آژانس آموزش فدرال

موسسه آموزشی دولتی آموزش عالی حرفه ای

مکاتبات ایالتی شمال-غرب

دانشگاه فنی

موسسه صنعتی و

برنامه های نوآورانه

گروه اقتصاد و مدیریت سازمانی

آزمون انضباط

« فناوری اطلاعات در اقتصاد "

موضوع: 1. "انواع اصلی فعالیتهای اقتصادی ،

که از فناوری اطلاعات استفاده می کنند. "

2. "به معنای تحقق فناوریهای اطلاعات."

3. ویژگی های فن آوری تلفن همراه کارآفرینی. "

4. “نقش و مکان اطلاعات خودکار

سیستم ها در اقتصاد مدل اطلاعات سازمانی. "

تکمیل شده توسط دانش آموز: Shestakova Maria Dmitrievna

تخصص: 80502.65

کد خبر: 578030493

معلم: بابکین

سنت پترزبورگ

برنامه کار.

موضوع 1.

″ عمده ترین فعالیت های اقتصادی که در آن از فناوری اطلاعات استفاده می شود.

مقدمه.

مفهوم اصلی تجارت الکترونیکی است.

اجزاء:

- فن آوری های تجارت الکترونیکی؛

- فناوری حراج های الکترونیکی؛

- بانکهای الکترونیکی؛

- تلفن IP؛

- تلفن اینترنتی؛

- فن آوری های علامت گذاری الکترونیکی؛

- کار تحقیق و توسعه الکترونیکی؛

- حق رای دادن الکترونیکی؛

- پست الکترونیک؛

- بازاریابی ایمیلی؛

- مدیریت الکترونیکی منابع عملیاتی (ORM)؛

- مدیریت عرضه الکترونیکی؛

- خدمات کارگزاری الکترونیکی.

نتیجه.

موضوع 2.

″ ابزار اجرای فناوری اطلاعات.

- روشمند.

- اطلاعاتی

- الگوریتمی.

- فنی.

- نرم افزار.

مبحث 3.

″ ویژگی های فناوری موبایل کارآفرینی. "

تجارت سیار:

- فناوری تجارت کالا و خدمات ارتباطات سیار؛

- فناوری تجارت محتوای موبایل؛

- تفسیر خدمات اضافی اپراتورهای تلفن همراه

مبحث 4.

″ نقش و جایگاه سیستمهای اطلاعاتی خودکار در اقتصاد. مدل اطلاعات سازمانی.

I. سیستم های خودکار اطلاعات.

طبقه بندی:

· با توجه به ماهیت اطلاعات ؛

· براساس دامنه.

موضوع 1.

انواع اصلی فعالیتهای اقتصادی که از فناوری اطلاعات استفاده می کنند.

مقدمه.

جنبه های اقتصادی تأثیر فناوری اطلاعات در حوزه های مبادله و مصرف بسیار مبهم هستند.

خروج، اورژانس فن آوری های اطلاعاتی جدید - کودتایی که پایه های اصلی اقتصاد سنتی را تکان می دهد. انتقال به اینترنت - اینها فرصتهای جدیدی برای افزایش سود با افزایش بازاریابی موجود است. اینترنت - ابزار اصلی اطلاعات برای تولید کنندگان و مصرف کنندگان.

فناوری اطلاعات به طور کلی ، می توان آن را به عنوان یک فرآیند متشکل از قوانین به وضوح تنظیم شده برای انجام عملیات ، اقدامات مراحل مختلف درجات پیچیدگی روی داده های ذخیره شده در رایانه ها توصیف کرد. هدف اصلی اطلاعات فن آوری ها - در نتیجه اقدامات هدفمند برای پردازش داده های اولیه ، برای به دست آوردن اطلاعات لازم برای کاربر. محیط اصلی برای فناوری اطلاعات هستند سیستم های اطلاعاتی.

مطابق تعریف مصوب یونسکو ، اطلاعات فن آوری مجموعه ای از رشته های علمی ، فناوری و مهندسی بهم پیوسته است که روش هایی را برای سازماندهی مؤثر کار افراد درگیر در پردازش و ذخیره اطلاعات و همچنین فناوری محاسبات و روشهای سازماندهی و تعامل با افراد و تجهیزات تولید مطالعه می کند.

بسته به مشکلات خاص برنامه مورد نیاز برای حل ، روشهای مختلف پردازش داده ها و ابزارهای فنی مختلفی قابل استفاده هستند.

فناوری اطلاعات در اقتصاد وسیله ای است مجازی اقتصاد

اقتصاد مجازی یک محیط ، یک فضای ویژه اقتصادی است که در آن تجارت الکترونیکی انجام می شود ، یعنی اقتصادی مبتنی بر استفاده از فرصت های تعاملی است. فضای مورد نظر دارای ویژگی های خاصی است که اقتصاد مجازی را از اقتصاد معمول ، غیر مجازی و آفلاین متمایز می کند.

اقتصاد مجازی اغلب تماس می گیرند اقتصاد جدید تاكید بر تفاوت آن از اقتصاد قدیمی و سنتی است.

بیایید جزئیات بیشتری را در نظر بگیریم اقتصاد جدید

اساس فعالیت اقتصادی تجارت است. که در مجازی اقتصاد یک مفهوم وجود دارد تجارت الکترونیکی .

تجارت الکترونیک - این یک فعالیت سودآوری یک شرکت است که مبتنی بر فناوری های دیجیتال و مزایایی است که ارائه می دهد.

عکس. 1. زمینه های استفاده از تجارت الکترونیکی.

مفهوم " تجارت الکترونیک " شامل بسیاری از مفاهیم مختلف فن آوری اطلاعات:

technologies فناوری های تجارت الکترونیکی؛

▪ فناوری های حراج های الکترونیکی؛

banks بانک های الکترونیکی؛

tel تلفن IP؛

tel تلفن اینترنتی؛

▪ فناوری علائم الکترونیکی؛

research کار تحقیق و توسعه الکترونیکی.

fr فرنچایز الکترونیکی؛

▪ ایمیل؛

marketing بازاریابی ایمیل؛

▪ مدیریت الکترونیکی منابع عملیاتی (ORM).

management مدیریت عرضه الکترونیکی؛

services خدمات کارگزاری الکترونیکی.

dating آشنایی با فناوری اطلاعات.

بیایید این مفاهیم را با جزئیات بیشتری در نظر بگیریم.

فناوری های تجارت الکترونیکی.

تجارت الکترونیکی (تجارت الکترونیکی) – این یکی از روشهای انجام دادن است تجارت الکترونیکی ... با توجه به مشکلات ه تجارت ، باید به تفسیر مضاعف خود اصطلاح توجه کنید. بعضی اوقات صحبت کردن تجارت الکترونیک ، به معنای انحصار فعالیتهای تجاری ارائه دهندگان است خدمات اینترنتی (IPS - اینترنت ارائه دهندگان خدمات) اما بسیار بیشتر اوقات تجارت الکترونیک تعبیر گسترده ای به عنوان کلیه کلیه راه های ممکن برای استفاده از وب برای اهداف تجاری ارائه دهید. ISP خدمات اینترنتی یک شرکت تجاری است که دسترسی به آن را فراهم می کند اینترنت با پشتیبانی از وی برای هزینه مشخص و ارائه خدمات مرتبط با درخواست مشتری.

مدت، اصطلاح "تجارت الکترونیک" بسیاری از فن آوری های مختلف را ترکیب می کند:

▫ EDI (پروتکل تبادل اطلاعات الکترونیکی)؛

▫ ایمیل؛

▫ اینترنت؛

▫ اینترانت (تبادل اطلاعات در داخل شرکت)؛

▫ اکسترانت (تبادل اطلاعات با جهان خارج).

توسعه یافته ترین فناوری اطلاعات که می تواند بر اساس آن باشد تجارت الکترونیک , در نظر گرفته شده پروتکل الکترونیکی تبادل اطلاعات – EDI (تبادل اطلاعات الکترونیکی) روشی برای رمزگذاری معاملات پی در پی و پردازش آنلاین آنهاست.

هر تجارت ، از جمله تجارت الکترونیک که در اینترنت، در دو دسته گسترده قرار می گیرد:

1. کسب و کار به مصرف کننده - B2C - ″ شرکت - مصرف كننده ″;

2. کسب و کار به تجارت - B2B - ″ شرکت - شرکت ″.

مدل پایه تجارت B2C خرده فروشی هستند فروشگاه های اینترنتی سیستم جهانی B2C یک ساختار توسعه یافته برای پاسخگویی به تقاضای مصرف کننده است. در چند سال گذشته الکترونیکی تجارت نوع B2C وارد شد مرحله جدید توسعه آن ادغام شرکت های کوچک وجود دارد که یکدیگر را در طیف وسیعی از کالاهای ارائه شده یا جذب آنها توسط رقبای بزرگ کپی می کنند.

بازار B2B به طور خاص برای حمایت از تعامل بین شرکت ها و تأمین کنندگان ، تولید کنندگان و توزیع کنندگان آنها ایجاد شده است. این بازار فرصت های بسیار بیشتری نسبت به بخش باز می کند تجارت B2C.

وقتی صحبت از سوء استفاده تجاری از فرصت ها می شود شبکه های اینترنتی توسط اشخاص مختلف اقتصادی در ساختار ه تجارت ، به عنوان یک قاعده ، چندین لینک وجود دارد:

▫ اجرای عملیات خرید و فروش از طریق کانال های شبکه؛

services خدمات پس از فروش به مشتریان؛

▫ ایجاد روابط با مشتری.

فروش و خرید از طریق وب اصل است ه تجارت .

تبلیغات در اینترنت از اهمیت زیادی برخوردار است و تبلیغات آنلاین با انواع سنتی آن متفاوت است. این ، قبل از هر چیز ، تبلیغ بنر و قرار دادن اطلاعات تبلیغاتی در بیشتر سرورهای بازدید شده است. برای سنجش اثربخشی تبلیغات در وب می توانید از روش شمارش تعداد بازدیدها و سفارش های بعدی محصولات استفاده کنید.

اطلاع رسانی جامعه به بین المللی تولید منجر می شود. تراز تجارت خارجی از دانش حرفه ای مربوطه به عنوان شاخص قدرت فنی دولت در خدمت است و این دقیقاً همان چیزی است که مفهوم فناوری اطلاعات با آن در ارتباط است. این امر از طریق بازار مجوزهای محصولات تولیدی ، دانشهای مختلف و همچنین مشاوره در مورد استفاده از محصولات با تکنولوژی بالا تحقق می یابد.

با توجه به تحول در بازار جهانی ، کشوری مزیتی را کسب می کند که مشغول فروش محصولات پیشرفته از جمله دانش حرفه ای مدرن و جدیدترین فناوری ها است. یک تجارت فعال در یک محصول نامرئی در قالب دانش وجود دارد ، فرهنگ ، کلیشه های رفتار به طور فعال تحمیل می شود. این دلیلی بود که در جامعه اطلاعاتی اطلاعات ، خلاقیت و دانش به عنوان یک منبع استراتژیک عمل می کنند. و از آنجا که استعدادها به وجود نمی آیند ، نیاز به ایجاد یک فرهنگ است ، یعنی شرایطی که استعدادها بتوانند رشد و شکوفا شوند. تأثیر فن آوری رایانه ، بیان شده در یادگیری از راه دور ، در اینجا بسیار زیاد است ، بازی های کامپیوتری، فیلم ها و غیره

فن آوری اطلاعات در اقتصاد و اجرای آنها

هدف از سیستم اطلاعات ذخیره ، جستجو و صدور اطلاعات در صورت درخواست کاربران است. ماهیت سیستم اطلاعات اقتصادی پردازش اطلاعات مربوطه است. در اینجا آمار ، حسابداری ، بیمه ، اعتبار و مالی ، بانکی و سایر انواع فعالیتهای تجاری وجود دارد. برای استفاده از آن در محیط کار ، باید با استفاده از فناوری اطلاعات طراحی شود. توجه به این نکته مهم است که در گذشته ، فرایند طراحی سیستم از پردازش اطلاعات دامنه جدا می شد. در حال حاضر نیز مستقل وجود دارد و بالاترین مدارک لازم را از طرف متخصصان طراحی می طلبد. در حال حاضر ، فناوری های اطلاعاتی در اقتصاد وجود دارد که نه تنها در دسترس هر کاربر است ، بلکه به شما امکان می دهد فرایند طراحی اجزای سیستم فردی را با پردازش اطلاعات ترکیب کنید. این می تواند دفتر الکترونیکی ، نامه الکترونیکی ، صفحه گسترده و پردازنده های کلمه و موارد دیگر باشد. روند ایجاد فناوریهای اطلاعاتی در دسترس کاربران همچنان ادامه دارد.

معلوم است که محیط کار از هر دو فناوری اطلاعات در اقتصاد استفاده می کند ، که توسط طراحان توسعه داده شده است ، و از فناوری های اطلاعاتی ، که امکان خودکار سازی فعالیت ها در محل کارشان را فراهم می آورد.

از ویژگی های زیر انتقال به انفورماتیک کردن جامعه می توان به تفکیک اشاره کرد: تغییر مسیر مجدد اقتصاد به سمت بهره برداری ، تکثیر دانش حرفه ای ، دخالت متخصصان در فرایند رسمی سازی دانش و همچنین تسریع در چرخه "دانش-تولید-دانش".

فناوری اطلاعات در اقتصاد به معنای استفاده از ارتباطات تلفنی ، تلویزیون کابلی ، تجهیزات تکثیر ، رایانه ، انتشار برنامه های آموزشی و غیره است. به لطف توسعه روابط بازار ، نگرانی های جدیدی در رابطه با ایجاد بنگاه هایی که در زمینه مشاغل اطلاعاتی ، توسعه فناوری های اطلاعاتی ، توزیع مؤلفه های سیستم های خودکار مشغول فعالیت هستند ، ظاهر می شود.

به لطف این ، این امکان وجود دارد که نه تنها به سرعت انتشار و استفاده مؤثر از فناوری های اطلاعاتی ، بلکه ایجاد آنها در تنوع عظیمی امکان پذیر باشد. و در اینجا مهم است که درک کنیم که اطلاعات اقتصادی یک مؤلفه مهم کل فرایند است.

مؤسسه بودجه آموزشی دولتی فدرال آموزش عالی حرفه ای

"دانشگاه مالی

تحت دولت فدراسیون روسیه "

(دانشگاه مالی)

گروه "اقتصاد خرد"

کار دوره

"فن آوری های جدید و نقش آنها در اقتصاد مدرن"

تکمیل شده:

دانش آموز گروه U1-2

بخشیان P.K.

سرپرست:

دکتر اقتصاد ، استاد

نیکولاوا I.P.

مسکو 2013

مقدمه

1. جایگاه و نقش فن آوری های جدید در اقتصاد مدرن

1.1 فن آوری های جدید در اقتصادهای مدرن

1.2 دوره توسعه فناوری

2. فن آوری های جدید به عنوان موتور پیشرفت تولید

2.2 انقلاب صنعتی سوم

2.3 شرکت های نوآورانه آینده

3. توسعه فن آوری های جدید در فدراسیون روسیه

3.1 مشکلات توسعه فن آوری های جدید در روسیه

نتیجه

فهرست مراجع

برنامه های کاربردی

مقدمه

کل تاریخچه پیشرفت بشر تاریخ توسعه و پیشرفت فناوریها و ابزارها (تجهیزات) مورد استفاده انسان است. چند هزار سال پیش ، انسان با یک چوب معمولی شروع به کار کرد و امروز به ارتفاعات باورنکردنی توسعه فنی و فناوری رسیده است. سیستم ها و ساختارهای فنی اقتصادی به طور مداوم توسط انسان در کل دوره وجود او بهبود یافته است. با این حال ، در هزاره های قبلی ، این روند چندان "انفجاری" نبود. گذار از یک ساختار فنی و اقتصادی به ساختار دیگر می تواند قرن ها یا حتی هزاره ها امتداد یابد ، اما قرن های XX و XXI ما را از میزان بی سابقه ای از تغییر و بهبود فن آوری های مورد استفاده انسان و وسایل فنی... چنین موفقیتی در اجرای نوآوری ها و تأثیر آنها بر همه حوزه های زندگی عمومی نتوانسته است منافع اقتصاددانان را برانگیزد. علم اقتصاد در آغاز قرن بیستم شروع به مطالعه فرآیندهای توسعه نوآورانه به عنوان چنین و مطالعه ویژگی ها و الگوهای اصلی آنها کرد. بسیاری از اقتصاددانان مشهور مانند J. Schumpeter ، J. Hicks، R. Solow پیشرفت چشمگیری در این زمینه داشته اند. با این حال ، جهان به سرعت در حال تغییر است و منحصراً علاقه علمی به توسعه فناوری در اوایل تا اواسط قرن بیستم جایگزین علاقه دولت و از همه مهمتر از طرف کارآفرینان شد. این امر به دلیل این واقعیت اتفاق افتاد كه فن آوری های نوآورانه و اجرای آنها در واقع تنها کلید فعالیت اقتصادی موفق در شرایط اقتصاد مدرن یا همانطور كه \u200b\u200bمعمولاً "اقتصاد جدید" نامیده می شوند ، شده اند.

از نظر اقتصاد خرد ، فن آوری های جدید ابزاری است که بنگاه ها با صرفه جویی در هزینه ها و یا تمایز محصولات خود ، موقعیت رقابتی خود را در بازار حفظ می کنند. توسعه و اجرای فناوریها و تکنیکهای نوآورانه در حقیقت تنها است راه موثر برگزاری یا گرفتن موقعیت های بازار

این اثر به تحلیل نقش فن آوری های جدید در اقتصاد مدرن و تأثیر آنها بر آن اختصاص یافته است.

1. جایگاه و نقش فن آوری های جدید در اقتصاد مدرن

1 فن آوری های جدید در سیستم های اقتصادی مدرن

نیروی محرک توسعه اقتصادی اقتصادی همواره پیشرفت علمی و فناوری بوده است ، که هدف اساسی آن یافتن وسایل جدید برای جلب رضایت مردم با کمترین هزینه و هزینه منابع ضمن حفظ اکوسیستم است. برای اینکه رشد اقتصادی براساس پیشرفتهای فنی یا تکنولوژیکی صورت بگیرد ، لازم است ساختاری از سطح معینی از پیچیدگی حاصل شود که با توجه به تعداد فن آوری های تولید مثل ، پتانسیل انرژی آنها ، عوامل پیشرفت علمی و فناوری ، خواص هسته اصلی خودسازی ، تحریک ارتباطات با بخش های اقتصادی و توسعه اقتصادی تعیین می شود.

این فناوری به عنوان استفاده از قوانین مختلف جسمی ، شیمیایی ، بیولوژیکی و اجتماعی در چارچوب هر دستگاه ، دستگاه ، وسیله ای برای بدست آوردن یا استقرار یک فرآیند خاص که در آن یک نیاز (نیاز) وجود دارد ، یا برای ایجاد محصولات ، فناوری ها ، خدماتی که وجود دارد ، درک می شود. سود کافی برای انسانها.

سیستم های فنی از اشیاء فن آوری و فناوری تشکیل شده اند که توسط انسان کنترل و کنترل می شوند. همه حوزه های زندگی عمومی امروز می توانند به عنوان تعامل سیستم های اقتصادی پیچیده نشان داده شوند. از آنجا که اشیاء فن آوری ، سیستم های فنی توسط انسان ایجاد می شوند ، هدف اصلی دریافت هرچه بیشتر نتایج مفید است حداقل هزینه.

توسعه فن آوری امروزه بدون تعامل منابع غلیظ ، از جمله مشوق های فکری و اقتصادی ، انجام فعالیت های مبتکرانه ، علمی ، مهندسی غیرممکن است. ایجاد مشوق های اقتصادی یک کار برنامه ریزی و طراحی نهادی است.

همچنین ، هنگام مطالعه فن آوری های جدید ، لازم است چنین پارامتری از سیستم های فنی نوآورانه (و نه تنها) مانند تولید پذیری را در نظر گرفت. سازگاری یک سیستم به عنوان مجموعه ای از خواص عناصر این سیستم شناخته می شود که توانایی آن در انجام هزینه های بهینه از تولید ، بهره برداری و تعمیر با پارامترهای کیفیت لازم ، حجم خروجی ، مصرف و شرایط توسعه را تعیین می کند. قابلیت تولید یک سیستم فنی جنبه کمی و کیفی در تغییر دارد. شاخص قابلیت تولید سیستم اقتصادی یک ویژگی کمی از عملکرد سیستم است.

یک مفهوم بسیار مهم ، مفهوم "اطمینان از تولید پذیری" سیستم اقتصادی است که به نظر نویسنده باید آن را به عنوان مجموعه ای از ابزارها با هدف اطمینان از کارکردهای لازم سیستم ، غلبه یا کاهش درجه ناکارآمدی آن درک کرد. به عبارت دیگر ، ما در مورد مجموعه ای از اقدامات برای مدیریت سیستم صحبت می کنیم ، حتی می توان گفت ، اقداماتی که باعث افزایش قابلیت مدیریت سیستم می شود.

در جمع بندی ، می توان گفت که ساخت سیستم فنی (اقتصادی) یکی از اهداف معرفی فناوری های جدید در شرکت است ، زیرا این شاخص است که با اطمینان بیشتر به ما امکان قضاوت در مورد کارایی این سیستم را می دهد. همانطور که قبلاً نیز اشاره شد ، هدف اصلی توسعه و اجرای فناوریهای نوآورانه افزایش حجم تولید در عین افزایش پس انداز منابع است ، یعنی. در حالی که هزینه های تولید را کاهش می دهد. به نظر من شرکت هایی که به شاخص بالایی از تولید سیستم فنی تولید خود دست یافته اند ، این فرصت را دارند که از اهداف زیر از فناوری های جدید استفاده کنند ، یعنی: تمایز محصولاتشان.

1.2 دوره توسعه فناوری

مطالعه فن آوری های جدید به طور کلی بدون مطالعه تاریخ مراحل مراحل توسعه فناوری ناقص خواهد بود. هر مرحله از پیشرفت نوآورانه با تغییر بنیادی در ساختارهای فنی و اقتصادی همراه بود که پیامدهای جبران ناپذیری را در کلیه حوزه های جامعه به همراه داشت. تجزیه و تحلیل دوره سازی توسعه فناوری از آنجا که جالب است به ما امکان می دهد برخی از الگوهای کلی در تغییر ساختارهای فنی و اقتصادی و معرفی فن آوری های نوین و نوآورانه در آن زمان را شناسایی کنیم. البته قرن بیست و یکم با همه موارد قبلی بسیار متفاوت است (خیلی بیشتر از اینکه بگوییم قرن نوزدهم با قرن 18 تفاوت دارد) و بسیاری از ویژگیها و الگوهای توسعه خلاقانه گذشته در شرایط فعلی کاملاً اشتباه است ، اما چندین ، \u200b\u200bمهمترین ، هنوز مورد توجه است.

اقتصاد مبتنی بر یک نظم جدید فن آوری نمی تواند موفقیت آمیز باشد اگر به طور مستقیم یا غیرمستقیم به هدف طبیعی خود نرسد - تأمین نیازهای انسان ، افزایش درآمد و رفاه ملی. توجه به نیازهای شما هنگام تصمیم گیری های استراتژیک در نوآوری ، سرمایه گذاری ساختاری و سایر زمینه های تولید کاملاً ضروری می شود. اقتصادی که به طور هم زمان بر روی سه الگوی تکنولوژیکی کار می کند نیز نمی تواند با موفقیت عمل کند ، زیرا به دلیل عدم تعادل در توزیع منابع بین آنها ، نمی تواند سه الگوی تکنولوژیکی را به طور همزمان تولید کند. مشکل تولید مثل ساختارهای فناوری نه تنها مشکل توسعه ساختار تکنولوژیکی اقتصاد بلکه سازگاری نهادهای تجاری ، الگوهای رفتاری آنها ، نهادهای موجود و توافقهای نهادی است. انواع حامل های انرژی تکامل می یابد ، موارد جدیدی ظاهر می شوند ، که باعث می شود توسعه تکنولوژیکی با انواع آنها و GNP - با کل مصرف این حامل های انرژی مرتبط شود. مرحله اول توسعه فن آوری با استفاده از هیزم به عنوان منبع اولیه انرژی همراه است ، مرحله دوم با استفاده از زغال سنگ ، سوم با نفت ، چهارم با گاز و پنجمین با سوخت هسته ای. به نظر می رسد مرحله بعدی با کاهش روغن ، افزایش مصرف گاز (بخصوص شیل) و منابع طبیعی انرژی سازگار با محیط زیست از جمله انرژی باد ، جزر و مد ، اسمزی و خورشیدی مشخص می شود. برای جامعه بشری ، سه مرحله بالقوه ممکن برای تکامل اقتصادی وجود دارد: انرژی قبل از انرژی ، انرژی و انرژی پس از انرژی. در مرحله اول ، به دلیل وضعیت بدوی نیروهای تولیدی جوامع ، انرژی به عنوان یک عامل محدود کننده عمل نمی کند ؛ در مرحله دوم ، مشکلات جدی در زمینه تأمین انرژی رشد اقتصادی وجود دارد. در مرحله بعد از انرژی ، فرصت های انرژی فراوان در نظر گرفته می شود و باعث محدود شدن سطح زندگی و رضایت اجتماعی جمعیت نمی شود ، یا این مرحله با توجه به افزایش بیش از حد مصرفی هم از صنایع و هم از نظر جمعیت با کمبود انرژی عمومی مشخص می شود که نمی تواند از ظرفیت های انرژی موجود راضی باشد. در هر صورت ، تاکنون ، جامعه بشری در مقیاس انرژی موجود خود استفاده می کرده است. اما شرایط زمانی امکان پذیر است که انرژی برای توسعه بیشتر اقتصاد کافی نخواهد بود و چنین قسمت هایی در سیستم های اقتصادی محلی ، در سطح مناطق فردی ، در حال ظهور است. البته با توجه به ماهیت رابطه ای دانش اقتصادی، نمی توان نظریه توسعه فناوری را در هر مرحله از تحول اقتصادی معتبر دانست. تئوری مدرن توسعه ، به احتمال زیاد ، منطبق با فاز انرژی است و باید از محدودیت منابع و لزوم انتقال به مرحله بعد از انرژی توسعه اقتصاد جهانی ، هنگامی که شدت مشکل انرژی برداشته شود ، برآید. علاوه بر این ، یک کارکرد مهم از تئوری توسعه ، دریافت پاسخی به سؤال درباره پتانسیل تمدن پس از انرژی در درک معین و کارهایی است که اقتصاد در مرحله "انرژی" با آن روبرو است.

مطالعه دقیق توسعه و اجرای مهمترین نوآوری ها و فن آوری های فنی هدف این کار نیست. چنین تحلیلی بسیار پیچیده خواهد بود و زمان زیادی را برای متخصصان شناخته شده در این زمینه می گیرد. با این وجود ، در چارچوب مطالعه دوره ای پیشرفت فنی و تکنولوژیکی ، می توان نتیجه گیری مهمی را مبنی بر این که تغییر در ساختارهای فن آوری از طریق استفاده از وسایل جدید تولید در یک مرحله از انرژی خاص رخ می دهد. این شرایط و امکانات مرحله انرژی است که پایه و اساس توسعه بیشتر فناوری و فناوری را تعیین می کند. البته علم در پیشرفت فنی و فناوری نقش اصلی را دارد. با این وجود همیشه امکانات علوم در یک دوره زمانی خاص همیشه محدود است و معتقدم دامنه این محدودیت ها با توجه به شرایط مرحله انرژی مشخص می شود. همانطور که از جدول 1 مشاهده می شود ، همیشه تغییرات انقلابی در تولید پیش از کشف و استفاده از منابع جدید انرژی بوده است. این بدان معنی است که هرگونه تغییر در ساختار فنی و اقتصادی در توانهای انرژی مرحله خاص توسعه اقتصادی اتفاق می افتد.

2. فن آوری های جدید به عنوان موتور پیشرفت تولید

1 پیشرفت تکنولوژی در مرکز پیشرفت و پیشرفت بشر

اصلی برای درک نقش فن آوری ، شناخت این فناوری و پیشرفت فناوری به طیف گسترده ای از اهمیت است

طیف وسیعی از فعالیتهای اقتصادی ، نه فقط ساخت و رایانه. به عنوان مثال ، براساس برخی تخمین ها ، پیشرفت های تکنولوژیکی به همان میزان در تولید ، چهار برابر محصول را کاهش داده است.در واقع ، به نظر می رسد محصولات کم فناوری مانند ذرت یا گل ممکن است نتیجه فرایندهای تولید نسبتاً پیشرفته در آن زمان باشد. اینکه چگونه در برخی کشورها تولید محصولات با تکنولوژی پیشرفته مانند رایانه ها نتیجه فناوریهای نسبتاً کم است. سرانجام ، در بسیاری موارد ، فناوری در تولید و مدیریت سیستم های تولیدی تجسم می یابد تا کالاهای فیزیکی یا الگوریتم های نرم افزاری. رایانه ای که در آن بارگذاری شده است

آخرین نسخه نرم افزاری که بیشتر روز روی میز استفاده نشده است ، تجلی متفاوت از استفاده از فناوری نسبت به رایانه ای است که فرآیندهای تولید یا سیستم پرداخت را کنترل می کند.

پیشرفت های فن آوری می تواند به کاهش هزینه ها منجر شود ،

بهبود کیفیت ، ایجاد محصولات جدید ،

و به شما کمک می کند وارد بازارهای جدید شوید پیشرفت در علم و فن آوری بسیار بیشتر از انجام همان کار یا بهتر با منابع کمتر است. این مفهوم پویاتر است و هم با ایجاد محصولات جدید و فناوری برای بازار همراه است و هم با گسترش این فناوری ها بین بنگاه ها و در کل اقتصاد. در حالی که بسیاری از پیامدهای پیشرفت تکنولوژی از جهاتی بدیهی است ، موارد زیر مستلزم ذکر ویژه هستند:

پیشرفت های تکنولوژیکی می توانند با کاهش هزینه های تولید و بهره برداری از طریق افزایش بازده به مقیاس ، توسعه را تحریک کنند.

پیشرفت های فنی در یک بخش می تواند به این امر کمک کند

ایجاد فرصت های جدید اقتصادی در بخش های دیگر. کاهش هزینه های تولید می تواند محصولاتی کاملاً جدید یا حتی بخش هایی از اقتصاد ایجاد کند. فن آوری های جدید به بازار در یک بخش می تواند منجر به رونق بخش های دیگر شود و باعث ایجاد تقاضا و عرضه کالاها و خدماتی شود که وجود نداشت.

مزایای فن آوری های جدید فراتر از بخش اقتصادی یا محصولی است که این فناوری در آن وجود دارد. این در شرایطی است که محصول اولیه یک واسطه مهم در تولید کالاهای دیگر مانند سیستم های ارتباطی یا نگهداری شبکه قابل اطمینان باشد.

فناوری می تواند به بهبود کیفیت کمک کند. چنین پیشرفت هایی می تواند یک کشور در حال توسعه را قادر کند تا مصرف کنندگان متذکر و بازارهای جدید را تسخیر کند. این می تواند به سادگی استفاده از ماشین آلات و تجهیزات ، تولید کالاها و خدماتی باشد که انتظارات و استانداردهای خواستار بیشتر مصرف کنندگان و مشتریان تجاری در کشورهای با درآمد بالا و به عبارتی کالاهای برتر را برآورده کند.

2 انقلاب صنعتی سوم

اولین انقلاب صنعتی در اواخر قرن 18 میلادی و با مکانیزه کردن صنعت نساجی در انگلیس آغاز شد. کارهایی که قبلاً زحمت کشیده بودند و صدها بافنده با دست انجام می دادند در یک کارخانه پنبه ترکیب شدند - اینگونه کارخانه به دنیا آمد. دومین انقلاب صنعتی در اوایل قرن بیستم رخ داد ، وقتی هنری فورد اولین خط مونتاژ متحرک را بنا کرد و دوران تولید انبوه کالاها را آغاز کرد. دو انقلاب صنعتی اول باعث ثروتمندتر شدن مردم و جهان در شهرها شد. اکنون انقلاب سوم کاملاً در حال انجام است. ساخت دیجیتال می رود. تعدادی از فناوری های عالی در یک حوزه قرار می گیرند: نرم افزار هوشمند ، مواد جدید ، روبات های چابک تر ، فرآیندهای تولید جدید (خصوصاً چاپ سه بعدی) و طیف وسیعی از خدمات وب. کارخانه گذشته با ایجاد تعداد زیادی از محصولات یکسان تأسیس شده است: جمله معروف هنری فورد گفت که خریداران فورد می توانند خودرویی با هر رنگی خریداری کنند ، مشروط بر اینکه رنگ آن سیاه باشد. با این حال ، در قرن بیست و یکم ، هزینه های تولید دسته کمتری با محصولات متنوع ، با در نظر گرفتن هوس هر مشتری ، در حال کاهش است. ساخت آینده متمرکز بر تولید انبوه کالاهای منفرد خواهد بود و ممکن است بیشتر شبیه به آن بافندگان باشد تا خط مونتاژ فورد.

روش قدیمی تولید شامل استفاده از تعداد زیادی از قطعات برای اتصال بعدی یا جوشکاری بعدی است. هم اکنون می توان این محصول را روی رایانه طراحی و روی "پرینتر" چاپ کرد که با ایجاد لایه هایی از مواد ، یک جسم جامد ایجاد می کند. طراحی دیجیتال را می توان با چند کلیک ماوس کامپیوتر تغییر داد. یک پرینتر سه بعدی می تواند بدون نظارت عمل کند و می تواند کارهای بسیاری را انجام دهد که برای کارخانه های سنتی بسیار پیچیده است. با گذشت زمان ، این ماشین های شگفت انگیز قادر به انجام هر کاری ، در هر مکانی ، در یک گاراژ در یک روستای آفریقایی خواهند بود.

کاربردهای چاپ سه بعدی مخصوصاً خیره کننده است. سمعک و قطعات هواپیمای نظامی پیشرفته از قبل به شکل های سفارشی چاپ می شوند. تغییرات عمده بر جغرافیای منابع نیز تأثیر خواهد گذاشت. یک مهندس که در شرایط سخت و دشوار کار کرده است و ابزار خاصی ندارد ، دیگر نباید آن را در نزدیکترین شهرک بزرگ خریداری کند. او به سادگی می تواند طراحی این ابزار را بارگیری کرده و آن را "چاپ" کند. روزهایی که پروژه ها برای قطعات مفقود شده تجهیزات متوقف شده اند ، یا وقتی مشتریان شکایت می کنند که نمی توانند قطعاتی را برای چیزهایی که خریداری کرده اند پیدا کنند ، یک روز چیزهای گذشته خواهد بود.

سایر تغییرات مربوط به استفاده از چاپگرهای سه بعدی تقریباً به همان اندازه مهم هستند. مواد جدید سبک تر ، قوی تر و با دوام تر از مواد قدیمی هستند. فیبر کربن جایگزین استیل و آلومینیوم در محصولات از هواپیما تا دوچرخه کوهستان است. تکنیک های جدید پردازش مواد ، مهندسان را قادر می سازد تا اشیاء را به اشکال ریز شکل دهند. فناوری نانو ویژگی های پیشرفته ای را به محصولات ارائه می دهد ، مانند بانداژهایی که به بهبودی بریدگی ها کمک می کنند ، موتورهایی که با کارآمدتر عمل می کنند ، و ظروف تمیز کننده آسان تر. با وجود اینترنت که تعداد زیادی از طراحان و مهندسان را قادر می سازد درمورد محصولات جدید کار کنند ، موانع ورود برای یک شرکت جدید رو به سقوط است. برای ساختن کارخانه عظیم او River Rouge سرمایه بسیار زیادی لازم بود و همتای امروزی وی می تواند با یک لپ تاپ و تمایل به اختراع شروع کند.

مانند همه انقلاب ها ، این یکی به همان اندازه مخرب نیز خواهد بود. فن آوری دیجیتال در حال حاضر با خودکار کردن فرایندهای خرده فروشی ، در رسانه ها و بازار خرده فروشی متحول شده است. گیاهان نیز برای همیشه تغییر خواهند کرد. آنها پر از اتومبیل های کثیف و انسانی رانده نخواهند شد. بسیاری از آنها بی نقطه و تقریباً متروک خواهند بود. برخی از خودروسازان در حال حاضر دو برابر بیشتر از اتومبیل خود را نسبت به ده سال پیش تولید می کنند. بیشتر مشاغل در طبقه کارخانه نخواهد بود بلکه در دفاتر مجاور نیز خواهد بود که مملو از طراحان ، مهندسان ، متخصصان فناوری اطلاعات ، لجستیک ، بازاریابی و غیره خواهد بود. تولید مشاغل آینده به مهارت بیشتری نیاز دارد.

انقلاب نه تنها در چگونگی انجام کارها بلکه در کجا تأثیر خواهد گذاشت. معمولاً کارخانه ها در کشورهای در حال توسعه برای کاهش هزینه های نیروی کار مستقر بودند. اما هزینه های کار تأثیر کمتری بر هزینه های تولید دارد: از iPad 499 دلاری نسل اول ، هزینه های کارگری تنها 33 دلار بود که از این تعداد هزینه های مونتاژ در چین تنها 8 دلار بود. زیرا دستمزدهای چینی رو به افزایش است ، اما به این دلیل که شرکت ها اکنون می خواهند به مشتریان خود نزدیک شوند تا بتوانند سریعتر به تغییرات تقاضا پاسخ دهند. و برخی از محصولات آنقدر پیچیده هستند که داشتن افرادی که آنها را توسعه می دهند و افرادی که آنها را در یک مکان تولید می کنند ، کارآمدتر است. گروه مشاوره بوستون تخمین می زند در مناطقی مانند حمل و نقل ، رایانه ، فلزکاری و تجهیزات تولیدی 10 تا 30٪ کالاهایی که آمریکا در حال حاضر از چین وارد می کند می تواند تا سال 2020 در خود آمریکا تولید شود که این امر به افزایش تولید ناخالص داخلی و 20-55 میلیارد دلار در سال.

مصرف کنندگان در تطبیق با دوره جدید توسعه تولید ، مشکل زیادی نخواهند داشت. با این حال ، مقامات ممکن است زمان سخت تری داشته باشند. آنها عادت دارند از صنایع و شرکت هایی که از قبل وجود دارند دفاع کنند ، نه به سمت بالایی که ممکن است آنها را از بازار بیرون بکشد. آنها صنایع یارانه را با یارانه بالا می کشند و افراد را در رأس افرادی قرار می دهند که می خواهند تولید را به خارج از کشور منتقل کنند تا هزینه کار را کاهش دهند. آنها میلیارد ها دلار را برای جلوگیری از پیشرفت فنی و تکنولوژی صرف می کنند. و آنها به این باور عاشقانه می چسبند که تولید از خدمات مهم تر است ، نه برای تأمین مالی.

هیچکدام از اینها معنی ندارد. خطوط تولید و خدمات مبهم است. رولز رویس دیگر موتورهای جت را نمی فروشد ، بلکه ساعتهایی را به فروش می رساند که یک هواپیما در موتورهای خود پرواز می کند. مسئولان همیشه در انتخاب افرادی که باید حمایت شوند اشتباه کرده اند و احتمالاً نمی فهمند آینده به چه کسی تعلق دارد. هزاران کارآفرین طرح هایی را برای محصولات جدید بصورت آنلاین ایجاد می کنند ، آنها را در خانه (با استفاده از چاپگرهای سه بعدی) تولید می کنند و در بازار می فروشند. در حالی که انقلاب در حال پیشرفت است ، مسئولان باید به اصول اولیه پایبند باشند: مدارس خوبی را برای نیروی کار واجد شرایط ایجاد کنید ، قوانینی روشن برای کارآفرینان در همه حوزه ها برقرار کنید. بقیه توسط "انقلابیون" انجام می شود.

3 شرکت نوآور آینده

من معتقدم که در دهه های آینده ساختار شرکت های نوآورانه و سرمایه گذاری های بسیار زیادی در فناوری های جدید دستخوش تغییرات اساسی خواهد شد. امروزه ، بیشتر و واضح تر است که شرکتی که بهبود نمی یابد ، نمی تواند با یک بازار دائماً در حال تغییر سازگار شود ، زیرا تقاضای مصرف کننده بیشتر و بیشتر می شود ، زیرا شرکت های پرچمدار توسعه نوآورانه ، از نظر فناوری محصولات جدید و بیشتری را به مصرف کنندگان عرضه می کنند. با این حال ، سرمایه گذاری در تحقیق و توسعه نیاز به سرمایه گذاری های مالی قابل توجهی از شرکت دارد که تنها بزرگترین فعالان بازار می توانند از عهده آن برآیند. در عین حال ، تقاضای روزافزون مصرف کننده برای محصولات جدید با ویژگی ها و ویژگی های بهبود یافته ، نیاز به سرمایه گذاری های زیادی در تحقیق و توسعه دارد که با گذشت زمان ، حتی شرکت های بزرگ نیز نمی توانند سالانه میلیارد ها دلار برای تحقیق و توسعه هزینه کنند. در این لحظه است که شرکت ها و بنگاه های تازه ابتکاری مجبور خواهند شد سرمایه گذاری های خود را در تحقیق و توسعه جمع کنند. با این حال ، در اینجا اجتناب ناپذیر است که مشکلات بر اساس این که کدام یک از شرکت ها تحقیق کنند انجام دهند و این باعث تعارض منافع خواهد شد. این وضعیت باعث می شود که شرکت ها وادار شوند که به یک شرکت دیگر که به صورت حرفه ای در توسعه نوآوری و بصورت دائمی مشغول به کار هستند ، بگردند.

مدل پیشنهادی یک شرکت نوآورانه نوعی بوتیک است که دارای یک تخصص نسبتاً باریک و دایره مشتری است. مزایای استفاده از این مدل سازمانی واضح است: تمرکز بالای سرمایه و پرسنل علمی ، دستیابی به میزان بالای بهره وری از سرمایه گذاری ها در تحقیق و توسعه را ممکن می سازد. در این حالت ، تأثیر مقیاس نقش ایفا می کند ، زیرا با حجم زیادی از تحقیقات قابل پیش بینی ، شکست چندین پروژه به هزینه موفقیت بقیه پرداخت می شود.

با این حال ، یک نقص جدی در فعالیت های چنین شرکت هایی وجود دارد: از آنجا که تحقیق و توسعه با پول چندین شرکت انجام می شود ، نتایج تحقیقات متعلق به همه کسانی است که در فعالیت های "بوتیک نوآورانه" سرمایه گذاری کرده اند. این سؤال مطرح می شود كه چگونه نتایج تحقیق بین خود تقسیم شود و این به دلیل پیچیدگی در ارزیابی نتایج تحقیق و توسعه ، مسئله ای بسیار دشوار است. چندین گزینه برای توزیع نتایج یک شرکت نوآورانه و استفاده از آنها توسط سرمایه گذاران پیشنهاد می کنم:

1.توزیع نتایج تحقیق بین سرمایه گذاران بسته به حجم سرمایه گذاری. نتایج تحقیق و توسعه به خودی خود با تخفیف تخمین زده می شود ، یعنی. از نظر سود بالقوه ای که استفاده از آنها به همراه خواهد داشت. شرکتی که بیشترین سرمایه گذاری را انجام داده ، حق با گرانترین فناوری و غیره را خواهد گرفت.

2.شرکتهای سرمایه گذار در ابتدا می توانند توافق هایی راجع به تقسیم حقوق نتایج حاصل از تحقیق تحقیق کنند. با این حال ، آسیب پذیری این گزینه این است که سرمایه گذاری در تحقیق و توسعه نوعی "جعبه سیاه" است و هیچ کس نمی داند نتیجه چه خواهد شد. بنابراین ، توافق نامه های کتبی در مورد تقسیم حقوق فن آوری های مورد بررسی ، تضاد جدی در منافع است ، زیرا نتایج و سودمندی بالقوه آنها نمی تواند از قبل مشخص شود.

.به اشتراک گذاری حقوق نتایج تحقیق و توسعه توسط چندین سرمایه گذار و قوانینی از پیش توافق شده برای استفاده از آنها. به عنوان مثال ، هر فن آوری می تواند در صنایع کاملاً متفاوت مورد استفاده قرار گیرد و سرمایه گذاران نماینده چندین شرکت که بازارهای کاملاً متفاوتی را اشغال می کنند می توانند موافقت خود را برای استفاده از این فناوری بدون تعصب منافع هر یک از سرمایه گذاران اعلام کنند. من معتقدم که این استراتژی برای به اشتراک گذاشتن حقوق نتایج حاصل از سرمایه گذاری در یک شرکت فناوری نوآورانه بهینه است.

بنابراین ، مشکل اصلی در فعالیت های یک شرکت از این نوع می تواند از طریق توافق های بین سرمایه گذاران برطرف شود.

در خاتمه داستان درباره این ایده ، می خواهم بگویم که وجود و فعالیت چنین شرکتی تنها در صورتی امکان پذیر است که خواسته های فنی یا تکنولوژیکی مصرف کنندگان آنقدر افزایش یابد که هزینه های تأمین اعتبار تحقیق و توسعه به حدی افزایش یابد که حتی شرکت های بزرگ نتوانند آنها را به تنهایی پوشش دهند. من معتقدم که در عمل ، چنین سرمایه گذاری های پژوهشی نوآورانه می توانند در دانشگاه های پیشرو در کشورهای توسعه یافته یا به سادگی در یک مرکز تحقیقاتی بزرگ شکل بگیرند که بتواند تعداد کافی تعداد بسیار بالایی را به خود جلب کند.

3. توسعه فن آوری های جدید در فدراسیون روسیه

1 مشکلات توسعه فن آوری های جدید در روسیه

روسیه وارد قرن بیست و یکم ، قرن توسعه اقتصادی نوآورانه در یک وضعیت بسیار وخیم شد که به دلایل مختلف ایجاد شده است:

.فروپاشی اتحاد جماهیر شوروی اتحاد جماهیر شوروی به طور جدی روابط اقتصادی بین ایالات فضای پس از شوروی را تضعیف كرد

.نبود شرکت های نوآورانه در صنعت (به جز دفاع) موقعیت روسیه را در بازار جهانی به طور جدی پیچیده تر کرد.

.جریان گسترده پرسنل بسیار ماهر و علمی در دهه 90 قرن بیستم منجر به یک وضعیت ناگوار از دانش روسیه به طور کلی شد و همچنین به طور جدی به بازتولید پتانسیل های علمی این کشور ضربه زد.

.شکل گیری نهایی روسیه به عنوان یک قدرت منحصراً مبتنی بر منابع منجر به این واقعیت شد که تمام سرمایه گذاری های داخلی و خارجی فقط به بخش مواد اولیه اقتصاد برود. چنین "عادت" تأثیر بسیار مضر بر وضعیت اقتصاد روسیه دارد ، زیرا دولت مستقیماً علاقه مند به افزایش بخش مواد اولیه اقتصاد است که منبع اصلی درآمد بودجه است و در حقیقت ، خود دولت شرایطی را ایجاد می کند که تحت آن سرمایه گذاری ها فقط به بخش مواد اولیه انجام می شود. با دور زدن همه دیگران.

.فقدان یک چارچوب قانونی دقیق ، به وخیم شدن وضعیت کسب و کار در کشور کمک می کند و پیامد آن فعالیت کم کار کارآفرینان داخلی (در مقایسه با کشورهای اروپای غربی و ایالات متحده آمریکا) است.

بدیهی است که مشکلات توسعه بنگاههای روسی در مسیر معرفی فناوریهای جدید به طور مستقیم به سیاستی که دولت پیگیری می کند بستگی دارد. بدون تردید ، سیاست دولت مدرن می تواند منحصراً در راستای توسعه پیشرفته بخش های علمی و فشرده اقتصاد ، سیستم های آموزشی ، زیرساخت های اطلاعاتی و حمل و نقل ، که ساده سازی مبادلات ، کاهش هزینه های معامله ، فراهم آوردن مزیت های رقابتی بلند مدت ملی است. تجربه جهانی سیاست اقتصادی دولت در قرن XX ، سه بردار جهت خود را شناسایی کرده است: صادرات ، ملی (توسعه بازار داخلی) و استراتژیک ، همراه با محدودیت هدفمند استفاده از منابع غیر تجدید پذیر خود (نفت ، گاز ، چوب و غیره). نمونه ای از وکتور اول توسط کره جنوبی و چین مدرن ارائه شده است ، که امروزه دو مسیر را با هم ترکیب می کند ، دوم - فرانسه و ژاپن در سه ماهه آخر قرن بیستم ، سوم - ایالات متحده و کشورهای اوپک. در عین حال ، تمایز نرخ رشد اقتصادی دولتهای فردی در حال افزایش است و در نتیجه ، شکاف بین سطوح توسعه علمی و فناوری اقتصادهای ملی است. بنابراین ، پنج کشور پیشرو - ایالات متحده ، ژاپن ، آلمان ، فرانسه و انگلیس - در حال حاضر بیشتر از سایر کشورهای جهان در تحقیق و توسعه هزینه بیشتری را صرف تحقیق و توسعه می کنند و سهم ایالات متحده در این گروه از 50٪ فراتر است. منظور ما از سیاست های صنعتی مجموعه ای از اقدامات قانونی ، سازمانی ، اقتصادی و مدیریتی با هدف ایجاد شرایطی برای عملکرد مؤثر ساختارهای تولید و اطمینان از رشد بهره وری ، تولید و اشتغال است که توسط دولتهای فدرال و منطقه ای تهیه شده است.

توصیف مراحل خاص دولت در اجرای سیاست های خود در رابطه با توسعه مشوق های ایجاد صنایع نوآورانه برای این کار بسیار دشوار بود. من فقط می توانم مسیرهای اصلی توصیف را که باید در جهت توسعه فناوریهای جدید در روسیه برداشته شود توصیف کنم. من معتقدم که آغاز اجرای پشتیبانی از نوآوری باید حمایت واقعی از علم در تمام سطوح دولتی باشد. توسعه علم باید برای یک دهه آینده به اولویت اصلی دولت تبدیل شود ، در غیر این صورت روسیه مجدداً رقابت خود را در بازار محصولات با تکنولوژی بالا بازیافت نخواهد کرد. همچنین به دست آوردن اعتماد سرمایه گذاران خارجی در مراکز تحقیقاتی روسیه ضروری است. این امر می تواند از طریق بودجه دولت برای پروژه های مهم تحقیقاتی که کاربردهای گسترده ای دارند ، حاصل شود. اگر چنین تحقیقاتی موفقیت آمیز باشد ، سرمایه گذاران می توانند چشم انداز سرمایه گذاری در تحقیق و توسعه در روسیه را بفهمند ، زیرا این پتانسیل علمی عظیم اما کاملاً بی استفاده دارد. در اولین مراحل شکل گیری اقتصاد نوآورانه در روسیه ، توصیه می شود سیاست حمایت از گرایی را دنبال کنید ، زیرا در ابتدای شکل گیری آنها ، شرکت های نوآور روسیه با توجه به عدم تجربه کافی در کار با تحولات نوآورانه ، رقابت با شرکت های خارجی حتی در بازار داخلی را بسیار دشوار خواهند یافت.

من معتقدم که کمک به دولت در مراحل اولیه شکل گیری اقتصاد نوآورانه صرفاً ضروری است ، اما بعداً ، هنگامی که نتایج سیاستی که دنبال می شود مشهود است ، لازم است کمک های دولت محدود شود ، بازگرداندن بازار حق تصمیم گیری در مورد اینکه چه کسی باقی خواهد ماند و چه کسی نخواهد بود.

نتیجه

قرن را می توان با خیال راحت قرن توسعه نوآورانه نامید. فن آوری های جدید از ابتدای فعالیت اقتصادی بشر بر توسعه اقتصاد تأثیر گذاشته است. اما دقیقاً در این قرن ، بنگاههای اقتصادی گزینشی را ارائه داد: مدرنیزاسیون یا ناپدید شدن تحت فشار رقبا از نظر فنی و پیشرفته تر. از این پس فناوری های جدید به عامل اصلی توسعه اقتصادی تبدیل شده اند. مشکل توسعه اقتصادی نوآورانه به ویژه در روسیه حاد است که سیستم اقتصادی آن به هیچ وجه مطابق با معیارهای اقتصاد نوآورانه نیست. روسیه همچنان از فروش منابع غیر تجدید پذیر خود به زندگی خود ادامه می دهد ، هر روز فرصت های بیشتر و بیشتری را برای از دست دادن موقعیت برتر خود در بازار جهانی از دست می دهد. وجوهی که کشور از فروش منابع دریافت می کند ، باید در توسعه علم سرمایه گذاری کند ، وعده هایی برای شرکت های نوآورانه می دهد. حتی در کوتاه مدت ، این سرمایه گذاری ها پرداخت می شوند ، زیرا من معتقدم که پتانسیل غیر واقعی روسیه قادر خواهد بود دستاوردهای موفقیت آمیز در همه حوزه های علمی داشته باشد. مطمئناً این امر انگیزه قدرتمندی را برای توسعه اقتصاد در کل خواهد داشت. با این حال ، این به اراده سیاسی و سیاستی دقیق از دولت احتیاج دارد ، که تاکنون فقط می توانیم رویای آن باشیم. در این میان ، روسیه همچنان از کشورهای در حال توسعه عقب مانده است و هر سال مواضعی را از دست می دهد که شاید هرگز نتواند بازگردد. رهبری فدراسیون روسیه باید حقیقت آشکار را بفهمد ، که هم برای اشخاص اقتصادی و هم برای کل کشورها قابل اجرا است: کسانی که مدرنیز نمی شوند ناپدید می شوند.

فهرست مراجع

اقتصاد صنعتی صنعتی

دوم تک نگاری ها ، آثار جمعی ، مجموعه مقالات علمی:

سوشیار سواروف اقتصاد توسعه فناوری - م.: امور مالی و آمار ، 2008 - 480 ص؛ سیل

ماکاروف V.L. اقتصاد دانش: درسهایی برای روسیه // روسیه و دنیای مدرن. - 2004

Schumpeter J. نظریه توسعه اقتصادی.

Glazyev S.Yu. نظریه توسعه فنی و اقتصادی طولانی مدت. - م: ولدار ، 1993

III. مقالات مربوط به نشریات:

پیوست 1

میز 1

تعداد مرحله توسعه فناوری زمان تحت پوشش مرحله توسعه فناوری صنایع ارائه فن آوری های اساسی مرحله و پشتیبانی انرژی مرحله توسعه فناوری وضعیت زیرساخت های مرحله توسعه فناوری اول 1790-1840 صنعت نساجی ، آب ، بخار ، انرژی زغال سنگ جاده های خاکی ، اسب سواری در زمین و کشتی های دریانوردی از طریق دریا ، پستی پیک دوم حمل و نقل ریلی دوم 1830-1890 ، مکانیزه کردن فرآیندهای تولید ، استفاده از موتور بخار. ظهور اولین شرکتهای سهامی خاص به عنوان اشکال جدید سازمانی و حقوقی کارآفرینی راه آهن ، حمل و نقل جهان سوم 1880-1940 توسعه صنایع سنگین مهندسی ، برق و شیمیایی. بر اساس برق ، موتورهای احتراق داخلی و توسعه روغن. رقابت از ویژگی های انحصاری برخوردار است: اعتماد ، کارتل و غیره. تلفن ، تلگراف ، رادیو ، شبکه های برقی 4 - 1930-1990 توسعه تولید انبوه ، انرژی گاز و نفت ، نیروگاه های هسته ای ، ارتباطات ، مواد جدید ، الکترونیک ، نرم افزار ، رایانه. TNC ها ایجاد می شوند ، رقابت بزرگراههای پر سرعت ، الیگپولیستی ، ارتباطات هوایی ، خطوط لوله گاز ، توسعه تلویزیون پنجم اواسط دهه 1980 است - تا به امروز میکروالکترونیک ، انفورماتیک ، فناوریهای الکترونیکی بالا ، بیوتکنولوژی ، مهندسی ژنتیک ، مواد مصنوعی ، اکتشاف فضای تجاری. اتحاد شرکتهای بزرگ و کوچک به زنجیره های منفرد ، تکنوپلها ، شهرهای علمی ، پارکهای فناوری ، سیستمهای جدید برای مدیریت کیفیت ، سرمایه گذاری ، تأمین ، تعمیر و بهره برداری از اشیاء فنی شبکه های رایانه ای ، ارتباطات از راه دور ، اتصال ماهواره ای، رسانه های الکترونیکی ، انواع جدید نیروگاه های هسته ای ، تعداد زیادی نیروگاه که "انرژی سبز" تولید می کنند.

FGBU VPO "UNIVERSITY مالی تحت دولت فدراسیون روسیه"

برای دوره های دانشجویی

دانشکده ______________________________ گروه ______________

نام و نام خانوادگی. دانشجو ______________________________________________

موضوع ________________________________________________________

characteristics ویژگی های p / pQuality از workMax. نمره واقعیت. نمره I. ارزیابی کار با توجه به ضوابط رسمی: 301. انطباق با مهلت های تحویل کار توسط مراحل نوشتن 42. ظاهر کار و صحت طرح کار 23- حضور یک برنامه به درستی اجرا شده 24. حضور عناوین داخلی بخش ها و زیرمجموعه ها 25. نشانه صفحات در برنامه کار و شماره گذاری آنها در متن 26. در متن پاورقی ها و مراجع 27. صحت استناد و طراحی استنادها 38. \u200b\u200bوضوح و کیفیت مواد مصور 39. در دسترس بودن و کیفیت پیوست های اضافی 310. صحت لیست مطالب استفاده شده 511. استفاده از ادبیات خارجی در متن اثر و در لیست منابع 2) ارزیابی اثر توسط محتوا: 701. اهمیت مسئله ساختار منطقی کار و انعکاس آن در طرح 23 عمق عنوان و توازن بخش ها 24 کیفیت معرفی 55 نشانه گذاری اهداف تحقیق 36 نشانه روش های تحقیق 27 محتوای کار مطابق با موضوع اعلام شده 68 مطابقت محتوای مطالب بخش ها با نام آنها 29 ارتباط منطقی بین بخش 3 10. درجه استقلال در ارائه 13 11 حضور عناصر جدید بودن علمی 3 13 ارتباط کار با مشکلات روسیه 514 توانایی نتیجه گیری 10 15 کیفیت ترسیم نتیجه گیری 516 دانش جدیدترین ادبیات 517 حضور خطاهای اساسی -35

تدریس

برای کاوش یک موضوع به کمک نیاز دارید؟

کارشناسان ما در زمینه موضوعات مورد علاقه شما مشاوره یا ارائه خدمات آموزش می دهند.
ارسال درخواست با ذکر موضوع در حال حاضر برای پیدا کردن در مورد امکان به دست آوردن مشاوره.

1.1 مفاهیم اساسی هوش مصنوعی

1.2 بازنمایی دانش

1.3 وظیفه تشکیل پایه دانش

2. تشخیص الگو و ترجمه ماشین

2.1 مفهوم تصویر

2.2 مشکل شناخت الگوی

2.3 یادگیری ، خودآموزی و سازگاری

2.4 تبدیل تصاویر به کد دیجیتال

3. شبکه های عصبی و شبکه

3.1 رایانه های عصبی

3.2 شبکه های عصبی چیست؟

4- سیستم های خبره (ES) ، ساختار و طبقه بندی آنها. ابزار برای ساخت ES. فناوری توسعه ES.

5- استفاده و پشتیبانی از ES. مهندسی مجدد مشاغل.

5.1 با استفاده از سیستم های متخصص مالی

5.3 مهندسی مجدد مشاغل

6. استراتژی برای به دست آوردن دانش. روشهای عملی استخراج دانش. ساختار دانش. اجرای نرم افزار از پایگاه دانش.

مقدمه

امکان رایانه های الکترونیکی دیگر جای تعجب ندارد. رایانه سازی مناطق مختلف فعالیت های انسانی علاوه بر تأثیر مستقیم معرفی فناوری رایانه ، غالباً کلاسهای جدیدی از محصولات نرم افزاری و فناوریهای لازم را برای توسعه آنها ایجاد می کند. هر فناوری ، قبل از هر چیز ، زمینه ای برای فعالیت های فکری برای متخصصان است ، اما برخلاف سایر انواع فعالیت ها ، فناوری های توسعه نرم افزار بلافاصله تبدیل به اشیاء اتوماسیون می شوند که بخش برنامه نویسی مربوطه را به سطح جدیدی از توسعه می رساند.

سیستم های دانش محور تحول معمولی را از برنامه های خاص گرفته تا ابزارهای توسعه و پیش از هر چیز سیستم های خبره طراحی کرده اند که برای حل مشکلات از مناطقی که دانش و تجربه حرفه ای نقش تعیین کننده ای دارند طراحی شده اند. در سیستم های خبره ، جستجوی راه حل ها با تقلید از استدلال ذاتی در متخصصان برجسته انجام می شود. دانش رسمی رسم شده هسته اصلی سیستم خبره است - پایه دانش آن. بلوک های باقیمانده سیستم وظایف تبدیل دانش را پیاده سازی می کنند و نه به اندازه محتوای دانش و نه از نظر ویژگی های ساختارهای رسمی آنها تعیین می شوند.

1. مفهوم هوش مصنوعی. نمایندگی دانش و توسعه سیستم های دانش بنیان

1.1. مفاهیم اساسی هوش مصنوعی

اصطلاح هوش (شعور) از عقل لاتین گرفته شده است - به معنای ذهن ، عقل ، عقل. توانایی تفکر یک فرد بر این اساس ، هوش مصنوعی (AI) معمولاً به عنوان خاصیت سیستمهای اتوماتیک برای انجام وظایف فردی هوش انسانی تعبیر می شود ، به عنوان مثال ، انتخاب و تصمیم گیری بهینه بر اساس تجربه قبلی و تجزیه و تحلیل منطقی از تأثیرات بیرونی.

هوش توانایی مغز برای حل مشکلات (فکری) با دستیابی ، حفظ کردن و تبدیل هدفمند دانش از طریق یادگیری تجربی و سازگاری با شرایط مختلف است.

در این تعریف ، اصطلاح دانش به معنای نه تنها اطلاعاتی است که از طریق حواس وارد مغز می شوند. این نوع دانش بسیار مهم است ، اما برای فعالیت های فکری کافی نیست. واقعیت این است که اشیاء محیط اطراف ما این خاصیت را دارند که نه تنها بر حواس تأثیر بگذارد بلکه در روابط خاص با یکدیگر قرار بگیرند. واضح است که برای انجام فعالیتهای فکری در محیط (یا حداقل وجود دارد) ، لازم است که الگویی از این جهان در سیستم دانش وجود داشته باشد. در این مدل اطلاعاتی از محیط ، اشیاء واقعی ، خصوصیات و روابط بین آنها نه تنها نمایش داده می شود و به یاد می آید ، بلکه همانطور که در آن ذکر شد این تعریف هوش ، می تواند از نظر ذهنی "هدفمند دگرگون شود". در عین حال ، ضروری است که تشکیل الگویی از محیط بیرونی "در فرایند یادگیری از تجربه و سازگاری با شرایط مختلف" رخ دهد.

1.2 بازنمایی دانش

بازنمایی دانش سؤالی است که در شناخت شناسی (علم تفکر) و در هوش مصنوعی بوجود می آید. در شناخت شناسی ، مربوط به نحوه ذخیره و پردازش افراد است. در هوش مصنوعی (AI) ، هدف اصلی یادگیری چگونگی ذخیره دانش به گونه ای است که برنامه ها بتوانند آنرا پردازش کرده و به شکلی از هوش انسانی دست یابند. محققان هوش مصنوعی از تئوری های نمایش دانش از علوم شناختی استفاده می کنند. تکنیک هایی مانند فریم ، قوانین و شبکه های معنایی از نظریه های پردازش اطلاعات انسانی به هوش مصنوعی می رسند. از آنجا که دانش برای دستیابی به رفتار هوشمندانه مورد استفاده قرار می گیرد ، هدف اصلی نظم و انضباط نمایندگی دانش ، یافتن راه هایی برای نمایش است که روند استنتاج را ممکن می سازد ، یعنی ایجاد استنتاج از دانش.

برخی از سؤالاتی که در ارائه دانش از دیدگاه هوش مصنوعی ایجاد می شود:

· مردم چگونه دانش را نشان می دهند؟

· ماهیت دانش چیست و چگونه آن را نمایان می کنیم؟

آیا باید طرح نمایندگی با حوزه خاصی از تخصص همراه باشد یا اینکه باید هدف کلی باشد؟

چقدر ابراز این طرح نمایندگی؟

آیا باید طرحواره اعلامیه یا رویه ای باشد؟

بحث و گفتگو در مورد بازنمایی دانش و تحقیقات در این زمینه بسیار کم بود. مشکلات شناخته شده ای از جمله "پخش فعال سازی" ، (کار پیمایش شبکه گره ها) ، "طبقه بندی" وجود دارد (این امر به دلیل وراثت انتخابی است ؛ به عنوان مثال یک وسیله نقلیه تمام عیار می تواند یک تخصص (مورد خاص) یک اتومبیل در نظر گرفته شود ، اما فقط برخی از خصوصیات را به ارث می برد) و "طبقه بندی " به عنوان مثال ، یک گوجه فرنگی را می توان هم میوه و هم سبزی دانست.

در زمینه هوش مصنوعی می توان با انتخاب روش مناسب برای نمایش دانش ، حل مسئله را ساده کرد. یک روش خاص می تواند هر حوزه دانش را به راحتی نمایان کند. به عنوان مثال ، سیستم خبره تشخیصی میتسین از یک طرح نمایش دانش مبتنی بر قانون استفاده می کند. انتخاب اشتباه روش ارائه پردازش را دشوار می کند. به عنوان یک قیاس ، می توانیم در نمادهای هند و عربی یا رومی محاسباتی را در نظر بگیریم. تقسیم طولانی در حالت اول آسانتر و در حالت دوم دشوارتر است. به همین ترتیب ، هیچ بازنمایی وجود ندارد که بتواند در همه کارها مورد استفاده قرار گیرد ، یا همه کارها را به همان اندازه ساده انجام دهد.

مشکل تشکیل پایگاه های دانش پیچیده و چند وجهی است. اگر رسیدگی به این مشکل را به وظیفه استخراج دانش شخصی متخصص محدود کنیم ، می توانیم الزامات و اصول اساسی ساختن سیستم های نرم افزاری را که به طور خودکار فرایند شکل گیری پایگاه های دانش را تشکیل می دهد ، تدوین کنیم. سیستم هایی از این نوع سیستم های مهندسی دانش خودکار نامیده می شوند.

1.3 وظیفه تشکیل پایه های دانش

مهندسی دانش به دلیل تمام ظرافت های نام خود ، یک رشته کاملاً آزمایشی است ، وظیفه آن توسعه عملی است برنامه های مفید برای مناطق "ریاضی" ضعیف از فعالیت های انسانی. استدلال اصلی به نفع ثمربخش بودن این رویکرد ، واقعیت وجود یک زندگی از نهادهای متخصص - متخصصان کلاس است که قادر به حل مشکلات رسمی در سطح پایین از یک حوزه خاص مشکل هستند.

از دیدگاه مهندسی دانش ، در هر برنامه کاربردی (حداقل در تئوری) امکان جدا سازی مؤلفه حاوی دانش در مورد مسئله مسئله وجود دارد. این مؤلفه است که به آن دانش بنیان گفته می شود و ارزش عملی برنامه را تعیین می کند. ایجاد یک پایگاه دانش نیاز به تحقیقات ویژه در حوزه مشکل دارد ، در حالی که بقیه بلوک های برنامه کاملاً در دست برنامه نویس است.

در حال حاضر چهار راه اصلی برای نمایش دانش وجود دارد که از این طریق می توان روشهای "ترکیبی" برای نمایش دانش ساخت.

· سیستم های تولید

· شبکه های معنایی

· قاب ها

· حساب منطقی

· راههای ترکیبی از نمایش دانش

· مدل دامنه مشکل

2. تشخیص الگو و ترجمه ماشین

2.1 مفهوم تصویر

تصویر ، کلاس - گروه بندی طبقه بندی در یک سیستم طبقه بندی که گروه خاصی از اشیاء را طبق برخی معیار متحد می کند. درک تخیلی از جهان یکی از خصوصیات یک مغز زنده است که باعث می شود جریان بی پایان اطلاعات درک شده و حفظ جهت گیری در داده های پراکنده درباره دنیای خارجی امکان پذیر باشد. درک دنیای خارجی ، ما همیشه اطلاعات را طبقه بندی می کنیم ، یعنی آنها را به گروه هایی از پدیده های مشابه ، اما نه یکسان تقسیم می کنیم. این خاصیت مغز باعث می شود چنین مفهومی را به عنوان تصویر بسازیم.

توانایی درک دنیای خارجی در قالب تصاویر باعث می شود تا با یقین خاصی تعداد نامتناهی اشیاء را بر اساس آشنایی با تعداد محدود آنها بشناسیم و ماهیت عینی خاصیت اصلی تصاویر به ما امکان می دهد تا روند تشخیص آنها را شبیه سازی کنیم.

2.2 مشکل شناخت الگوی

تشخیص الگو وظیفه شناسایی یک شی یا تعیین هر یک از خصوصیات آن از تصویر آن (تشخیص نوری) یا ضبط صدا (تشخیص صوتی) است. در فرایند تکامل بیولوژیکی ، بسیاری از حیوانات با کمک دستگاه بینایی و شنوایی این مشکل را به خوبی حل کرده اند. ایجاد سیستم های مصنوعی با عملکردهای تشخیص تصویر ، یک مشکل فنی پیچیده است.

شکل: 2.1. نمونه ای از یادگیری اشیاء.

به طور کلی ، مسئله شناخت الگوی (PRO) شامل دو بخش آموزش و شناخت است. یادگیری با نشان دادن اشیاء فردی با نشان دادن تعلق آنها به یک یا تصویر دیگر انجام می شود. در نتیجه آموزش ، سیستم به رسمیت شناختن باید توانایی پاسخگویی با واکنش های یکسان را در مورد همه اشیاء یک تصویر و با واکنش های دیگر - به همه اشیاء تصاویر قابل تشخیص بدست آورد. بسیار مهم است که فرایند یادگیری فقط با نشان دادن تعداد محدودی از اشیاء انجام شود. اهداف آموزش می تواند یا تصاویر (شکل 2.1) یا سایر تصاویر بصری (حروف ، اعداد) باشد. مهم است که در فرایند یادگیری فقط خود اشیاء و تعلق آنها به تصویر نشان داده شود. یادگیری با فرآیند شناخت اشیاء جدید دنبال می شود ، که مشخصه اقدامات یک سیستم از قبل آموزش دیده است. اتوماسیون این روشها مشکل آموزش شناخت الگو را تشکیل می دهد. در موردی که شخص خود حدس بزند یا اختراع کند و سپس قانون طبقه بندی را بر روی دستگاه تحمیل کند ، مشکل تشخیص تا حدی حل می شود ، زیرا فرد قسمت اصلی و اصلی مشکل (آموزش) را بر عهده می گیرد.

طیف وسیعی از کارهایی که با استفاده از سیستمهای تشخیص قابل حل هستند بسیار گسترده است. این شامل نه تنها وظایف شناخت تصاویر بصری و شنیداری ، بلکه وظایف طبقه بندی فرآیندها و پدیده های پیچیده است که بوجود می آیند ، به عنوان مثال هنگام انتخاب اقدامات مناسب توسط رئیس یک بنگاه اقتصادی یا انتخاب مدیریت بهینه کارهای فنی ، اقتصادی ، حمل و نقل یا نظامی. قبل از شروع به تجزیه و تحلیل هر شیء ، باید اطلاعات مشخص و سفارش یافته در مورد آن بدست آورید.

انتخاب توضیحات اولیه اشیاء یکی از وظایف اصلی مسئله تشخیص الگو است. با انتخاب موفقیت آمیز در توضیحات اولیه (فضای ویژگی) ، مشکل تشخیص ممکن است بی اهمیت باشد و برعکس ، یک توضیحات اولیه انتخاب نشده با موفقیت می تواند منجر به پردازش بسیار پیچیده بیشتر اطلاعات یا به هیچ وجه راه حل نشود.

2.5 یادگیری ، خودآموزی و سازگاری

یادگیری فرایندی است که در نتیجه سیستم به تدریج توانایی پاسخگویی با پاسخ های لازم به مجموعه های خاص از تأثیرات خارجی را بدست می آورد ، و سازگاری عبارت است از تنظیم پارامترها و ساختار سیستم به منظور دستیابی به کیفیت مورد نیاز کنترل در مواجهه با تغییرات مداوم در شرایط خارجی. تمام تصاویر نشان داده شده در شکل 2.1 ، وظیفه یادگیری را توصیف کنید. در هر یک از این کارها ، چندین مثال (دنباله آموزش) از کارهای درست حل شده ارائه شده است. اگر می توان به یک خاصیت کلی خاص توجه داشت که به طبیعت تصاویر یا تصاویر آنها بستگی ندارد ، بلکه تنها توانایی تفکیک آنها را تعیین می کند ، سپس به همراه کار معمول آموزش تشخیص شناخت با استفاده از اطلاعات مربوط به تعلق هر شی از دنباله آموزش به یک یا تصویر دیگر ، یک مشکل طبقه بندی دیگر نیز وجود دارد - به اصطلاح مشکل یادگیری بدون نظارت. وظیفه ای از این نوع در سطح توصیفی می تواند به صورت زیر تنظیم شود: اشیاء به طور همزمان یا پی در پی به سیستم ارائه می شوند بدون اینکه هیچ گونه نشانه ای از تعلق آنها به تصاویر نشان داده شود. دستگاه ورودی سیستم مجموعه ای از اشیاء را به مجموعه ای از تصاویر نقشه برداری می کند و با استفاده از برخی از ویژگی های از پیش ساخته جداسازی تصویر ، طبقه بندی مستقل از این اشیاء را انجام می دهد. پس از چنین فرآیند خودآموزی ، سیستم باید توانایی شناسایی نه تنها اشیاء از قبل آشنا (اشیاء از توالی آموزش) ، بلکه مواردی را که قبلاً ارائه نشده اند ، بدست آورد. فرآیند خودآموزی یک سیستم خاص ، فرایندی است که در نتیجه این سیستم ، بدون توصیه معلم ، توانایی ایجاد واکنش های یکسان در تصاویر اشیاء با همان تصویر و پاسخ های مختلف به تصاویر تصاویر مختلف را بدست می آورد. نقش معلم در این حالت فقط در برانگیختن سیستم برخی از ویژگیهای عینی است که برای همه تصاویر یکسان است و توانایی تقسیم مجموعه ای از اشیاء را در تصاویر تعیین می کند. چنین خاصیتی خاصیت فشردگی تصاویر است. موقعیت نسبی نقاط در فضای انتخاب شده حاوی اطلاعاتی در مورد چگونگی تقسیم مجموعه امتیازها است. این اطلاعات خاصیت تفکیک پذیری تصاویر را تعیین می کند ، که برای خودآموختگی سیستم برای شناخت الگوهای کافی است.

يادگيري معمولاً فرآيند تشريح در يك سيستم خاص از يك يا يك واكنش ديگر به گروه هاي سيگنال هاي يكسان خارجي با استفاده از تأثير مكرر بر روي سيستم اصلاح خارجي ناميده مي شود. چنین تعدیل بیرونی در تدریس معمولاً "پاداش" و "مجازات" خوانده می شود. مکانیسم تولید این تنظیم تقریباً بطور کامل الگوریتم یادگیری را تعیین می کند. خودآموزي با يادگيري تفاوت دارد زيرا در مورد وفاداري واكنش به سيستم اطلاعات اضافي ارائه نمي دهد.

سازگاری فرایند تغییر پارامترها و ساختار سیستم و احتمالاً کنترلی بر اساس اطلاعات فعلی است تا بتواند به وضعیت خاصی از سیستم با عدم اطمینان اولیه و تغییر شرایط عملیاتی دست یابد.

روشی برای ساخت ماشین های تشخیص ، بر اساس متمایز کردن ویژگی های ارقام قابل تشخیص امکان پذیر است. به عنوان علائم ، می توان خصوصیات مختلف ارقام را انتخاب کرد ، به عنوان مثال ، خصوصیات هندسی آنها (ویژگی های منحنی های تشکیل دهنده شکل) ، خصوصیات توپولوژیکی (موقعیت نسبی عناصر شکل) و غیره. دستگاههای شناخته شده شناخته شده ، که در آنها تمایز بین حروف یا اعداد انجام می شود ، به اصطلاح "روش کاوشگرها" (شکل 2.2) ، یعنی. با تعداد تقاطع های کانتور شکل با چندین خط مستقیم مستقیم.

شکل: 2.2 طرح کاوشگرها برای تشخیص رقم.

اگر اعداد موجود در این زمینه را با پروب ها انجام دهیم ، معلوم می شود که هر یک از اعداد از پروب های کاملاً مشخص عبور می کنند و ترکیب کاوش های متقاطع برای هر ده رقم متفاوت است. این ترکیب ها به عنوان نشانه هایی که اعداد از آنها متمایز می شوند استفاده می شود. به عنوان مثال ، چنین ماشین هایی با خواندن متن تحریر با موفقیت مقابله می کنند ، اما قابلیت های آنها با قلم (یا گروهی از فونت های مشابه) که سیستم ویژگی برای آنها ساخته شده محدود شده است. کار در ایجاد مجموعه ای از ارجاع ها یا سیستم علائم باید توسط شخص انجام شود. کیفیت عملکرد دستگاه ، یعنی قابلیت اطمینان "تشخیص" ارقام ارائه شده با کیفیت این آماده سازی اولیه مشخص می شود و بدون مشارکت انسان قابل افزایش نیست. دستگاه شرح داده شده یک ماشین یادگیری نیست.

الگوبرداری فرایند یادگیری به معنای یادگیری است ، که پیش از آن به پیام دستگاه اطلاع رسانی درباره آن تصاویر که باید آن را یاد بگیرد ، قبل از این ارسال نمی شود. یادگیری خود شامل ارائه تعداد محدودی از اشیاء از هر تصویر به دستگاه است. در نتیجه یادگیری ، دستگاه باید قادر باشد تعداد زیادی اشیاء جدید را که به همان تصاویر مربوط است ، به طور دلخواه تشخیص دهد. بنابراین ، طرح زیر آزمایشات به این معنی است:

الف) هیچ اطلاعاتی درباره تصاویر طبقه بندی شده از قبل در دستگاه وارد نمی شود.

ب) در دوره آموزش دستگاه ، تعداد مشخصی از اشیاء هر یک از تصاویر مشمول طبقه بندی ارائه می شود و (هنگام مدل سازی فرایند یادگیری "با یک معلم") به این تصویر گزارش می شود که به هر تصویر تعلق دارد.

ج) دستگاه به طور خودکار اطلاعات دریافت شده را پردازش می کند ، پس از آن

د) با قابلیت اطمینان کافی تعداد دلخواه خود را از تعداد زیادی اشیاء جدید که قبلاً ارائه نشده بودند ، متمایز می کند.

ماشینی که به این روش کار می کنند به دستگاههای شناسایی شناخته می شوند.

2.6 تبدیل تصاویر به کد دیجیتال

برای وارد کردن تصویر در یک دستگاه ، باید آن را به زبان دستگاه ترجمه کنید ، یعنی. رمزگذاری ، به صورت ترکیبی از نمادهایی که دستگاه قادر به کار آن است ، نمایان شود. چهره های هواپیما را می توان به روش های مختلف رمزگذاری کرد. بهتر است برای "طبیعی ترین" رمزگذاری تصویر هدف بگیرید. ما ارقام را در یک زمینه مشخص ترسیم می کنیم ، که توسط خطوط عمودی و افقی به عناصر یکسان تقسیم می شوند - مربع ها. عناصر ، که روی آن تصویر سقوط کرده است ، کاملاً سیاه می شوند ، بقیه رنگ سفید باقی می مانند. بیایید موافقت کنیم عناصر سیاه و سفید را با صفر - صفر - بیان کنیم. بگذارید شماره گذاری متوالی همه عناصر زمینه را به عنوان مثال در هر خط از چپ به راست و با خطوط از بالا به پایین معرفی کنیم. سپس هر شکل رسم شده در چنین زمینه ای به طور ابهام با کدی متشکل از همان تعداد رقم (آنهایی و صفر) به تعداد تعدادی از عناصر موجود در آن نمایش داده می شود.

شکل 2.3 نمونه هایی از تصاویر طرح ریزی و رمزگذاری.

چنین برنامه نویسی (شکل 2.3) "طبیعی" تلقی می شود زیرا تقسیم تصویر به عناصر اساس کار دستگاه بصری ما است. در واقع ، شبکیه چشم از تعداد زیادی عنصر حسی جداگانه (به اصطلاح میله ها و مخروط ها) تشکیل شده است که توسط فیبرهای عصبی با قسمت های بصری مغز متصل می شوند. عناصر حساس شبکیه سیگنال ها را از طریق فیبرهای عصبی آنها به مغز منتقل می کنند ، شدت آن بستگی به روشنایی این عنصر دارد. بنابراین ، تصویر پیش بینی شده توسط سیستم نوری چشم بر روی شبکیه توسط میله ها و مخروط ها به بخش های جداگانه شکسته شده و توسط عناصر در یک کد خاص به مغز منتقل می شود. عناصر منفرد میدان را گیرنده ها می نامند و خود میدان نیز میدان گیرنده ها نامیده می شوند.

کلیت تمام چهره های مسطح که می توانند در زمینه گیرنده ها به تصویر کشیده شوند نوعی مجموعه است. هر شکل بتونی از این مجموعه یک شیء از این مجموعه است. هرکدام از این اشیاء دارای کد مشخصی هستند. به همین روش ، هر کد مربوط به یک تصویر خاص در قسمت گیرنده است. مکاتبات یک به یک بین کدها و تصاویر به شما امکان می دهد فقط با کدها کار کنید ، به یاد داشته باشید که یک تصویر همیشه می تواند با کد آن تولید شود.

ظرفیت ANN تعداد تصاویر ارائه شده به ورودی های ANN برای تشخیص است. برای جدا کردن مجموعه ای از تصاویر ورودی ، به عنوان مثال ، در دو کلاس ، فقط یک خروجی کافی است. علاوه بر این ، هر سطح منطقی - "1" و "0" - یک کلاس جداگانه تعیین می کنند. در دو خروجی می توانید 4 کلاس و غیره را رمزگذاری کنید. برای افزایش قابلیت اطمینان طبقه بندی ، مطلوب است که با اختصاص دادن به هر کلاس یک نورون در لایه خروجی یا حتی بهتر از آن ، هر کدام از آنها آموزش داده شود تا تعلق یک تصویر به یک کلاس با درجه اطمینان خود را مشخص کند ، به عنوان مثال: زیاد ، متوسط \u200b\u200bو پایین. چنین ANN ها امکان طبقه بندی تصاویر ورودی را به مجموعه های فازی (فازی یا متقاطع) امکان پذیر می سازند. این ویژگی چنین ANN ها را به شرایط زندگی واقعی نزدیک می کند.

3. شبکه های عصبی و شبکه

3.1 رایانه های عصبی

Neurocomputer ها سیستمهایی هستند که الگوریتم حل آن توسط یک شبکه منطقی از عناصر یک نوع خاص - نورون هایی با رد کامل عناصر بولی از نوع و ، یا ، نه نمایش داده می شود. به عنوان یک نتیجه ، اتصالات خاصی بین عناصر ، که موضوع مورد توجه جداگانه است ، معرفی شده اند.

بر خلاف روش های کلاسیک برای حل مشکلات ، رایانه های عصبی الگوریتم هایی را برای حل مشکلات پیاده سازی می کنند ، که در قالب شبکه های عصبی ارائه شده است. این محدودیت اجازه می دهد تا الگوریتم هایی ایجاد شود که به طور بالقوه موازی تر از هر اجرای فیزیکی دیگری باشند.

یک سیستم عصبی رایانه ای با معماری MSIMD است که در آن دو راه حل اساسی فنی به کار می رود: یک عنصر پردازشی یک ساختار همگن به سطح یک نورون ساده شده است ، و اتصالات بین عناصر به شدت پیچیده است. برنامه نویسی ساختار محاسباتی به تغییر اتصالات وزن بین عناصر پردازشی منتقل شده است.

تعریف کلی یک سیستم عصبی می تواند به شرح زیر ارائه شود. سیستم عصبی رایانه ای یک سیستم محاسباتی با معماری سخت افزاری و نرم افزاری است که برای اجرای الگوریتم های ارائه شده در مبنای منطقی شبکه عصبی کافی است.

3.2 شبکه های عصبی چیست؟

هر نورون از طریق فیبرهای عصبی ویژه سیگنالهایی از نورونهای همسایه دریافت می کند. این سیگنال ها می توانند تحریک کننده یا مهاری باشند. جمع آنها پتانسیل الکتریکی موجود در بدن نورون است. وقتی پتانسیل از آستانه مشخصی فراتر رود ، نورون به حالت هیجان زده می رود و سیگنالی را در امتداد فیبر عصبی خروجی می فرستد. نورون های مصنوعی فردی به روش های مختلف به یکدیگر متصل می شوند. این به شما امکان می دهد شبکه های عصبی متنوعی را با معماری های مختلف ، قوانین یادگیری و قابلیت های مختلف ایجاد کنید.

بسیاری از افراد اصطلاح "شبکه های عصبی مصنوعی" را با خیال پردازی های مربوط به شورش آندروئیدها و روباتها مرتبط می دانند ، در مورد ماشینهای جایگزین و تقلید از انسان. این تصور توسط بسیاری از توسعه دهندگان سیستم های عصبی تقویت می شود ، صحبت کردن در مورد اینکه چگونه در آینده نزدیک ، روبات ها به سادگی با مشاهده یک شخص ، تسلط بر انواع مختلف فعالیت ها را آغاز می کنند. اگر به سطح کار روزمره بروید ، آنگاه شبکه های عصبی فقط شبکه هایی هستند که از عناصر ساده نورون های رسمی بهم پیوسته تشکیل شده اند. بیشتر کارها در زمینه نورونفورماتیک به انتقال الگوریتم های مختلف برای حل مشکلات در چنین شبکه هایی اختصاص دارد.

این مفهوم مبتنی بر این عقیده است که می توان سلولهای عصبی را با اتوماسیونهای نسبتاً ساده الگوبرداری کرد ، و کل پیچیدگی مغز ، انعطاف پذیری عملکرد آن و سایر خصوصیات مهم توسط ارتباطات بین نورونها تعیین می شود. هر پیوند به عنوان یک عنصر بسیار ساده ارائه شده است که در انتقال سیگنال مؤثر است. به طور خلاصه ، این فکر را می توان به صورت زیر بیان کرد: "ساختار اتصالات همه چیز است ، خواص عناصر چیزی نیستند".

مجموعه ایده ها و جهت علمی و فنی که توسط مفهوم توصیف شده از مغز تعیین می شود ، اتصال (اتصال اتصال) نامیده می شود. همه اینها به همان شکل کاریکاتور یا کارتونی با نمونه اولیه آن مربوط به یک مغز واقعی است. آنچه اهمیت دارد رعایت اصطلاحات با اصل نیست بلکه بهره وری از ایده فنی است.

بلوک زیر از ایده ها نزدیک به ارتباط گرایی است:

· یکدست بودن سیستم (عناصر یکسان و بسیار ساده هستند ، همه چیز با ساختار اتصالات مشخص می شود).

· سیستم های قابل اعتماد از عناصر غیر قابل اعتماد و استفاده از "رنسانس آنالوگ" از عناصر آنالوگ ساده.

· سیستم های "هولوگرافیک" پس از تخریب یک قسمت به طور تصادفی انتخاب شده ، این سیستم خصوصیات خود را حفظ می کند.

فرض بر این است که قابلیت های گسترده سیستم های ارتباطی ، انتخاب ضعیف عناصر ، عدم اطمینان آنها و نابودی احتمالی برخی از پیوندها را جبران می کند.

برای توصیف الگوریتم ها و دستگاه های موجود در نورونفورماتیک ، "مدار" ویژه ای ایجاد شده است ، که در آن دستگاه های ابتدایی (افزودنی ، سیناپس ، نورون و غیره) در شبکه هایی که برای حل مشکلات طراحی شده اند ترکیب می شوند. برای بسیاری از مبتدیان ، به نظر می رسد شگفت آور است که نه در اجرای سخت افزار شبکه های عصبی و نه در نرم افزارهای حرفه ای ، این عناصر لزوماً به عنوان قطعات یا بلوک جداگانه اجرا نمی شوند. مدار ایده آل مورد استفاده در neuroinformatics یک زبان ویژه برای توصیف شبکه های عصبی و آموزش آنها است. هنگام اجرا در نرم افزار و سخت افزار ، توضیحات تهیه شده به این زبان به زبان های مناسب تر در سطح دیگری ترجمه می شود.

4- سیستم های خبره (ES) ، ساختار و طبقه بندی آنها. ابزار برای ساخت ES. فناوری توسعه ES

4.1 هدف سیستم های خبره

در اوایل دهه هشتاد ، در تحقیقات مربوط به هوش مصنوعی ، جهت مستقلی شکل گرفت که "سیستم های خبره" (ES) نامیده می شد. هدف از تحقیق ES توسعه برنامه هایی است که در هنگام حل مشکلی که برای یک متخصص انسانی مشکل باشد ، به نتایجی دست می یابیم که از نظر کیفیت و کارآیی نسبت به راه حل های بدست آمده توسط یک متخصص پایین نیست. محققان در زمینه ES برای نام رشته خود نیز غالباً از اصطلاح مهندسی دانش استفاده می کنند که توسط E. Feigenbaum به عنوان "آوردن اصول و ابزارهای تحقیق از حوزه هوش مصنوعی در حل مشکلات کاربردی دشوار که نیاز به دانش متخصص دارند" استفاده می کنند.

ابزارهای نرم افزاری (PS) مبتنی بر فناوری سیستم های خبره یا مهندسی دانش (از این پس ما آنها را به عنوان مترادف استفاده خواهیم کرد) در جهان رواج یافته است. اهمیت سیستم های خبره به شرح زیر است:

· فن آوری سیستم های خبره به طور قابل توجهی طیف وسیعی از مشکلات قابل توجهی را که بر روی رایانه ها حل شده است ، گسترش می دهد ، که راه حل آن اثر اقتصادی قابل توجهی را به همراه دارد.

· فن آوری ES مهمترین ابزار برای حل مشکلات جهانی برنامه نویسی سنتی است: مدت زمان و در نتیجه هزینه های بالای توسعه برنامه های پیچیده.

هزینه بالا برای نگهداری سیستم های پیچیده ، که اغلب چندین برابر بیشتر از هزینه های توسعه آنها است. سطح پایین قابلیت استفاده مجدد برنامه و غیره؛

· ترکیب فن آوری ES با فناوری برنامه نویسی سنتی کیفیت جدیدی را به محصولات نرم افزاری اضافه می کند: دلیل این امر: ارائه اصلاح پویا برنامه ها توسط کاربر است نه برنامه نویس؛ "شفافیت" بیشتر برنامه (برای مثال ، دانش در یک NL محدود ذخیره می شود ، که نیازی به اظهار نظر در مورد دانش نیست ، آموزش و نگهداری را ساده می کند). گرافیک بهتر؛ رابط و تعامل.

به گفته کارشناسان برجسته ، در آینده نزدیک ، ES کاربرد زیر را پیدا می کند:

· ES در تمام مراحل طراحی ، توسعه ، تولید ، توزیع ، فروش ، پشتیبانی و ارائه خدمات نقش اصلی را خواهد داشت.

· فن آوری ES ، که توزیع تجاری را بدست آورده است ، یک پیشرفت انقلابی در ادغام برنامه های کاربردی از ماژول های تعامل هوشمندانه آماده است.

ES برای کارهای به اصطلاح غیر رسمی در نظر گرفته شده است ، یعنی. ES رویکرد سنتی برای توسعه برنامه را که با تمرکز بر حل مشکلات رسمی انجام می شود ، رد یا جایگزین نمی کنند.

کارهای غیررسمی معمولاً دارای خصوصیات زیر هستند:

· نادرست ، ابهام ، ناقص بودن و ناهماهنگی داده های اولیه.

· نادرست ، ابهام ، ناقص بودن و ناهماهنگی دانش در مورد مسئله و حل مسئله؛

ابعاد بزرگ فضای راه حل ، یعنی جستجوی راه حل بسیار بزرگ است.

· تغییر داده ها و دانش پویا.

باید تأکید کرد که کارهای غیر رسمی نمایانگر یک کلاس بزرگ و بسیار مهم از وظایف است. بسیاری از کارشناسان بر این باورند که این مشکلات گسترده ترین کلاس از مشکلات توسط کامپیوترهای حل شده است.

سیستم های خبره و سیستم های هوش مصنوعی با سیستم های پردازش داده تفاوت دارند زیرا در آنها عمدتا از نمایش نمادین (و نه عددی) ، استنتاج نمادین و جستجوی اکتشافی برای یک راه حل استفاده می شود (به جای اجرای یک الگوریتم شناخته شده).

سیستم های خبره برای حل تنها مشکلات دشوار عملی (نه اسباب بازی) استفاده می شوند. از نظر کیفیت و کارآیی راه حل ، سیستم های خبره نسبت به تصمیمات یک متخصص انسانی فرومایه نیستند. راه حل های خبره سیستم "شفاف" هستند؛ را می توان در سطح کیفی برای کاربر توضیح داد. این کیفیت سیستمهای خبره با توانایی استدلال در مورد دانش و نتیجه گیری آنها تضمین می شود. سیستم های خبره قادر به تکمیل دانش خود در جریان تعامل با یک متخصص هستند. لازم به ذکر است که در حال حاضر از فناوری سیستم های خبره برای حل انواع مختلف مشکلات (تفسیر ، پیش بینی ، تشخیص ، برنامه ریزی ، طراحی ، کنترل ، اشکال زدایی ، دستورالعمل ، مدیریت) در طیف گسترده ای از حوزه های مشکل دار مانند امور مالی ، صنعت نفت و گاز استفاده می شود. ، انرژی ، حمل و نقل ، تولید داروسازی ، فضا ، متالورژی ، معدن ، شیمی ، آموزش ، صنعت کاغذ و خمیر کاغذ ، ارتباطات و ارتباطات و غیره

موفقیتهای تجاری برای شرکتهای توسعه دهندگان سیستمهای هوش مصنوعی (AI) بلافاصله حاصل نشد. در طول 1960 - 1985. موفقیت های هوش مصنوعی عمدتاً مربوط به تحولات تحقیقاتی بود که نشان دهنده مناسب بودن هوش مصنوعی برای استفاده عملی بود. با شروع از حدود 1985 (در مقیاس گسترده از سال 1988 - 1990) ، در درجه اول ES ، و در سال های اخیر ، سیستم هایی که زبان طبیعی (NL-سیستم) و شبکه های عصبی (NN) را درک می کنند ، در برنامه های تجاری بطور فعال استفاده می شوند. ...

دلایلی که FIS را به موفقیت تجاری سوق داده است به شرح زیر است.

ادغام. ابزارهای هوش مصنوعی (IS AI) ساخته شده اند که می توانند به راحتی با سایر فناوری ها و ابزارهای اطلاعاتی (با CASE ، DBMS ، کنترلرها ، کنسانتره داده ها و غیره) یکپارچه شوند.

باز بودن و قابلیت حمل. AI IS مطابق استانداردهایی ایجاد شده است که از باز بودن و قابلیت حمل اطمینان می کنند.

استفاده از زبانهای برنامه نویسی سنتی و ایستگاه های کاری. انتقال از AI IS ، به زبانهای AI (Lisp ، Prolog ، و غیره) به AI IS ، که به زبان های برنامه نویسی سنتی (C ، C ++ ، و غیره) اجرا شده است ، تهیه ادغام را ساده تر کرده ، الزامات برنامه های AI را کاهش می دهد به سرعت کامپیوتر و مقدار رم. استفاده از ایستگاه های کاری (به جای رایانه های شخصی) دامنه برنامه هایی که با استفاده از هوش مصنوعی قابل اجرا هستند را به طرز چشمگیری افزایش داده است.

معماری سرویس دهنده مشتری... AI IS ها توسعه داده شده اند که پشتیبانی از محاسبات توزیع شده را مطابق با معماری سرویس دهنده-سرویس دهنده ، امکان پذیر می سازد: کاهش هزینه تجهیزات مورد استفاده در برنامه ها ، عدم تمرکز برنامه ها ، افزایش قابلیت اطمینان و عملکرد کلی (از آنجا که میزان اطلاعات ارسال شده بین رایانه ها کاهش می یابد و هر ماژول برنامه بر روی کافی اجرا می شود تجهیزات).

مشکل / دامنه خاص AI IS است... گذار از تحولات هدف کلی AI (اگرچه آنها اهمیت خود را به عنوان ابزاری برای ایجاد IS های گرا از دست نداده اند) به IS-AI مربوط به مسئله / دامنه فراهم می کنند: کاهش زمان توسعه برنامه؛ افزایش کارآیی استفاده از IP؛ ساده سازی و تسریع کار متخصص؛ قابلیت استفاده مجدد از اطلاعات و نرم افزار (اشیاء ، کلاسها ، قوانین ، رویه ها).

4.2 طبقه بندی سیستم های خبره

کلاس "سیستم های خبره" امروز چندین هزار نرم افزار مختلف را که می توان طبق معیارهای مختلف طبقه بندی کرد ، متحد می کند. طبقه بندی های زیر ممکن است مفید باشد (شکل 4.1).

شکل: 4.1 طبقه بندی سیستم های خبره

طبقه بندی بر اساس مشکلی که حل می شود

تفسیر اطلاعات. این یکی از وظایف سنتی سیستم های خبره است. تفسیر به تعریف معنای داده اشاره دارد ، نتایج حاصل از آن باید سازگار و صحیح باشد. به طور معمول ، تجزیه و تحلیل داده های چند متغیره ارائه شده است.

تشخیصی Diagnostics به تشخیص نقص در یک سیستم خاص اشاره دارد. نقص یک انحراف از هنجار است. این تفسیر به ما امکان می دهد نقص تجهیزات را از نقطه نظر نظری یکپارچه در نظر بگیریم. سیستمهای فنیو بیماری های موجودات زنده و انواع ناهنجاری های طبیعی یک ویژگی خاص مهم لزوم درک ساختار عملکردی ("آناتومی") سیستم تشخیصی است.

نظارت بر. وظیفه اصلی نظارت ، تفسیر مداوم داده ها در زمان واقعی و علامت دهی پارامترهای خاص از حد قابل قبول نیست. مشکلات اصلی "پرش" یک وضعیت هشدار دهنده و کار معکوس تحریک "کاذب" است. پیچیدگی این مشکلات در تار شدن علائم موقعیتهای اضطرابی و لزوم در نظر گرفتن زمینه زمانی است.

طرح. طراحی شامل تهیه مشخصات برای ایجاد "اشیاء" با خواص از پیش تعریف شده است. مشخصات به معنای کل مجموعه اسناد لازم - ترسیم ، یادداشت توضیحی و غیره است. مشکلات اصلی در اینجا به دست آوردن توضیحات ساختاری روشن دانش در مورد یک شی و مشکل "رد پای" است. برای ساماندهی طراحی مؤثر و طراحی مجدد و حتی بیشتر ، لازم است نه تنها خود تصمیمات طراحی ، بلکه انگیزه های اتخاذ آنها نیز شکل گیرد. بنابراین ، در کارهای طراحی ، دو فرآیند اصلی از نزدیک مرتبط هستند ، در چارچوب ES مربوطه انجام می شوند: روند برداشت تصمیم و روند توضیح

پیش بینی سیستم های پیش بینی منطقی عواقب احتمالی ناشی از موقعیت های خاص را استنباط می کنند. در یک سیستم پیش بینی ، معمولاً از یک مدل دینامیکی پارامتری استفاده می شود ، که در آن مقادیر پارامتر در وضعیت معین "قرار می گیرند". پیامدهای به دست آمده از این مدل ، اساس پیش بینی ها با برآوردهای احتمالی را تشکیل می دهد.

برنامه ریزی. برنامه ریزی به یافتن برنامه های عملیاتی مربوط به امکاناتی که قادر به انجام وظایف خاص باشند ، اشاره دارد. در چنین ES ، از مدل های رفتار اشیاء واقعی به منظور استنباط منطقی عواقب فعالیت برنامه ریزی شده استفاده می شود.

آموزش. سیستم های یادگیری با استفاده از کامپیوتر خطاها را در مطالعه یک رشته تشخیص می دهند و تصمیمات درست را پیشنهاد می کنند. آنها دانش مربوط به "دانشجو" فرضی و اشتباهات بارز او را جمع می کنند ، سپس در کار خود قادر به ضعف در دانش کارآموزان هستند و وسایل مناسبی را برای از بین بردن آنها پیدا می کنند. علاوه بر این ، آنها بسته به پیشرفت دانش آموز ، به منظور انتقال دانش ، عمل ارتباط با دانش آموز را برنامه ریزی می کنند.

به طور کلی ، همه سیستمهای دانش بنیان را می توان به آنها تقسیم کرد سیستم حل مشکلات تجزیه و تحلیل ، و در سیستم های حل مشکلات سنتز.

تفاوت اصلی بین مشکلات تجزیه و تحلیل و مشکلات سنتز به شرح زیر است: اگر در مشکلات تجزیه و تحلیل مجموعه ای از راه حل ها را می توان در سیستم لیست کرد و در آن گنجانید ، سپس در مشکلات سنتز مجموعه ای از راه حل ها به طور بالقوه از راه حل های مؤلفه ها یا زیرمجموع ساخته می شود. کار تجزیه و تحلیل تفسیر داده ها ، تشخیص است. وظایف سنتز شامل طراحی ، برنامه ریزی است. وظایف ترکیبی: آموزش ، نظارت ، پیش بینی.

طبقه بندی زمان واقعی

استاتیک ES در زمینه های موضوعی توسعه یافته اند که در آن پایه دانش و داده های تفسیری با گذشت زمان تغییر نمی کنند. آنها پایدار هستند.

Quasidynamic ES وضعیتی را تفسیر کنید که با یک بازه زمانی مشخص مشخص تغییر کند.

پویا ES در زمان واقعی با تفسیر مداوم از داده های ورودی ، در رابطه با سنسورهای شی کار کنید.

طبقه بندی بر اساس نوع رایانه

امروز وجود دارد:

ES برای کارهای مهم استراتژیک منحصر به فرد در ابر رایانه ها (Elbrus ، CRAY ، CONVEX و غیره).

ES در رایانه ای با بهره وری متوسط \u200b\u200b(مانند رایانه های ES ، mainframe)؛

ES در پردازنده ها و ایستگاه های کاری نمادین (SUN ، APOLLO).

ES در رایانه های کوچک و سوپرمین (VAX ، میکرو - VAX و غیره)؛

ES در رایانه های شخصی (IBM PC، MAC II و موارد مشابه).

طبقه بندی با توجه به میزان ادغام با برنامه های دیگر

خودمختار ES به طور مستقیم با مشورت با کاربر برای کارهای خاص "متخصص" کار کنید ، که نیازی به استفاده از روشهای سنتی پردازش داده ها (محاسبات ، مدل سازی و غیره) ندارند.

ترکیبی ES یک بسته نرم افزاری را نشان می دهد که بسته های نرم افزاری استاندارد (به عنوان مثال ، آمار ریاضی ، برنامه نویسی خطی یا سیستم های مدیریت پایگاه داده) و ابزارهای دستکاری دانش را جمع می کند. این می تواند یک ساختار هوشمند بر سر RFP یا یک محیط یکپارچه برای حل یک مشکل پیچیده با عناصر دانش متخصص باشد.

علی رغم جذابیت بیرونی رویکرد ترکیبی ، باید توجه داشت که توسعه چنین سیستم هایی نظم بزرگی پیچیده تر از توسعه یک ES خودمختار است. بارگیری نه تنها بسته های مختلف ، بلکه متدولوژی های مختلف (اتفاقی که در سیستم های ترکیبی رخ می دهد) طیف کاملی از مشکلات نظری و عملی را ایجاد می کند.

4.3 ساختار سیستم های خبره (به عنوان مثال ES ایستا و پویا)

ES استاتیک معمولی از اجزای اصلی زیر تشکیل شده است (شکل 4.2):

حل کننده (مترجم)؛

· حافظه کاری (RP) ، همچنین به نام بانک اطلاعات (DB).

· پایه دانش (KB)؛

· مؤلفه های کسب دانش؛

· مؤلفه توضیحی؛

· مؤلفه گفتگو.

بانک اطلاعاتی (حافظه کاری) برای ذخیره داده های اولیه و میانی مسئله در حال حاضر در نظر گرفته شده است. این اصطلاح با نام منطبق است اما به معنای آن با اصطلاح استفاده شده در سیستم های بازیابی اطلاعات (ISS) و سیستم های مدیریت پایگاه داده (DBMS) برای اشاره به کلیه داده ها (در درجه اول بلند مدت) ذخیره شده در سیستم نیست.

دانش محور (BZ) در ES برای ذخیره داده های طولانی مدت توصیف منطقه مورد نظر (و نه داده های فعلی) ، و قوانینی که توصیف تحولات مناسب داده ها را در این منطقه دارند ، طراحی شده است.

حل کننده ، با استفاده از داده های اولیه از حافظه کاری و دانش از دانش دانش ، توالی قوانینی را تشکیل می دهد که در صورت اعمال بر داده های اولیه ، منجر به حل مسئله می شود.

مولفه کسب دانش ، فرآیند پر کردن ES با دانش را ، که توسط یک کاربر خبره انجام می شود ، خودکار می کند.

مؤلفه توضیحی توضیح می دهد که چگونه سیستم راه حلی برای مسئله دریافت کرده است (یا چرا راه حل را دریافت نکرده است) و دانش خود را به کار می برد و این باعث می شود یک کارشناس بتواند سیستم را آزمایش کند و اعتماد به نفس کاربر را در نتیجه افزایش دهد.

شکل: 4.2. ساختار ES آماری

مؤلفه گفتگو تمرکز بر ایجاد ارتباطات دوستانه با کاربر هم در جریان حل مشکلات و هم در روند دستیابی به دانش و توضیح نتایج کار است.

نمایندگان تخصص های زیر در توسعه ES دخیل هستند:

یک متخصص در یک حوزه مشکل ، وظایف آن توسط ES حل خواهد شد.

مهندس دانش - متخصص در توسعه ES (فناوری مورد استفاده وی ، روشها به آن فناوری (روشها) مهندسی دانش گفته می شود)؛

برنامه نویس برای توسعه ابزار (IS) طراحی شده برای سرعت بخشیدن به توسعه ES.

لازم به ذکر است که عدم وجود مهندسین دانش در بین شرکت کنندگان در توسعه (یعنی جایگزینی آنها توسط برنامه نویسان) یا به عدم موفقیت روند ایجاد ES منجر می شود یا به طرز چشمگیری آن را طولانی می کند.

کارشناس دانش (داده ها و قواعد) را مشخص می کند که حوزه مسئله را مشخص می کند ، کامل بودن و صحت دانش وارد شده به ES را تضمین می کند.

مهندس دانش به متخصص کمک می کند تا دانش لازم برای عملکرد ES را شناسایی و ساختار دهد. انتخاب IS را مناسب تر برای یک منطقه مشکل خاص می داند و نحوه بیان دانش در این IS را تعیین می کند. عملکردها و برنامه های استاندارد (به روش سنتی) را انتخاب می کند (معمولی برای یک منطقه مشکل خاص) که در قوانین معرفی شده توسط یک متخصص استفاده خواهد شد.

برنامه نویس IS را توسعه می دهد (اگر IS دوباره مورد استفاده قرار گیرد) ، که حاوی تمام اجزای اصلی یک ES است ، و محدوده آن را با محیطی که در آن استفاده خواهد شد ، پیاده سازی می کند.

سیستم خبره در دو حالت کار می کند: حالت دستیابی به دانش و در حالت حل مسئله (که به آن روش مشاوره یا نحوه استفاده از ES نیز گفته می شود).

در حالت کسب دانش ارتباط با ES (از طریق واسطه مهندس دانش) توسط یک متخصص انجام می شود. در این حالت ، متخصص با استفاده از مؤلفه کسب دانش ، سیستم را با دانش پر می کند که به ES اجازه می دهد تا در حالت راه حل بطور مستقل (بدون متخصص) مشکلات منطقه را حل کند. این کارشناس حوزه مشکل را در قالب مجموعه ای از داده ها و قوانین توصیف می کند. داده ها اشیاء ، خصوصیات و ارزش های آنها را در زمینه تخصص تعریف می کنند. این قوانین روش های دستکاری داده های خاص برای منطقه مورد نظر را تعریف می کنند.

توجه داشته باشید که شیوه دستیابی به دانش در رویکرد سنتی برای توسعه برنامه با مراحل الگوریتم سازی ، برنامه نویسی و اشکال زدایی انجام شده توسط برنامه نویس مطابقت دارد. بنابراین ، بر خلاف رویکرد سنتی ، در مورد ES ، توسعه برنامه ها نه توسط یک برنامه نویس بلکه توسط یک متخصص (با کمک ES) انجام می شود که نمی داند برنامه نویسی را انجام می دهد.

در حالت مشاوره ارتباط با ES توسط کاربر نهایی که به نتیجه و (یا) روش بدست آوردن آن علاقه مند است انجام می شود. لازم به ذکر است که بسته به هدف ES ، ممکن است کاربر در این زمینه مشکل ساز نباشد (در این حالت او برای نتیجه به ES مراجعه می کند ، نتواند خودش آن را بدست آورد) ، یا متخصص باشد (در این حالت کاربر می تواند خودش نتیجه را بدست آورد) اما او برای تسریع در روند به دست آوردن نتیجه ، یا اختصاص دادن کارهای معمول به ES ، به ES مراجعه می کند). در حالت مشاوره ، داده های مربوط به کار کاربر پس از پردازش توسط جزء گفتگو ، به حافظه کاری منتقل می شود. حل کننده ، براساس داده های ورودی از حافظه کاری ، داده های کلی در حوزه مسئله و قوانینی از پایه دانش ، راه حلی برای مسئله تشکیل می دهد. هنگام حل یک مشکل ، ES نه تنها ترتیب مشخص شده عمل را انجام می دهد ، بلکه آن را نیز از قبل شکل می دهد. اگر پاسخ سیستم برای کاربر مشخص نیست ، ممکن است وی نیاز به توضیح داشته باشد:

"چرا سیستم این یا آن سؤال را می پرسد؟" ، "چگونه جواب جمع آوری شده از سیستم دریافت می شود؟"

ساختاری که در شکل نشان داده شده است. 4.2 به ساختار ES استاتیک گفته می شود. ES از این نوع در آن دسته از برنامه ها استفاده می شود که می توان از تغییرات در دنیای اطراف که در حین حل مسئله رخ می دهد نادیده گرفت. اولین ES ، که کاربرد عملی را دریافت کرد ، ایستا بود.

شکل: 4.3 ساختار ES پویا

در شکل 4.3 نشان می دهد كه دو مؤلفه در مقایسه با یك ES ایستا به معماری یك ES پویا وارد می شوند: یك زیر سیستم برای مدل سازی دنیای خارجی و یك زیر سیستم برای ارتباط با محیط خارجی. دومی از طریق سیستم سنسورها و کنترل کننده ها با دنیای خارج ارتباط برقرار می کند. علاوه بر این ، مؤلفه های سنتی یک استاتیک ES (پایه دانش و موتور استنتاج) دستخوش تغییرات قابل توجهی می شوند تا منطق زمانی وقایع در دنیای واقعی را نشان دهند.

ما تأکید می کنیم که ساختار ES نشان داده شده در شکل. 4.2 و 4.3 ، تنها مؤلفه ها (عملکردها) را منعکس می کند ، و بسیاری از موارد "پشت صحنه" باقی می ماند.

4.4 مراحل توسعه سیستم های خبره

توسعه ES تفاوت های چشمگیری با توسعه یک محصول نرم افزاری معمولی دارد. تجربه ایجاد ES نشان داد که استفاده از متدولوژی اتخاذ شده در برنامه نویسی سنتی در توسعه آنها یا روند ایجاد ES را به خود جلب می کند ، یا به طور کلی منجر به نتیجه منفی می شود.

ES فقط در زمان توسعه ES باید مورد استفاده قرار گیرد ممکن است ، توجیه شود و روشهای مهندسی دانش برای انجام کار مناسب هستند. به طوری که توسعه ES بود ممکن است برای یک برنامه معین ، لازم است همزمان حداقل شرایط زیر را نیز برآورده کنید:

1) متخصصان در این زمینه وجود دارند که مشکل را خیلی بهتر از متخصصان تازه کار حل می کنند.

2) کارشناسان در مورد ارزیابی راه حل پیشنهادی موافقت می کنند ، در غیر این صورت ارزیابی کیفیت ES توسعه یافته غیرممکن خواهد بود.

3) کارشناسان قادر به گفتگو (بیان به زبان طبیعی) و توضیح روشهایی هستند که از آنها استفاده می کنند ، در غیر این صورت دشوار است که انتظار داشته باشید که دانش متخصصان "استخراج" شود و در ES سرمایه گذاری شود.

4) حل مسئله فقط مستلزم استدلال است ، نه عمل؛

5) کار نباید خیلی دشوار باشد (یعنی راه حل آن باید چند ساعت یا چند روز و نه هفته طول بکشد).

6) اگرچه این کار نباید به صورت رسمی بیان شود ، اما باز هم باید به یک منطقه "قابل درک" و ساختار یافته مربوط باشد ، یعنی. مفاهیم اساسی ، روابط و راه های شناخته شده (حداقل برای یک متخصص) باید برای دستیابی به یک راه حل برای مشکل شناسایی شوند.

7) برای حل مسئله نباید عمدتاً از "عقل سلیم" استفاده شود (یعنی طیف گسترده ای از اطلاعات عمومی در مورد جهان و نحوه عملکرد آن ، که هر فرد عادی می داند و چگونه می تواند از آن استفاده کند) ، زیرا چنین دانشهایی هنوز موفق نشده اند (در کافی) برای سرمایه گذاری در سیستم های هوش مصنوعی.

استفاده از ES در این برنامه ممکن است ممکن باشد ، اما توجیه پذیر نیست. استفاده از ES می تواند باشد تعدیل شده یکی از فاکتورهای زیر:

· حل مسئله ، مثلاً اقتصادی ، تأثیر بسزایی خواهد داشت.

· استفاده از یک متخصص انسانی چه به دلیل تعداد کافی از متخصصان و چه به دلیل نیاز به انجام معاینه به طور همزمان در مکانهای مختلف غیرممکن است.

· استفاده از ES در مواردی توصیه می شود که در هنگام انتقال اطلاعات به متخصص ، از دست دادن زمان یا اطلاعات غیرقابل قبول بدست آید.

· استفاده از ES در صورت لزوم برای حل مشكل در محیطی خصمانه برای انسان توصیه می شود.

کاربرد مطابقت دارد در صورت حل مسئله ، ترکیبی از خصوصیات زیر وجود دارد:

1) مسئله می تواند به طور طبیعی با دستکاری نمادها (به عنوان مثال ، با استفاده از استدلال نمادین) حل شود و عدم دستکاری اعداد ، همانطور که در روش های ریاضی و برنامه نویسی سنتی مرسوم است.

2) کار باید از ماهیت اکتشافی و نه الگوریتمی باشد ، یعنی راه حل آن نیاز به استفاده از قوانین اکتشافی دارد. مشکلاتی که می توان با حل برخی محدودیت های مشخص تضمین شده است (مطابق با محدودیت های مشخص شده) برای استفاده از ES مناسب نیستند.

3) کار باید به اندازه کافی پیچیده باشد تا هزینه های توسعه ES را توجیه کند. با این حال ، آن را نباید بیش از حد پیچیده (یک ساعت کارشناسی ، نه چند هفته) طول بکشد تا ES بتواند آن را حل کند.

4) مشکل باید به اندازه کافی باریک باشد که با روش ES حل شود و از نظر عملی قابل توجه است.

هنگام توسعه ES ، به عنوان یک قاعده ، از مفهوم "نمونه اولیه سریع" استفاده می شود. اصل این مفهوم این است که توسعه دهندگان سعی نمی کنند محصول نهایی را بلافاصله بسازند. در مرحله اولیه ، آنها یک نمونه اولیه (نمونه های اولیه) ES ایجاد می کنند. نمونه های اولیه باید دو الزام متضاد را برآورده کنند: از یک سو باید کارهای معمولی یک برنامه خاص را حل کنند و از طرف دیگر زمان و زحمت توسعه آنها باید بسیار ناچیز باشد ، به طوری که می توان روند انباشت و اشکال زدایی دانش (که توسط یک متخصص انجام می شود) با فرآیند انتخاب به حداکثر برسد. (توسعه) ابزارهای نرم افزاری (توسط مهندس دانش و برنامه نویس). برای پاسخگویی به این الزامات ، به عنوان یک قاعده ، هنگام ایجاد نمونه اولیه ، از وسایل مختلفی برای تسریع روند طراحی استفاده می شود.

نمونه اولیه باید از مناسب بودن فنون مهندسی دانش برای یک برنامه معین نشان دهد. در صورت موفقیت ، متخصص با کمک مهندس دانش ، دانش نمونه اولیه مربوط به حوزه مشکل را گسترش می دهد. در صورت عدم موفقیت ، ممکن است لازم باشد یک نمونه اولیه جدید تهیه شود یا ممکن است توسعه دهندگان به این نتیجه برسند که روشهای ES برای یک برنامه معین نامناسب هستند. با رشد دانش ، نمونه اولیه می تواند به وضعیتی برسد که همه مشکلات یک برنامه خاص را با موفقیت حل کند. تبدیل نمونه اولیه ES به محصول نهایی معمولاً منجر به برنامه ریزی مجدد ES در زبان های سطح پایین می شود که هم افزایش عملکرد ES و هم کاهش حافظه موردنیاز را فراهم می کند. پیچیدگی و زمان ایجاد ES تا حد زیادی به نوع ابزار مورد استفاده بستگی دارد.

در جریان کار برای ایجاد ES ، یک فناوری خاص برای توسعه آنها شکل گرفت که شامل شش مرحله زیر است (شکل 4/4):

شناسایی ، مفهوم سازی ، رسمی سازی ، اجرای ، آزمایش ، آزمایش آزمایشی. در مرحله شناسایی وظایفی که باید حل شود تعیین می شود ، اهداف توسعه مشخص می شوند ، متخصصان و انواع کاربران مشخص می شوند.

شکل: 4.4 فناوری توسعه ES

در مرحله مفهوم سازی تجزیه و تحلیل معنی دار از منطقه مشکل انجام می شود ، مفاهیم مورد استفاده و روابط متقابل آنها مشخص می شود ، روش های حل مشکلات تعیین می شود.

در مرحله رسمیت IS انتخاب شده و راه های نمایندگی انواع دانش مشخص می شود ، مفاهیم اساسی رسمیت می یابد ، روش های تفسیر دانش تعیین می شود ، عملکرد سیستم مدل سازی می شود ، کفایت اهداف سیستم مفاهیم ثابت ، روش های تصمیم گیری ، وسایل بازنمایی و دستکاری دانش ارزیابی می شود.

در مرحله تحقق پایگاه دانش توسط متخصص پر شده است. با توجه به اینکه اساس ES دانش است ، این مرحله مهمترین و وقت گیرترین مرحله در توسعه ES است. فرایند دستیابی به دانش به استخراج دانش از یک متخصص ، سازماندهی دانش که عملکرد کارآمد سیستم را تضمین می کند و ارائه دانش به شکلی قابل درک برای ES تقسیم می شود. فرآیند کسب دانش توسط یک مهندس دانش و بر اساس تجزیه و تحلیل فعالیت های متخصص در حل مشکلات واقعی انجام می شود.

5- استفاده و پشتیبانی از ES. مهندسی مجدد مشاغل

5.1 استفاده از سیستم های صادرات مالی

بسیاری از شرکت ها ES را برای حل مشکلات در زمینه هایی مانند: تجارت در بورس کالا ، درک خودکار اخبار ، تحلیل اعتبار ، مدیریت ریسک ، وام و سرمایه گذاری اوراق بهادار ، ارزیابی رتبه های بانکی ، خودکار سازی حسابرسی ها ، پیش بینی تغییرات در بازار مالی و غیره ایجاد می کنند.

نمونه هایی از این کل کلاس مشاوره ES است: خرس ، استرن و سیستم نظارت بر کارگزاران شرکت ، مشاور مشاور نمونه کارها گروه آتنا ، و دستیار معامله گر ، که به طور مشترک توسط نویسنده D. لیتل شرکت ، شرکت دانش بنیان شبکه و شش موسسه مالی دیگر تهیه شده اند. بانک سانوا ژاپن ، یکی از بزرگترین بانکهای جهان ، از سیستم تخصصی Best Mix برای بهبود کیفیت اطلاعات سرمایه گذاری خود استفاده می کند.

در داخل کشور توسط Nikko Securities، Ltd. توسعه یافته است ، سیستم مدیریت مشاوره Portfolio Nikko ES به مدیران صندوق کمک می کند تا بهترین صندوق ها را برای مشتریان خود انتخاب کنند. این سیستم مبتنی بر یک پایگاه داده 5 ساله فروش سهام و یک سیستم نظریه جدید مدیریت سبد سهام است که مجموعه ای از اوراق بهادار را برای محافظت در برابر خطرات مختلف محاسبه و بهینه می کند. مدیران صندوق از محاسبات روزمره رهایی می یابند و از این رو توانایی دارند سریعتر به ساخت یک سبد بهینه از اوراق بهادار بپردازند. خدمات مالی IDS ، بازوی برنامه ریزی مالی شرکت آمریکایی اکسپرس ، تخصص مالی مدیران ارشد خود را برای ایجاد یک سیستم خبره به نام Insight طبقه بندی کرد. IDS تخصص بهترین مدیران را در بودجه خود گنجانیده است ، یعنی. یک سیستم متخصص در دسترس تمام برنامه ریزان خود است. یکی از نتایج اصلی استفاده از سیستم خبره در IDS این بود که درصد مشتریانی که از بنگاه خارج می شوند بیش از نیمی کاهش یافته اند.

بیایید مشخصات برخی از ES خاص این کلاس را ذکر کنیم.

1. FLiPSiDE: سیستم برنامه نویسی منطق برای تخصص مالی. توسعه دهنده: وظایف دانشگاه Reserve Reserve University حل شود: نظارت بر وضعیت بازار اوراق بهادار؛ نظارت بر وضعیت پرتفوی فعلی اوراق بهادار؛ پشتیبانی از نمای کلی از شرایط بازار آینده؛ برنامه ریزی و اجرای فروش.

ویژگی های مختصر: کاربرد الگوی اصلی Chalkboard که توسط Newell شرح داده شده است. Prolog زبان به عنوان یک بستر برنامه نویسی؛ ارائه اطلاعات در مورد "Chalkboard" به عنوان ورودی برای دانش مختلف؛

2. شکافها: یک سیستم مدیریت نمونه کارها در زمان واقعی. وظایفی که باید حل شود: دستیابی به انواع اهداف سرمایه گذاری در یک داده در حال تغییر سریع. خصوصیات مختصر: سیستم در زمان واقعی ، استفاده از یک زبان سود ویژه سطح بالا ، انعطاف پذیری بسیار زیاد در ایجاد یک نمونه کارها برای برنامه نویسان با تجربه C ، امکان ایجاد یک نمونه کار برای یک تحلیلگر مالی غیر برنامه نویسی.

این سیستم به شما امکان می دهد به دلیل بازی با توجه به تغییرات سریع در بورس سهام ، سبد سرمایه گذاری بهینه را در مقیاس واقعی تشکیل دهید.

3. PMIDSS: سیستم پشتیبانی تصمیم گیری مدیریت نمونه کارها. در حال توسعه تصدی: گروه مالی دانشگاه نیویورک. وظایف حل شده: انتخاب سبد اوراق بهادار ، برنامه ریزی بلند مدت سرمایه گذاری. ویژگی های مختصر: سیستم نمایش دانش مختلط ، استفاده از مکانیسم های مختلف استنباط: منطق ، شبکه های معنایی به کار رفته ، فریم ها ، قوانین.

4. Le Courtier: سیستم دستیار و متخصص برای مدیر نمونه کارها. توسعه دهنده تصدی: Cognitive System Inc. وظایف حل شده: کمک به سرمایه گذاران در تعیین اهداف سرمایه گذاری خود ، مدیریت نمونه کارها. ویژگی های مختصر: استفاده از قوانین ، رابط قدرتمند زبان طبیعی.

5- PMA: مشاور مدیر پرتفوی. شرکت توسعه: گروه آتنا. وظایفی که باید حل شود: تشکیل نمونه کارها ، ارائه توصیه هایی برای نگهداری نمونه کارها. ویژگی های مختصر: ارائه یک توجیه کیفی برای نتایج استفاده از روش های مختلف عددی.

6. ArBoR: مدل محاسباتی از امتیاز اوراق. توسعه دهنده: کالج مدیریت تجارت دانشگاه نبراسکا. مشکلات قابل حل: این سیستم برای ساختن مدل محاسباتی در زمینه رتبه بندی اوراق بهادار و استفاده از مدل به عنوان یک سیستم خبره ایجاد شده است. ویژگی های مختصر: استفاده از آنالیز کیفی و کمی ، استفاده از پوسته استاندارد ES.

7. هجر هوشمند: یک رویکرد دانش محور برای مشکلات بیمه خطر. توسعه دهنده: بخش سیستم اطلاعات ، دانشگاه نیویورک. وظایفی که باید حل شود: مشکل تعداد زیادی گزینه جایگزین بیمه ریسک در حال رشد ، تصمیم گیری سریع توسط مدیران ریسک در شتاب بخشیدن به اطلاعات و همچنین عدم پشتیبانی مناسب ماشین در مراحل اولیه فرآیند توسعه سیستم بیمه ریسک ، دامنه فراوانی از راه حلهای مختلف بهینه برای مدیران ریسک را نشان می دهد. در این سیستم توسعه بیمه ریسک به عنوان یک مسئله بهینه سازی چند منظوره تدوین شده است. این مشکل بهینه سازی شامل چندین مشکل است که راه حلهای فنی موجود نمی توانند با آن کنار بیایند.

خلاصه: این سیستم از یک شیء استفاده می کند که دانش عمیق از مدیریت ریسک را ضبط می کند و تقلید از استدلال اولیه مدیران ریسک ، را که برای استنتاج و توضیحات آنها مفید است تسهیل می کند.

8- سیستم پشتیبانی تصمیم گیری باریک جهت انتخاب استراتژی های سرمایه گذاری. توسعه دهنده: دانشگاه علوم آزمایشگاهی سیستم هوشمند دانشگاه توکیو. وظایف قابل حل: با ورود مفاهیم "انتخاب" و "آینده" در مجموعه ابزارهای مالی ، سرمایه گذاران این فرصت را دارند که مجموعه ای از استراتژی ها را تشکیل دهند که اهداف سرمایه گذاری هایشان را برآورده کند. با این وجود ، این فرصت کار دشوار یافتن استراتژی مناسب در بین تعداد زیادی از استراتژی های سرمایه گذاری را ایجاد می کند. یک سیستم پشتیبانی تصمیم گیری هوشمند برای تولید استراتژی های لازم برای سرمایه گذاری با استفاده از نشانه رضایت محدود ارائه شده است ، که بطور گسترده در مشکلات جستجو مورد استفاده قرار می گیرد. در این سیستم ، محدودیت ها نقش ناوبری را برای تولید خودکار استراتژی های پیچیده از طریق مقایسه انتزاعی با مشخصات مشارکت کننده ایفا می کنند. مقایسه چکیده را می توان به عنوان جستجوی روشی برای تولید استراتژیهای بنیادی که مجموعه ای از پیشنهادات برای خرید یا فروش بدون اطلاعات دیجیتال را توصیف می کند ، مشاهده کرد. زیرا این روش می تواند به عنوان یک پیش پردازنده برای تجزیه و تحلیل کمی مانند برنامه نویسی خطی برای به دست آوردن یک راه حل بهینه مورد استفاده قرار گیرد ، سیستم پیشنهادی پلی برای انتقال صاف بین آنالیزهای کیفی و کمی است.

ویژگی های مختصر: استفاده از تجزیه و تحلیل کیفی برای به دست آوردن راه حل های کیفی ممکن (راه حل های بصری) و تجزیه و تحلیل کمی برای یافتن راه حل بهینه با استفاده از روش برنامه نویسی خطی ساده.

9- استدلال صریح در پیش بینی صرافی. شرکت توسعه: گروه علوم کامپیوتر شهر پلی تکنیک شهر هنگ کنگ. مشکلات قابل حل: معرفی جدیدی برای پیش بینی نرخ ارز براساس تجمع و استدلال با پشتیبانی از ویژگی های موجود برای تمرکز بر مجموعه فرضیه های مربوط به حرکات نرخ ارز ارائه می دهد. مجموعه ویژگی های ارائه شده در سیستم پیش بینی مجموعه مشخصی از مقادیر اقتصادی و مجموعه های مختلفی از پارامترهای متغیر زمانی است که در مدل پیش بینی استفاده می شود.

ویژگی های مختصر: اساس ریاضی رویکرد کاربردی مبتنی بر نظریه دمپستر-شفر است.

10. Nereid: سیستم پشتیبانی تصمیم گیری برای بهینه سازی کار با گزینه های ارزی. شرکت توسعه: NTT Data ، بانک توکی ، دانشگاه علوم توکیو.

وظایف حل شده: سیستم پشتیبانی از نمایندگی را برای پاسخ بهینه از گزینه های ممکن ارائه شده تسهیل می کند. این سیستم عملی تر است و راه حل های بهتری نسبت به سیستم های تصمیم گیری معمولی ارائه می دهد.

ویژگی های مختصر: این سیستم با استفاده از سیستم فریم CLP ساخته شده است ، که به راحتی منطقه مالی را در یک برنامه هوش مصنوعی ادغام می کند. نوع بهینه سازی ترکیبی ارائه شده است که دانش اکتشافی را با تکنیک های برنامه ریزی خطی ترکیب می کند. این سیستم در ایستگاه های Sun اجرا می شود.

5.2 ES بر اساس مثال

ES ، براساس مثالها ، با توجه به اصول کار ، می تواند به دو گروه تقسیم شود: استفاده از شبکه های عصبی و استفاده از الگوریتم تعمیم تعمیم ID3. موارد اول به طور عمده به عنوان یک از قبل آموزش دیده در طبقه بندی نمونه ها استفاده می شود ، که وقتی مجموعه ای از مقادیر پارامترهای مالی اولیه به ورودی آن وارد می شود ، راه حل مورد نظر برای یک وضعیت مالی معین در خروجی ظاهر می شود. مجموعه دوم نمونه ها یک درخت تصمیم گیری را تشکیل می دهند که از آن پس قوانین مربوط به تصمیم گیری ساخته می شوند. در زیر 2 نمونه معمولی از ES در هر دو گروه ارائه خواهیم داد.

1. S & PCBRS: شبیه ساز عصبی برای ارزیابی رتبه بندی اوراق بهادار. توسعه دهنده: Chase Manatten Bank، Standart & Poor's Corp. وظایف حل شده: ارزیابی رتبه بندی اوراق بهادار بر اساس داده های مربوط به صادرکنندگان شرکت ها ، تشکیل مقیاس رتبه بندی صحیح.

ویژگی های مختصر: ارائه کار ارزیابی رتبه بندی به عنوان کار طبقه بندی ، انتخاب داده ها در بنگاه های صادرکننده و تشکیل مواد آموزشی ، انتخاب یک دستگاه سنجش عصبی ، آموزش و آزمایش آن ، مقایسه با برآوردهای متخصص ، استفاده از الگوی شبکه عصبی Couter-Propagation از شبکه ، احتمال پیش بینی صحیح رتبه بندی 84٪ است.

2. ISPMS: سیستم مدیریت هوشمند نمونه کارها. وظایف قابل حل: تشکیل سبد سهام که تعادل بین ریسک و بازده مورد انتظار را فراهم می کند.

ویژگی های مختصر: استفاده از الگوی بهینه سازی برنامه نویسی درجه دوم Markowitz ، بانک های اطلاعاتی و پایگاه های دانش با صدور بنگاه ها و صنایع ، وجود یک زیر سیستم یادگیری از تجربه مبتنی بر استخراج قوانین از تعداد زیادی واقعیت ، با در نظر گرفتن دانش متخصص و ترجیحات شخصی سرمایه گذار در مدل بهینه سازی. احتمال پیش بینی صحیح تغییر شدید در بورس کالا در حدود 68٪ - 84٪ است.

5.3 بازپرداخت مالی

تجدید ساختار بنگاهها در زمینه فرآیندهای مربوط به طراحی و آماده سازی تولید محصولات جدید به نام مهندسی مجدد و انجام شده به منظور افزایش چشمگیر بهره وری بنگاه ها در شرایط مدرن ، مبتنی بر تغییرات سازمانی و استفاده از فناوری های جدید اطلاعات است.

هنگام تجزیه و تحلیل یک شرکت موجود و توسعه تجارت جدید ، نقش مهمی در ساخت مدل های شرکت و فرآیندهای تجاری که در آن اتفاق می افتد ، ایفا می کند. مدلها می توانند از نظر میزان جزئیات فرایندها ، شکل ارائه آنها ، با در نظر گرفتن تنها عوامل استاتیک یا پویا و غیره متفاوت باشند. لازم به ذکر است که کلیه رویکردهای شناخته شده برای مدل سازی کسب و کار متعلق به خانواده روشهایی برای مدل سازی سیستمهای اطلاعاتی پیچیده است.

ابزارهای سنتی ساخت مدلهای سیستمهای پیچیده شامل روش SADT (ساختار طراحی تجزیه و تحلیل ساختاری) است. در اوایل دهه 70 با هدف وحدت رویکردهای توصیف سیستمهای پیچیده ایجاد شد. SADT شامل یک رویکرد مفهومی برای مدل های ساخت سیستم و مجموعه ای از قوانین و نمادهای گرافیکی برای توصیف آنها است. روشهای پیشنهادی برای ساختن مدلهای کاربردی ، که در آن توضیحات سیستمها بر حسب عملکردهایی که انجام می دهند انجام می شود ، روش شناسه IDEF0 نامیده می شوند. همچنین روش های ویژه ای برای ساخت مدل های اطلاعاتی وجود دارد که جریان اطلاعات را توصیف می کند (IDEFIX) و مدل های پویا که روابط علت و معلولی را بین اشیاء سیستم نمایش می دهند (IDEF / CPN).

ابزارهای مدل سازی مدرن تر که در اواسط دهه 90 ظاهر می شوند شامل روش RUP (Rational Unified Proces) هستند. این روش ، که توسط Rational Software Corp.

یک روند تکرار شونده ایجاد یک سیستم اطلاعاتی پیچیده را بر اساس یک رویکرد شی گرا ، با استفاده از نمودارهای UML (زبان مدل سازی یکپارچه) برای مدل سازی بصری دامنه حفظ می کند. نماد نمودار UML و نحوه استفاده از UML در طراحی مهندسی مجدد و فرآیندهای تجاری پیش تولید در بخش های بعدی این آموزش مورد بحث قرار خواهد گرفت.

همراه با UML ، نمادهای دیگری برای مدل سازی بصری وجود دارد که به عنوان مثال در سیستم های ARIS و ADONIS اجرا شده است. سیستم ADONIS به شما امکان می دهد نه تنها بصری بلکه شبیه سازی فرآیندهای تجاری را انجام دهید ، همچنین قابلیت های آن در زیر مورد بحث قرار می گیرد.

سیستم های اطلاعاتی برای پشتیبانی از فرآیندهای تجاری جدید.

در بالا ذکر شد که استفاده از فناوریهای جدید اطلاعات بخشی جدایی ناپذیر از مهندسی مجدد است. در این حالت ، مدل های فرآیندهای تجاری جدید به طور مستقیم در محیط سیستم پشتیبانی اطلاعات (ISP) از تجارت جدید پیاده سازی می شود. اهمیت COI نه\u200cتنها این است که یک عنصر ضروری برای مهندسی مجدد است ، بلکه همچنین این است که غالباً استفاده از COI تا حد زیادی تکنولوژی اجرای یک تجارت جدید را تعیین می کند. ISP یک نرم افزار ویژه توسعه یافته است - یک سیستم نرم افزاری که بر اساس استفاده از ابزارهای مناسب ساخته شده است.

در زمینه طراحی محصولات جدید ، نقش ICP توسط سیستم های طراحی رایانه ای (CAD-K) ایفا می کند. در زمینه تهیه فن آوری تولید ، نقش ICP توسط سیستم های خودکار برای آماده سازی تکنولوژیکی تولید (ASTPP) ایفا می شود.

ابزارهای ایجاد CAD-K و ASTPP شامل سیستم های CAD / CAM ، CAE و PDM است. در عین حال ، سیستم های CAD / CAM و CAE به ابزاری برای اتوماسیون اجرای مراحل طراحی تبدیل می شوند و یک سیستم PDM به ابزاری برای مدیریت مراحل طراحی و آماده سازی تولید تبدیل می شود. در عین حال ، سیستم PDM ابزاری اساسی است که با استفاده از آن یک فضای اطلاعاتی واحد برای کلیه مراحل چرخه عمر محصول (ZHCI) اجرا می شود.

قدرتمندترین و کاملاً کاربردی ترین مجتمع های CAD / CAM / CAE / PDM به عنوان راه حل های PLM (مدیریت داده های محصول) نامیده می شوند.

6. استراتژی برای به دست آوردن دانش. روشهای عملی استخراج دانش

6.1 استراتژی یادگیری

برای دستیابی به دانش سه راهکار وجود دارد - کسب دانش ، استخراج دانش و کشف دانش در پایگاه های داده:

زیر تحصیل (کسب) دانش ، روش پر کردن خودکار دانش دانش را از طریق گفتگو بین یک متخصص و یک برنامه ویژه درک می کند.

با استخراج (استخراج) دانش ، روشی برای تعامل مهندس دانش با منبع دانش (متخصص ، ادبیات تخصصی و غیره) بدون استفاده از فناوری رایانه است.

عبارت " کشف دانش در بانکهای اطلاعاتی "(کشف دانش در پایگاه های داده - KDD) امروز فرایند به دست آوردن اطلاعات جدید ، بالقوه مفید در مورد یک موضوع را از داده های" خام "بیان می کند. این روند شامل چندین مرحله است (شکل 6.1). این شامل انباشت داده های خام ، انتخاب ، تهیه ، تبدیل داده ها ، جستجوی الگوهای در داده ها ، ارزیابی ، عمومی سازی و ساختار الگوهای یافت شده است.

شکل: 6.1. فرآیند کشف دانش در پایگاه داده

استراتژی KDD به طور فزاینده ای به پیش می رود. این عمدتا به دلیل توسعه سریع انبارهای داده های مختلف است - مجموعه داده های موضوعی ، یکپارچه ، زمانی ، تغییر ناپذیر و برای پردازش تحلیلی بعدی.

مشخصات مورد نیاز مدرن برای پردازش داده ها به منظور کشف دانش به شرح زیر است:

داده نامحدود است

داده ها ناهمگن است (کمی ، کیفی ، طبقه ای)

نتایج باید خاص و قابل درک باشد

· ابزارهای پردازش داده های "خام" باید به راحتی قابل استفاده باشند

6.2 تکنیک های عملی برای استخراج داده ها

طبقه بندی روش های استخراج دانش (شکل 6.2) به مهندسان دانش اجازه می دهد بسته به یک کار و موقعیت خاص ، روش خاصی را انتخاب کنند. از طرح طبقه بندی پیشنهادی می توان دریافت که اصل اصلی تقسیم با منبع دانش همراه است. روشهای ارتباطی انواع مخاطبین را با منبع زنده دانش پوشش می دهد - یک متخصص ، و روش های متنی مربوط به روش های استخراج دانش از اسناد (تکنیک ها ، کتابچه ها ، کتابچه ها) و ادبیات ویژه (مقالات ، تک نگاری ها ، کتاب های درسی) است.

تقسیم این گروه از روشها در سطح بالایی طبقه بندی به معنای آنتاگونیستی نیست ، معمولاً مهندس دانش روشهای مختلفی را با هم ترکیب می کند ، به عنوان مثال ابتدا ادبیات را مطالعه می کند ، سپس با متخصصان صحبت می کند یا برعکس.

شکل: 6.2 طبقه بندی روشهای استخراج دانش.

به نوبه خود ، روشهای ارتباطی همچنین می توانند به دو گروه فعال و منفعل تقسیم شوند. روشهای انفعالی دلالت بر این دارد که نقش اصلی در فرآیند استخراج دانش ، همانطور که بوده است ، به کارشناس منتقل می شود و مهندس دانش فقط استدلال کارشناس را در طول تصمیم گیری واقعی خود ثبت می کند یا آنچه را که متخصص لازم برای گفتن درباره خود در قالب سخنرانی می نویسد را یادداشت می کند. در روش های فعال ، برعکس ، ابتکار عمل کاملاً در دست مهندس دانش است ، که به طرز مختلف با متخصص تماس می گیرد - در بازی ها ، دیالوگ ها ، بحث های میزگرد و غیره.

در نگاه اول ، روشهای منفعل بسیار ساده است ، اما در حقیقت ، آنها به مهندس دانش نیاز دارند تا بتواند "جریان هوشیاری" متخصص را به روشنی تحلیل کند و بخشهای قابل توجهی از دانش را در آن تشخیص دهد. عدم بازخورد (انفعال مهندس دانش) اثربخشی این روش ها را به میزان قابل توجهی تضعیف می کند ، که نقش کمکی آنها را در روشهای فعال توضیح می دهد.

بسته به تعداد متخصصانی که دانش خود را اهدا می کنند ، روشهای فعال را می توان به دو گروه تقسیم کرد. اگر تعداد آنها بیش از یک است ، توصیه می شود علاوه بر یک سری از تماس های فردی با هر یک ، از روش های بحث گروهی حوزه موضوع استفاده کنید. چنین روشهای گروهی معمولاً تفکر شرکت کنندگان در مباحث را فعال می کند و به آنها امکان می دهد جنبه های بسیار غیرعادی از دانش خود را شناسایی کنند. به نوبه خود ، روش های فردی امروز برجسته باقی مانده است ، زیرا چنین رویه ظریفی مانند "خروج دانش" ، شاهدان غیر ضروری را تحمل نمی کند.

به طور جداگانه باید در مورد بازی ها گفت. روش های بازی در حال حاضر به طور گسترده ای در جامعه شناسی ، اقتصاد ، مدیریت ، آموزش و پرورش استفاده می شود تا رهبران ، معلمان ، پزشکان و متخصصان دیگر را آموزش دهد. بازی نوعی خاص از فعالیت و خلاقیت است ، جایی که فرد رهایی می یابد و بسیار آزادتر از کار معمولی احساس می شود.

نتیجه

در طول کار نتیجه گیری های زیر حاصل شد:

یک سیستم خبره یک برنامه هوشمند است که قادر به نتیجه گیری منطقی بر اساس دانش در یک موضوع خاص و ارائه راه حل برای مشکلات خاص است.

الزامات زیر به سیستم های خبره تحمیل می شود: استفاده از دانش مربوط به یک موضوع خاص. کسب دانش از یک متخصص؛ تعریف یک کار واقعی و نسبتاً دشوار؛ تحویل سیستم با توانایی های یک متخصص.

ساختار سیستم خبره توسط عناصر ساختاری زیر نشان داده شده است: پایه دانش ، مکانیسم استنتاج ، رابط کاربری ، ماژول کسب دانش ، ماژول مشاوره و توضیح.

برنامه های کاربردی برای سیستم های دانش بنیان را می توان در چندین کلاس اصلی طبقه بندی کرد: تشخیص پزشکی ، نظارت و کنترل ، تشخیص گسل در دستگاه های مکانیکی و برقی ، آموزش ، اقتصاد و امور مالی.

بسیاری از شرکت ها ES را برای حل مشکلات در زمینه هایی مانند: تجارت در بورس کالا ، درک خودکار اخبار ، تحلیل اعتبار ، مدیریت ریسک ، وام و سرمایه گذاری اوراق بهادار ، ارزیابی رتبه های بانکی ، خودکار سازی حسابرسی ها ، پیش بینی تغییرات در بازار مالی و غیره ایجاد می کنند. رایج ترین سیستم های خبره در زمینه مالی بود.

تخصص "سیستم ها و فناوری های اطلاعاتی (در اقتصاد)"

صلاحیت - مهندس نرم افزار - اقتصاددان
فرم مطالعه - روزانه (بودجه / پرداخت شده)

ویژگی و ربط
در شرایط مدرن تعامل فزاینده اقتصاد ، علم و فناوری ، آموزش ویژه متخصصان براساس چهار حوزه مهندسی ، ریاضی ، اطلاع رسانی و اقتصادی از اهمیت ویژه ای برخوردار است. تسلط بر پروفایل های مهندسی و اقتصاد و ریاضیات ، آموزش پیشرفته در زمینه برنامه نویسی و فناوری اطلاعات ، این متخصص را منحصر به فرد می کند.

چه چیزی یاد خواهید گرفت
برنامه درسی مطالعه را شامل می شود:
1. زبانهای نوید بخش و فن آوری های برنامه نویسی: C، C ++، JAVA، C #، PHP، HTML، XML، زبانهای اسکریپت استفاده شده برای توسعه برنامه های WEB، روش ها و ابزارهای ساخت برنامه ها در سیستم عامل های مختلف و شبکه های رایانه ای، گرافیک رایانه و وب -طرح.
2. سیستم ها ، فن آوری ها و استانداردهای آنالیز ، طراحی و مدل سازی (استانداردهای IDEF ، سری UML ، سیستم های CASE همه مدل سازنده فرآیند فیوژن (BpWin) ، کلیه داده های Fusion Data Modeller (ErWin) ، معمار سازمانی و غیره) ، سیستم های هوشمند ، سیستم ها پشتیبانی از تصمیم گیری و محافظت از اطلاعات.
3. فن آوری های پایگاه داده ، DBMS و زبان های QBE، SQL، T-SQL، OLAP و Data Mining.
4- فن آوری های مربوط به توسعه سیستم های معماری مشتری و سرور از پلت فرم JEE: RFC ، RMI ، JSP ، SERVLETS ، CORBA ، EJB ، JSF ، AJAX ، SPRING ، STRUTS و غیره و همچنین سیستم عامل ها. NET: ASP.NET ، ADO. خالص؛ خدمات وب و خدمات اینترنتی. مفاهیم و سیستم هایی برای اتوماسیون یکپارچه و مدیریت مشاغل ، سری هایی از قبیل: ERP، MRP، SCM، CRM، CALS، 1C، SAP،.
5- رشته های اقتصادی: نظریه اقتصادی ، اقتصاد خرد و کلان ، اقتصاد بنگاه اقتصادی و غیره.
6. رشته های اقتصادی و ریاضی.
7. رشته های مهندسی.

بعد چی؟
فارغ التحصیلان ما آمادگی دارند تا با فعالترین روش در توسعه اطلاعات ، فعالیت های اقتصادی - اجتماعی ، فعالیت های نوآورانه ، فرآیندهای مهندسی و مهندسی مجدد سیستم های اطلاعاتی و اقتصادی جمهوری بلاروس شرکت کنند. بر اساس اداره انفورماتیک اقتصادی ، به طور مرتب دوره های آموزشی و سمینارهایی برای دانشجویان برگزار می شود که توسط شرکت های پیشرو IT و با جذب هرچه بیشتر دانشجویان برای کارآموزی و کار در شرکت ها در یک برنامه کشویی به موازات کلاس ها در دانشگاه برگزار می شود.

مکانهای توزیع فارغ التحصیلان: شرکتهای اقامتی پارک فناوریهای بالا (سام راه حلها ، سیستمهای EPAM ، IBA ، Itransition ، سیستمهای فن آوری ، توسعه BelHard و غیره) ، بانکهای پیشرو بلاروس ، مؤسسات آموزشی و مؤسسات تحقیقاتی در مینسک ، مؤسسات و مؤسسات آکادمی علوم جمهوری بلاروس ، شرکتها و سازمانهای بزرگ در مینسک.

بخش فارغ التحصیلی - گروه انفورماتیک اقتصادی.
رییس سازمان - نامزد علوم فنی، مدرک ویتالی نیکوویچ کوملیچنکو,
تلفن.: +375 17 293-84-81.