Agence fédérale pour l'éducation

Établissement d'enseignement public de l'enseignement professionnel supérieur

Correspondance de l'État du Nord-Ouest

université technique

Institut des industries et

programmes innovants

Département d'économie et de gestion d'entreprise

Travaux de vérification sur la discipline

  "Les technologies de l'information dans l'économie."

Objet: 1. «Les principaux types d'activité économique,

qui utilisent les technologies de l'information. "

2. "Moyens de mise en œuvre des technologies de l'information."

3. «Caractéristiques de la technologie mobile l'esprit d'entreprise. "

4. “Le rôle et la place de l'information automatisée

systèmes économiques. Modèle d'information d'entreprise. "

Élève interprété: Shestakova Maria Dmitrievna

Spécialité: 80502.65

Code: 578030493

Enseignant: Babkin

Saint-Pétersbourg

Plan de travail.

Thème 1.

″ Les principaux types d'activités économiques dans lesquelles les technologies de l'information sont appliquées. "

Présentation

Le concept de base est le commerce électronique.

Composants:

- technologie du commerce électronique;

- technologie des enchères électroniques;

- banques électroniques;

- téléphonie IP;

- téléphonie Internet;

- technologie des pointeurs électroniques;

- travaux de recherche et développement électroniques;

- franchisage électronique;

- Courriel

- marketing électronique;

- gestion électronique des ressources opérationnelles (ORM);

- gestion électronique de l'offre;

- services de courtage électronique.

Conclusion

Thème 2.

″ Moyens de mise en œuvre des technologies de l'information. "

- Méthodique.

- Informatif.

- Algorithmique.

- Technique.

- Logiciel.

Thème 3.

″ Caractéristiques de la technologie mobile l'esprit d'entreprise. "

Commerce mobile:

- technologie du commerce des biens et services de communication mobile;

- technologie d'échange de contenu mobile;

- la fourniture de services supplémentaires par les opérateurs mobiles.

Thème 4.

″ Le rôle et la place des systèmes d'information automatisés dans l'économie. Modèle d'informations d'entreprise. ″

I. Systèmes d'information automatisés.

Classification:

· La nature des informations;

· Par portée.

Thème 1.

Les principaux types d'activité économique dans lesquels les technologies de l'information sont appliquées.

Présentation

Impacts économiques technologie de l'information   sur les domaines de l'échange et de la consommation sont très mitigés.

Apparence nouvelle technologie de l'information    - Un coup d'État qui ébranle les fondements mêmes de l'économie traditionnelle. Allez à Internet    - Ce sont de nouvelles opportunités de réaliser un profit en augmentant la commercialisation existante. Internet    - Le principal outil d'information pour les producteurs et les consommateurs.

Technologie de l'information    en termes généraux, il peut être décrit comme un processus consistant en des règles clairement réglementées pour effectuer des opérations, des actions d'étapes de degrés de complexité variables sur des données stockées dans des ordinateurs. Objectif principal des informations la technologie   - à la suite d'actions ciblées pour traiter les données primaires afin d'obtenir les informations nécessaires pour l'utilisateur. Environnement principal pour technologie de l'information    sont systèmes d'information.

Tel que défini par l'UNESCO, informationnel la technologie   appelé un ensemble de disciplines interdépendantes, scientifiques, technologiques et d'ingénierie qui étudient les méthodes d'organisation efficace du travail des personnes impliquées dans le traitement et le stockage de l'information, ainsi que la technologie informatique et les méthodes d'organisation et d'interaction avec les personnes et les équipements industriels.

Selon les tâches d'application spécifiques à résoudre, différentes méthodes de traitement des données et divers moyens techniques peuvent être appliqués.

Technologie de l'information    en économie est un moyen virtuel économie.

Économie virtuelle   - Il s'agit d'un environnement, d'un espace économique spécial dans lequel les affaires électroniques sont menées, c'est-à-dire que c'est une économie basée sur l'utilisation d'opportunités interactives. L'espace en question se caractérise par des caractéristiques spécifiques qui distinguent une économie virtuelle d'une économie conventionnelle, non virtuelle et hors ligne.

Économie virtuelle    souvent appelé nouvelle économie   pour souligner sa différence avec l'ancienne économie traditionnelle.

Nous considérons plus en détail les caractéristiques nouvelle économie.

La base de l'activité économique est le commerce. Dans virtuel l'économie    il y a un concept affaires électroniques .

Affaires électroniques - c’est l’activité d’une entreprise dont l’objectif est de réaliser un profit, basé sur les technologies numériques et les avantages qu’elles procurent.

Fig.1. Portées du commerce électronique.

Le concept ″ E-business ″   comprend de nombreux concepts différents des technologies de l'information:

▪ technologie du commerce électronique;

▪ technologie d'enchères électroniques;

▪ banques électroniques;

▪ téléphonie IP;

▪ téléphonie Internet;

▪ technologie du pointeur électronique;

▪ recherche et développement électroniques;

▪ franchisage électronique;

▪ e-mail;

▪ marketing électronique;

▪ gestion électronique des ressources opérationnelles (ORM);

▪ gestion électronique de l'offre;

▪ services de courtage électronique;

▪ datation des technologies de l'information.

Examinons ces concepts plus en détail.

Technologie de commerce électronique.

E-commerce –   c'est une façon affaires électroniques   . Regarder les problèmes e commerce   , vous devez prêter attention à la double interprétation du terme lui-même. Parfois, parler de commerce électronique   , signifie exclusivement les activités commerciales des prestataires Services Internet (IPS - Internet Prestataires de services), mais beaucoup plus souvent commerce électronique   donner une interprétation plus large comme une combinaison de toutes les façons possibles d'utiliser le réseau à des fins commerciales. Fournisseur Services Internet    Est une entreprise commerciale qui donne accès à Internet   , en le supportant pour un certain prix, et fournit certains services connexes à la demande des clients.

Durée ″ E-commerce ″   combine de nombreuses technologies différentes:

▫ EDI (protocole d'échange électronique de données);

▫ e-mail;

▫ Internet;

▫ Intranet (échange d'informations au sein de l'entreprise);

▫ Extranet (échange d'informations avec le monde extérieur).

Les plus développés technologie de l'information   sur lequel peut se fonder commerce électronique ,    est considéré protocole électronique échange de données – EDI (échange de données informatisé)    Est une méthode de codage des transactions consécutives et de les traiter en ligne.

Tout commerce, y compris commerce électronique    dans Internet    Il est divisé en deux grandes catégories:

1. business-to-consumer - B2C - ″ l'entreprise - consommateur ″;

2. business-to-business - B2B - ″ l'entreprise - l'entreprise ″.

Modèle de base Trading B2C    Sont au détail Boutiques en ligne.    Système mondial B2C    est une structure de satisfaction des consommateurs bien développée. Au cours des dernières années électronique commerce    de type B2C est entré dans une nouvelle étape de son développement. Il y a une fusion de petites entreprises qui se dédoublent dans la gamme de produits offerts, ou leur absorption par de grands concurrents.

Le marché B2B   a été créé spécifiquement pour les organisations afin de soutenir l'interaction entre les entreprises et leurs fournisseurs, fabricants et distributeurs. Ce marché offre beaucoup plus d'opportunités que le secteur. Trading B2C.

Quand il s'agit de commercialiser des opportunités Réseaux Internet    diverses entités économiques dans la structure e commerce   En règle générale, plusieurs liens sont distingués:

▫ les transactions de vente et d'achat via les canaux du réseau;

▫ services après-vente aux clients;

▫ établir des relations avec les clients.

Les transactions de vente sur le Web sont l'essence e commerce .

Publicité dans Internet    est d'une grande importance, et la publicité sur le réseau est différente de ses types traditionnels. Il s'agit, tout d'abord, de bannières publicitaires et de placement d'informations publicitaires sur les serveurs les plus visités. Pour mesurer l'efficacité de la publicité sur le Web, vous pouvez utiliser la méthode de comptage du nombre de visites et des commandes de produits ultérieures.

L'informatisation de la société conduit à l'internationalisation de la production. L'équilibre du commerce extérieur des connaissances professionnelles pertinentes est un indicateur de la puissance technique de l'État, et c'est précisément ce à quoi le concept de technologie de l'information est associé. Il est mis en œuvre à travers le marché de la fabrication des licences de produits, des savoir-faire divers, ainsi que des conseils sur l'utilisation des produits de haute technologie.

Grâce à l'évolution du marché mondial, un avantage apparaît pour un pays qui est engagé dans la vente de produits de haute technologie, y compris les connaissances professionnelles modernes et les dernières technologies. Le commerce actif d'un produit invisible sous forme de savoir, de culture, impose activement des stéréotypes de comportement. C'est la raison pour laquelle dans la société de l'information, l'information, la créativité et la connaissance agissent comme une ressource stratégique. Et comme les talents ne sont pas créés, il est nécessaire de former une culture, c'est-à-dire un environnement dans lequel les talents peuvent se développer et s'épanouir. L'influence de la technologie informatique, exprimée dans l'enseignement à distance, les jeux informatiques, les films vidéo, etc., est énorme ici.

Les technologies de l'information dans l'économie et leur mise en œuvre

Le but du système d'information est le stockage, la recherche et la livraison de données à la demande des utilisateurs. L'essence du système d'information économique est le traitement des informations pertinentes. voici les statistiques, la comptabilité, les assurances, le crédit et les finances, la banque, ainsi que d'autres types d'activités commerciales. Pour l'utiliser sur le lieu de travail, il est nécessaire de le concevoir en utilisant les technologies de l'information. Il est important de noter qu'auparavant, le processus de conception du système était séparé du traitement des informations dans le domaine. À l'heure actuelle, il existe également seul, nécessitant des designers hautement qualifiés. À l'heure actuelle, il existe des technologies de l'information dans l'économie qui sont non seulement disponibles pour tout utilisateur, mais vous permettent également de combiner le processus de conception des composants individuels du système avec le traitement de l'information. Il peut s'agir d'un bureau électronique, de courriers électroniques, de tables et de traitements de texte, etc. La tendance à créer des technologies de l'information accessibles aux utilisateurs se poursuit.

Il s'avère que le lieu de travail utilise à la fois les technologies de l'information dans l'économie, qui sont développées par des concepteurs, et les technologies de l'information qui permettent d'automatiser les activités sur leur lieu de travail.

On peut distinguer de telles caractéristiques de la transition vers l'informatisation de la société: réorientation de l'économie vers l'exploitation, réplication des savoirs professionnels, implication des professionnels dans la formalisation des savoirs, ainsi que l'accélération du cycle «savoir-production-savoir».

La technologie de l'information dans l'économie implique l'utilisation des communications téléphoniques, de la télévision par câble, de l'équipement de reproduction, des ordinateurs, de la production de programmes de formation et plus encore. Grâce au développement des relations de marché, de nouveaux types apparaissent qui concernent la création d'entreprises engagées dans le domaine de l'information, le développement des technologies de l'information et la distribution de composants de systèmes automatisés.

Grâce à cela, il est possible non seulement de diffuser rapidement et d'utiliser efficacement les technologies de l'information, mais aussi de les créer dans une grande variété. Et ici, il est important de comprendre que l'information économique est une composante importante de l'ensemble du processus.

Établissement d'enseignement fédéral de l'enseignement professionnel supérieur

«UNIVERSITÉ FINANCIÈRE

SOUS LE GOUVERNEMENT DE LA FÉDÉRATION DE RUSSIE

(Université financière)

Département de microéconomie

Travail de cours

«Les nouvelles technologies et leur rôle dans l'économie moderne»

Fabriqué par:

élève du groupe U1-2

Bakhshiyan P.K.

Superviseur:

docteur en économie, professeur

Nikolaeva I.P.

Moscou 2013

Présentation

1. La place et le rôle des nouvelles technologies dans l'économie moderne

1.1 Les nouvelles technologies dans les systèmes économiques modernes

1.2 Périodisation du développement technologique

2. Les nouvelles technologies comme moteur de progrès de la production

2.2 Troisième révolution industrielle

2.3 Entreprises innovantes du futur

3. Le développement de nouvelles technologies en Fédération de Russie

3.1 Problèmes de développement de nouvelles technologies en Russie

Conclusion

Les références

Les applications

Présentation

Toute l'histoire du développement de l'humanité est l'histoire du développement et de l'amélioration des technologies et des outils (technologie) utilisés par l'homme. Il y a quelques milliers d'années, une personne a commencé avec un bâton ordinaire et a aujourd'hui atteint des sommets incroyables de développement technique et technologique. Les systèmes et structures technico-économiques ont été continuellement améliorés par l'homme pendant toute la période de son existence. Cependant, au cours des millénaires précédents, ce processus n'était pas de nature "explosive". La transition d'une structure technique et économique à une autre pourrait s'étendre sur des siècles, voire des millénaires.Cependant, les 20e et 21e siècles nous ont montré une vitesse de changement et d'amélioration des technologies et des moyens techniques utilisés par l'homme sans précédent. Un tel succès dans l'introduction d'innovations et leur influence dans tous les domaines de la vie publique ne pouvaient que susciter l'intérêt des économistes. La science économique au début du XXe siècle a commencé à étudier les processus de développement innovant en tant que tels et à étudier leurs principales caractéristiques et schémas. De nombreux économistes bien connus, tels que J. Schumpeter, J. Hicks, R. Solow, ont obtenu un succès significatif dans ce domaine. Cependant, le monde évolue rapidement et, exclusivement scientifique, l'intérêt pour le développement technologique du début au milieu du XXe siècle a été remplacé par l'intérêt de l'État et, surtout, des entrepreneurs. Cela était dû au fait que les technologies innovantes et leur mise en œuvre sont devenues presque la seule clé du succès de l'activité économique dans l'économie moderne ou, comme on l'appelle communément, la «nouvelle économie».

Du point de vue de la microéconomie, les nouvelles technologies sont un outil avec lequel les entreprises maintiennent leur position concurrentielle sur le marché en économisant sur les coûts et (ou) en différenciant leurs produits. Le développement et la mise en œuvre de technologies et d'équipements innovants sont, en fait, le seul moyen efficace de maintenir ou de conquérir des positions sur le marché.

Ce travail est consacré à l'analyse du rôle des nouvelles technologies dans l'économie moderne et de leur impact sur celle-ci.

1. La place et le rôle des nouvelles technologies dans l'économie moderne

1 Les nouvelles technologies dans les systèmes économiques modernes

Le moteur du développement socio-économique a toujours été le progrès scientifique et technologique, dont l'objectif fondamental est la recherche de nouveaux moyens de satisfaire le public avec les coûts et les ressources les plus bas tout en préservant les écosystèmes. Pour que la croissance économique se fasse sur la base de réalisations techniques ou technologiques, il est nécessaire d'avoir une structure d'un certain niveau de complexité, qui est déterminée par le nombre de technologies reproductibles, leur potentiel énergétique, les facteurs de progrès scientifique et technologique, les propriétés du cœur de l'auto-développement, la stimulation des relations avec les secteurs économiques et le développement économique.

La technique s'entend comme l'utilisation de diverses lois physiques, chimiques, biologiques et sociales dans le cadre de tout appareil, appareil, appareil pour obtenir ou déployer un processus spécifique dans lequel il y a un besoin (besoin), ou pour créer des produits, technologies, services qui ont une utilité suffisante pour l'homme.

Les systèmes techniques sont constitués d'objets d'ingénierie et de technologie, contrôlés et contrôlés par l'homme. Aujourd'hui, toutes les sphères de la vie publique peuvent être représentées comme l'interaction de systèmes économiques complexes. Étant donné que les objets de la technologie, les systèmes techniques sont créés par l'homme, l'objectif principal est d'obtenir autant de résultats utiles que possible avec un coût minimal.

Le développement de la technologie est aujourd'hui impossible sans l'interaction de ressources concentrées, y compris des incitations intellectuelles et économiques qui font des activités inventives, scientifiques et d'ingénierie. La création d'incitations économiques est la tâche de la planification et de la conception institutionnelles.

De plus, lors de l'étude des nouvelles technologies, il est nécessaire de prendre en compte un paramètre des systèmes techniques innovants (et pas seulement) comme la fabricabilité. L'adaptabilité d'un système est comprise comme la totalité des propriétés des éléments de ce système qui déterminent sa capacité à réaliser des coûts de production, d'exploitation et de réparation optimaux avec les paramètres de qualité, la production, la consommation et les conditions de développement nécessaires. La fabricabilité d'un système technique a un aspect quantitatif et qualitatif de changement. L'indicateur de transformabilité du système économique est une caractéristique quantitative du fonctionnement du système.

Un concept très important est celui de «garantir la fabricabilité» du système économique, qui, de l'avis de l'auteur, doit être compris comme un ensemble d'outils visant à fournir les fonctions nécessaires du système, à surmonter ou à réduire le degré de son inefficacité. En d'autres termes, nous parlons d'un ensemble de mesures pour gérer le système, vous pouvez même dire, des mesures qui augmentent la gérabilité du système.

En résumé, nous pouvons dire que la fabricabilité du système technique (économique) est l'un des objectifs de l'introduction de nouvelles technologies dans l'entreprise, car cet indicateur est le moyen le plus fiable pour juger de l'efficacité de ce système. Comme mentionné précédemment, l'objectif principal du développement et de la mise en œuvre de technologies innovantes est d'augmenter les volumes de production tout en augmentant les économies de ressources, c'est-à-dire tout en réduisant les coûts de production. À mon avis, les entreprises qui ont atteint un taux élevé de fabricabilité du système technique de leur production ont la possibilité d'utiliser l'objectif suivant des nouvelles technologies, à savoir: la différenciation de leurs produits.

1.2 Périodisation du développement technologique

L'étude des nouvelles technologies dans son ensemble serait incomplète sans étudier l'histoire des étapes du développement technologique. Chaque étape du développement innovant s'est accompagnée d'un changement radical des structures techniques et économiques, qui a entraîné des conséquences irréversibles dans tous les domaines de la société. Une analyse de la périodisation du développement technologique est intéressante en ce qu'elle permet d'identifier quelques schémas généraux dans le changement des structures techniques et économiques et l'introduction de nouvelles technologies innovantes à cette époque. Bien sûr, le 21e siècle est très différent de tous les précédents (beaucoup plus que, disons, le 19e siècle diffère du 18e), et de nombreuses caractéristiques et modèles de développement innovant du passé sont complètement incorrects dans les conditions actuelles, mais plusieurs des plus importants sont toujours intéressants.

Une économie basée sur une nouvelle structure technologique ne peut fonctionner correctement que si elle sert directement ou indirectement son objectif naturel - satisfaire les besoins humains, augmenter les revenus et le bien-être national. L'orientation vers la satisfaction des besoins devient absolument nécessaire lors de la prise de décisions stratégiques en matière d'innovation, d'investissement structurel et d'autres domaines d'activité de production. Une économie fonctionnant simultanément dans trois systèmes technologiques ne peut pas non plus fonctionner avec succès, car elle ne peut pas reproduire trois systèmes technologiques à la fois en raison de déséquilibres dans la répartition des ressources entre eux. Le problème de la reproduction des structures technologiques est un problème non seulement de développement de la structure technologique de l'économie, mais aussi d'adaptation des entités économiques, de leurs modèles de comportement, des institutions existantes et des accords institutionnels. Les types de vecteurs d'énergie évoluent, de nouveaux apparaissent, ce qui nous permet d'associer le développement technologique à leurs types, et le PNB - à la consommation totale de ces vecteurs d'énergie. La première étape du développement technologique est associée à l'utilisation du bois de chauffage comme source d'énergie primaire, la seconde au charbon, la troisième au pétrole, la quatrième au gaz, la cinquième au combustible nucléaire. Il semble que la prochaine étape sera caractérisée par l'épuisement du pétrole, l'expansion de l'utilisation du gaz (en particulier du schiste) et des sources d'énergie naturelles respectueuses de l'environnement, notamment l'énergie éolienne, marémotrice, osmotique et solaire. Pour la société humaine, il existe trois étapes potentiellement possibles d'évolution économique: pré-énergétique, énergétique et post-énergétique. Au premier stade, l'énergie n'agit pas comme un facteur limitant en raison de l'état primitif des forces productives des sociétés, au deuxième stade, il y a de sérieux problèmes avec l'approvisionnement énergétique de la croissance économique. Au stade post-énergétique, les opportunités énergétiques seront considérées comme abondantes et ne limitant pas le niveau de vie et la satisfaction sociale de la population, ou ce stade sera caractérisé par une pénurie générale d'énergie due à une consommation excessivement accrue de la production et de la population, qui ne peut se satisfaire des capacités énergétiques existantes. En tout cas, jusqu'à présent, la société humaine s'est développée à l'échelle de l'énergie qu'elle utilise. Cependant, il peut y avoir des circonstances où l'énergie ne sera pas suffisante pour le développement futur de l'économie, et des épisodes similaires dans les systèmes économiques locaux, au niveau des régions individuelles, sont déjà en train d'émerger. Bien sûr, compte tenu de la nature relationnelle des connaissances économiques, il est impossible d'exiger que la théorie du développement technologique soit valable à chaque étape de l'évolution de l'économie. La théorie moderne du développement correspond très probablement à la phase énergétique et devrait passer des limitations de ressources et de la nécessité de passer au stade post-énergétique de développement de l'économie mondiale, lorsque la gravité du problème énergétique sera supprimée. En outre, une fonction importante de la théorie du développement est d'obtenir une réponse à la question sur le potentiel de la civilisation post-énergétique dans la compréhension donnée et sur les tâches auxquelles l'économie est confrontée au stade «énergétique».

Une étude détaillée du développement et de la mise en œuvre des innovations et technologies techniques les plus importantes n'est pas le but de ce travail. Une telle analyse serait très complexe et prendrait beaucoup de temps à des experts reconnus dans ce domaine. Cependant, dans le cadre de l'étude de la périodisation du progrès technique et technologique, une conclusion importante peut être tirée que le changement de modes technologiques par l'utilisation de nouveaux moyens de production se produit dans une certaine phase énergétique. Ce sont les conditions et les possibilités de la phase énergétique qui déterminent la base du développement ultérieur des équipements et des technologies. Bien sûr, la science joue un rôle de premier plan dans le progrès technologique et technologique. Cependant, les possibilités de la science pour une période de temps spécifique sont toujours limitées, et je pense que la portée de ces restrictions est déterminée par les conditions de la phase énergétique. Comme le montre le tableau 1, les changements révolutionnaires dans la production ont toujours été précédés par la découverte et le début de l'utilisation de nouvelles sources d'énergie. Cela signifie que tout changement dans la structure technique et économique a lieu dans le cadre du potentiel énergétique d'un stade particulier du développement économique.

2. Les nouvelles technologies comme moteur de progrès de la production

1 Le progrès technologique au centre du progrès et du développement humain

Une place centrale dans la compréhension du rôle de la technologie est la reconnaissance que la technologie et le progrès technologique sont larges

gamme d'activités économiques, et pas seulement à la production et aux ordinateurs. Par exemple, selon certaines estimations, le progrès technologique a augmenté la productivité agricole quatre fois plus vite que dans le secteur manufacturier. En effet, il semble que les produits à faible technologie tels que le maïs ou les fleurs peuvent être le résultat de processus de fabrication de haute technologie, comme dans certains pays, la production de produits supposés de haute technologie tels que les ordinateurs est le résultat de l'utilisation de technologies relativement faibles. Enfin, dans de nombreux cas, les technologies sont incorporées dans la production et la gestion des systèmes de production, et non dans des biens physiques ou des algorithmes logiciels. L'ordinateur chargé dans

la dernière version du logiciel qui n'est pas utilisée sur la table pendant la majeure partie de la journée est une manifestation différente de l'utilisation de la technologie que le même ordinateur qui contrôle le processus de production ou le système de paiement.

Les avancées technologiques peuvent entraîner une baisse des coûts,

améliorer la qualité, créer de nouveaux produits,

et aider à pénétrer de nouveaux marchés. Le progrès scientifique et technologique implique bien plus que faire de même, ou mieux utiliser moins de ressources. Ce concept est plus dynamique et est associé à la fois à la création de nouveaux produits et équipements pour le marché, ainsi qu'à la diffusion de ces technologies entre les entreprises et dans l'économie dans son ensemble. Si bon nombre des conséquences du progrès technologique sont, en un sens, évidentes, les suivantes méritent une mention spéciale:

Le progrès technologique peut stimuler le développement en abaissant les coûts de production et d'exploitation en raison des rendements croissants de la production à grande échelle.

Les progrès technologiques dans un secteur peuvent aider

créer de nouvelles opportunités économiques dans d'autres secteurs. La baisse des coûts de production peut créer des produits complètement nouveaux, voire des secteurs de l'économie. Les nouvelles technologies pour le marché dans un secteur peuvent entraîner un boom de l'activité dans d'autres secteurs, créant une demande et une offre de biens et services qui n'existaient pas.

Les avantages des nouvelles technologies vont bien au-delà du secteur économique ou du produit dans lequel la technologie existe. C'est le cas si le produit initial est un intermédiaire important dans la production d'autres biens, par exemple des systèmes de télécommunication ou une maintenance fiable des réseaux électriques.

La technologie peut aider à améliorer la qualité. Ces améliorations peuvent permettre à un pays en développement de gagner des consommateurs plus exigeants et de nouveaux marchés. Cela peut être aussi simple que d'utiliser des machines et des équipements, de produire des biens et des services qui répondent aux attentes et aux normes plus exigeantes des consommateurs et des clients commerciaux dans les pays à revenu élevé, en d'autres termes, des produits du segment de marché premium.

2 Troisième révolution industrielle

La première révolution industrielle a commencé en Grande-Bretagne à la fin du XVIIIe siècle, avec la mécanisation de l'industrie textile. Des tâches qui exigeaient auparavant beaucoup de main-d'œuvre et étaient exécutées manuellement par des centaines de tisserands ont été combinées dans une seule filature de coton - c'est ainsi que l'usine est apparue. La deuxième révolution industrielle a eu lieu au début du 20e siècle, lorsque Henry Ford a construit la première chaîne de montage mobile et l'ère de la production de masse de marchandises a commencé. Les deux premières révolutions industrielles ont rendu les gens plus riches et le monde - plus urbanisé. Maintenant, la troisième révolution bat son plein. La production devient numérique. Un certain nombre de grandes technologies appartiennent à un seul domaine: les logiciels intelligents, les nouveaux matériaux, les robots plus agiles, les nouveaux processus de production (en particulier, l'impression en trois dimensions) et un certain nombre de services Web. L'usine du passé était basée sur la création d'un grand nombre de produits identiques: la célèbre phrase d'Henry Ford disait que les acheteurs de Ford peuvent acheter une voiture de n'importe quelle couleur, à condition que cette couleur soit noire. Cependant, au 21e siècle, les coûts de production de moins de lots avec une grande variété de produits, en tenant compte des caprices de chaque client, baissent. La production future se concentrera sur la production de masse de produits personnalisés et pourrait ressembler davantage à ces tisserands qu'à la chaîne de montage de Ford.

L'ancienne méthode de production implique l'utilisation d'un grand nombre de pièces pour leur raccordement ou soudage ultérieur. Maintenant, le produit peut être développé sur un ordinateur et "imprimé" sur une imprimante 3D qui crée un objet solide en créant des couches de matière. La conception numérique peut être modifiée en quelques clics de souris. Une imprimante 3D peut fonctionner sans surveillance et peut faire beaucoup de choses trop complexes pour les plantes traditionnelles. Au fil du temps, ces voitures incroyables pourront tout faire, n'importe où, dans un garage dans un village africain.

Les applications d'impression 3D sont particulièrement étonnantes. Déjà, les aides auditives et les pièces de haute technologie des avions militaires sont imprimées sous différentes formes. Des changements majeurs affecteront également la géographie des approvisionnements. Un ingénieur qui a travaillé dans des conditions difficiles d'accès, qui n'a pas d'outil spécifique, ne devrait plus l'acheter dans la grande colonie la plus proche. Il peut simplement télécharger la conception de cet outil et «l'imprimer». Ces jours où les projets étaient bloqués en raison du manque de pièces d'équipement, ou lorsque les clients se plaignaient de ne pas pouvoir trouver de pièces de rechange pour les choses qu'ils avaient achetées, un jour, seraient du passé.

D'autres changements associés à l'utilisation d'imprimantes 3D sont presque tout aussi importants. Les nouveaux matériaux sont plus légers, plus solides et plus durables que les anciens. La fibre de carbone remplace l'acier et l'aluminium dans les produits, des avions aux VTT. De nouvelles méthodes de traitement des matériaux permettent aux ingénieurs de donner aux objets de minuscules formes. La nanotechnologie fournit des produits dotés de fonctionnalités avancées, comme des bandages qui aident à guérir les coupures, des moteurs qui fonctionnent plus efficacement et des plats qui nettoient plus facilement. Et avec Internet, qui permet à un grand nombre de designers et d'ingénieurs de travailler ensemble sur de nouveaux produits, les barrières à l'entrée de la nouvelle société sont en train de tomber. Ford avait besoin d'un énorme capital pour créer son immense usine de River Rouge, son «collègue» moderne peut commencer avec un ordinateur portable et avoir envie d'inventer.

Comme toutes les révolutions, celle-ci sera tout aussi destructrice. La technologie numérique a déjà radicalement changé les médias et les marchés de détail en automatisant le processus de négociation. Les usines changeront également pour toujours. Ils ne seront pas pleins de voitures sales conduites par des gens. Beaucoup d'entre eux seront impeccables et presque déserts. Certains constructeurs automobiles produisent déjà deux fois plus de voitures par travailleur, comme il y a seulement dix ans. La plupart des emplois ne seront pas dans l'usine, mais dans les bureaux à proximité qui seront remplis de concepteurs, d'ingénieurs, de spécialistes informatiques, de logistique, de marketing, etc. Les emplois de production de l'avenir exigeront plus de compétences.

La révolution affectera non seulement la façon dont les choses sont faites, mais aussi où. Les usines étaient généralement situées dans les pays en développement pour réduire les coûts de main-d'œuvre. Mais les coûts de main-d'œuvre affectent de moins en moins le coût de production: sur 499 $ de l'iPad de première génération, les coûts de main-d'œuvre n'étaient que de 33 $, dont les coûts d'assemblage en Chine de seulement 8 $. La production se déplace de plus en plus vers les pays riches parce que les salaires chinois augmentent, mais parce que les entreprises veulent désormais se rapprocher de leurs clients pour pouvoir répondre plus rapidement aux évolutions de la demande. Et certains produits sont si complexes qu'il est plus efficace d'avoir des personnes qui les développent et des personnes qui les fabriquent au même endroit. Le Boston Consulting Group estime que dans des domaines tels que le transport, les ordinateurs, la métallurgie et l'équipement de fabrication, 10 à 30% des marchandises que l'Amérique importe actuellement de Chine peuvent être produites en Amérique même d'ici 2020, ce qui augmentera le PIB et à 20-55 milliards de dollars par an.

Les consommateurs n'auront pas beaucoup de mal à s'adapter à une nouvelle ère dans le développement de la production. Cependant, les autorités peuvent trouver cela plus difficile. Ils sont habitués à protéger les industries et les entreprises qui existent déjà, plutôt que les parvenus qui peuvent les forcer à quitter le marché. Ils gonflent les anciennes subventions à la production et mettent à la tête des gens qui veulent déplacer la production à l'étranger pour réduire les coûts de main-d'œuvre. Ils dépensent des milliards pour arrêter le progrès technologique et technologique. Et ils s'accrochent à la croyance romantique que la production est plus importante que les services, sans parler de la finance.

Tout cela n'a pas de sens. Les frontières entre la production et les services s'estompent. Rolls-Royce ne vend plus de moteurs à réaction, elle vend des montres qu'un avion vole sur leurs moteurs. Les autorités se sont toujours trompées en choisissant qui devrait être soutenu, et elles ne comprennent probablement pas qui est l'avenir. Des milliers d'entrepreneurs créent des designs de nouveaux produits en ligne, les produisent à la maison (à l'aide d'imprimantes 3D) et les vendent sur le marché. Alors que la révolution bat son plein, les autorités doivent respecter les principes de base: créer de bonnes écoles pour la main-d'œuvre qualifiée, établir des règles claires pour les entrepreneurs dans tous les domaines. Le reste sera fait par les «révolutionnaires».

3 Entreprises innovantes du futur

Je pense qu'au cours des prochaines décennies, la structure des entreprises innovantes et les investissements dans les nouvelles technologies elles-mêmes subiront des changements majeurs. Aujourd'hui, le fait qu'une entreprise qui ne s'améliore pas ne peut pas s'adapter à un marché en constante évolution devient plus évident, car les demandes des consommateurs augmentent de plus en plus, car les entreprises phares de développement innovant offrent aux consommateurs de nouveaux produits en termes de technologie. Cependant, les investissements en R&D nécessitent des investissements financiers importants de la part de l'entreprise, que seuls les plus grands acteurs du marché peuvent se permettre. Dans le même temps, la demande toujours croissante des consommateurs pour de nouveaux produits aux caractéristiques et propriétés plus avancées nécessitera de gros investissements en R&D, qui, au fil du temps, même les grandes entreprises ne peuvent pas dépenser des milliards de dollars en R&D. C'est à ce moment que les entreprises et les entreprises simplement innovantes seront obligées de combiner les investissements en R&D. Cependant, des difficultés surgissent inévitablement sur la base de quelle entreprise effectuer des recherches, ce qui entraînera un conflit d'intérêts. C'est cette situation qui obligera les entreprises à se tourner vers une autre entreprise, qui s'engage régulièrement dans des développements innovants de manière professionnelle.

Le modèle proposé d'une entreprise innovante est une sorte de boutique qui a une spécialisation assez étroite et un cercle de clients. Les avantages d'un tel modèle d'entreprise sont évidents: une forte concentration de capital et de personnel scientifique permettra d'atteindre un taux d'investissement élevé en R&D. Dans ce cas, les économies d'échelle jouent un rôle, car avec un grand nombre d'études réalisables, les échecs de plusieurs projets seront payants du fait du succès des autres.

Cependant, il existe un grave défaut dans les activités de ces entreprises: la R&D étant réalisée avec l'argent de plusieurs entreprises, les résultats de la recherche appartiennent à tous ceux qui ont investi dans les activités de la «boutique innovante». La question se pose de savoir comment répartir les résultats de la recherche entre eux, et c'est un problème très difficile en raison de la complexité de l'évaluation des résultats de la R&D. J'offre plusieurs options pour la diffusion des résultats de l'entreprise innovante et leur utilisation par les investisseurs:

1.Répartition des résultats de recherche entre investisseurs en fonction du volume des investissements. Les résultats de la R&D eux-mêmes seront évalués à un coût actualisé, c'est-à-dire par le montant du profit potentiel que leur utilisation apportera. L'entreprise qui a investi le plus aura droit à la technologie la plus chère, etc.

2.Les sociétés investisseurs peuvent initialement émettre des accords écrits concernant la répartition des droits sur les résultats d'une entreprise de recherche. Cependant, la vulnérabilité de cette option est que l'investissement en R&D est une sorte de «boîte noire», et personne ne sait ce qui va se passer. Par conséquent, les accords écrits concernant la répartition des droits sur les technologies étudiées représentent un grave conflit d'intérêts, car les résultats, leur utilité potentielle, ne peuvent être connus à l'avance.

.Partage des droits sur les résultats de R&D par plusieurs investisseurs et règles pré-convenues pour leur utilisation. Disons qu'une technologie peut être utilisée dans des secteurs complètement différents et que les investisseurs représentant plusieurs sociétés occupant des marchés complètement différents peuvent accepter d'utiliser cette technologie sans préjudice des intérêts de l'un quelconque des investisseurs. Je pense que cette stratégie de partage des droits sur les résultats d'investissement dans une entreprise engagée dans des technologies innovantes est optimale.

Ainsi, la principale difficulté dans les activités d'une entreprise de ce type peut être surmontée grâce à des accords entre investisseurs.

En conclusion de l'histoire de cette idée, je voudrais dire que l'existence et l'activité d'une telle entreprise ne sont possibles que si les besoins techniques ou technologiques des consommateurs augmentent de sorte que les coûts de financement de la R&D augmentent de sorte que même les grandes entreprises ne peuvent pas les couvrir seules. Je crois que dans la pratique, de telles entreprises de recherche innovantes peuvent être créées dans des universités de premier plan dans les pays développés ou simplement dans un grand centre de recherche qui peut en attirer un nombre suffisamment élevé.

3. Le développement de nouvelles technologies en Fédération de Russie

1 Problèmes de développement de nouvelles technologies en Russie

La Russie est entrée dans le XXIe siècle, le siècle du développement innovant de l'économie dans une situation très bouleversée, causée par plusieurs raisons:

.L'effondrement de l'URSS a sérieusement miné les liens économiques entre les États de l'espace post-soviétique

.Le manque d'entreprises innovantes dans l'industrie (à l'exception de la défense) a sérieusement compliqué la position de la Russie sur le marché mondial.

.L'efflux massif de personnel scientifique hautement qualifié dans les années 90 du XXe siècle a conduit à l'état déplorable de la science russe dans son ensemble, et a également gravement affecté la reproduction du potentiel scientifique du pays.

.La formation finale de la Russie en tant que puissance exclusivement composée de matières premières a conduit au fait que tous les investissements internes et externes sont allés uniquement au secteur des matières premières de l'économie. Une telle "habitude" est extrêmement préjudiciable à l'état de l'économie russe, car l'État est directement intéressé à accroître le secteur des matières premières de l'économie, qui est la principale source de recettes budgétaires et, en fait, l'État lui-même crée des conditions dans lesquelles les investissements ne tombent que dans le secteur des matières premières, contourner le reste.

.L'absence d'un cadre juridique détaillé contribue à la détérioration du climat des affaires dans le pays, et le résultat est une faible activité commerciale des entrepreneurs nationaux (par rapport aux pays d'Europe occidentale et aux États-Unis).

De toute évidence, les problèmes de développement des entreprises russes sur la voie de l'introduction de nouvelles technologies dépendent directement de la politique menée par l'État. Sans aucun doute, les politiques publiques modernes peuvent viser exclusivement le développement supérieur aux secteurs de haute technologie et de haute technologie de l'économie, des systèmes éducatifs, des infrastructures d'information et de transport, ce qui simplifie les échanges, réduit les coûts de transaction, offrant des avantages compétitifs nationaux à long terme. L'expérience mondiale de la politique économique de l'État du XXe siècle a identifié trois vecteurs de son orientation: export, nationale (développement du marché intérieur) et stratégique, associée à une restriction ciblée de l'utilisation de ses propres ressources non renouvelables (pétrole, gaz, forêts, etc.). Un exemple du premier vecteur est donné par la Corée du Sud et la Chine moderne, qui combinent déjà aujourd'hui deux directions., La seconde - la France et le Japon du dernier quart du XXe siècle, la troisième - les États-Unis et les pays de l'OPEP. Dans le même temps, la différenciation des taux de croissance économique des États individuels s'intensifie et, par conséquent, l'écart entre les niveaux de développement scientifique et technologique des économies nationales. Ainsi, les cinq principaux pays - les États-Unis, le Japon, l'Allemagne, la France et le Royaume-Uni - dépensent actuellement plus en R&D que tous les autres États du monde réunis, et la part des États-Unis dans ce groupe dépasse 50%. Par politique industrielle, nous entendons un ensemble de mesures juridiques, organisationnelles, économiques et managériales visant à créer les conditions d'un fonctionnement efficace des structures de production et à assurer la croissance de la productivité, de la production et de l'emploi, élaborées par les gouvernements fédéral et régionaux.

La description des étapes concrètes de l'État dans la mise en œuvre de sa politique de développement d'incitations à la création d'industries innovantes était trop compliquée pour ce travail. Je ne peux que décrire les principaux domaines dans lesquels des mesures devraient être prises pour développer de nouvelles technologies en Russie. Je pense que le début de la mise en œuvre du soutien à l'innovation devrait être un véritable soutien à la science à tous les niveaux de l'État. Le développement de la science devrait devenir la première priorité de l'État pour la prochaine décennie, faute de quoi la Russie ne retrouvera pas sa compétitivité sur les marchés de haute technologie. Il est également nécessaire de gagner la confiance des investisseurs étrangers dans les centres de recherche russes. Cet objectif peut être atteint grâce au financement public d'importants projets de recherche qui ont une large application pratique. Si une telle recherche réussit, les investisseurs comprendront la perspective d'investissements dans la R&D en Russie, car elle a un potentiel scientifique énorme, mais totalement inutilisé. Aux premières étapes du développement d'une économie innovante en Russie, il serait souhaitable de poursuivre une politique de protectionnisme, car aux premiers stades de développement, il sera extrêmement difficile pour les entreprises innovantes russes de concurrencer les entreprises étrangères, même sur le marché intérieur, en raison du manque d'expérience suffisante pour travailler avec des développements innovants.

Je pense que l'aide de l'État aux premiers stades de la mise en place d'une économie innovante est tout simplement nécessaire, mais par la suite, lorsque les résultats de la politique seront en place, les aides d'État devront être réduites, laissant au marché le droit de décider qui restera et qui ne le sera pas.

Conclusion

le siècle peut être appelé en toute sécurité le siècle du développement innovant. Les nouvelles technologies depuis le début des activités humaines ont eu un impact sur le développement économique. Mais c'est précisément ce siècle qui a fait le choix des entreprises: se moderniser ou disparaître sous la pression de concurrents plus techniquement et technologiquement équipés. Désormais, les nouvelles technologies sont devenues le facteur dominant du développement de l'économie. Le problème du développement économique innovant est particulièrement aigu en Russie, dont le système économique ne répond pas du tout aux normes d'une économie innovante. La Russie continue de vivre de la vente de ses ressources non renouvelables, perdant chaque jour de plus en plus d'occasions de regagner sa position de leader sur le marché mondial. Les fonds que le pays reçoit de la vente de ressources doivent être investis dans le développement de la science et des entreprises innovantes prometteuses. Même à court terme, ces investissements porteront leurs fruits, car, je pense, le potentiel russe non réalisé sera en mesure de réaliser des percées dans tous les domaines scientifiques. Cela donnera certainement une impulsion puissante au développement de l'économie dans son ensemble. Cependant, cela nécessite une volonté politique et une politique d’État détaillée, dont il n’ya jusqu’à présent qu’à rêver. Dans l'intervalle, la Russie reste à la traîne des pays en développement, perdant chaque année des positions qui ne seront peut-être jamais restituées. Les dirigeants de la Fédération de Russie doivent comprendre la vérité évidente, qui s'applique à la fois aux entreprises et aux États entiers: celui qui ne se modernise pas disparaît.

Les références

économie technologique industrielle

II. Monographies, ouvrages collectifs, collections d'articles scientifiques:

Sukharev O.S. Économie du développement technologique - M.: Finances et statistiques, 2008 - 480 p.; limon

Makarov V.L. Économie de la connaissance: leçons pour la Russie // La Russie et le monde moderne. - 2004.

Schumpeter J. Théorie du développement économique.

Glazyev S.Yu. La théorie du développement technique et économique à long terme. - M.: VlaDar, 1993

III. Articles de périodiques:

Appendice n ° 1

Tableau 1

Numéro du stade de développement technologique Période couverte par le stade de développement technologique Industries fournissant des technologies de base et un soutien énergétique pour le stade de développement technologique État de l'infrastructure du stade de développement technologique Première 1790-1840 Industrie textile, énergie de l'eau, vapeur, charbon Routes de terre, mouvement à cheval sur terre et sur voiliers par mer, postal deuxième coursiers 1830-1890 Transport ferroviaire, mécanisation des processus de production, utilisation de la vapeur Atelier. L'émergence des premières sociétés par actions comme nouvelles formes d'organisation et juridiques de l'entreprenariat; Chemins de fer, navigation mondiale; Troisième 1880-1940 Développement des industries mécaniques lourdes, électriques et chimiques. Basé sur l'électricité, les moteurs à combustion interne et le développement des gisements de pétrole. La concurrence est de nature monopolistique: fiducies, cartels, etc. Téléphone, télégraphe, radio, réseaux électriques. Quatrième 1930-1990 Développement de la production de masse, énergie gazière et pétrolière, centrales nucléaires, communications, nouveaux matériaux, électronique, logiciels, ordinateurs se développent. Les STN sont créées, la concurrence est oligopolistique Autoroutes à grande vitesse, trafic aérien, gazoducs, développement de la télévision Cinquième milieu des années 80 - à ce jour Microélectronique, informatique, hautes technologies électroniques, biotechnologie, génie génétique, matériaux synthétiques, exploration spatiale commerciale. Associations de grandes et petites entreprises en chaînes uniques, technopoles, villes des sciences, parcs technologiques, nouveaux systèmes de gestion de la qualité, investissements, fournitures, réparations et maintenance des installations techniques Réseaux informatiques, télécommunications, communications par satellite, médias électroniques, nouveaux types de centrales nucléaires, un grand nombre de centrales électriques générant énergie verte.

FSBEI HPE «UNIVERSITÉ FINANCIÈRE SOUS LE GOUVERNEMENT DE LA FÉDÉRATION DE RUSSIE»

pour les cours des étudiants

Faculté ______________________________ Groupe ______________

Nom complet étudiant ______________________________________________

Sujet ________________________________________________________

No. Caractéristiques de qualité du travail Max. Fait de score. point I. Évaluation des travaux selon des critères formels: 301. Respect des délais de rédaction 42. Aspect des travaux et bonne exécution des travaux 23. Existence d'un plan correctement établi 24. Existence d'un en-tête de section interne des sections et sous-sections 25. Indication des pages dans le plan de travail et leur numérotation dans le texte 26. dans le texte des notes de bas de page et des références 27. Exactitude de la citation et conception des citations 38. Visibilité et qualité du matériel illustratif 39. Disponibilité et qualité des applications supplémentaires 310. Exactitude de la conception de la liste des matériaux utilisés 511 .Utilisation de la littérature étrangère dans le texte de l'ouvrage et dans la liste des références2II.Évaluation de l'ouvrage par contenu: 701. Pertinence des problèmes42. Structure logique de l'ouvrage et sa réflexion dans le plan23. Profondeur de rubrication et équilibre des sections 24..Qualité d'introduction 55. Indication des objectifs de recherche36. Indication des méthodes de recherche27. Correspondance du contenu 68. Correspondance du contenu des sections avec leur nom 29. Lien logique entre les sections 310. Degré d'indépendance dans la présentation 1311. Présence d'éléments de nouveauté scientifique 313. Lien entre les œuvres problèmes avec les questions russes 514. Capacité à tirer des conclusions 1015. Qualité de la conclusion 516. Connaissance de la littérature la plus récente 517. Présence d'erreurs fondamentales.

Tutorat

Besoin d'aide pour apprendre un sujet?

  Nos experts vous conseilleront ou vous fourniront des services de tutorat sur des sujets qui vous intéressent.
Envoyez une demande   indiquant le sujet en ce moment pour connaître la possibilité d'obtenir des conseils.

1.1 Concepts de base de l'intelligence artificielle

1.2 Représentation des connaissances

1.3 La tâche de créer des bases de connaissances

2. Reconnaissance de formes et traduction automatique

2.1 Le concept d'image

2.2 Le problème de la reconnaissance des formes

2.3 Formation, auto-formation et adaptation

2.4 Conversion d'images en code numérique

3. Neuro-ordinateurs et réseaux

3.1 Neuro-ordinateurs

3.2 Que sont les réseaux de neurones?

4. Systèmes experts (ES), leur structure et leur classification. Outils pour construire ES. Technologie de développement ES.

5. Utilisation et support d'ES. Réingénierie des affaires.

5.1 Utilisation de systèmes d'experts financiers

5.3 Réingénierie des affaires

6. Stratégie d'acquisition des connaissances. Méthodes pratiques d'extraction des connaissances. Structurer les connaissances. Implémentation logicielle de la base de connaissances.

INTRODUCTION

Les capacités des ordinateurs électroniques ne surprennent plus personne. L'informatisation de divers domaines de l'activité humaine, en plus de l'effet direct de l'introduction de la technologie informatique, donne souvent naissance à de nouvelles classes de produits logiciels et de technologies pour leur développement. Toute technologie est avant tout un domaine d'activité intellectuelle pour les spécialistes.Cependant, contrairement à d'autres types d'activités, les technologies de développement logiciel deviennent immédiatement des objets d'automatisation, ce qui amène la section de programmation correspondante à un nouveau niveau de développement.

Une évolution typique de programmes spécifiques à des outils de développement est passée par des systèmes basés sur les connaissances, et tout d'abord, des systèmes experts conçus pour résoudre des problèmes dans des domaines où les connaissances et l'expérience de l'activité professionnelle jouent un rôle décisif. Dans les systèmes experts, la recherche de solutions s'effectue en simulant les arguments inhérents à des professionnels exceptionnels. Les connaissances formalisées constituent le cœur du système expert - sa base de connaissances. Les blocs restants du système réalisent les fonctions de transformation des connaissances et sont déterminés non pas tant par le contenu des connaissances que par les propriétés de leurs structures formelles.

1. Le concept de l'intelligence artificielle. Représentation des connaissances et développement de systèmes basés sur les connaissances

1.1. Concepts de base de l'intelligence artificielle

Le terme intelligence vient du latin intellectus - qui signifie esprit, raison, raison; capacités mentales d'une personne. En conséquence, l'intelligence artificielle (IA) est généralement interprétée comme une propriété des systèmes automatiques pour assumer des fonctions individuelles de l'intelligence humaine, par exemple, pour choisir et prendre des décisions optimales en fonction de l'expérience antérieure et d'une analyse rationnelle des influences externes.

L'intelligence est la capacité du cerveau à résoudre des problèmes (intellectuels) en acquérant, en se souvenant et en transformant délibérément des connaissances dans le processus d'apprentissage par l'expérience et d'adaptation à diverses circonstances.

Dans cette définition, le terme «connaissance» signifie non seulement les informations qui pénètrent dans le cerveau par les sens. Ce type de connaissances est extrêmement important, mais insuffisant pour l'activité intellectuelle. Le fait est que les objets de notre environnement ont la propriété non seulement d'affecter les sens, mais aussi d'être dans certaines relations les uns avec les autres. Il est clair que pour mener à bien une activité intellectuelle dans l'environnement (ou même simplement exister), il est nécessaire d'avoir un modèle de ce monde dans le système de connaissances. Dans ce modèle d'information environnementale, les objets réels, leurs propriétés et les relations entre eux ne sont pas seulement affichés et mémorisés, mais, comme indiqué dans cette définition de l'intelligence, ils peuvent être mentalement «transformés volontairement». De plus, il est significatif que la formation d'un modèle de l'environnement extérieur se produise «dans le processus d'apprentissage de l'expérience et d'adaptation aux diverses circonstances».

1.2. Représentation des connaissances

La représentation du savoir est une question qui se pose en sciences cognitives (la science de la pensée) et en intelligence artificielle. En sciences cognitives, elle est liée à la façon dont les gens stockent et traitent les informations. En intelligence artificielle (IA), l'objectif principal est d'apprendre à stocker les connaissances afin que les programmes puissent les traiter et obtenir la ressemblance de l'intelligence humaine. Les chercheurs en IA utilisent des théories cognitives de la représentation des connaissances. Des méthodes telles que les trames, les règles et les réseaux sémantiques sont venues à l'IA des théories de traitement de l'information humaine. Puisque la connaissance est utilisée pour obtenir un comportement raisonnable, l'objectif fondamental de la discipline de la représentation de la connaissance est la recherche de telles méthodes de présentation qui rendent possible le processus d'inférence logique, c'est-à-dire la création de conclusions à partir de la connaissance.

Quelques questions qui se posent dans la représentation des connaissances en termes d'IA:

· Comment les gens représentent-ils le savoir?

· Quelle est la nature des connaissances et comment les représentons-nous?

· Le schéma de présentation doit-il être associé à un domaine privé de connaissances, ou doit-il être à usage général?

· Dans quelle mesure ce schéma de présentation est-il expressif?

· Devrait-il y avoir un schéma déclaratif ou procédural?

Il y a eu très peu de discussions sur la représentation des connaissances et la recherche dans ce domaine. Il existe des problèmes bien connus, tels que «l'activation de la propagation» (la tâche de naviguer dans un réseau de nœuds), la «catégorisation» (cela est dû à l'héritage sélectif; par exemple, un véhicule tout-terrain peut être considéré comme une spécialisation (cas particulier) d'une voiture, mais il hérite uniquement de certaines caractéristiques) et «classification» ". Par exemple, une tomate peut être considérée à la fois comme un fruit et un légume.

Dans le domaine de l'intelligence artificielle, la résolution de problèmes peut être simplifiée par le choix correct de la méthode de représentation des connaissances. Une certaine méthode peut rendre n'importe quel domaine de connaissance facilement représentable. Par exemple, Mitsin, un système expert de diagnostic, a utilisé un schéma de représentation des connaissances basé sur des règles. Un mauvais choix de méthode de présentation rend le traitement difficile. Par analogie, vous pouvez effectuer des calculs en notation indo-arabe ou romaine. La division des colonnes est plus facile dans le premier cas et plus difficile dans le second. De même, il n'existe aucun moyen de présentation de ce type pouvant être utilisé dans toutes les tâches ou pour rendre toutes les tâches également simples.

Le problème de la création de bases de connaissances est complexe et multiforme. Si nous limitons l’examen de ce problème à la tâche d’extraction des connaissances personnelles de l’expert, nous pouvons formuler les exigences et principes de base pour la construction de systèmes logiciels qui automatisent le processus de création de bases de connaissances. Les systèmes de ce type sont appelés systèmes automatisés d'ingénierie des connaissances.

1.3. La tâche de construire des bases de connaissances

Malgré la prétention de son nom, l'ingénierie des connaissances est une discipline purement prosaïque, sa tâche est de développer des programmes pratiquement utiles pour les domaines faiblement «mathématisés» de l'activité humaine. Le principal argument en faveur de la fécondité de cette approche est le fait que, dans la vie réelle, l'institut a des experts - des professionnels chics qui sont capables de résoudre des problèmes mal formalisés à partir d'une zone de problème particulière.

Du point de vue de l'ingénierie des connaissances, dans tout programme d'application (au moins théoriquement), il est possible de distinguer un composant qui contient des connaissances sur la zone à problème. C'est cette composante, appelée base de connaissances, qui détermine la valeur pratique du programme. Construire une base de connaissances nécessite une recherche particulière dans un domaine problématique, tandis que le reste des blocs de programme sont entièrement sous la responsabilité du programmeur.

Actuellement, il existe quatre façons principales de représenter les connaissances qui peuvent être utilisées pour construire des façons «hybrides» de représenter les connaissances.

· Systèmes de production

· Réseaux sémantiques

· Cadres

· Calcul logique

· Méthodes combinées de représentation des connaissances

· Modèles de zones à problèmes

2. Reconnaissance de formes et traduction automatique

2.1 Le concept d'image

Une image, une classe est un regroupement de classification dans un système de classification qui unit un certain groupe d'objets selon un certain critère. La perception figurative du monde est l'une des propriétés du cerveau vivant qui vous permet de comprendre le flux infini d'informations perçues et de maintenir l'orientation dans des données disparates sur le monde extérieur. Percevant le monde extérieur, nous classons toujours les informations, c'est-à-dire que nous les divisons en groupes de phénomènes similaires, mais non identiques. Cette propriété du cerveau nous permet de formuler un tel concept comme une image.

La capacité de percevoir le monde extérieur sous forme d'images permet de reconnaître avec certitude un nombre infini d'objets sur la base d'une familiarisation avec leur nombre fini, et la nature objective de la propriété principale des images permet de simuler le processus de reconnaissance.

2.2 Le problème de la reconnaissance des formes

La reconnaissance des formes consiste à identifier un objet ou à déterminer ses propriétés à partir de son image (reconnaissance optique) ou de l'enregistrement audio (reconnaissance acoustique). Au cours de l'évolution biologique, de nombreux animaux à l'aide de l'appareil visuel et auditif ont assez bien résolu ce problème. La création de systèmes artificiels avec des fonctions de reconnaissance de formes reste un problème technique complexe.

Fig. 2.1. Un exemple d'objets d'apprentissage.

En général, le problème de la reconnaissance des formes (PRO) se compose de deux parties: l'apprentissage et la reconnaissance. La formation est réalisée en montrant des objets individuels avec une indication de leur appartenance à une image particulière. À la suite de la formation, le système de reconnaissance devrait acquérir la capacité de répondre avec les mêmes réactions à tous les objets d'une image et avec d'autres réactions à tous les objets d'images distinctes. Il est très important que le processus d'apprentissage ne soit achevé qu'en montrant un nombre fini d'objets. Les objets d'entraînement peuvent être soit des images (Fig. 2.1), soit d'autres images visuelles (lettres, chiffres). Il est important que dans le processus d'apprentissage, seuls les objets eux-mêmes et leur appartenance à l'image soient indiqués. L'apprentissage est suivi du processus de reconnaissance de nouveaux objets, qui caractérise les actions d'un système déjà formé. L'automatisation de ces procédures est le problème de la formation à la reconnaissance des formes. Dans le cas où une personne décide ou invente elle-même, puis impose une règle de classification à la machine, le problème de reconnaissance est partiellement résolu, car la personne reprend la partie principale et principale du problème (formation).

La gamme des tâches pouvant être résolues à l'aide de systèmes de reconnaissance est extrêmement large. Cela comprend non seulement la reconnaissance des images visuelles et auditives, mais aussi la classification des processus et phénomènes complexes qui surviennent, par exemple, lors du choix des actions appropriées par le chef d'entreprise ou du choix de la gestion optimale des tâches technologiques, économiques, de transport ou militaires. Avant de commencer l'analyse d'un objet, vous devez obtenir certaines informations ordonnées à son sujet.

Le choix de la description initiale des objets est l'une des tâches centrales du problème de la reconnaissance des formes. Avec un choix réussi de la description initiale (espace d'attributs), le problème de reconnaissance peut se révéler insignifiant et, à l'inverse, une description initiale incorrectement sélectionnée peut conduire soit à un traitement ultérieur très difficile des informations, soit à un manque général de solution.

2.5 Formation, auto-formation et adaptation

La formation est un processus, à la suite duquel le système acquiert progressivement la capacité de répondre avec les réponses nécessaires à certains ensembles d'influences externes, et l'adaptation est l'ajustement des paramètres et de la structure du système afin d'atteindre la qualité de contrôle requise dans des changements continus de conditions externes. Toutes les images présentées sur la fig. 2.1, caractériser la tâche d'apprentissage. Dans chacune de ces tâches, plusieurs exemples sont donnés (séquence de formation) de problèmes résolus correctement. S'il était possible de remarquer une certaine propriété universelle qui ne dépend pas de la nature des images ou de leurs images, mais détermine uniquement leur capacité de séparabilité, alors avec la tâche habituelle d'apprendre à reconnaître en utilisant des informations sur l'appartenance de chaque objet de la séquence d'apprentissage à une image particulière, on pourrait poser un autre problème de classification - la soi-disant tâche d'apprendre sans enseignant. Ce type de tâche au niveau descriptif peut être formulé comme suit: les objets sont présentés simultanément ou séquentiellement au système sans aucune indication de leur appartenance aux images. Le dispositif d'entrée du système mappe de nombreux objets à de nombreuses images et, à l'aide d'une propriété de séparabilité des images qui y sont intégrées à l'avance, effectue une classification indépendante de ces objets. Après un tel processus d'auto-apprentissage, le système devrait acquérir la capacité de reconnaître non seulement les objets déjà familiers (objets de la séquence d'apprentissage), mais aussi ceux qui n'ont pas été présentés auparavant. Le processus d'auto-apprentissage d'un système est un tel processus, à la suite duquel ce système, sans inciter un enseignant, acquiert la capacité de développer les mêmes réactions aux images d'objets de la même image et différentes réactions aux images d'images différentes. Le rôle de l'enseignant dans ce cas consiste uniquement à inciter le système d'une propriété objective qui est la même pour toutes les images et détermine la capacité de diviser de nombreux objets en images. Une telle propriété objective est la propriété de compacité des images. La position relative des points dans l'espace sélectionné contient déjà des informations sur la façon de diviser l'ensemble de points. Ces informations déterminent la propriété de séparabilité d'image, qui s'avère suffisante pour l'auto-apprentissage du système de reconnaissance de formes.

L'apprentissage est généralement appelé le processus de génération dans un système d'une réaction particulière à des groupes de signaux externes identiques en influençant à plusieurs reprises le système d'ajustement externe. Un tel ajustement externe de la formation est communément appelé «récompenses» et «punitions». Le mécanisme de génération de cet ajustement détermine presque complètement l'algorithme d'apprentissage. L'auto-apprentissage diffère de la formation en ce qu'il n'y a pas d'informations supplémentaires sur la fidélité de la réaction au système.

L'adaptation est le processus de modification des paramètres et de la structure du système, et éventuellement des actions de contrôle basées sur les informations actuelles afin d'atteindre un certain état du système avec une incertitude initiale et des conditions de travail changeantes.

Un moyen de construire des machines de reconnaissance est possible, basé sur la distinction de tout signe de chiffres à reconnaître. Différentes caractéristiques des figures peuvent être sélectionnées comme signes, par exemple, leurs propriétés géométriques (caractéristiques des courbes constituant la figure), leurs propriétés topologiques (position relative des éléments de la figure), etc. On connaît des machines de reconnaissance dans lesquelles des lettres ou des chiffres sont distingués par la soi-disant «méthode de sonde» (Fig. 2.2), c'est-à-dire par le nombre d'intersections du contour de la figure avec plusieurs lignes droites spécialement arrangées.

Fig. 2.2 Disposition des sondes pour la reconnaissance des chiffres.

Si vous concevez les nombres sur le terrain avec les sondes, il s'avère que chacun des nombres intersecte des sondes bien définies et les combinaisons de sondes intersectées sont différentes pour les dix chiffres. Ces combinaisons sont utilisées comme caractéristiques par lesquelles la distinction est faite entre les nombres. De telles machines réussissent, par exemple, à lire du texte dactylographié, mais leurs capacités sont limitées par la police (ou un groupe de polices similaires) pour laquelle un système de fonctionnalités a été développé. Le travail de création d'un ensemble de figures de référence ou d'un système de signes doit être effectué par une personne. La qualité de la machine, c'est-à-dire la fiabilité de la «reconnaissance» des chiffres présentés est déterminée par la qualité de cette préparation préalable et ne peut être améliorée sans intervention humaine. La machine décrite n'est pas une machine d'apprentissage.

Modéliser le processus d'apprentissage implique un apprentissage qui n'est pas précédé en donnant à la machine des informations sur les images qu'elle doit apprendre à reconnaître; la formation elle-même consiste à présenter à la machine un certain nombre fini d'objets de chaque image. Grâce à la formation, la machine devrait être capable de reconnaître un nombre arbitrairement élevé de nouveaux objets appartenant aux mêmes images. Ainsi, nous avons à l'esprit la conception expérimentale suivante:

a) aucune information sur les images à classer n'est entrée à l'avance dans la machine;

b) lors de la formation, un certain nombre d'objets de chacune des images à classer sont présentés à la machine et (lors de la modélisation du processus d'apprentissage «avec un enseignant») il est indiqué à quelle image appartient chaque objet;

c) la machine traite automatiquement les informations reçues, après quoi

d) avec une fiabilité suffisante, distingue un nombre arbitrairement élevé de nouveaux objets qui ne lui étaient pas présentés auparavant à partir d'images.

Les machines fonctionnant selon ce schéma sont appelées machines de reconnaissance.

2.6 Conversion d'images en code numérique

Pour entrer une image dans une machine, vous devez la traduire en langage machine, c'est-à-dire encoder, représenter sous la forme d'une combinaison de caractères que la machine peut faire fonctionner. Le codage des figures d'avion peut être effectué de différentes manières. Mieux vaut viser le codage des images le plus «naturel». Nous allons dessiner les figures sur un certain champ, divisées par des lignes verticales et horizontales en éléments identiques - des carrés. Les éléments sur lesquels l'image est tombée seront complètement noircis, le reste restera blanc. Convenons de désigner les éléments noirs comme unité, les éléments blancs comme zéro. Nous introduisons la numérotation séquentielle de tous les éléments du champ, par exemple, dans chaque ligne de gauche à droite et le long des lignes de haut en bas. Ensuite, chaque chiffre dessiné sur un tel champ sera affiché sans ambiguïté par un code composé d'autant de chiffres (uns et zéros) qu'il y a d'éléments dans le champ.

Fig 2.3 Exemples de projection et de codage d'images.

Un tel codage (Fig. 2.3) est considéré comme «naturel» car la division de l'image en éléments est à la base du travail de notre appareil visuel. En effet, la rétine de l'œil est constituée d'un grand nombre d'éléments sensibles individuels (appelés bâtonnets et cônes) reliés par des fibres nerveuses aux parties visuelles du cerveau. Les éléments sensibles de la rétine transmettent des signaux à travers leurs fibres nerveuses vers le cerveau, dont l'intensité dépend de l'illumination de cet élément. Ainsi, l'image, conçue par le système optique de l'œil sur la rétine, est divisée par des baguettes et des cônes en sections distinctes, et transmise au cerveau par des éléments dans un certain code. Les éléments individuels du champ sont appelés récepteurs, et le champ lui-même est appelé le champ des récepteurs.

L'ensemble de toutes les figures planes qui peuvent être représentées sur le champ des récepteurs est un certain ensemble. Chaque figure concrète de cette totalité est un objet de cet ensemble. Chacun de ces objets correspond à un code spécifique. De même, tout code correspond à une image spécifique sur le domaine des récepteurs. Une correspondance biunivoque entre codes et images vous permettra de n'opérer qu'avec des codes, sachant qu'une image peut toujours être reproduite par son code.

Capacité ANN - le nombre d'images présentées aux entrées ANN pour la reconnaissance. Pour séparer plusieurs images d'entrée, par exemple, en deux classes, une seule sortie suffit. De plus, chaque niveau logique - «1» et «0» - désignera une classe distincte. À deux sorties, vous pouvez déjà encoder 4 classes et ainsi de suite. Pour augmenter la fiabilité de la classification, il est souhaitable d'introduire une redondance en isolant chaque classe avec un neurone dans la couche de sortie ou, mieux encore, plusieurs, chacun étant formé pour déterminer si l'image appartient à la classe avec son propre degré de fiabilité, par exemple: haute, moyenne et faible. Ces ANN permettent de classer les images d'entrée combinées en ensembles flous (flous ou entrecroisés). Cette propriété apporte des ANN similaires à des conditions réelles.

3. Neuro-ordinateurs et réseaux

3.1 Neuro-ordinateurs

Les neuro-ordinateurs sont des systèmes dans lesquels l'algorithme pour résoudre le problème est représenté par un réseau logique d'éléments d'une forme privée - des neurones avec un rejet complet des éléments booléens du type ET, OU, NON. En conséquence, des relations spécifiques sont introduites entre les éléments, qui font l'objet d'un examen séparé.

Contrairement aux méthodes classiques de résolution de problèmes, les neuro-ordinateurs mettent en œuvre des algorithmes de résolution de problèmes, présentés sous la forme de réseaux de neurones. Cette limitation permet le développement d'algorithmes potentiellement plus parallèles que toute autre implémentation physique.

Un neuro-ordinateur est un système informatique avec l'architecture MSIMD, qui met en œuvre deux solutions techniques fondamentales: un élément processeur d'une structure homogène est simplifié au niveau d'un neurone et les communications entre les éléments sont très compliquées; la programmation de la structure de calcul a été reportée à un changement dans les relations de poids entre les éléments du processeur.

La définition générale d'un neuro-ordinateur peut être représentée comme suit. Un neuro-ordinateur est un système informatique dont l'architecture matérielle et logicielle est adéquate pour l'exécution des algorithmes présentés dans la base logique du réseau neuronal.

3.2 Que sont les réseaux de neurones?

Chaque neurone reçoit des signaux des neurones voisins par le biais de fibres nerveuses spéciales. Ces signaux peuvent être excitants ou inhibiteurs. Leur somme est le potentiel électrique à l'intérieur du corps du neurone. Lorsque le potentiel dépasse un certain seuil, le neurone entre dans un état excité et envoie un signal le long de la fibre nerveuse de sortie. Les neurones artificiels individuels sont connectés les uns aux autres par diverses méthodes. Cela vous permet de créer une variété de réseaux de neurones avec différentes architectures, règles de formation et capacités.

Le terme «réseaux de neurones artificiels» pour beaucoup est associé aux fantasmes sur les androïdes et la rébellion des robots, sur les machines qui remplacent et imitent les humains. Cette impression est renforcée par de nombreux développeurs de neurosystèmes, qui se demandent comment dans un avenir proche, les robots commenceront à maîtriser diverses activités, juste en regardant une personne. Si vous passez au niveau du travail quotidien, les réseaux de neurones ne sont que des réseaux constitués d'éléments simples interconnectés de neurones formels. La plupart des travaux sur la neuroinformatique sont consacrés au transfert de divers algorithmes pour résoudre des problèmes sur de tels réseaux.

Le concept est basé sur l'idée que les neurones peuvent être modélisés par des automates assez simples, et toute la complexité du cerveau, la flexibilité de son fonctionnement et d'autres qualités les plus importantes sont déterminées par les connexions entre les neurones. Chaque connexion est présentée comme un élément très simple qui sert à transmettre un signal. En bref, cette pensée peut être exprimée comme suit: «la structure des connexions est tout, les propriétés des éléments ne sont rien».

L'ensemble des idées et la direction scientifique et technique déterminées par l'idée décrite du cerveau s'appellent le connexionnisme. Avec le vrai cerveau, tout cela est en corrélation à peu près comme une caricature ou un dessin animé avec son prototype. L'important n'est pas la correspondance littérale avec l'original, mais la productivité d'une idée technique.

Le bloc d'idées suivant est étroitement lié au connexionnisme:

· Homogénéité du système (les éléments sont les mêmes et extrêmement simples, tout est déterminé par la structure des relations);

· Systèmes fiables d'éléments peu fiables et «renaissance analogique» utilisant des éléments analogiques simples;

· Systèmes «holographiques», lorsqu'une pièce sélectionnée au hasard est détruite, le système conserve ses propriétés.

On suppose que les vastes possibilités des systèmes de communication compensent le mauvais choix des éléments, leur manque de fiabilité et la destruction éventuelle de certaines connexions.

Pour décrire les algorithmes et les dispositifs en neuroinformatique, un «circuit» spécial a été développé dans lequel les dispositifs élémentaires (additionneurs, synapses, neurones, etc.) sont combinés dans des réseaux conçus pour résoudre des problèmes. Pour de nombreux débutants, il semble inattendu que ni dans l'implémentation matérielle des réseaux de neurones, ni dans les logiciels professionnels, ces éléments ne soient du tout nécessairement réalisés sous forme de parties ou de blocs séparés. Le circuit idéal utilisé en neuroinformatique est un langage spécial pour la description des réseaux de neurones et leur formation. Avec les implémentations logicielles et matérielles, les descriptions faites dans cette langue sont traduites dans des langues plus appropriées d'un autre niveau.

4. Systèmes experts (ES), leur structure et leur classification. Outils pour construire ES. Technologie de développement ES

4.1 Désignation de systèmes experts

Au début des années 80, la recherche sur l'intelligence artificielle a formé une direction indépendante, appelée "systèmes experts" (ES). Le but de la recherche sur les SE est de développer des programmes qui, lorsqu'ils résolvent des problèmes difficiles pour un expert humain, obtiennent des résultats qui ne sont pas inférieurs en qualité et en efficacité aux solutions reçues par l'expert. Les chercheurs dans le domaine des ES pour le nom de leur discipline utilisent souvent le terme «ingénierie des connaissances», introduit par E. Feigenbaum comme «introduisant les principes et les outils de recherche du domaine de l'intelligence artificielle pour résoudre des problèmes appliqués difficiles nécessitant des connaissances d'experts».

Les outils logiciels (PS), basés sur la technologie de systèmes experts, ou l'ingénierie des connaissances (nous les utiliserons à l'avenir comme synonymes), ont reçu une distribution importante dans le monde. L'importance des systèmes experts est la suivante:

· La technologie des systèmes experts élargit considérablement la gamme des tâches pratiquement importantes résolues sur les ordinateurs, dont la solution apporte un effet économique significatif;

· La technologie ES est un outil essentiel pour résoudre les problèmes mondiaux de programmation traditionnelle: la durée et, par conséquent, le coût élevé du développement d'applications complexes;

· Le coût élevé de la maintenance des systèmes complexes, qui est souvent plusieurs fois supérieur au coût de leur développement; faible réutilisabilité des programmes, etc.

· La combinaison de la technologie ES avec la technologie de programmation traditionnelle ajoute de nouvelles qualités aux produits logiciels en: fournissant une modification dynamique des applications par l'utilisateur, pas le programmeur; une plus grande «transparence» de l'application (par exemple, les connaissances sont stockées sur un EH limité, qui ne nécessite pas de commentaires sur les connaissances, simplifie la formation et la maintenance); de meilleurs graphismes; interface et interaction.

Selon d'éminents experts, ES trouvera dans un avenir proche l'application suivante:

· ES jouera un rôle de premier plan dans toutes les phases de la conception, du développement, de la production, de la distribution, de la vente, du support et de la prestation de services;

· La technologie ES, qui a gagné une distribution commerciale, fournira une percée révolutionnaire dans l'intégration d'applications à partir de modules interactifs intelligents prêts à l'emploi.

Les ES sont destinés aux tâches dites informelles, c'est-à-dire Les ES ne rejettent ni ne remplacent l'approche traditionnelle de développement de programmes axés sur la résolution de problèmes formalisés.

Les tâches non formalisées ont généralement les fonctionnalités suivantes:

· Erreur, ambiguïté, incomplétude et incohérence des données sources;

· Illusion, ambiguïté, incomplétude et incohérence des connaissances sur la zone à problème et le problème à résoudre;

· Grande dimension de l'espace de solution, c'est-à-dire la recherche d'une solution est très vaste;

· Modification dynamique des données et des connaissances.

Il convient de souligner que les tâches informelles représentent une classe de tâches vaste et très importante. De nombreux experts estiment que ces tâches sont la classe de tâches la plus répandue résolue par les ordinateurs.

Les systèmes experts et les systèmes d'intelligence artificielle diffèrent des systèmes de traitement de données en ce qu'ils utilisent principalement une manière symbolique (plutôt que numérique) de représenter, l'inférence symbolique et une recherche heuristique d'une solution (plutôt que d'exécuter un algorithme connu).

Les systèmes experts sont utilisés pour résoudre uniquement les problèmes pratiques difficiles (et non les jouets). Les systèmes experts ne sont pas inférieurs aux décisions d'un expert en matière de qualité et d'efficacité de la solution. Les solutions de systèmes experts ont une "transparence", c'est-à-dire peut être expliqué à l'utilisateur à un niveau qualitatif. Cette qualité des systèmes experts est assurée par leur capacité à raisonner sur leurs connaissances et conclusions. Les systèmes experts sont capables de reconstituer leurs connaissances au cours de l'interaction avec un expert. Il convient de noter qu'à l'heure actuelle, la technologie des systèmes experts est utilisée pour résoudre divers types de tâches (interprétation, prédiction, diagnostic, planification, conception, surveillance, débogage, formation, gestion) dans une grande variété de domaines problématiques, tels que la finance, l'industrie pétrolière et gazière. , énergie, transports, production pharmaceutique, espace, métallurgie, mines, chimie, éducation, industrie des pâtes et papiers, télécommunications et communications, etc.

Les succès commerciaux des développeurs de systèmes d'intelligence artificielle (SII) ne sont pas venus immédiatement. De 1960 à 1985 Les succès de l'IA se sont concentrés principalement sur la recherche et le développement, ce qui a démontré l'aptitude du SRI à une utilisation pratique. À partir de 1985 environ (à grande échelle de 1988 à 1990), principalement des ES, et ces dernières années, les systèmes qui perçoivent le langage naturel (systèmes NL) et les réseaux de neurones (NS) ont commencé à être activement utilisés dans les applications commerciales. .

Les raisons qui ont conduit la FIS au succès commercial sont les suivantes.

Intégration   Développé des outils pour l'intelligence artificielle (IS AI), facilement intégrable avec d'autres technologies et outils d'information (avec CASE, SGBD, contrôleurs, concentrateurs de données, etc.).

Ouverture et tolérance.   Les IA des SI sont développées conformément aux normes qui garantissent l'ouverture et la portabilité.

Utilisation de langages de programmation et de postes de travail traditionnels. Le passage des IA implémentées dans les langages AI (Lisp, Prolog, etc.) aux IA implémentées dans les langages de programmation traditionnels (C, C ++, etc.) a simplifié l'intégration, réduit les exigences des applications AI. à la vitesse des ordinateurs et la quantité de RAM. L'utilisation de postes de travail (au lieu de PC) a considérablement augmenté la gamme d'applications pouvant être exécutées sur des ordinateurs utilisant IS AI.

Architecture client-serveur. Les IA de SI ont été développées qui prennent en charge l'informatique distribuée sur une architecture client-serveur, ce qui a permis: de réduire le coût des équipements utilisés dans les applications, de décentraliser les applications, d'augmenter la fiabilité et les performances globales (car la quantité d'informations envoyées entre les ordinateurs est réduite et chaque module d'application est exécuté à un niveau adéquat lui équipement).

IA orientée problème / domaine. La transition du développement de systèmes SI à usage général (bien qu'ils n'aient pas perdu leur importance en tant que moyen de créer des SI orientés) vers des systèmes SI orientés problème / sujet permet: une réduction du temps de développement des applications; accroître l'efficacité de l'utilisation de la propriété intellectuelle; simplification et accélération de l'expert; réutilisation des informations et des logiciels (objets, classes, règles, procédures).

4.2 Classification des systèmes experts

La classe «systèmes experts» regroupe aujourd'hui plusieurs milliers de systèmes logiciels différents qui peuvent être classés selon différents critères. Les classifications suivantes peuvent être utiles (Fig. 4.1).

Fig. 4.1. Classification des systèmes experts

Classification selon la tâche à résoudre

Interprétation des données.   C'est l'une des tâches traditionnelles des systèmes experts. Sous l'interprétation se réfère à la définition de la signification des données, dont les résultats doivent être cohérents et corrects. Une analyse de données multivariée est généralement fournie.

Diagnostics   Les diagnostics se réfèrent à la détection d'un dysfonctionnement dans certains systèmes. Un dysfonctionnement est un écart par rapport à la norme. Une telle interprétation nous permet de considérer les dysfonctionnements des équipements dans les systèmes techniques, les maladies des organismes vivants et toutes sortes d'anomalies naturelles d'un seul point de vue théorique. Une spécificité importante est la nécessité de comprendre la structure fonctionnelle («anatomie») du système de diagnostic.

Suivi La tâche principale de la surveillance est l'interprétation continue des données en temps réel et la signalisation que certains paramètres dépassent les limites acceptables. Les principaux problèmes sont le «saut» de la situation d'alarme et la tâche inverse de la «fausse» réponse. La complexité de ces problèmes est le flou des symptômes des situations d'anxiété et la nécessité de prendre en compte le contexte temporel.

Conception.   La conception consiste à préparer des spécifications pour créer des «objets» avec des propriétés prédéfinies. La spécification se réfère à l'ensemble complet des documents nécessaires - dessin, note explicative, etc. Les principaux problèmes ici sont l'obtention d'une description structurelle claire des connaissances sur l'objet et le problème de la «trace». Pour organiser une conception efficace et, dans une plus large mesure encore, une refonte, il est nécessaire de former non seulement les décisions de conception elles-mêmes, mais aussi les motifs de leur adoption. Ainsi, dans les tâches de conception, deux processus principaux qui sont exécutés dans le cadre de l'ES correspondant sont étroitement liés: processus de décision   et processus d'explication.

Prévision.   Les systèmes prédictifs tirent logiquement des conséquences probables de situations données. Dans un système de prévision, un modèle dynamique paramétrique est généralement utilisé, dans lequel les valeurs des paramètres sont «adaptées» à une situation donnée. Les corollaires dérivés de ce modèle constituent la base des prévisions avec estimations probabilistes.

Planification.   La planification fait référence à la recherche de plans d'action liés à des objets pouvant exécuter certaines fonctions. Ces ES utilisent des modèles de comportement d'objets réels afin de déduire logiquement les conséquences de l'activité planifiée.

La formation.   Les systèmes d'apprentissage diagnostiquent les erreurs dans l'étude d'une discipline à l'aide d'ordinateurs et suggèrent les bonnes solutions. Ils accumulent des connaissances sur un «étudiant» hypothétique et ses erreurs caractéristiques, puis dans leur travail, ils sont en mesure de diagnostiquer les faiblesses des connaissances des étudiants et de trouver les moyens appropriés pour les éliminer. De plus, ils prévoient un acte de communication avec l'élève, en fonction de la réussite de l'élève afin de transférer des connaissances.

Dans le cas général, tous les systèmes basés sur la connaissance peuvent être divisés en des systèmes qui résolvent les problèmes d'analyse,   et sur systèmes qui résolvent les problèmes de synthèse.

La principale différence entre les problèmes d'analyse et les problèmes de synthèse est la suivante: si dans les problèmes d'analyse, de nombreuses solutions peuvent être répertoriées et incluses dans le système, alors dans les problèmes de synthèse, de nombreuses solutions sont potentiellement construites à partir de solutions de composants ou de sous-problèmes. La tâche d'analyse est l'interprétation des données, le diagnostic; les tâches de synthèse comprennent la conception, la planification. Tâches combinées: formation, suivi, prévisions.

Classification en temps réel

ES statique   développé dans des domaines dans lesquels la base de connaissances et les données interprétées ne changent pas au fil du temps. Ils sont stables.

Quasidynamic ES   interpréter une situation qui change à un intervalle de temps fixe.

Dynamic ES   travailler en collaboration avec des capteurs d'objets en temps réel avec une interprétation continue des données entrantes.

Classification informatique

Aujourd'hui, il y a:

ES pour des tâches stratégiques importantes uniques sur un supercalculateur (Elbrus, CRAY, CONVEX, etc.);

ES sur des ordinateurs à performances moyennes (tels que les ordinateurs EC, l'ordinateur central);

ES sur les processeurs de caractères et les postes de travail (SUN, APOLLO);

ES sur mini-et supermini-ordinateurs (VAX, micro - VAX, etc.);

ES sur des ordinateurs personnels (IBM PC, MAC II et similaires).

Classification par degré d'intégration avec d'autres programmes

ES autonome   Ils travaillent directement en mode de consultation de l'utilisateur pour des tâches «expertes» spécifiques, pour la solution desquelles il n'est pas nécessaire d'utiliser des méthodes traditionnelles de traitement des données (calculs, modélisation, etc.).

Hybrid ES   représentent un progiciel qui regroupe des progiciels d'application standard (par exemple, statistiques mathématiques, programmation linéaire ou systèmes de gestion de base de données) et des outils de manipulation des connaissances. Cela peut être un complément intellectuel sur la DP ou un environnement intégré pour résoudre un problème complexe avec des éléments de connaissances d'experts.

Malgré l'attrait extérieur de l'approche hybride, il convient de noter que le développement de tels systèmes est une tâche d'un ordre de grandeur plus complexe que le développement d'un SE autonome. Ancrer non seulement des packages différents, mais des méthodologies différentes (ce qui se passe dans les systèmes hybrides) crée toute une gamme de difficultés théoriques et pratiques.

4.3 Structure des systèmes experts (sur l'exemple des ES statiques et dynamiques)

Un ES statique typique se compose des principaux composants suivants (Fig. 4.2):

· Solveur (interprète);

· Mémoire de travail (RP), également appelée base de données (DB);

· Base de connaissances (KB);

· Composantes de l'acquisition des connaissances;

· Composante explicative;

· Composante de dialogue.

Base de données (mémoire de travail)   Il est destiné au stockage des données initiales et intermédiaires du problème en cours de résolution. Ce terme coïncide dans son nom, mais pas dans sa signification, avec le terme utilisé dans les systèmes de recherche d'informations (IPS) et les systèmes de gestion de base de données (SGBD) pour faire référence à toutes les données (principalement à long terme) stockées dans le système.

Base de connaissances   (BZ) dans ES est destiné à stocker des données à long terme décrivant la zone en question (et non des données actuelles), et des règles décrivant les transformations de données appropriées dans cette zone.

Solveur   En utilisant les données initiales de la mémoire de travail et les connaissances de la base de connaissances, il forme une séquence de règles qui, appliquées aux données initiales, conduisent à la solution du problème.

Composant   l'acquisition de connaissances automatise le processus de remplissage des connaissances ES, effectué par un utilisateur expert.

Composante explicative   explique comment le système a reçu la solution au problème (ou pourquoi il n'a pas reçu la solution) et quelles connaissances il a utilisées en même temps, ce qui permet à l'expert de tester plus facilement le système et augmente la confiance de l'utilisateur dans le résultat.

Fig. 4.2. La structure de l'ES statistique

Composant de dialogue   concentré sur l'organisation d'une communication amicale avec l'utilisateur à la fois dans le cadre de la résolution de problèmes et dans le processus d'acquisition de connaissances et d'explication des résultats du travail.

Des représentants des spécialités suivantes participent au développement des SE:

un expert dans un domaine problématique, dont les tâches seront résolues par le SE;

ingénieur du savoir - spécialiste du développement des ES (la technologie utilisée par lui, les méthodes sont appelées la technologie (méthodes) de l'ingénierie des connaissances);

programmeur pour le développement d'outils (SI) conçus pour accélérer le développement des ES.

Il convient de noter que l'absence d'ingénieurs du savoir parmi les participants au développement (c'est-à-dire leur remplacement par des programmeurs) conduit soit à l'échec du processus de création d'ES, soit à l'allonger considérablement.

Expert   définit les connaissances (données et règles) qui caractérisent le domaine problématique, garantit l'exhaustivité et l'exactitude des connaissances entrées dans ES.

Ingénieur de connaissances aide l'expert à identifier et structurer les connaissances nécessaires au fonctionnement des SE; fait le choix de l'IP qui convient le mieux à ce domaine problématique et détermine la manière de représenter les connaissances dans cet IP; isole et programme (par des moyens traditionnels) des fonctions standard (typiques de cette zone problématique) qui seront utilisées dans les règles introduites par l'expert.

Programmeur   développe l'IS (si l'IS est en cours de développement), contenant à la limite tous les principaux composants de l'ES, et réalise son interface avec l'environnement dans lequel il sera utilisé.

Le système expert fonctionne selon deux modes: le mode d'acquisition de connaissances et le mode de résolution du problème (également appelé mode consultation ou mode d'utilisation ES).

En mode d'acquisition de connaissances   la communication avec ES est réalisée (par la médiation d'un ingénieur du savoir) expert. Dans ce mode, l'expert, à l'aide du composant d'acquisition de connaissances, remplit le système de connaissances qui permettent à l'ES en mode solution de résoudre indépendamment (sans expert) les problèmes de la zone à problèmes. L'expert décrit le domaine problématique comme une combinaison de données et de règles. Les données définissent les objets, leurs caractéristiques et leurs valeurs qui existent dans le domaine de l'expertise. Les règles déterminent comment les données sont manipulées qui sont spécifiques à la zone en question.

Notez que le mode d'acquisition de connaissances dans l'approche traditionnelle du développement de programme correspond aux étapes d'algorithmisation, de programmation et de débogage effectuées par le programmeur. Ainsi, contrairement à l'approche traditionnelle dans le cas des ES, le développement des programmes est effectué non pas par un programmeur, mais par un expert (utilisant ES) qui ne possède pas de programmation.

En mode consultation la communication avec ES est effectuée par l'utilisateur final qui est intéressé par le résultat et (ou) la méthode pour l'obtenir. Il convient de noter qu'en fonction de l'objectif de l'ES, l'utilisateur peut ne pas être un spécialiste dans ce domaine problématique (dans ce cas, il se tourne vers l'ES pour le résultat, ne sachant pas comment l'obtenir lui-même), ou être un spécialiste (dans ce cas, l'utilisateur peut obtenir le résultat, mais il se tourne vers ES dans le but soit d'accélérer le processus d'obtention du résultat, soit d'assigner un travail de routine à ES). En mode consultation, les données relatives à la tâche de l'utilisateur, après avoir été traitées par le composant de dialogue, sont transférées dans la mémoire de travail. Sur la base des données d'entrée de la mémoire de travail, des données générales sur la zone à problème et des règles de la base de connaissances, le solveur constitue une solution au problème. Lors de la résolution d'un problème, un ES remplit non seulement la séquence d'opérations prescrite, mais le forme également de manière préliminaire. Si la réaction du système n'est pas claire pour l'utilisateur, il peut alors avoir besoin d'une explication:

"Pourquoi le système pose-t-il telle ou telle question?", "Comment la réponse est-elle collectée par le système?"

La structure représentée sur la Fig. 4.2, appelé la structure d'un ES statique. Les ES de ce type sont utilisés dans les applications où il est possible de ne pas prendre en compte les changements dans le monde environnant qui se produisent lors de la résolution du problème. Les premiers ES, qui ont reçu une utilisation pratique, étaient statiques.

Fig. 4.3. Structure ES dynamique

Dans la fig. 4.3 il est montré que deux composants sont introduits dans l'architecture d'un ES dynamique par rapport à un ES statique: le sous-système de modélisation du monde extérieur et le sous-système de communication avec l'environnement extérieur. Ce dernier communique avec le monde extérieur grâce à un système de capteurs et de contrôleurs. De plus, les composants traditionnels d'un ES statique (base de connaissances et moteur d'inférence) subissent des changements importants pour refléter la logique temporelle des événements dans le monde réel.

Nous soulignons que la structure de l'ES présentée sur la Fig. 4.2 et 4.3, ne reflète que les composants (fonctions) et il reste beaucoup «en coulisses».

4.4 Étapes de développement des systèmes experts

Le développement d'ES présente des différences importantes par rapport au développement d'un produit logiciel conventionnel. L'expérience de la création d'ES a montré que l'utilisation de la méthodologie adoptée dans la programmation traditionnelle au cours de leur développement retarde excessivement le processus de création d'ES ou, en général, conduit à un résultat négatif.

Utiliser ES uniquement lorsque le développement d'ES possible, justifié   et les méthodes d'ingénierie des connaissances sont pertinentes pour la tâche à accomplir. Pour que le développement de l'ES soit possible Pour cette application, au moins les exigences suivantes doivent être remplies simultanément:

1) il existe des experts dans ce domaine qui résolvent le problème beaucoup mieux que des experts novices;

2) les experts s'accordent sur l'évaluation de la solution proposée, sinon il ne sera pas possible d'évaluer la qualité des SE développés;

3) les experts sont capables de verbaliser (exprimer en langage naturel) et d'expliquer les méthodes qu'ils utilisent, sinon il est difficile de s'appuyer sur les connaissances des experts pour être «extraits» et investis dans les SE;

4) la résolution d'un problème ne nécessite que du raisonnement, pas de l'action;

5) la tâche ne devrait pas être trop difficile (c'est-à-dire que sa solution devrait prendre plusieurs heures ou plusieurs jours, pas des semaines) à l'expert

6) la tâche, même si elle ne doit pas être exprimée sous une forme formelle, mais doit néanmoins concerner un domaine suffisamment `` compréhensible '' et structuré, c'est-à-dire les concepts de base, les relations et les moyens bien connus (du moins pour un expert) d’obtenir une solution au problème doivent être mis en évidence;

7) la solution du problème ne devrait pas utiliser dans une large mesure le «bon sens» (c'est-à-dire un large éventail d'informations générales sur le monde et la façon dont il fonctionne que toute personne normale sait et sait utiliser), car une telle connaissance n'a pas encore été possible (en montant suffisant) pour investir dans des systèmes d’intelligence artificielle.

L'utilisation d'ES dans cette application peut être possible, mais non justifiée. L’utilisation d’ES peut être justifié   l'un des facteurs suivants:

· La résolution du problème entraînera des effets importants, tels qu'économiques;

· Le recours à un expert humain est impossible, soit en raison du nombre insuffisant d'experts, soit en raison de la nécessité de mener l'examen simultanément à différents endroits;

· L'utilisation d'ES est recommandée dans les cas où une perte de temps ou d'informations inacceptable se produit lors du transfert d'informations à un expert;

· L'utilisation d'ES est conseillée, si nécessaire, pour résoudre le problème dans un environnement hostile aux humains.

App correspond à   Méthodes ES, si le problème résolu présente une combinaison des caractéristiques suivantes:

1) le problème peut être naturellement résolu en manipulant des symboles (c'est-à-dire en utilisant un raisonnement symbolique), plutôt qu'en manipulant des nombres, comme cela est habituel dans les méthodes mathématiques et dans la programmation traditionnelle;

2) la tâche doit être heuristique et non de nature algorithmique, c'est-à-dire sa solution doit nécessiter l'application de règles heuristiques. Les tâches dont la résolution peut être garantie (sous réserve de contraintes spécifiées) à l'aide de certaines procédures formelles ne conviennent pas à l'application des SE;

3) la tâche doit être suffisamment complexe pour justifier les coûts de développement des SE. Cependant, cela ne devrait pas être trop complexe (la décision prend des heures, pas des semaines, à l'expert) pour que l'ES puisse la résoudre;

4) la tâche doit être suffisamment étroite pour être résolue par les méthodes ES et pratiquement significative.

Lors du développement de ES, en règle générale, le concept de «prototype rapide» est utilisé. L'essence de ce concept est que les développeurs n'essaient pas immédiatement de construire le produit final. Au stade initial, ils créent un prototype (prototypes) d'ES. Les prototypes doivent satisfaire deux exigences contradictoires: d'une part, ils doivent résoudre des tâches typiques d'une application particulière, et d'autre part, le temps et la complexité de leur développement doivent être très réduits afin que le processus d'accumulation et de débogage des connaissances (effectué par un expert) puisse être mis en parallèle avec le processus de sélection (développement) de logiciels (par un ingénieur du savoir et programmeur). Pour répondre à ces exigences, en règle générale, lors de la création d'un prototype, divers moyens sont utilisés pour accélérer le processus de conception.

Le prototype doit démontrer l'adéquation des méthodes d'ingénierie des connaissances pour une application donnée. En cas de succès, l'expert, avec l'aide d'un ingénieur du savoir, élargit les connaissances du prototype sur la zone à problème. L'échec peut nécessiter le développement d'un nouveau prototype ou les développeurs peuvent arriver à la conclusion que les méthodes ES ne conviennent pas à cette application. À mesure que les connaissances augmentent, le prototype peut atteindre un état où il résout avec succès toutes les tâches de cette application. La conversion d'un prototype ES en un produit final conduit généralement à une reprogrammation des ES dans des langages de bas niveau, offrant à la fois une augmentation des performances des ES et une diminution de la mémoire requise. La complexité et le temps de création des ES dépendent dans une large mesure du type d'outils utilisés.

Au cours des travaux sur la création d'ES, une certaine technologie pour leur développement s'est développée, comprenant les six étapes suivantes (Fig. 4.4):

identification, conceptualisation, formalisation, mise en œuvre, tests, opération d'essai. Sur scène identification les tâches à résoudre sont identifiées, les objectifs de développement sont identifiés, les experts et les types d'utilisateurs sont identifiés.

Fig. 4.4. Technologie de développement ES

Sur scène conceptualisation   une analyse significative de la zone à problème est effectuée, les concepts utilisés et leurs relations sont identifiés, les méthodes de résolution des problèmes sont déterminées.

Sur scène formalisation   Le SI est sélectionné et les moyens de représenter tous les types de connaissances sont déterminés, les concepts de base sont formalisés, les façons d'interpréter les connaissances sont déterminées, le système est modélisé, l'adéquation des objectifs du système de concepts fixes, les méthodes de décision, les moyens de représenter et de manipuler les connaissances sont évalués.

Sur scène accomplissement   l'expert remplit la base de connaissances. Étant donné que la connaissance est la base des SE, cette étape est l'étape la plus importante et la plus laborieuse du développement des SE. Le processus d'acquisition de connaissances est divisé en extraire les connaissances d'un expert, en organisant les connaissances qui garantissent le fonctionnement efficace du système et en présentant les connaissances sous une forme compréhensible pour ES. Le processus d'acquisition des connaissances est effectué par un ingénieur des connaissances sur la base d'une analyse de l'activité de l'expert dans la résolution de problèmes réels.

5. Utilisation et support d'ES. Réingénierie des affaires

5.1 Utilisation des systèmes d'exportation financière

De nombreuses entreprises installent ES pour résoudre des problèmes dans des domaines tels que: la négociation en bourse, la compréhension automatique des nouvelles, l'analyse de crédit, la gestion des risques, la construction de portefeuilles de prêts et d'investissement, les banques de notation, l'automatisation des audits, la prévision des changements sur le marché financier, etc.

On peut citer à titre d’exemple toute une catégorie d’EA consultatives: Bear, Sterns & Company’s Broker Monitoring System, Athena Group Portfolio Advisor and Trader’s Assistant, développé conjointement par Author D. Little Corporation, Knowledge-Based Network Corporation et six autres institutions financières. La banque japonaise Sanwa Bank, l'une des plus grandes banques du monde, utilise le système expert Best Mix pour améliorer la qualité de ses informations d'investissement.

Développé pour un usage interne par Nikko Securities, Ltd., Nikko Portfolio Consultation Management System ES aide les gestionnaires de fonds à choisir le meilleur portefeuille pour leurs clients. Ce système est basé sur une base de données contenant des informations sur les cinq années de ventes d'actions et sur un système avec une nouvelle théorie de gestion de portefeuille qui calcule et optimise un portefeuille de titres pour une assurance contre divers risques. Les gestionnaires de fonds sont dispensés des calculs de routine et peuvent ainsi composer plus rapidement un portefeuille optimal de titres. IDS Financial Services, une division de planification financière de l'American Express Company, a classé l'expertise financière de ses cadres supérieurs pour créer un système expert appelé Insight. IDS a inclus l'expertise des meilleurs gestionnaires dans ses fonds, à savoir système expert à la disposition de tous ses planificateurs. L'un des principaux résultats de l'application du système expert chez IDS est que le pourcentage de clients qui ont quitté l'entreprise a chuté de plus de la moitié.

Nous énumérons les caractéristiques de certains ES spécifiques de cette classe.

1. FLiPSiDE: Un système de programmation logique pour l'expertise financière. Développeur: Case Western Reserve University Tâches: surveiller l'état du marché des valeurs mobilières; surveiller l'état du portefeuille actuel de titres; soutien à une révision des conditions futures du marché; planification et exécution des ventes.

Brève caractéristiques: application du paradigme original du tableau noir décrit par Newell; Langage Prolog comme plate-forme de programmation; présentation des données sur le tableau comme données d'entrée pour diverses connaissances;

2. Splendeurs: système de gestion de portefeuille en temps réel. Tâches à résoudre: réalisation de divers objectifs d'investissement dans des conditions d'évolution rapide des données. Caractéristiques brèves: système en temps réel, utilisation d'un langage spécialisé de haut niveau Profit, grande flexibilité dans la création d'un portefeuille pour les programmeurs C expérimentés, capacité à créer un portefeuille pour des analyses financières hors programmation.

Le système vous permet de créer des portefeuilles d'investissement optimaux en temps réel grâce au jeu en raison des changements rapides en bourse.

3. PMIDSS: Un système d'aide à la décision pour la gestion de portefeuille. Développeur: New York University Finance Group. Tâches à résoudre: sélection d'un portefeuille de titres, planification d'investissement à long terme. Caractéristiques brèves: un système de représentation des connaissances mixtes, l'utilisation de divers mécanismes d'inférence: logique, réseaux sémantiques directionnels, trames, règles.

4. Le Courtier: Assistant expert système pour gestionnaire de portefeuille. Développeur: Cognitive System Inc. Tâches à résoudre: assistance aux investisseurs dans la détermination de leurs objectifs d'investissement, gestion de portefeuille. Brève caractéristiques: l'utilisation de règles, une puissante interface en langage naturel.

5. PMA: conseiller du gestionnaire de portefeuille. Développeur: Athena Group. Tâches à résoudre: constitution du portefeuille, formulation de recommandations sur la maintenance du portefeuille. Brèves caractéristiques: fournir une justification qualitative pour les résultats de diverses méthodes numériques.

6. ArBoR: modèle de notation des obligations de calcul. Développeur: College of Business Administration Univercity of Nebraska. Tâches à résoudre: Ce système a été créé pour construire un modèle de calcul dans le domaine de la notation obligataire et pour utiliser le modèle comme un système expert. Caractéristiques brèves: utilisation d'analyses qualitatives et quantitatives, utilisation d'une coque ES standard.

7. Intelligent Hedger: une approche basée sur la connaissance de l'assurance des risques. Développeur: Département des systèmes d'information, Université de New York. Tâches à résoudre: le problème d'un grand nombre d'alternatives d'assurance contre les risques en croissance constante, la prise de décision rapide par les gestionnaires des risques dans un flux d'informations accéléré et le manque de support technique approprié aux premiers stades du développement des systèmes d'assurance contre les risques suggèrent un large éventail de solutions optimales variées pour les gestionnaires des risques. Dans ce système, le développement de l'assurance des risques est formulé comme une tâche d'optimisation polyvalente. Cette tâche d'optimisation implique plusieurs difficultés auxquelles les solutions techniques existantes ne peuvent pas faire face.

Caractéristiques brèves: le système utilise une représentation objet qui englobe une connaissance approfondie de la gestion des risques et facilite l'émulation des principales considérations des gestionnaires des risques, utiles pour les conclusions et leurs explications.

8. Un système d'aide à la décision étroitement ciblé pour le choix des stratégies d'investissement. Développeur: Intelligent System Laboratory Science Univercity of Tokyo. Tâches à résoudre: Avec l'avènement des concepts de «choix» et de «futur» dans un ensemble d'instruments financiers, les investisseurs ont la possibilité de former un ensemble de stratégies qui répondent aux objectifs de leurs investissements. Cependant, cette opportunité crée la tâche difficile de trouver la bonne stratégie parmi un grand nombre de stratégies d'investissement. Un système d'aide à la décision intelligent pour générer les stratégies d'investissement nécessaires en utilisant une notation satisfaisante limitée, qui est largement utilisée dans les tâches de recherche, est présenté. Dans ce système, les restrictions jouent le rôle de navigation pour la génération automatique de stratégies complexes à travers une comparaison abstraite avec le profil des investisseurs. Une comparaison abstraite peut être considérée comme une recherche d'une méthode pour produire des stratégies qualitativement solides qui décrivent un ensemble de propositions d'achat ou de vente sans information numérique. Parce que une telle technique peut être utilisée comme préprocesseur pour une analyse quantitative telle qu'une programmation linéaire pour obtenir la solution optimale, le système proposé est un pont pour une transition en douceur entre analyses qualitatives et quantitatives.

Caractéristiques brèves: utilisation de l'analyse qualitative pour obtenir des solutions qualitatives possibles (solutions intuitives) et de l'analyse quantitative pour trouver la solution optimale à l'aide de la méthode de programmation linéaire simplex.

9. Raisonnement explicite dans les prévisions de change. Développeur: Department of Computer Science City Polytechnic of Hong Kong. Tâches à résoudre: présente une nouvelle approche de la prévision du change, basée sur l'accumulation et le raisonnement avec l'appui des signes présents pour se concentrer sur un ensemble d'hypothèses sur le mouvement des taux de change. L'ensemble des caractéristiques présentées dans le système de prévision est un ensemble donné de valeurs économiques et divers ensembles de paramètres variant dans le temps utilisés dans le modèle de prévision.

Caractéristiques brèves: la base mathématique de l'approche appliquée est basée sur la théorie de Dempster-Schafer.

10. Nereid: système d'aide à la décision pour optimiser le travail avec les options monétaires. Développeur: NTT Data, The Tokai Bank, Science Univercity of Tokyo.

Tâches à résoudre: le système facilite l'assistance du concessionnaire pour la réponse optimale parmi les options possibles présentées. Le système est plus pratique et donne de meilleures décisions que les systèmes de décision conventionnels.

Caractéristiques brèves: le système a été développé à l'aide du système de trame CLP, qui intègre facilement le domaine financier dans l'application AI. Un type d'optimisation mixte est proposé qui combine les connaissances heuristiques avec la technique de programmation linéaire. Le système fonctionne sur les stations Sun.

5.2 ES basé sur des exemples

Les ES basés sur des exemples peuvent être divisés en deux groupes selon les principes de fonctionnement: en utilisant des réseaux de neurones et en utilisant l'algorithme de généralisation inductive ID3. Les premiers sont principalement utilisés comme un classificateur pré-formé par des exemples qui, lorsqu'un ensemble de valeurs des paramètres financiers initiaux est fourni à son entrée, la solution souhaitée apparaît dans la situation financière donnée. Les seconds ensembles d'exemples forment un arbre de décision, à partir duquel les règles de prise de décision sont ensuite construites. Ci-dessous, nous donnons 2 exemples typiques d'ES des deux groupes.

1. S & PCBRS: un simulateur neuronal pour la notation des titres. Développeur: Chase Manatten Bank, Standart & Poor’s Corp. Tâches: évaluation de la notation des titres en fonction des données des sociétés émettrices, formation de la bonne échelle de notation.

Caractéristiques brèves: présentation de la tâche d'évaluation de la notation en tant que tâche de classification, sélection des données sur les sociétés émettrices et formation du matériel de formation, sélection d'un neuroclassificateur, sa formation et ses tests, comparaison avec des estimations d'experts, utilisation du paradigme du réseau de neurones Couter-Propagation, probabilité d'une prévision correcte de la notation de 84%.

2. ISPMS: système de gestion de portefeuille intelligent. Tâches à résoudre: former un portefeuille d'actions qui offre un équilibre entre le risque et le rendement estimé.

Caractéristiques succinctes: utilisation du modèle d'optimisation de programmation quadratique de Markovitz, de bases de données et de bases de connaissances pour les sociétés et les industries émettrices, existence d'un sous-système d'apprentissage basé sur l'expérience passée basé sur l'extraction de règles d'un grand nombre de faits, en tenant compte des connaissances d'experts et des préférences personnelles des investisseurs dans le modèle d'optimisation. La probabilité de prédiction correcte d'un changement brutal en bourse se situe entre 68% et 84%.

5.3 Reaffinage des affaires

La restructuration des entreprises dans le domaine des processus associés à la conception et à la préparation de nouveaux produits, appelée réingénierie et entreprise pour augmenter considérablement l'efficacité des entreprises dans les conditions modernes, est basée sur des changements organisationnels et l'utilisation de nouvelles technologies de l'information.

Lors de l'analyse de l'existant et du développement d'une nouvelle entreprise, un rôle important est joué par la construction de modèles d'entreprise et les processus commerciaux qui s'y déroulent. Les modèles peuvent varier dans le degré de détail des processus, sous la forme de leur présentation, en ne tenant compte que des facteurs statiques ou dynamiques, etc. Il convient de noter que toutes les approches connues de la modélisation métier appartiennent à la famille des méthodes de modélisation des systèmes d'information complexes.

Les outils traditionnels pour construire des modèles de systèmes complexes incluent la méthodologie SADT (Structured Analysis Design Technique). Il a été créé au début des années 70 dans le but d'unifier les approches de la description des systèmes complexes. SADT comprend à la fois une approche conceptuelle de la construction de modèles de systèmes et un ensemble de règles et de notations graphiques pour leur description. Les méthodes proposées pour construire des modèles fonctionnels, où les systèmes sont décrits en termes de fonctions qu'ils exécutent, sont appelées la méthodologie IDEF0. Il existe également des méthodologies spéciales pour construire des modèles d'informations qui décrivent les flux d'informations (IDEFIX) et des modèles dynamiques qui affichent les relations de cause à effet entre les objets système (IDEF / CPN).

Des outils de modélisation plus modernes apparus au milieu des années 90 incluent la méthodologie RUP (Rational Unified Process). Cette méthodologie, développée par Rational Software Corp., est

il prend en charge le processus itératif de création d'un système d'information complexe basé sur une approche orientée objet, en utilisant des diagrammes UML (Unified Modeling Language) pour la modélisation visuelle d'un domaine. La notation des diagrammes UML et les méthodes d'utilisation d'UML dans la réingénierie des processus d'affaires pour la conception et la préparation de la production seront discutées dans les sections suivantes de ce manuel.

Outre UML, il existe d'autres notations pour la modélisation visuelle, implémentées, par exemple, dans les systèmes ARIS et ADONIS. Le système ADONIS vous permet d'effectuer non seulement des processus visuels, mais aussi des processus de simulation, ses capacités sont également discutées ci-dessous.

Systèmes d'information pour soutenir les nouveaux processus commerciaux.

Il a été noté ci-dessus que l'utilisation des nouvelles technologies de l'information fait partie intégrante de la réingénierie. Dans le même temps, des modèles de nouveaux processus métier sont directement mis en œuvre dans l'environnement du système de support informatique (ISP) d'une nouvelle entreprise. L'importance du COI consiste non seulement dans le fait qu'il est un élément nécessaire de la réingénierie, mais aussi dans le fait que l'utilisation du COI à bien des égards détermine la technologie de conduite d'une nouvelle entreprise. ISP est un logiciel spécialement développé - un système logiciel qui est construit sur la base de l'utilisation d'outils appropriés.

Dans le domaine de la conception de nouveaux produits, le rôle des FAI est joué par les systèmes de conception assistée par ordinateur (CAD-K). Dans le domaine de la préparation technologique de la production, le rôle du COI est joué par les systèmes automatisés de préparation technologique de la production (ASTPP).

Les systèmes CAD / CAM, CAE et PDM sont des outils pour créer CAD-K et ASTPP. Dans le même temps, les systèmes CAD / CAM et CAE deviennent des outils pour automatiser la mise en œuvre des procédures de conception, et le système PDM devient un outil pour gérer les processus de conception et de préparation de la production. Dans le même temps, le système PDM est le moyen de base par lequel un espace d'information unique est mis en œuvre pour toutes les étapes du cycle de vie du produit (LCI).

Les systèmes CAD / CAM / CAE / PDM les plus puissants et les plus complets sont appelés solutions PLM (Product Data Management - Product Data Management).

6. Stratégie d'acquisition des connaissances. Techniques de récupération des connaissances pratiques

6.1 Stratégie de connaissances

Il existe trois stratégies pour obtenir des connaissances - l'acquisition de connaissances, l'extraction de connaissances et la découverte de connaissances dans des bases de données:

Sous acquisition de   (acquisition) de connaissances comprendre la façon de remplir automatiquement la base de connaissances à travers le dialogue d'un expert et un programme spécial.

Extraction   (élicitation) des connaissances est la procédure pour l'interaction d'un ingénieur des connaissances avec une source de connaissances (expert, littérature spéciale, etc.) sans utiliser la technologie informatique.

Le terme « découverte des connaissances dans les bases de données   »(Découverte de connaissances dans les bases de données - KDD) désigne aujourd'hui le processus d'obtention d'informations nouvelles et potentiellement utiles sur un domaine à partir de données« brutes ». Ce processus comprend plusieurs étapes (Fig. 6.1). Cela comprend l'accumulation de données brutes, la sélection, la préparation, la transformation des données, la recherche de modèles dans les données, l'évaluation, la généralisation et la structuration des modèles trouvés.

Fig. 6.1. Le processus de découverte des connaissances dans la base de données

La stratégie KDD prend de plus en plus d'importance. Cela est largement dû au développement rapide d'une variété d'entrepôts de données (entrepôt de données) - collections de données caractérisées par l'orientation du sujet, l'intégration, la prise en charge de la chronologie, l'immuabilité et destinées à un traitement analytique ultérieur.

Les spécificités des exigences modernes pour le traitement des données afin de détecter les connaissances sont les suivantes:

· Les données sont illimitées

· Les données sont hétérogènes (quantitatives, qualitatives, catégoriques)

· Les résultats doivent être spécifiques et compréhensibles.

· Les outils de traitement des données brutes devraient être faciles à utiliser.

6.2 Méthodes pratiques de récupération des données

La classification des méthodes d'extraction des connaissances (Fig. 6.2) permettra aux ingénieurs de connaissances, en fonction d'une tâche et d'une situation spécifiques, de choisir une méthode spécifique. Le schéma de classification proposé montre que le principe de base de la division est lié à la source des connaissances. Les méthodes de communication couvrent tous les types de contacts avec une source vivante de connaissances - un expert, et les méthodes textuelles concernent les méthodes d'extraction des connaissances à partir de documents (méthodes, manuels, manuels) et de littérature spécialisée (articles, monographies, manuels).

La séparation de ces groupes de méthodes au niveau supérieur de la classification ne signifie pas leur antagonisme, généralement un ingénieur du savoir combine différentes méthodes, par exemple, d'abord étudier la littérature, puis parler à des experts, ou vice versa.

Fig. 6.2. Classification des méthodes d'extraction des connaissances.

À leur tour, les méthodes de communication peuvent également être divisées en deux groupes: actives et passives. Les méthodes passives impliquent que le rôle principal dans la procédure d'extraction des connaissances est, pour ainsi dire, transféré à l'expert, et l'ingénieur des connaissances enregistre uniquement le raisonnement de l'expert au cours de son véritable travail de prise de décision ou écrit ce que l'expert estime nécessaire de dire de manière indépendante sous la forme d'une conférence. Dans les méthodes actives, au contraire, l'initiative est entièrement entre les mains d'un ingénieur du savoir qui contacte activement l'expert de diverses manières - dans les jeux, les dialogues, les tables rondes, etc.

Les méthodes passives à première vue sont assez simples, mais en fait elles nécessitent d’un ingénieur du savoir la capacité d’analyser clairement le «courant de conscience» de l’expert et d’y identifier des fragments importants de connaissances. Le manque de rétroaction (passivité d'un ingénieur du savoir) affaiblit considérablement l'efficacité de ces méthodes, ce qui explique leur rôle généralement auxiliaire dans les méthodes actives.

Les méthodes actives peuvent être divisées en deux groupes selon le nombre d'experts qui apportent leurs connaissances. Si leur nombre est supérieur à un, il est conseillé, en plus d'une série de contacts individuels avec chacun, d'appliquer les méthodes de discussions de groupe du sujet. Ces méthodes de groupe activent généralement la réflexion des participants aux discussions et permettent de révéler des aspects très non triviaux de leurs connaissances. À leur tour, les méthodes individuelles restent aujourd'hui à la pointe, car une procédure aussi délicate que «prendre connaissance» ne tolère pas les témoins inutiles.

Séparément, il faut dire à propos des jeux. Les méthodes de jeu sont maintenant largement utilisées en sociologie, en économie, en gestion et en pédagogie pour former des gestionnaires, des enseignants, des médecins et d'autres spécialistes. Le jeu est une forme spéciale d'activité et de créativité, où une personne est libérée et se sent beaucoup plus libre que dans le travail ordinaire.

Conclusion

Au cours des travaux, les conclusions suivantes ont été tirées:

Un système expert est un programme intelligent qui peut tirer des conclusions logiques basées sur des connaissances dans un domaine spécifique et fournit une solution à des problèmes spécifiques.

Les exigences suivantes sont imposées aux systèmes experts: utilisation des connaissances liées à un domaine spécifique; acquisition de connaissances auprès d'un expert; définition d'une tâche réelle et assez compliquée; donner au système des compétences d'experts.

La structure du système expert est représentée par les éléments structurels suivants: une base de connaissances, un mécanisme d'inférence logique, une interface utilisateur, un module d'acquisition de connaissances, un module de conseils et d'explications.

Les domaines d'application des systèmes basés sur la connaissance peuvent être regroupés en plusieurs classes principales: diagnostic médical, surveillance et contrôle, diagnostic des défauts dans les appareils mécaniques et électriques, formation, économie et finance.

De nombreuses entreprises installent ES pour résoudre des problèmes dans des domaines tels que: la négociation en bourse, la compréhension automatique des nouvelles, l'analyse de crédit, la gestion des risques, la construction de portefeuilles de prêts et d'investissement, les banques de notation, l'automatisation des audits, la prévision des changements sur le marché financier, etc. Les systèmes d'experts les plus courants dans le domaine de la finance ont été examinés.

Spécialité "Systèmes et technologies de l'information (en économie)"

Qualification - ingénieur économiste logiciel
Forme de formation   - quotidien (budget / payé)

  Spécificité et pertinence
Dans les conditions modernes d'interaction croissante de l'économie, de la science et de la technologie, la formation de spécialistes sur la base de quatre domaines est particulièrement pertinente: l'ingénierie, les mathématiques, l'information et l'économie. La maîtrise de l'ingénierie et des profils économiques et mathématiques, la formation avancée dans le domaine de la programmation et des technologies de l'information rendent ce spécialiste unique.

  Qu'apprends-tu
Le programme comprend l'étude de:
1. Langages et technologies de programmation prometteurs: C, C ++, JAVA, C #, PHP, HTML, XML, langages de script utilisés pour développer des applications WEB, des méthodes et des outils pour construire des programmes dans divers systèmes d'exploitation et réseaux informatiques, infographie et web -design.
2. Systèmes, technologies et normes d'analyse, de conception et de modélisation (normes de la série IDEF, UML, CASE-systèmes All Fusion Process Modeller (BpWin), All Fusion Data Modeller (ErWin), Enterprise Architect, etc.), systèmes intelligents, systèmes aide à la décision et protection des informations.
3. Bases de données, SGBD et QBE, SQL, T-SQL, OLAP et technologies d'exploration de données.
4. Technologies pour le développement de systèmes d'architecture client-serveur de la plateforme JEE: RFC, RMI, JSP, SERVLETS, CORBA, EJB, JSF, AJAX, SPRING, STRUTS, etc., ainsi que la plateforme. NET: ASP.NET, ADO. NET; Services Web et services Internet. Concepts et systèmes d'automatisation complexe et de gestion d'entreprise, tels que: ERP, MRP, SCM, CRM, CALS, 1C, SAP,.
5. Disciplines économiques: théorie économique, micro et macroéconomie, économie d'entreprise, etc.
6. Disciplines économiques et mathématiques.
7. Disciplines d'ingénierie.

  Et ensuite?
Nos diplômés sont préparés de la manière la plus active pour participer au développement des activités d'information, socio-économiques, innovantes, d'ingénierie et de réingénierie des systèmes d'information et économiques de la République du Bélarus. Sur la base du Département d'informatique économique, des formations et des séminaires réguliers pour les étudiants sont organisés par les plus grandes sociétés informatiques, avec une implication accrue des étudiants dans les stages et le travail dans les entreprises sur un calendrier glissant en parallèle avec les cours à l'université.

Lieux de distribution des diplômés: entreprises résidentes du parc High-Tech (Sam Solutions, EPAM Systems, IBA, Itransition, System Technologies, BelHard Development, etc.), grandes banques du Bélarus, établissements d'enseignement et instituts de recherche à Minsk, instituts et institutions Académie des sciences du Bélarus, grandes entreprises et organisations à Minsk.

Département de fin d'études - département d'informatique économique.
Chef de service   - candidat en sciences techniques, professeur agrégé Vitaly Nikolaevich Komlichenko,
tél.: +375 17 293-84-81.