermöglicht es mit Sicherheit, eine unendliche Anzahl von Objekten auf der Grundlage der Kenntnis ihrer endlichen Anzahl zu erkennen, und die objektive Natur der Haupteigenschaft von Bildern ermöglicht es Ihnen, den Erkennungsprozess zu simulieren.

2.2 Das Problem der Mustererkennung

Die Mustererkennung ist die Aufgabe, ein Objekt zu identifizieren oder seine Eigenschaften anhand seines Bildes (optische Erkennung) oder seiner Audioaufzeichnung (akustische Erkennung) zu bestimmen. Im Verlauf der biologischen Evolution lösten viele Tiere mit Hilfe des visuellen und akustischen Apparats dieses Problem recht gut. Die Schaffung künstlicher Systeme mit Mustererkennungsfunktionen bleibt ein komplexes technisches Problem.

Abb. 2.1. Ein Beispiel für Lernobjekte.

Im Allgemeinen besteht das Problem der Mustererkennung (PRO) aus zwei Teilen: Lernen und Erkennen. Das Training wird durchgeführt, indem einzelne Objekte mit einem Hinweis auf ihre Zugehörigkeit zu einem bestimmten Bild gezeigt werden. Als Ergebnis des Trainings sollte das Erkennungssystem die Fähigkeit erwerben, mit den gleichen Reaktionen auf alle Objekte eines Bildes und mit anderen Reaktionen auf alle Objekte unterscheidbarer Bilder zu reagieren. Es ist sehr wichtig, dass der Lernprozess nur mit einer begrenzten Anzahl von Objekten abgeschlossen wird. Als Trainingsobjekte können entweder Bilder (Abb. 2.1) oder andere visuelle Bilder (Buchstaben, Zahlen) dienen. Wichtig ist, dass im Lernprozess nur die Objekte selbst und deren Zugehörigkeit zum Bild angezeigt werden. Auf das Lernen folgt der Prozess des Erkennens neuer Objekte, der die Handlungen eines bereits trainierten Systems charakterisiert. Die Automatisierung dieser Vorgänge ist das Problem des Trainings in der Mustererkennung. In dem Fall, dass eine Person selbst entscheidet oder erfindet und dann der Maschine eine Klassifizierungsregel auferlegt, ist das Erkennungsproblem teilweise gelöst, da die Person den Haupt- und Hauptteil des Problems übernimmt (Training).

Das Aufgabenspektrum, das mit Erkennungssystemen gelöst werden kann, ist sehr breit. Dies beinhaltet nicht nur das Erkennen visueller und auditiver Bilder, sondern auch die Klassifizierung komplexer Prozesse und Phänomene, die beispielsweise bei der Auswahl geeigneter Maßnahmen durch den Unternehmensleiter oder bei der Auswahl des optimalen Managements technologischer, wirtschaftlicher, verkehrlicher oder militärischer Aufgaben auftreten. Bevor Sie mit der Analyse eines Objekts beginnen, müssen Sie bestimmte, geordnete Informationen darüber erhalten.

Die Wahl der Erstbeschreibung von Objekten ist eine der zentralen Aufgaben des Problems der Mustererkennung. Bei erfolgreicher Wahl der Erstbeschreibung (Raum der Attribute) kann sich das Erkennungsproblem als trivial herausstellen, und umgekehrt kann eine falsch gewählte Erstbeschreibung entweder zu einer sehr schwierigen Weiterverarbeitung von Informationen oder zu einem allgemeinen Mangel an einer Lösung führen.

2.5 Training, Selbsttraining und Anpassung

Lernen ist ein Prozess, bei dem das System allmählich die Fähigkeit erlangt, auf bestimmte äußere Einflüsse mit den erforderlichen Reaktionen zu reagieren, und Anpassung ist die Anpassung der Parameter und des Aufbaus des Systems, um die erforderliche Steuerungsqualität bei ständigen Änderungen der äußeren Bedingungen zu erreichen. Alle Bilder in Abb. 2.1, charakterisieren die Lernaufgabe. In jeder dieser Aufgaben werden mehrere Beispiele (Trainingssequenzen) für korrekt gelöste Probleme gegeben. Wenn es möglich wäre, eine bestimmte universelle Eigenschaft zu bemerken, die weder von der Art der Bilder noch von ihren Bildern abhängt, sondern nur ihre Trennbarkeit bestimmt, dann zusammen mit der üblichen Aufgabe des Lernens, anhand von Informationen über die Zugehörigkeit jedes Objekts aus der Trainingssequenz zu einem bestimmten Bild zu erkennen, man könnte ein anderes klassifikationsproblem aufwerfen - die sogenannte lernaufgabe ohne lehrer. Diese Art von Aufgabe auf einer beschreibenden Ebene kann wie folgt formuliert werden: Objekte werden dem System gleichzeitig oder nacheinander ohne Angabe ihrer Zugehörigkeit zu den Bildern präsentiert. Das Eingabegerät des Systems bildet viele Objekte auf viele Bilder ab und nimmt unter Verwendung einer Eigenschaft der Trennbarkeit von Bildern, die im Voraus darin eingebettet sind, eine unabhängige Klassifizierung dieser Objekte vor. Nach einem solchen Selbstlernprozess sollte das System die Fähigkeit erwerben, nicht nur bereits bekannte Objekte (Objekte aus dem Trainingsablauf) zu erkennen, sondern auch solche, die zuvor noch nicht vorgestellt wurden. Der Prozess des Selbstlernens eines Systems ist ein solcher Prozess, durch den dieses System ohne Aufforderung eines Lehrers die Fähigkeit erlangt, die gleichen Reaktionen auf Bilder von Objekten desselben Bildes und unterschiedliche Reaktionen auf Bilder verschiedener Bilder zu entwickeln. Die Rolle des Lehrers besteht in diesem Fall nur darin, das System zu einer objektiven Eigenschaft aufzufordern, die für alle Bilder gleich ist und die Fähigkeit bestimmt, viele Objekte in Bilder aufzuteilen. Eine solche objektive Eigenschaft ist die Eigenschaft der Kompaktheit von Bildern. Die relative Position der Punkte im ausgewählten Raum enthält bereits Informationen zum Teilen der Punktmenge. Diese Information bestimmt die Eigenschaft der Bildtrennbarkeit, die sich zum Selbstlernen des Mustererkennungssystems als ausreichend herausstellt.

Lernen wird gewöhnlich als der Prozess bezeichnet, in einem System eine bestimmte Reaktion auf Gruppen von externen identischen Signalen zu erzeugen, indem das System der externen Anpassung wiederholt beeinflusst wird. Eine solche externe Anpassung im Training wird üblicherweise als "Belohnung" und "Bestrafung" bezeichnet. Der Mechanismus zur Erzeugung dieser Anpassung bestimmt den Lernalgorithmus nahezu vollständig. Das Selbstlernen unterscheidet sich vom Training darin, dass keine zusätzlichen Informationen über die Genauigkeit der Reaktion auf das System vorliegen.

Anpassung ist der Prozess der Änderung der Parameter und der Struktur des Systems und möglicherweise der Steuerung von Aktionen auf der Grundlage der aktuellen Informationen, um einen bestimmten Zustand des Systems mit anfänglicher Unsicherheit und sich ändernden Arbeitsbedingungen zu erreichen.

Ein Weg, Erkennungsmaschinen zu bauen, ist möglich, basierend auf der Unterscheidung von Zeichen von zu erkennenden Figuren. Verschiedene Merkmale der Figuren können als Zeichen ausgewählt werden, beispielsweise ihre geometrischen Eigenschaften (Eigenschaften der Kurven, aus denen die Figur besteht), topologische Eigenschaften (relative Position der Figurenelemente) usw. Es sind Erkennungsmaschinen bekannt, bei denen Buchstaben oder Zahlen durch die sogenannte "Sondenmethode" (Fig. 2.2) unterschieden werden, d.h. durch die Anzahl der Schnittpunkte des Umrisses der Figur mit mehreren speziell angeordneten Geraden.

Abb. 2.2 Anordnung der Sonden zur Ziffernerkennung.

Wenn Sie die Zahlen auf dem Feld mit den Sonden entwerfen, stellt sich heraus, dass jede der Zahlen genau definierte Sonden schneidet und die Kombinationen der geschnittenen Sonden für alle zehn Ziffern unterschiedlich sind. Diese Kombinationen werden als Merkmale verwendet, durch die die Unterscheidung zwischen Zahlen erfolgt. Solche Maschinen können beispielsweise maschinengeschriebenen Text erfolgreich lesen, ihre Fähigkeiten sind jedoch durch die Schriftart (oder eine Gruppe ähnlicher Schriftarten) begrenzt, für die ein System von Merkmalen entwickelt wurde. Die Erstellung einer Reihe von Bezugszahlen oder eines Zeichensystems sollte von einer Person durchgeführt werden. Die Qualität der Maschine, dh die Zuverlässigkeit der „Erkennung“ der vorgelegten Zahlen, wird durch die Qualität dieser Vorbereitungen bestimmt und kann ohne menschliches Eingreifen nicht verbessert werden. Die beschriebene Maschine ist keine Lernmaschine.

Das Modellieren des Lernprozesses umfasst das Lernen, dem keine Informationen zu den Bildern vorausgehen, deren Erkennung er lernen muss. Das Training selbst besteht darin, der Maschine eine bestimmte endliche Anzahl von Objekten jedes Bildes zu präsentieren. Als Ergebnis des Trainings sollte die Maschine in der Lage sein, eine beliebig große Anzahl neuer Objekte zu erkennen, die zu denselben Bildern gehören. Daher haben wir den folgenden Versuchsplan im Auge:

a) Vorab werden keine Informationen zu den zu klassifizierenden Bildern in die Maschine eingegeben;

b) während des Trainings wird der Maschine eine bestimmte Anzahl von Objekten von jedem der zu klassifizierenden Bilder präsentiert und (bei der Modellierung des Lernprozesses "mit einem Lehrer") berichtet, zu welchem \u200b\u200bBild jedes Objekt gehört;

c) Die Maschine verarbeitet die empfangenen Informationen automatisch

d) mit hinreichender Zuverlässigkeit unterscheidet eine beliebig große Anzahl neuer, ihm bisher nicht präsentierter Objekte von Bildern.

Maschinen, die nach diesem Schema arbeiten, werden Erkennungsmaschinen genannt.

2.6 Konvertieren von Bildern in digitalen Code

Um ein Bild in eine Maschine einzugeben, müssen Sie es in die Maschinensprache übersetzen, d. H. codieren, in Form einer Kombination von Zeichen darstellen, die die Maschine bedienen kann. Das Codieren von Flugzeugfiguren kann auf verschiedene Arten erfolgen. Es ist besser, nach einer möglichst „natürlichen“ Kodierung der Bilder zu streben. Wir werden die Figuren auf einem bestimmten Feld zeichnen, geteilt durch vertikale und horizontale Linien in identische Elemente - Quadrate. Elemente, auf die das Bild gefallen ist, werden vollständig geschwärzt, der Rest bleibt weiß. Lassen Sie uns vereinbaren, schwarze Elemente als Einheit und weiße Elemente als Null zu bezeichnen. Wir führen die fortlaufende Nummerierung aller Elemente des Feldes ein, zum Beispiel in jeder Zeile von links nach rechts und entlang der Linien von oben nach unten. Dann wird jede auf einem solchen Feld gezeichnete Figur eindeutig durch einen Code angezeigt, der aus so vielen Ziffern (Einsen und Nullen) besteht, wie es Elemente in dem Feld gibt.

Abb. 2.3 Beispiele für die Projektion und Kodierung von Bildern.

Eine solche Kodierung (Abb. 2.3) wird als „natürlich“ angesehen, da die Aufteilung des Bildes in Elemente die Grundlage für die Arbeit unseres visuellen Apparats ist. In der Tat besteht die Netzhaut des Auges aus einer großen Anzahl von einzelnen empfindlichen Elementen (den sogenannten Stäbchen und Zapfen), die durch Nervenfasern mit den visuellen Teilen des Gehirns verbunden sind. Empfindliche Elemente der Netzhaut übertragen über ihre Nervenfasern Signale an das Gehirn, deren Intensität von der Beleuchtung dieses Elements abhängt. So wird das Bild, das vom optischen System des Auges auf der Netzhaut entworfen wurde, durch Stäbchen und Zapfen in separate Abschnitte unterteilt und durch Elemente in einem Code an das Gehirn übertragen. Einzelne Elemente des Feldes werden als Rezeptoren bezeichnet, und das Feld selbst wird als Feld von Rezeptoren bezeichnet.

Die Menge aller planaren Figuren, die auf dem Feld der Rezeptoren abgebildet werden können, ist eine bestimmte Menge. Jede konkrete Figur aus dieser Gesamtheit ist Gegenstand dieser Menge. Jedes dieser Objekte entspricht einem bestimmten Code. Ebenso entspricht jeder Code einem bestimmten Bild auf dem Rezeptorfeld. Eine Eins-zu-Eins-Entsprechung zwischen Codes und Bildern ermöglicht es Ihnen, nur mit Codes zu arbeiten, wobei zu beachten ist, dass ein Bild immer durch seinen Code reproduziert werden kann.

ANN-Kapazität - Die Anzahl der Bilder, die an den ANN-Eingängen zur Erkennung angezeigt werden. Um beispielsweise mehrere Eingabebilder in zwei Klassen zu trennen, ist nur eine Ausgabe ausreichend. Darüber hinaus bezeichnet jede logische Ebene - "1" und "0" - eine separate Klasse. An zwei Ausgängen können Sie bereits 4 Klassen usw. codieren. Um die Zuverlässigkeit der Klassifizierung zu erhöhen, ist es wünschenswert, Redundanz einzuführen, indem jede Klasse mit einem Neuron in der Ausgangsschicht oder noch besser mehreren isoliert wird, von denen jedes darauf trainiert wird, zu bestimmen, ob das Bild mit seinem Zuverlässigkeitsgrad zu der Klasse gehört, zum Beispiel: hoch, mittel und niedrig. Mit solchen ANNs können Eingabebilder klassifiziert werden, die in unscharfe (verschwommene oder sich überschneidende) Sätze zusammengefasst sind. Diese Eigenschaft bringt ähnliche ANNs zu realen Bedingungen.

3. Neurocomputer und Netzwerke

3.1 Neurocomputer

Neurocomputer sind Systeme, in denen der Algorithmus zur Lösung des Problems durch ein logisches Netzwerk von Elementen einer privaten Form dargestellt wird - Neuronen mit einer vollständigen Zurückweisung von Booleschen Elementen des Typs AND, OR, NOT. Infolgedessen werden spezifische Beziehungen zwischen den Elementen eingeführt, die Gegenstand einer gesonderten Betrachtung sind.

Im Gegensatz zu den klassischen Methoden zur Problemlösung implementieren Neurocomputer Algorithmen zur Problemlösung, die in Form neuronaler Netze dargestellt werden. Diese Einschränkung ermöglicht die Entwicklung von Algorithmen, die potenziell paralleler sind als jede andere physikalische Implementierung.

Ein Neurocomputer ist ein Computersystem mit der MSIMD-Architektur, das zwei grundlegende technische Lösungen implementiert: Ein Prozessorelement mit einer homogenen Struktur wird auf die Ebene eines Neurons vereinfacht und die Kommunikation zwischen Elementen wird stark kompliziert. Die Programmierung der Rechenstruktur wurde auf eine Änderung der Gewichtsverhältnisse zwischen Prozessorelementen verschoben.

Die allgemeine Definition eines Neurocomputers kann wie folgt dargestellt werden. Ein Neurocomputer ist ein Computersystem mit einer Hardware- und Softwarearchitektur, die für die Ausführung der Algorithmen geeignet ist, die auf der logischen Basis des neuronalen Netzwerks dargestellt werden.

3.2 Was sind neuronale Netze?

Jedes Neuron empfängt über spezielle Nervenfasern Signale von benachbarten Neuronen. Diese Signale können aufregend oder hemmend sein. Ihre Summe ist das elektrische Potential im Körper des Neurons. Wenn das Potential eine bestimmte Schwelle überschreitet, tritt das Neuron in einen angeregten Zustand ein und sendet ein Signal entlang der Ausgangsnervenfaser. Einzelne künstliche Neuronen werden durch verschiedene Methoden miteinander verbunden. Auf diese Weise können Sie eine Vielzahl von neuronalen Netzwerken mit unterschiedlichen Architekturen, Trainingsregeln und Fähigkeiten erstellen.

Der Begriff „künstliche neuronale Netze“ wird für viele mit Fantasien über Androiden und Aufstände von Robotern in Verbindung gebracht, über Maschinen, die den Menschen ersetzen und nachahmen. Dieser Eindruck wird von vielen Entwicklern von Neurosystemen verstärkt, die darüber streiten, wie in naher Zukunft Roboter beginnen werden, verschiedene Aktivitäten zu meistern, indem sie nur eine Person beobachten. Wenn Sie auf die Ebene der täglichen Arbeit wechseln, sind neuronale Netze nur Netze, die aus miteinander verbundenen einfachen Elementen formaler Neuronen bestehen. Die meisten Arbeiten zur Neuroinformatik befassen sich mit der Übertragung verschiedener Algorithmen zur Lösung von Problemen in solchen Netzwerken.

Das Konzept basiert auf der Idee, dass Neuronen mit relativ einfachen Automaten modelliert werden können und die gesamte Komplexität des Gehirns, die Flexibilität seiner Funktion und andere wichtige Eigenschaften durch die Verbindungen zwischen Neuronen bestimmt werden. Jede Verbindung wird als sehr einfaches Element dargestellt, das zur Übertragung eines Signals dient. Kurz gesagt kann dieser Gedanke folgendermaßen ausgedrückt werden: "Die Struktur der Verbindungen ist alles, die Eigenschaften der Elemente sind nichts."

Die Menge der Ideen und die wissenschaftliche und technische Richtung, die durch die beschriebene Idee des Gehirns bestimmt wird, nennt man Konnektionismus. Mit dem realen Gehirn korreliert dies alles auf die gleiche Weise wie eine Karikatur oder ein Cartoon mit seinem Prototyp. Wichtig ist nicht die wörtliche Entsprechung zum Original, sondern die Produktivität einer technischen Idee.

Der folgende Ideenblock ist eng mit dem Konnektionismus verbunden:

· Homogenität des Systems (die Elemente sind die gleichen und äußerst einfachen, alles wird durch die Struktur der Beziehungen bestimmt);

· Zuverlässige Systeme unzuverlässiger Elemente und "analoge Renaissance" unter Verwendung einfacher analoger Elemente;

· “Holographische” Systeme: Wenn ein zufällig ausgewähltes Teil zerstört wird, behält das System seine Eigenschaften bei.

Es wird angenommen, dass die breiten Möglichkeiten von Kommunikationssystemen die schlechte Auswahl von Elementen, ihre Unzuverlässigkeit und mögliche Zerstörung einiger Verbindungen kompensieren.

Zur Beschreibung der Algorithmen und Geräte in der Neuroinformatik wurde eine spezielle „Schaltungsanordnung“ entwickelt, bei der elementare Geräte (Addierer, Synapsen, Neuronen usw.) zu Netzwerken zusammengefasst werden, um Probleme zu lösen. Für viele Anfänger erscheint es unerwartet, dass weder bei der Hardware-Implementierung neuronaler Netze noch bei professioneller Software diese Elemente überhaupt notwendigerweise als separate Teile oder Blöcke realisiert werden. Die ideale Schaltung in der Neuroinformatik ist eine spezielle Sprache für die Beschreibung neuronaler Netze und deren Training. Bei Software- und Hardware-Implementierungen werden Beschreibungen in dieser Sprache in geeignetere Sprachen einer anderen Ebene übersetzt.

4. Expertensysteme (ES), ihre Struktur und Klassifizierung. Tools zum Erstellen von ES. ES-Entwicklungstechnologie

4.1 Bestellung von Expertensystemen

In den frühen achtziger Jahren bildete die Erforschung der künstlichen Intelligenz eine eigenständige Richtung, sogenannte Expertensysteme (ES). Der Zweck der ES-Forschung besteht darin, Programme zu entwickeln, die bei der Lösung von Problemen, die für einen menschlichen Experten schwierig sind, Ergebnisse erzielen, die hinsichtlich Qualität und Wirksamkeit den vom Experten erhaltenen Lösungen nicht unterlegen sind. Forscher auf dem Gebiet der ES verwenden für die Bezeichnung ihrer Disziplin häufig auch den von E. Feigenbaum eingeführten Begriff „Knowledge Engineering“ als „Einführung in die Prinzipien und Werkzeuge der Forschung auf dem Gebiet der künstlichen Intelligenz zur Lösung schwieriger angewandter Probleme, die Expertenwissen erfordern“.

Software-Tools (PS), die auf der Technologie von Expertensystemen oder Knowledge Engineering basieren (in Zukunft werden wir sie als Synonyme verwenden), haben weltweit eine bedeutende Verbreitung gefunden. Die Bedeutung von Expertensystemen ist wie folgt:

· Die Technologie der Expertensysteme erweitert das Spektrum der praktisch bedeutenden Aufgaben, die auf Computern gelöst werden und deren Lösung eine erhebliche wirtschaftliche Auswirkung hat, erheblich.

· Die ES-Technologie ist ein wesentliches Instrument zur Lösung globaler Probleme der traditionellen Programmierung: die Dauer und damit die hohen Kosten für die Entwicklung komplexer Anwendungen;

· Die hohen Kosten für die Wartung komplexer Systeme, die oft um ein Vielfaches höher sind als die Kosten für deren Entwicklung. geringe Wiederverwendbarkeit von Programmen usw .;

· Die Kombination von ES-Technologie mit traditioneller Programmiertechnologie verleiht Softwareprodukten neue Qualitäten, indem: der Benutzer und nicht der Programmierer die Anwendungen dynamisch ändern kann; größere „Transparenz“ der Anwendung (z. B. werden Kenntnisse in einem begrenzten EH gespeichert, für das keine Kommentare zu Kenntnissen erforderlich sind, was Schulung und Wartung vereinfacht); bessere Grafik; Schnittstelle und Interaktion.

Führenden Experten zufolge wird ES in naher Zukunft folgende Anwendung finden:

· ES wird in allen Phasen des Entwurfs, der Entwicklung, der Produktion, des Vertriebs, des Verkaufs, des Supports und der Erbringung von Dienstleistungen eine führende Rolle spielen.

· Die kommerziell verbreitete ES-Technologie bietet einen revolutionären Durchbruch bei der Integration von Anwendungen aus intelligenten Interaktionsmodulen von der Stange.

ES sind für die sogenannten informellen Aufgaben bestimmt, d.h. ES lehnen den traditionellen Ansatz zur Entwicklung von Programmen zur Lösung formalisierter Probleme nicht ab oder ersetzen ihn nicht.

Nicht formalisierte Aufgaben weisen normalerweise die folgenden Merkmale auf:

· Irrtum, Mehrdeutigkeit, Unvollständigkeit und Inkonsistenz der Quelldaten;

· Irrtum, Mehrdeutigkeit, Unvollständigkeit und Inkonsistenz des Wissens über den Problembereich und das zu lösende Problem;

· Große Abmessung des Lösungsraums, d.h. Suche nach einer Lösung ist sehr groß;

· Sich dynamisch ändernde Daten und Kenntnisse.

Es sollte betont werden, dass informelle Aufgaben eine große und sehr wichtige Klasse von Aufgaben darstellen. Viele Experten glauben, dass diese Aufgaben die am weitesten verbreitete Klasse von Aufgaben sind, die von Computern gelöst werden.

Expertensysteme und Systeme der künstlichen Intelligenz unterscheiden sich von Datenverarbeitungssystemen dadurch, dass sie hauptsächlich eine symbolische (und keine numerische) Darstellungsweise, eine symbolische Folgerung und eine heuristische Suche nach einer Lösung verwenden (anstatt einen bekannten Algorithmus auszuführen).

Expertensysteme werden verwendet, um nur schwierige praktische (nicht Spielzeug-) Probleme zu lösen. Die Expertensysteme stehen den Entscheidungen eines Experten in Bezug auf die Qualität und Wirksamkeit der Lösung nicht nach. Expertensystemlösungen haben "Transparenz", d.h. kann dem Benutzer qualitativ erklärt werden. Diese Qualität von Expertensystemen wird durch ihre Fähigkeit sichergestellt, über ihr Wissen und ihre Schlussfolgerungen nachzudenken. Expertensysteme können im Dialog mit einem Experten ihr Wissen auffrischen. Es ist anzumerken, dass die Technologie von Expertensystemen derzeit zur Lösung verschiedener Arten von Aufgaben (Interpretation, Vorhersage, Diagnose, Planung, Entwurf, Überwachung, Fehlerbehebung, Schulung, Verwaltung) in einer Vielzahl von Problembereichen wie Finanzen, Öl- und Gasindustrie eingesetzt wird , Energie, Verkehr, Pharmaproduktion, Raumfahrt, Metallurgie, Bergbau, Chemie, Bildung, Zellstoff- und Papierindustrie, Telekommunikation und Kommunikation usw.

Kommerzielle Erfolge für die Entwickler künstlicher Intelligenzsysteme (SII) kamen nicht sofort. In den Jahren 1960 - 1985 Die KI-Erfolge konzentrierten sich hauptsächlich auf Forschung und Entwicklung, was die Eignung von SRI für den praktischen Einsatz zeigte. Ab etwa 1985 (in großem Umfang von 1988 bis 1990), hauptsächlich ES, und in den letzten Jahren, begannen Systeme, die natürliche Sprache (NL-Systeme) und neuronale Netze (NS) wahrnehmen, aktiv in kommerziellen Anwendungen eingesetzt zu werden .

Die Gründe, die FIS zum kommerziellen Erfolg führten, sind folgende.

Integration  Entwickelte Tools für künstliche Intelligenz (IS AI), die sich leicht in andere Informationstechnologien und Tools integrieren lassen (mit CASE, DBMS, Controllern, Datenkonzentratoren usw.).

Offenheit und Toleranz.  IS AIs werden in Übereinstimmung mit Standards entwickelt, die Offenheit und Portabilität gewährleisten.

Verwendung traditioneller Programmiersprachen und Workstations. Der Übergang von AIs, die in AI-Sprachen (Lisp, Prolog usw.) implementiert sind, zu AIs, die in traditionellen Programmiersprachen (C, C ++ usw.) implementiert sind, hat die Integration vereinfacht und die Anforderungen an AI-Anwendungen verringert auf die Geschwindigkeit der Computer und die Größe des Arbeitsspeichers. Die Verwendung von Workstations (anstelle von PCs) hat den Anwendungsbereich, der auf Computern mit IS AI ausgeführt werden kann, dramatisch erweitert.

Client-Server-Architektur. Es wurden IS-AIs entwickelt, die verteiltes Computing auf einer Client-Server-Architektur unterstützen. Dies ermöglichte es, die Kosten für in Anwendungen verwendete Geräte zu senken, Anwendungen zu dezentralisieren, die Zuverlässigkeit und die Gesamtleistung zu erhöhen (da die zwischen Computern gesendete Informationsmenge verringert wird und jedes Anwendungsmodul zu einem angemessenen Zeitpunkt ausgeführt wird) ihm Ausrüstung).

Problem- / Domänenorientierte KI. Der Übergang von der Entwicklung von Allzweck-IS-Systemen (obwohl sie ihre Bedeutung als Mittel zur Schaffung von orientierten IS nicht verloren haben) zu problem- / themenorientierten IS-Systemen bietet folgende Vorteile: Reduzierung der Anwendungsentwicklungszeit; Steigerung der Effizienz bei der Nutzung von IP; Vereinfachung und Beschleunigung des Sachverständigen; Wiederverwendung von Informationen und Software (Objekte, Klassen, Regeln, Prozeduren).

4.2 Klassifizierung von Expertensystemen

In der Klasse „Expertensysteme“ sind heute mehrere tausend verschiedene Softwaresysteme zusammengefasst, die nach verschiedenen Kriterien klassifiziert werden können. Die folgenden Klassifizierungen können nützlich sein (Abb. 4.1).

Abb. 4.1. Klassifizierung von Expertensystemen

Klassifizierung nach der zu lösenden Aufgabe

Interpretation von Daten.  Dies ist eine der traditionellen Aufgaben für Expertensysteme. Unter der Interpretation versteht man die Definition der Bedeutung der Daten, deren Ergebnisse konsistent und korrekt sein müssen. In der Regel wird eine multivariate Datenanalyse durchgeführt.

Diagnose  Diagnose bezieht sich auf das Erkennen einer Fehlfunktion in einem System. Eine Fehlfunktion ist eine Abweichung von der Norm. Eine solche Interpretation erlaubt es uns, Gerätefehlfunktionen in technischen Systemen, Krankheiten lebender Organismen und alle Arten von natürlichen Anomalien unter einem einzigen theoretischen Gesichtspunkt zu betrachten. Eine wichtige Besonderheit ist das Verständnis der Funktionsstruktur („Anatomie“) des Diagnosesystems.

Überwachung Die Hauptaufgabe der Überwachung ist die kontinuierliche Interpretation von Echtzeitdaten und das Signalisieren, dass bestimmte Parameter akzeptable Grenzen überschreiten. Die Hauptprobleme sind das "Überspringen" der Alarmsituation und die umgekehrte Aufgabe der "falschen" Antwort. Die Komplexität dieser Probleme ist die Unschärfe der Symptome von Angstsituationen und die Notwendigkeit, den zeitlichen Kontext zu berücksichtigen.

Design.  Beim Entwerfen werden Spezifikationen zum Erstellen von „Objekten“ mit vordefinierten Eigenschaften erstellt. Die Spezifikation bezieht sich auf den gesamten Satz der erforderlichen Dokumente - Zeichnung, Erläuterung usw. Die Hauptprobleme dabei sind eine klare strukturelle Beschreibung des Wissens über das Objekt und das Problem der "Spur". Um effektives Design zu organisieren und in noch höherem Maße neu zu gestalten, ist es notwendig, nicht nur die Designentscheidungen selbst zu formen, sondern auch die Motive für ihre Annahme. So sind bei den Entwurfsaufgaben zwei Hauptprozesse, die im Rahmen der entsprechenden ES durchgeführt werden, eng miteinander verbunden: entscheidungsprozess  und erklärungsprozess.

Vorhersage.  Prädiktive Systeme leiten logischerweise wahrscheinliche Konsequenzen aus gegebenen Situationen ab. In einem Prognosesystem wird üblicherweise ein parametrisches dynamisches Modell verwendet, bei dem die Parameterwerte an eine gegebene Situation „angepasst“ werden. Die aus diesem Modell abgeleiteten Korollarien bilden die Grundlage für Prognosen mit probabilistischen Schätzungen.

Planung.  Planung bezieht sich auf das Auffinden von Aktionsplänen, die sich auf Objekte beziehen, die bestimmte Funktionen ausführen können. Ein solches ES verwendet Modelle des Verhaltens realer Objekte, um die Konsequenzen der geplanten Aktivität logisch abzuleiten.

Schulung.  Lernsysteme diagnostizieren mit Hilfe von Computern Fehler im Studium einer Disziplin und schlagen die richtigen Lösungen vor. Sie sammeln Wissen über einen hypothetischen „Schüler“ und seine charakteristischen Fehler, dann können sie in der Arbeit Wissensschwächen der Schüler diagnostizieren und geeignete Mittel finden, um diese zu beseitigen. Darüber hinaus planen sie einen Kommunikationsakt mit dem Schüler, der vom Erfolg des Schülers abhängt, um Wissen zu übertragen.

Im allgemeinen Fall können alle wissensbasierten Systeme unterteilt werden systeme, die Analyseprobleme lösen,  und weiter systeme, die Syntheseprobleme lösen.

Der Hauptunterschied zwischen Analyseproblemen und Syntheseproblemen ist wie folgt: Wenn in Analyseproblemen viele Lösungen aufgelistet und in das System aufgenommen werden können, dann werden in Syntheseproblemen viele Lösungen möglicherweise aus Komponentenlösungen oder Teilproblemen aufgebaut. Die Aufgabe der Analyse ist die Dateninterpretation, Diagnose; Syntheseaufgaben umfassen Design, Planung. Kombinierte Aufgaben: Schulung, Überwachung, Prognose.

Echtzeit-Klassifizierung

Statische ES  entwickelt in Fachgebieten, in denen sich die Wissensbasis und die interpretierten Daten im Laufe der Zeit nicht ändern. Sie sind stabil.

Quasidynamic ES  Interpretieren Sie eine Situation, die sich in einem festgelegten Zeitintervall ändert.

Dynamic ES  arbeiten in Verbindung mit Objektsensoren in Echtzeit mit einer kontinuierlichen Interpretation der eingehenden Daten.

Computerklassifizierung

Heute gibt es:

ES für einzigartige strategisch wichtige Aufgaben auf einem Supercomputer (Elbrus, CRAY, CONVEX usw.);

ES auf Computern mittlerer Leistung (z. B. EC-Computer, Mainframe);

ES auf Charakterprozessoren und Workstations (SUN, APOLLO);

ES auf Mini- und Supermini-Computern (VAX, Micro-VAX usw.);

ES auf PCs (IBM PC, MAC II und dergleichen).

Klassifizierung nach Integrationsgrad mit anderen Programmen

Autonomes ES  Sie arbeiten direkt in der Art der Beratung mit dem Benutzer für bestimmte „Experten“ -Aufgaben, für deren Lösung herkömmliche Methoden der Datenverarbeitung (Berechnungen, Modellierung usw.) nicht erforderlich sind.

Hybrid ES  stellen ein Softwarepaket dar, das Standardanwendungssoftwarepakete (z. B. mathematische Statistiken, lineare Programmierung oder Datenbankverwaltungssysteme) und Tools zur Wissensmanipulation zusammenfasst. Dies kann ein intellektuelles Add-On über das RFP oder eine integrierte Umgebung zur Lösung eines komplexen Problems mit Elementen des Expertenwissens sein.

Trotz der äußerlichen Attraktivität des hybriden Ansatzes ist anzumerken, dass die Entwicklung solcher Systeme eine um eine Größenordnung komplexere Aufgabe ist als die Entwicklung eines autonomen ES. Das Andocken nicht nur verschiedener Pakete, sondern verschiedener Methoden (was in Hybridsystemen vorkommt) führt zu einer ganzen Reihe von theoretischen und praktischen Schwierigkeiten.

4.3 Aufbau von Expertensystemen (am Beispiel statischer und dynamischer ES)

Eine typische statische ES besteht aus folgenden Hauptkomponenten (Abb. 4.2):

· Solver (Dolmetscher);

· Arbeitsspeicher (RP), auch Datenbank (DB) genannt;

· Wissensdatenbank (KB);

· Komponenten des Wissenserwerbs;

· Erklärende Komponente;

· Dialogkomponente.

Datenbank (Arbeitsspeicher)  Es ist zur Speicherung von Anfangs- und Zwischendaten des aktuell gelösten Problems vorgesehen. Dieser Begriff stimmt in seinem Namen, aber nicht in seiner Bedeutung mit dem Begriff überein, der in Information Retrieval Systemen (IPS) und Datenbankmanagementsystemen (DBMS) verwendet wird, um sich auf alle im System gespeicherten Daten (hauptsächlich Langzeitdaten) zu beziehen.

Wissensbasis  (BZ) in ES dient zum Speichern von Langzeitdaten, die das betreffende Gebiet beschreiben (und nicht die aktuellen Daten), und von Regeln, die geeignete Datentransformationen in diesem Gebiet beschreiben.

Solver  Unter Verwendung der Anfangsdaten aus dem Arbeitsspeicher und des Wissens aus dem KB bildet es eine Folge von Regeln, die, wenn sie auf die Anfangsdaten angewendet werden, zur Lösung des Problems führen.

Komponente  Der Wissenserwerb automatisiert den Prozess des Befüllens von ES mit Wissen, der von einem erfahrenen Benutzer ausgeführt wird.

Erklärende Komponente  erklärt, wie das System die Lösung für das Problem erhalten hat (oder warum es die Lösung nicht erhalten hat) und welches Wissen es gleichzeitig verwendet hat, was dem Experten das Testen des Systems erleichtert und das Vertrauen des Benutzers in das Ergebnis erhöht.

Abb. 4.2. Die Struktur des statistischen ES

Dialogkomponente  Der Schwerpunkt lag auf der Organisation einer freundlichen Kommunikation mit dem Benutzer, sowohl bei der Lösung von Problemen als auch beim Erwerb von Wissen und der Erläuterung der Arbeitsergebnisse.

Vertreter der folgenden Fachrichtungen sind an der Entwicklung von ES beteiligt:

ein Experte in einem Problembereich, dessen Aufgaben von der ES gelöst werden;

wissensingenieur - Spezialist für die Entwicklung von ES (die von ihm verwendete Technologie, die Methoden werden als Technologie (Methoden) des Wissensingenieurwesens bezeichnet);

programmierer für die Entwicklung von Tools (IS) zur Beschleunigung der Entwicklung von ES.

Es sollte beachtet werden, dass das Fehlen von Wissensingenieuren unter den Teilnehmern an der Entwicklung (d. H. Deren Ersetzung durch Programmierer) entweder zu einem Fehler beim Erstellen von ESs führt oder diesen signifikant verlängert.

Experte  definiert die Kenntnisse (Daten und Regeln), die den Problembereich charakterisieren, stellt die Vollständigkeit und Richtigkeit der in ES eingegebenen Kenntnisse sicher.

Wissensingenieur hilft dem Experten, das für den Betrieb von ES erforderliche Wissen zu identifizieren und zu strukturieren; trifft die Wahl des für diesen Problembereich am besten geeigneten IP und legt die Art und Weise der Darstellung des Wissens in diesem IP fest; isoliert und programmiert (auf herkömmliche Weise) Standardfunktionen (typisch für diesen Problembereich), die in den vom Experten eingeführten Regeln verwendet werden.

Programmierer  entwickelt den IS (falls der IS neu entwickelt wird), der im Limit alle Hauptkomponenten des ES enthält, und führt seine Schnittstelle mit der Umgebung aus, in der er verwendet werden soll.

Das Expertensystem arbeitet in zwei Modi: dem Modus des Wissenserwerbs und dem Modus der Problemlösung (auch als Konsultationsmodus oder als Modus der Verwendung von ES bezeichnet).

Im Wissenserwerbsmodus  Die Kommunikation mit ES erfolgt durch einen Experten (durch Vermittlung eines Wissensingenieurs). In diesem Modus füllt der Experte mithilfe der Wissenserfassungskomponente das System mit Wissen, das es dem ES im Lösungsmodus ermöglicht, Probleme aus dem Problembereich unabhängig (ohne Experten) zu lösen. Der Experte beschreibt den Problembereich als eine Kombination von Daten und Regeln. Daten definieren Objekte, ihre Eigenschaften und Werte, die im Fachgebiet existieren. Die Regeln legen fest, wie Daten bearbeitet werden, die für den betreffenden Bereich spezifisch sind.

Es ist zu beachten, dass die Art des Wissenserwerbs bei dem herkömmlichen Ansatz zur Programmentwicklung den Stufen der Algorithmusisierung, Programmierung und Fehlerbeseitigung entspricht, die vom Programmierer durchgeführt werden. Im Gegensatz zum herkömmlichen Ansatz bei ES wird die Entwicklung von Programmen daher nicht von einem Programmierer, sondern von einem Experten (der ES verwendet) durchgeführt, der keine eigene Programmierung besitzt.

Im Rückfragemodus Die Kommunikation mit ES erfolgt durch den Endbenutzer, der an dem Ergebnis und (oder) der Methode zu dessen Erhalt interessiert ist. Es sollte beachtet werden, dass der Benutzer je nach Zweck der ES möglicherweise kein Spezialist in diesem Problembereich ist (in diesem Fall wendet er sich an die ES, um das Ergebnis zu erhalten, und weiß nicht, wie er es selbst erhält) oder ein Spezialist ist (in diesem Fall kann der Benutzer das Ergebnis erhalten, aber er wendet sich an ES mit dem Ziel, entweder den Prozess der Erlangung des Ergebnisses zu beschleunigen oder ES Routinearbeiten zuzuweisen. Im Abfragemodus werden die Daten zur Benutzeraufgabe nach der Verarbeitung durch die Dialogkomponente in den Arbeitsspeicher übertragen. Basierend auf den Eingabedaten aus dem Arbeitsspeicher, allgemeinen Daten zum Problembereich und den Regeln aus der KB bildet der Löser eine Lösung für das Problem. Bei der Lösung eines Problems erfüllt ein ES nicht nur die vorgeschriebene Abfolge von Operationen, sondern bildet sie auch vorläufig. Wenn dem Benutzer die Reaktion des Systems nicht klar ist, kann er eine Erklärung verlangen:

"Warum stellt das System diese oder jene Frage?", "Wie erhält das System die Antwort?"

Die in Abb. 4.2, genannt die Struktur eines statischen ES. ES dieses Typs werden in solchen Anwendungen verwendet, in denen Änderungen in der Umgebung, die während der Lösung des Problems auftreten, nicht berücksichtigt werden können. Die ersten ES, die praktische Anwendung fanden, waren statisch.

Abb. 4.3. Dynamische ES-Struktur

In Abb. 4.3 Es wird gezeigt, dass zwei Komponenten in die Architektur eines dynamischen ES im Vergleich zu einem statischen ES eingeführt werden: das Subsystem zur Modellierung der Außenwelt und das Subsystem zur Kommunikation mit der Außenumgebung. Letzterer kommuniziert mit der Außenwelt über ein System von Sensoren und Steuerungen. Darüber hinaus werden die traditionellen Komponenten einer statischen ES (Wissensbasis und Inferenz-Engine) wesentlichen Änderungen unterzogen, um die zeitliche Logik der Ereignisse in der realen Welt widerzuspiegeln.

Wir betonen, dass die in Abb. 4.2 und 4.3 spiegeln nur Komponenten (Funktionen) wider und vieles bleibt „hinter den Kulissen“.

4.4 Entwicklungsstadien von Expertensystemen

Die Entwicklung von ES unterscheidet sich erheblich von der Entwicklung eines herkömmlichen Softwareprodukts. Die Erfahrung mit der Erstellung von ES hat gezeigt, dass die Verwendung der in der traditionellen Programmierung angewandten Methodik während ihrer Entwicklung den Prozess der Erstellung von ES übermäßig verzögert oder im Allgemeinen zu einem negativen Ergebnis führt.

Verwenden Sie ES nur bei der Entwicklung von ES möglich, gerechtfertigt  und wissensbasierte Methoden sind für die jeweilige Aufgabe relevant. Damit war die Entwicklung von ES möglich Für diese Anwendung müssen mindestens die folgenden Anforderungen gleichzeitig erfüllt sein:

1) Es gibt Experten auf diesem Gebiet, die das Problem viel besser lösen als unerfahrene Experten.

2) Experten sind sich über die Bewertung der vorgeschlagenen Lösung einig, da sonst die Qualität der entwickelten ES nicht bewertet werden kann.

3) Experten sind in der Lage, die von ihnen verwendeten Methoden zu verbalisieren (in natürlicher Sprache auszudrücken) und zu erläutern. Andernfalls ist es schwierig, sich auf das Wissen von Experten zu verlassen, die „extrahiert“ und in ES investiert werden sollen.

4) das Lösen eines Problems erfordert nur Überlegung, nicht Handeln;

5) die Aufgabe sollte nicht zu schwierig sein (d. H. Die Lösung sollte für den Experten mehrere Stunden oder Tage dauern, nicht Wochen);

6) die Aufgabe sollte, obwohl sie nicht in formaler Form ausgedrückt werden sollte, sich dennoch auf einen ausreichend "verständlichen" und strukturierten Bereich beziehen, d.h. Grundlegende Konzepte, Beziehungen und bekannte (zumindest einem Experten bekannte) Wege zur Lösung des Problems sollten hervorgehoben werden

7) Die Lösung des Problems sollte nicht in großem Umfang den "gesunden Menschenverstand" (dh eine breite Palette allgemeiner Informationen über die Welt und ihre Funktionsweise, die jeder normale Mensch kennt und zu verwenden weiß) verwenden, da ein solches Wissen bisher nicht möglich war (in ausreichende Menge), um in Systeme der künstlichen Intelligenz zu investieren.

Die Verwendung von ES in dieser Anwendung ist möglicherweise möglich, aber nicht gerechtfertigt. Die Verwendung von ES kann sein gerechtfertigt  einer der folgenden Faktoren:

· Die Lösung des Problems wird erhebliche wirtschaftliche Auswirkungen haben.

· Der Einsatz eines menschlichen Sachverständigen ist entweder aufgrund der unzureichenden Anzahl von Sachverständigen oder aufgrund der Notwendigkeit, die Prüfung gleichzeitig an verschiedenen Orten durchzuführen, unmöglich.

· Die Verwendung von ES ist in den Fällen ratsam, in denen ein unannehmbarer Zeit- oder Informationsverlust bei der Weitergabe von Informationen an einen Experten auftritt.

· Der Einsatz von ES ist ratsam, wenn nötig, um das Problem in einer menschenfeindlichen Umgebung zu lösen.

App entspricht  ES-Methoden, wenn das zu lösende Problem eine Kombination der folgenden Merkmale aufweist:

1) das Problem kann auf natürliche Weise durch Manipulieren von Symbolen (d. H. Unter Verwendung symbolischer Argumentation) anstatt durch Manipulieren von Zahlen gelöst werden, wie es in mathematischen Methoden und in der traditionellen Programmierung üblich ist;

2) Die Aufgabe sollte heuristisch und nicht algorithmisch sein, d.h. Seine Lösung muss die Anwendung heuristischer Regeln erfordern. Aufgaben, deren Lösung (vorbehaltlich bestimmter Einschränkungen) mit bestimmten formalen Verfahren garantiert werden kann, sind für die Anwendung von ES nicht geeignet.

3) Die Aufgabe sollte komplex genug sein, um die Kosten für die Entwicklung von ES zu rechtfertigen. Es sollte jedoch nicht zu komplex sein (die Entscheidung des Experten dauert Stunden, nicht Wochen), damit der ES sie lösen kann.

4) Die Aufgabe sollte eng genug sein, um mit ES-Methoden gelöst zu werden, und praktisch bedeutsam sein.

Bei der Entwicklung von ES wird in der Regel das Konzept des „schnellen Prototyps“ verwendet. Das Wesentliche an diesem Konzept ist, dass Entwickler nicht sofort versuchen, das Endprodukt zu erstellen. In der Anfangsphase erstellen sie einen Prototyp (Prototypen) von ES. Prototypen müssen zwei widersprüchliche Anforderungen erfüllen: Zum einen müssen sie typische Aufgaben einer bestimmten Anwendung lösen, und zum anderen sollten Zeit und Komplexität ihrer Entwicklung sehr gering sein, damit der Prozess des Sammelns und Debuggens von Wissen (von einem Experten ausgeführt) parallel zum Auswahlprozess durchgeführt werden kann (Entwicklung) von Software (durch einen Wissensingenieur und Programmierer). Um diese Anforderungen in der Regel bei der Erstellung eines Prototyps zu erfüllen, werden verschiedene Mittel eingesetzt, die den Entwurfsprozess beschleunigen.

Der Prototyp sollte die Eignung wissensbasierter Methoden für eine bestimmte Anwendung nachweisen. Bei Erfolg erweitert der Experte mit Hilfe eines Wissensingenieurs das Wissen des Prototypen über den Problembereich. Ein Fehler kann die Entwicklung eines neuen Prototyps erfordern oder Entwickler können zu dem Schluss kommen, dass die ES-Methoden für diese Anwendung ungeeignet sind. Mit zunehmendem Wissen kann der Prototyp einen Zustand erreichen, in dem er alle Aufgaben dieser Anwendung erfolgreich löst. Die Konvertierung eines ES-Prototyps in ein Endprodukt führt normalerweise zu einer Neuprogrammierung von ES in einfachen Sprachen, was sowohl zu einer Steigerung der ES-Leistung als auch zu einer Verringerung des erforderlichen Arbeitsspeichers führt. Die Komplexität und der Zeitpunkt der Erstellung von ES hängen weitgehend von der Art der verwendeten Tools ab.

Im Zuge der Arbeiten zur Schaffung von ES wurde eine bestimmte Technologie für ihre Entwicklung entwickelt, die die folgenden sechs Stufen umfasst (Abb. 4.4):

identifikation, Konzeption, Formalisierung, Implementierung, Test, Probebetrieb. Auf der Bühne identifizierung Zu lösende Aufgaben werden identifiziert, Entwicklungsziele identifiziert, Experten und Nutzertypen identifiziert.

Abb. 4.4. ES-Entwicklungstechnologie

Auf der Bühne konzeptualisierung  Eine aussagekräftige Analyse des Problemfeldes wird durchgeführt, die verwendeten Konzepte und deren Zusammenhänge werden identifiziert, Methoden zur Problemlösung ermittelt.

Auf der Bühne formalisierung  IS wird ausgewählt und Arten der Repräsentation aller Arten von Wissen werden festgelegt, grundlegende Konzepte werden formalisiert, Arten der Interpretation von Wissen werden festgelegt, das System wird modelliert, die Angemessenheit der Ziele des Systems fester Konzepte, Entscheidungsmethoden, Mittel zur Repräsentation und Manipulation von Wissen werden bewertet.

Auf der Bühne erfüllung  Der Experte füllt die Wissensbasis. Aufgrund der Tatsache, dass die Basis von ES Wissen ist, ist diese Phase die wichtigste und zeitaufwändigste Phase der ES-Entwicklung. Der Prozess des Wissenserwerbs gliedert sich in das Extrahieren von Wissen von einem Experten, das Organisieren von Wissen, das den effektiven Betrieb des Systems sicherstellt, und das Präsentieren von Wissen in einer für ES verständlichen Form. Der Prozess des Wissenserwerbs wird von einem Wissensingenieur auf der Grundlage einer Analyse der Tätigkeit des Experten bei der Lösung realer Probleme durchgeführt.

5. Nutzung und Support von ES. Business Reengineering

5.1 Einsatz finanzieller Exportsysteme

Viele Unternehmen installieren ES, um Probleme in folgenden Bereichen zu lösen: Börsenhandel, automatisches Nachrichtenverständnis, Kreditanalyse, Risikomanagement, Aufbau von Kredit- und Investmentportfolios, Rating von Banken, Automatisierung von Prüfungen, Vorhersage von Veränderungen auf dem Finanzmarkt usw.

Beispiele hierfür sind eine ganze Klasse von beratenden EAs: das Broker Monitoring System von Bear, Sterns & Company, der Portfolio Advisor und der Händlerassistent der Athena Group, die gemeinsam von Author D. Little Corporation, Knowledge-Based Network Corporation und sechs anderen Finanzinstituten entwickelt wurden. Die japanische Sanwa Bank, eine der größten Banken der Welt, nutzt das Expertensystem Best Mix, um die Qualität ihrer Anlageinformationen zu verbessern.

Nikko Portfolio Consultation Management System ES wurde von Nikko Securities, Ltd. für den internen Gebrauch entwickelt und unterstützt Fondsmanager bei der Auswahl des besten Portfolios für ihre Kunden. Dieses System basiert auf einer Datenbank mit Informationen über fünf Jahre Aktienverkäufe und auf einem System mit einer neuen Portfoliomanagement-Theorie, die ein Wertpapierportfolio zur Versicherung gegen verschiedene Risiken berechnet und optimiert. Fondsmanager sind von Routinekalkulationen befreit und können sich so schneller ein optimales Wertpapierportfolio zusammenstellen. IDS Financial Services, eine Finanzplanungsabteilung der American Express Company, hat die Finanzkompetenz der Top-Manager klassifiziert, um ein Expertensystem namens Insight zu erstellen. IDS hat die Expertise der besten Manager in seine Fonds einbezogen, d. H. Expertensystem für alle Planer verfügbar. Eines der Hauptergebnisse der Anwendung des Expertensystems bei IDS war, dass der Prozentsatz der Kunden, die das Unternehmen verließen, um mehr als die Hälfte abnahm.

Wir listen die Eigenschaften einiger spezifischer ES dieser Klasse auf.

1. FLiPSiDE: Ein logisches Programmiersystem für finanzielle Expertise. Entwickler: Case Western Reserve University Aufgaben: Überwachung des Zustands des Wertpapiermarktes; Überwachung des Status des aktuellen Wertpapierportfolios; Unterstützung für eine Überprüfung der künftigen Marktbedingungen; Verkaufsplanung und -ausführung.

Kurze Merkmale: Anwendung des von Newell beschriebenen Original-Tafel-Paradigmas; Prologsprache als Programmierplattform; Darstellung von Daten an der Tafel als Eingabedaten für verschiedene Kenntnisse;

2. Splendors: Echtzeit-Portfolio-Management-System. Zu lösende Aufgaben: Erreichen verschiedener Anlageziele unter den Bedingungen sich schnell ändernder Daten. Kurze Merkmale: Echtzeitsystem, Verwendung einer speziellen Hochsprache Profit, große Flexibilität bei der Erstellung eines Portfolios für erfahrene C-Programmierer, Möglichkeit zur Erstellung eines Portfolios für nicht programmierbare Finanzanalysen.

Das System ermöglicht es Ihnen, in Echtzeit optimale Anlageportfolios aufgrund der schnellen Veränderungen an der Börse zu erstellen.

3. PMIDSS: Ein Entscheidungsunterstützungssystem für das Portfoliomanagement. Entwickler: New York University Finance Group. Zu lösende Aufgaben: Auswahl eines Wertpapierportfolios, langfristige Investitionsplanung. Kurze Merkmale: ein System zur Darstellung gemischten Wissens, die Verwendung verschiedener Inferenzmechanismen: Logik, richtungssemantische Netzwerke, Rahmen, Regeln.

4. Le Courtier: Assistent Expertensystem für Portfoliomanager. Entwickler: Cognitive System Inc. Zu lösende Aufgaben: Unterstützung der Anleger bei der Festlegung ihrer Anlageziele, Portfoliomanagement. Kurze Merkmale: die Verwendung von Regeln, eine leistungsstarke Oberfläche in natürlicher Sprache.

5. PMA: Berater des Portfoliomanagers. Entwickler: Athena Group. Zu lösende Aufgaben: Portfoliobildung, Bereitstellung von Empfehlungen zur Portfoliowartung. Kurze Merkmale: Bereitstellung einer qualitativen Begründung für die Ergebnisse verschiedener numerischer Methoden.

6. ArBoR: Computational Bond Rating Model. Entwickler: College of Business Administration der Universität von Nebraska. Zu lösende Aufgaben: Dieses System wurde erstellt, um ein Rechenmodell im Bereich des Bond-Ratings zu erstellen und das Modell als Expertensystem zu verwenden. Kurze Merkmale: die Verwendung von qualitativen und quantitativen Analysen, die Verwendung einer Standard-ES-Shell.

7. Intelligent Hedger: Ein wissensbasierter Ansatz zur Risikoversicherung. Entwickler: Abteilung für Informationssysteme, New York University. Zu lösende Aufgaben: Das Problem einer Vielzahl ständig wachsender Risikoversicherungsalternativen, die rasche Entscheidungsfindung der Risikomanager in einem sich beschleunigenden Informationsfluss und der Mangel an angemessener maschineller Unterstützung in den frühen Phasen der Entwicklung von Risikoversicherungssystemen lassen auf eine Vielzahl verschiedener optimaler Lösungen für Risikomanager schließen. In diesem System wird die Entwicklung der Risikoversicherung als Mehrzweck-Optimierungsaufgabe formuliert. Diese Optimierungsaufgabe bringt einige Schwierigkeiten mit sich, mit denen bestehende technische Lösungen nicht fertig werden können.

Kurze Merkmale: Das System verwendet eine Objektdarstellung, die fundierte Kenntnisse des Risikomanagements umfasst und die Nachahmung der wichtigsten Überlegungen von Risikomanagern erleichtert, die für Schlussfolgerungen und deren Erklärungen nützlich sind.

8. Ein eng fokussiertes Entscheidungshilfesystem für die Auswahl von Anlagestrategien. Entwickler: Intelligent System Laboratory Science Universität Tokio. Zu lösende Aufgaben: Mit dem Aufkommen der Konzepte „Auswahl“ und „Zukunft“ in einer Reihe von Finanzinstrumenten haben Anleger die Möglichkeit, eine Reihe von Strategien zu entwickeln, die die Ziele ihrer Anlagen erfüllen. Diese Chance schafft jedoch die schwierige Aufgabe, unter einer Vielzahl von Anlagestrategien die richtige Strategie zu finden. Vorgestellt wird ein intelligentes Entscheidungshilfesystem zur Generierung der notwendigen Anlagestrategien in eingeschränkter zufriedenstellender Notation, das in Suchaufgaben weit verbreitet ist. Einschränkungen spielen in diesem System die Rolle der Navigation für die automatische Generierung komplexer Strategien durch einen abstrakten Vergleich mit dem Anlegerprofil. Ein abstrakter Vergleich kann als Suche nach einer Methode zur Erstellung qualitativ solider Strategien betrachtet werden, die eine Reihe von Vorschlägen für den Kauf oder Verkauf ohne digitale Informationen beschreiben. Weil Eine solche Technik kann als Präprozessor für quantitative Analysen wie die lineare Programmierung verwendet werden, um die optimale Lösung zu erhalten. Das vorgeschlagene System ist eine Brücke für einen reibungslosen Übergang zwischen qualitativen und quantitativen Analysen.

Kurze Merkmale: Verwendung der qualitativen Analyse, um mögliche qualitative Lösungen (intuitive Lösungen) zu erhalten, und der quantitativen Analyse, um die optimale Lösung unter Verwendung der linearen Simplex-Programmiermethode zu finden.

9. Explizite Argumentation bei der Prognose des Wechselkurses. Entwickler: Department of Computer Science City Polytechnic von Hong Kong. Zu lösende Aufgaben: Vorstellung eines neuen Ansatzes zur Vorhersage des Wechselkurses auf der Grundlage von Akkumulation und Argumentation mit Hilfe der vorhandenen Anzeichen, um sich auf eine Reihe von Hypothesen zur Wechselkursbewegung zu konzentrieren. Die im Prognosesystem präsentierten Merkmale setzen sich aus bestimmten wirtschaftlichen Werten und verschiedenen zeitlich variierenden Parametern zusammen, die im Prognosemodell verwendet werden.

Kurzcharakteristik: Die mathematische Basis des angewandten Ansatzes basiert auf der Dempster-Schafer-Theorie.

10. Nereide: Entscheidungsunterstützungssystem zur Optimierung der Arbeit mit Währungsoptionen. Entwickler: NTT Data, Tokai Bank, Wissenschaftliche Universität Tokio.

Zu lösende Aufgaben: Das System erleichtert dem Händler die Unterstützung bei der optimalen Beantwortung aus den angebotenen Möglichkeiten. Das System ist praktischer und liefert bessere Entscheidungen als herkömmliche Entscheidungssysteme.

Kurze Eigenschaften: Das System wurde unter Verwendung des CLP-Rahmensystems entwickelt, das das Finanzfeld leicht in die AI-Anwendung integriert. Eine gemischte Art der Optimierung wird vorgeschlagen, die heuristisches Wissen mit linearer Programmiertechnik kombiniert. Das System läuft auf Sun-Stationen.

5.2 ES anhand von Beispielen

Auf Beispielen basierende ES können gemäß den Betriebsprinzipien in zwei Gruppen unterteilt werden: Verwenden neuronaler Netze und Verwenden des induktiven Generalisierungsalgorithmus ID3. Erstere werden hauptsächlich als Klassifikator verwendet, der anhand von Beispielen vorab trainiert wurde. Wenn eine Reihe von Werten der anfänglichen finanziellen Parameter zu dessen Eingabe geliefert wird, erscheint die gewünschte Lösung in der gegebenen finanziellen Situation. Die zweiten Beispielsätze bilden einen Entscheidungsbaum, aus dem dann die Regeln für die Entscheidungsfindung aufgebaut werden. Nachfolgend geben wir 2 typische Beispiele für ES beider Gruppen.

1. S & PCBRS: Ein neuronaler Simulator für das Rating von Wertpapieren. Entwickler: Chase Manatten Bank, Standart & Poor’s Corp. Aufgaben: Bewertung des Ratings von Wertpapieren anhand von Daten zu emittierenden Unternehmen, Bildung der richtigen Ratingskala.

Kurzcharakteristik: Darstellung der Aufgabe der Ratingbewertung als Einstufungsaufgabe, Auswahl von Daten zu emittierenden Unternehmen und Bildung von Schulungsunterlagen, Auswahl eines Neuroklassifikators, dessen Schulung und Erprobung, Vergleich mit Expertenschätzungen, Verwendung des neuronalen Netzparadigmas Couter-Propagation, Wahrscheinlichkeit einer korrekten Ratingvorhersage von 84%.

2. ISPMS: Intelligentes Portfolio-Management-System. Zu lösende Aufgaben: Bilden eines Aktienportfolios, das ein Gleichgewicht zwischen Risiko und geschätzter Rendite bietet.

Kurze Merkmale: Verwendung des quadratischen Markovitz-Programmoptimierungsmodells, von Datenbanken und Wissensdatenbanken für herausgebende Unternehmen und Branchen, Existenz eines Lernsubsystems, das auf Erfahrungswerten basiert und auf der Extraktion von Regeln aus einer Vielzahl von Fakten unter Berücksichtigung des Fachwissens und der persönlichen Präferenzen von Anlegern im Optimierungsmodell basiert. Die Wahrscheinlichkeit einer korrekten Vorhersage einer starken Veränderung an der Börse liegt zwischen 68% und 84%.

5.3 Umgestaltung des Geschäfts

Die Umstrukturierung von Unternehmen im Bereich der mit der Entwicklung und Vorbereitung neuer Produkte verbundenen Prozesse, die als Reengineering bezeichnet werden und die unternommen werden, um die Effizienz von Unternehmen unter modernen Bedingungen dramatisch zu steigern, basiert auf organisatorischen Veränderungen und dem Einsatz neuer Informationstechnologien.

Bei der Analyse des Bestands und der Entwicklung eines neuen Geschäfts kommt der Konstruktion von Unternehmensmodellen und den darin ablaufenden Geschäftsprozessen eine wichtige Rolle zu. Modelle können im Detailgrad der Prozesse, in der Form ihrer Darstellung, unter Berücksichtigung nur statischer oder dynamischer Faktoren usw. variieren. Es ist zu beachten, dass alle bekannten Ansätze zur Geschäftsmodellierung zur Methodenfamilie zur Modellierung komplexer Informationssysteme gehören.

Zu den traditionellen Werkzeugen für die Erstellung von Modellen komplexer Systeme gehört die SADT-Methode (Structured Analysis Design Technique). Es wurde in den frühen 70er Jahren mit dem Ziel geschaffen, Ansätze zur Beschreibung komplexer Systeme zu vereinheitlichen. SADT beinhaltet sowohl einen konzeptionellen Ansatz für die Erstellung von Systemmodellen als auch eine Reihe von Regeln und grafischen Notationen für deren Beschreibung. Die vorgeschlagenen Methoden zur Erstellung von Funktionsmodellen, bei denen die Systeme im Hinblick auf die von ihnen ausgeführten Funktionen beschrieben werden, werden als IDEF0-Methodik bezeichnet. Es gibt auch spezielle Methoden zum Erstellen von Informationsmodellen, die Informationsflüsse beschreiben (IDEFIX), und dynamische Modelle, die Ursache-Wirkungs-Beziehungen zwischen Systemobjekten anzeigen (IDEF / CPN).

Zu den moderneren Modellierungswerkzeugen, die Mitte der 90er Jahre erschienen, gehört die RUP-Methode (Rational Unified Process). Diese von Rational Software Corp. entwickelte Methodik

es unterstützt den iterativen Prozess der Erstellung eines komplexen Informationssystems auf der Grundlage eines objektorientierten Ansatzes unter Verwendung von UML-Diagrammen (Unified Modeling Language) zur visuellen Modellierung eines Themenbereichs. Die Notation von UML-Diagrammen und die Methoden zur Verwendung von UML beim Reengineering von Geschäftsprozessen für die Entwurfs- und Produktionsvorbereitung werden in den folgenden Abschnitten dieses Handbuchs erörtert.

Neben UML gibt es weitere Notationen für die visuelle Modellierung, die beispielsweise in ARIS- und ADONIS-Systemen implementiert sind. Mit dem ADONIS-System können Sie nicht nur visuelle Vorgänge ausführen, sondern auch Geschäftsprozesse simulieren. Die entsprechenden Funktionen werden weiter unten erläutert.

Informationssysteme zur Unterstützung neuer Geschäftsprozesse.

Es wurde oben angemerkt, dass der Einsatz neuer Informationstechnologien ein wesentlicher Bestandteil des Reengineerings ist. Gleichzeitig werden Modelle neuer Geschäftsprozesse direkt in die Umgebung des Information Support Systems (ISP) eines neuen Geschäfts implementiert. Die Bedeutung von COI besteht nicht nur darin, dass es ein notwendiges Element für ein Reengineering ist, sondern auch darin, dass die Verwendung von COI in vielerlei Hinsicht die Technologie für die Führung eines neuen Geschäfts bestimmt. ISP ist eine speziell entwickelte Software - ein Softwaresystem, das auf der Verwendung geeigneter Tools basiert.

Bei der Entwicklung neuer Produkte spielen computergestützte Konstruktionssysteme (CAD-K) die Rolle des Internetdienstanbieters. Auf dem Gebiet der technologischen Vorbereitung der Produktion spielen automatisierte Systeme zur technologischen Vorbereitung der Produktion (ASTPP) die Rolle des COI.

CAD / CAM-, CAE- und PDM-Systeme sind Werkzeuge zur Erstellung von CAD-K und ASTPP. Gleichzeitig werden CAD / CAM- und CAE-Systeme zu Werkzeugen für die Automatisierung der Implementierung von Konstruktionsprozessen, und das PDM-System wird zu einem Werkzeug für die Verwaltung von Konstruktions- und Produktionsvorbereitungsprozessen. Gleichzeitig ist das PDM-System das grundlegende Mittel, mit dem ein einziger Informationsraum für alle Phasen des Produktlebenszyklus (Product Lifecycle, LCI) implementiert wird.

Die leistungsstärksten und umfassendsten CAD / CAM / CAE / PDM-Systeme werden als PLM-Lösungen (Product Data Management - Produktdatenmanagement) bezeichnet.

6. Wissenserwerbsstrategie. Praktische Techniken zum Abrufen von Wissen

6.1 Wissensstrategie

Es gibt drei Strategien, um Wissen zu erlangen - den Erwerb von Wissen, die Extraktion von Wissen und die Entdeckung von Wissen in Datenbanken:

Unter erwerb von  (Erwerb) von Wissen verstehen, wie die Wissensbasis durch den Dialog eines Experten und eines speziellen Programms automatisch gefüllt werden kann.

Extraktion  (Gewinnung) von Wissen ist das Verfahren für die Interaktion eines Wissensingenieurs mit einer Wissensquelle (Experte, Fachliteratur usw.) ohne Einsatz von Computertechnologie.

Der Begriff „ wissensentdeckung in Datenbanken  “(Knowledge Discovery in database - KDD) bezeichnet heute den Prozess, aus Rohdaten neue, potenziell nützliche Informationen zu einem Themenbereich zu erhalten. Dieser Vorgang umfasst mehrere Stufen (Abb. 6.1). Dies beinhaltet die Akkumulation von Rohdaten, die Auswahl, Aufbereitung, Transformation von Daten, die Suche nach Mustern in den Daten, die Bewertung, Verallgemeinerung und Strukturierung der gefundenen Muster.

Abb. 6.1. Der Prozess der Entdeckung von Wissen in der Datenbank

Die KDD-Strategie rückt zunehmend in den Vordergrund. Dies ist hauptsächlich auf die rasche Entwicklung einer Vielzahl von Data Warehouses (Data Warehouse) zurückzuführen - Datensammlungen, die sich durch Themenorientierung, Integration, chronologische Unterstützung und Unveränderlichkeit auszeichnen und für die spätere analytische Verarbeitung vorgesehen sind.

Die Besonderheiten der modernen Anforderungen an die Datenverarbeitung zur Erkennung von Wissen sind:

· Daten sind unbegrenzt

· Daten sind heterogen (quantitativ, qualitativ, kategorial)

· Die Ergebnisse müssen spezifisch und verständlich sein.

· Rohdatenverarbeitungstools sollten einfach zu bedienen sein.

6.2 Praktische Datenabrufmethoden

Durch die Klassifizierung der Methoden zur Wissensextraktion (Abb. 6.2) können Wissensingenieure abhängig von einer bestimmten Aufgabe und Situation eine bestimmte Methode auswählen. Aus dem vorgeschlagenen Klassifikationsschema geht hervor, dass das Grundprinzip der Unterteilung mit der Quelle des Wissens zusammenhängt. Kommunikationsmethoden decken alle Arten von Kontakten mit einer lebendigen Wissensquelle ab - Experten- und Textmethoden beziehen sich auf Methoden zum Extrahieren von Wissen aus Dokumenten (Methoden, Handbücher, Handbücher) und Fachliteratur (Artikel, Monografien, Lehrbücher).

Die Trennung dieser Methodengruppen auf der obersten Ebene der Klassifizierung bedeutet nicht, dass sie einander widersprechen. In der Regel kombiniert ein Wissensingenieur verschiedene Methoden, z. B. erst Literatur studieren, dann mit Experten sprechen oder umgekehrt.

Abb. 6.2. Einteilung der Methoden zur Wissensgewinnung.

Kommunikationsmethoden können wiederum in zwei Gruppen unterteilt werden: aktiv und passiv. Passive Methoden implizieren, dass die führende Rolle bei der Extraktion von Wissen sozusagen auf den Experten übertragen wird und der Wissensingenieur nur die Argumentation des Experten während seiner eigentlichen Entscheidungsarbeit aufzeichnet oder aufschreibt, was der Experte als notwendig erachtet, um selbständig in Form einer Vorlesung zu erzählen. Bei aktiven Methoden hingegen liegt die Initiative ganz in der Hand eines Wissensingenieurs, der den Experten auf verschiedene Weise aktiv kontaktiert - in Spielen, Dialogen, Diskussionsrunden usw.

Passive Methoden sind auf den ersten Blick recht einfach, erfordern jedoch von einem Wissensingenieur die Fähigkeit, den „Bewusstseinsstrom“ des Experten klar zu analysieren und signifikante Wissensfragmente darin zu identifizieren. Das Fehlen von Rückmeldungen (Passivität eines Wissensingenieurs) schwächt die Wirksamkeit dieser Methoden erheblich, was ihre meist hilfreiche Rolle bei aktiven Methoden erklärt.

Aktive Methoden können je nach Anzahl der Experten, die ihr Wissen weitergeben, in zwei Gruppen eingeteilt werden. Wenn ihre Anzahl mehr als eins ist, ist es ratsam, zusätzlich zu einer Reihe von einzelnen Kontakten mit jedem Methoden für Gruppendiskussionen des Themenbereichs anzuwenden. Solche Gruppenmethoden regen in der Regel das Denken der Diskussionsteilnehmer an und ermöglichen es, sehr nicht triviale Aspekte ihres Wissens aufzudecken. Einzelne Methoden sind auch heute noch führend, da ein so heikles Verfahren wie „Wissen nehmen“ keine unnötigen Zeugen toleriert.

Separat sollte es über die Spiele gesagt werden. Spielmethoden sind in Soziologie, Wirtschaft, Management und Pädagogik weit verbreitet, um Manager, Lehrer, Ärzte und andere Fachkräfte auszubilden. Das Spiel ist eine besondere Form von Aktivität und Kreativität, bei der eine Person befreit ist und sich viel freier fühlt als bei gewöhnlicher Arbeit.

Fazit

Im Laufe der Arbeit wurden folgende Schlussfolgerungen gezogen:

Ein Expertensystem ist ein intelligentes Programm, das auf der Grundlage von Kenntnissen in einem bestimmten Fachgebiet logische Schlussfolgerungen ziehen und eine Lösung für bestimmte Probleme bietet.

An Expertensysteme werden folgende Anforderungen gestellt: Nutzung von Wissen zu einem bestimmten Fachgebiet; Erwerb von Wissen von einem Experten; Definition einer realen und ziemlich komplizierten Aufgabe; Stärkung des Systems durch Fachkenntnisse.

Die Struktur des Expertensystems setzt sich aus folgenden Strukturelementen zusammen: Wissensbasis, Logik-Inferenz-Mechanismus, Benutzeroberfläche, Wissenserfassungsmodul, Modul mit Tipps und Erklärungen.

Die Anwendungsbereiche wissensbasierter Systeme lassen sich in mehrere Hauptklassen einteilen: Medizinische Diagnose, Überwachung und Steuerung, Fehlerdiagnose bei mechanischen und elektrischen Geräten, Schulung, Wirtschaft und Finanzen.

Viele Unternehmen installieren ES, um Probleme in folgenden Bereichen zu lösen: Börsenhandel, automatisches Nachrichtenverständnis, Kreditanalyse, Risikomanagement, Aufbau von Kredit- und Investmentportfolios, Rating von Banken, Automatisierung von Prüfungen, Vorhersage von Veränderungen auf dem Finanzmarkt usw. Untersucht wurden die gängigsten Expertensysteme im Finanzbereich.

Spezialität "Informationssysteme und Technologien (in der Wirtschaft)"

Qualifikation - software-Ingenieur-Ökonom
Ausbildungsform  - täglich (Budget / bezahlt)

  Spezifität und Relevanz
Unter den modernen Bedingungen des wachsenden Zusammenspiels von Wirtschaft, Wissenschaft und Technologie ist die Ausbildung von Fachkräften auf der Grundlage von vier Bereichen von besonderer Relevanz: Ingenieurwesen, Mathematik, Information und Wirtschaft. Das Beherrschen von Ingenieur- und wirtschaftsmathematischen Profilen sowie die Weiterbildung auf dem Gebiet der Programmier- und Informationstechnologie machen einen solchen Spezialisten einzigartig.

  Was lernst du?
Der Lehrplan beinhaltet das Studium von:
1. Vielversprechende Programmiersprachen und -technologien: C, C ++, JAVA, C #, PHP, HTML, XML, Skriptsprachen zur Entwicklung von WEB-Anwendungen, Methoden und Tools zur Erstellung von Programmen in verschiedenen Betriebssystemen und Computernetzwerken, Computergrafiken und im Internet -Design.
2. Systeme, Technologien und Standards für Analyse, Design und Modellierung (Standards der IDEF-Serie, UML, CASE-Systeme, alle Fusion Process Modeller (BpWin), alle Fusion Data Modeller (ErWin), Enterprise Architect usw.), intelligente Systeme, Systeme Entscheidungsunterstützung und Informationsschutz.
3. Datenbanken, DBMS und QBE, SQL, T-SQL, OLAP und Data Mining-Technologien.
4. Technologien zur Entwicklung von Systemen der Client-Server-Architektur der JEE-Plattform: RFC, RMI, JSP, SERVLETS, CORBA, EJB, JSF, AJAX, SPRING, STRUTS usw. sowie die Plattform. NET: ASP.NET, ADO. NET; Webdienste und Internetdienste. Konzepte und Systeme der komplexen Automatisierung und Unternehmensführung, wie zB: ERP, MRP, SCM, CRM, CALS, 1C, SAP,.
5. Wirtschaftsdisziplinen: Wirtschaftstheorie, Mikro- und Makroökonomie, Unternehmensökonomie usw.
6. Wirtschafts- und mathematische Disziplinen.
7. Ingenieurdisziplinen.

  Was weiter?
Unsere Absolventen sind auf die aktivste Art und Weise vorbereitet, an der Entwicklung von Informations-, sozioökonomischen, innovativen Aktivitäten, Ingenieur- und Umgestaltungsprozessen von Informations- und Wirtschaftssystemen der Republik Belarus mitzuwirken. Auf der Grundlage des Instituts für Wirtschaftsinformatik werden regelmäßig Schulungen und Seminare für Studenten von führenden IT-Unternehmen organisiert, wobei die Studenten weiter in Praktika einbezogen werden und parallel zu den Vorlesungen an der Universität in Unternehmen nach einem fortlaufenden Zeitplan arbeiten.

Vertriebsstellen für Absolventen: ansässige Unternehmen des High-Tech-Parks (Sam Solutions, EPAM Systems, IBA, Itransition, System Technologies, BelHard Development usw.), führende belarussische Banken, Bildungseinrichtungen und Forschungsinstitute in Minsk, Institute und Institutionen Akademie der Wissenschaften von Belarus, große Unternehmen und Organisationen in Minsk.

Abschlussabteilung - institut für Wirtschaftsinformatik.
Abteilungsleiter  - Kandidat der technischen Wissenschaften, außerordentlicher Professor Vitaly Nikolaevich Komlichenko,
tel .: +375 17 293-84-81.