Agenzia federale per l'istruzione

Istituto scolastico statale di istruzione professionale superiore

Corrispondenza dello stato nordoccidentale

università Tecnica

Istituto di industriale e

programmi innovativi

Dipartimento di Economia e Gestione delle Imprese

Test di disciplina

« Tecnologia dell'informazione in economia. "

Argomento: 1. "Principali tipi di attività economiche,

che utilizzano la tecnologia dell'informazione ".

2. "Mezzi di realizzazione delle tecnologie dell'informazione".

3. "Caratteristiche della tecnologia mobile imprenditoria. "

4. “Il ruolo e il luogo delle informazioni automatizzate

sistemi nell'economia. Enterprise Information Model ".

Completato dallo studente: Shestakova Maria Dmitrievna

Specialità: 80502.65

Codice: 578030493

Insegnante: Babkin

San Pietroburgo

Piano di lavoro.

Argomento 1.

″ I principali tipi di attività economiche in cui viene applicata la tecnologia dell'informazione. ″

Introduzione.

Il concetto principale è l'e-business.

Componenti:

- tecnologie per il commercio elettronico;

- tecnologia delle aste elettroniche;

- banche elettroniche;

- telefonia IP;

- telefonia Internet;

- tecnologie di segnaletica elettronica;

- lavori di ricerca e sviluppo elettronici;

- franchising elettronico;

- e-mail;

- marketing via email;

- gestione elettronica delle risorse operative (ORM);

- gestione elettronica della fornitura;

- servizi di intermediazione elettronica.

Conclusione.

Argomento 2.

″ Mezzi di attuazione della tecnologia dell'informazione. ″

- Metodico.

- Informativo.

- Algoritmico.

- Tecnico.

- Software.

Argomento 3.

″ Caratteristiche della tecnologia mobile imprenditoria. "

Commercio mobile:

- tecnologia del commercio di beni e servizi di comunicazioni mobili;

- tecnologia di scambio di contenuti mobili;

- rendering servizi aggiuntivi operatori mobili.

Argomento 4.

″ Il ruolo e il luogo dei sistemi informativi automatizzati nell'economia. Enterprise Information Model. "

I. Sistemi informativi automatizzati.

Classificazione:

· Dalla natura delle informazioni;

· Per ambito.

Argomento 1.

I principali tipi di attività economiche che utilizzano la tecnologia dell'informazione.

Introduzione.

Aspetti economici dell'impatto tecnologie informatiche sulle sfere dello scambio e del consumo sono molto ambigui.

Emergenza nuove tecnologie dell'informazione - un colpo di stato che sta scuotendo le fondamenta stesse dell'economia tradizionale. Transizione a la rete - si tratta di nuove opportunità per realizzare un profitto aumentando la commerciabilità esistente. la rete - il principale strumento di informazione per produttori e consumatori.

Tecnologia dell'informazione in generale, può essere caratterizzato come un processo costituito da regole chiaramente regolamentate per l'esecuzione di operazioni, azioni di fasi di vario grado di complessità sui dati memorizzati nei computer. l'obiettivo principale informazione tecnologie - a seguito di azioni mirate al trattamento dei dati primari, per ottenere le informazioni necessarie per l'utente. L'ambiente principale per tecnologie informatiche siamo sistemi di informazione.

Secondo la definizione adottata dall'UNESCO, informazione tecnologia è un insieme di discipline scientifiche, tecnologiche e ingegneristiche interconnesse che studiano metodi per l'organizzazione efficace del lavoro delle persone coinvolte nell'elaborazione e nell'archiviazione delle informazioni, nonché la tecnologia informatica ei metodi di organizzazione e interazione con le persone e le apparecchiature di produzione.

È possibile utilizzare diversi metodi di elaborazione dei dati e diversi mezzi tecnici a seconda dei problemi applicativi specifici che devono essere risolti.

Tecnologia dell'informazione in economia è un mezzo virtuale economia.

Economia virtuale È un ambiente, uno spazio economico speciale in cui si svolge l'e-business, cioè un'economia basata sull'uso di opportunità interattive. Lo spazio in esame ha caratteristiche specifiche che distinguono l'economia virtuale dalla consueta economia non virtuale offline.

Economia virtuale spesso chiamano nuova economia per sottolineare la sua differenza dalla vecchia economia tradizionale.

Consideriamo più in dettaglio le caratteristiche nuova economia.

La base dell'attività economica è il business. NEL virtuale l'economia c'è un concetto e-business .

Commercio elettronico - sono le attività a scopo di lucro dell'azienda basate sulle tecnologie digitali e sui vantaggi che forniscono.

Fig. 1. Ambiti di applicazione dell'e-business.

Concetto ″ Affari elettronici ″ include molti diversi concetti di tecnologia dell'informazione:

▪ tecnologie di e-commerce;

▪ tecnologie di aste elettroniche;

▪ banche elettroniche;

▪ telefonia IP;

▪ telefonia Internet;

▪ tecnologia della segnaletica elettronica;

▪ ricerca e sviluppo elettronico;

▪ franchising elettronico;

▪ posta elettronica;

▪ marketing tramite posta elettronica;

▪ gestione elettronica delle risorse operative (ORM);

▪ gestione elettronica delle forniture;

▪ servizi di intermediazione elettronica;

▪ datazione informatica.

Consideriamo questi concetti in modo più dettagliato.

Tecnologie di e-commerce.

Commercio elettronico (e-commerce) – questo è un modo per farlo e-business ... Considerando i problemi e commercio , dovresti prestare attenzione all'interpretazione ambigua del termine stesso. A volte si parla di ecommerce , intendono esclusivamente le attività commerciali dei fornitori Servizi Internet (IPS - Internet Fornitori di servizi), ma molto più spesso ecommerce dare un'interpretazione più ampia come la totalità di tutti i modi possibili di utilizzare il Web per scopi commerciali. ISP Servizi Internet È una società commerciale che fornisce l'accesso a la rete , sostenendolo per un certo compenso, e fornisce alcuni servizi correlati su richiesta dei clienti.

Termine "e-commerce" combina molte tecnologie diverse:

▫ EDI (Electronic Data Interchange Protocol);

▫ email;

▫ Internet;

▫ Intranet (scambio di informazioni all'interno dell'azienda);

▫ Extranet (scambio di informazioni con il mondo esterno).

I più sviluppati tecnologia dell'informazione su cui può essere basato e-commerce , considerato protocollo elettronico scambio di dati – EDI (Electronic Data Interchange) È un metodo per codificare transazioni sequenziali e la loro elaborazione in linea.

Qualsiasi commercio, incluso e-commerce nel La rete, rientra in due grandi categorie:

1. business-to-consumer - B2C - ″ azienda - consumatore ″;

2. business-to-business - B2B - ″ azienda - azienda ″.

Modello base Commercio B2C Sono al dettaglio Negozi Internet. Sistema mondiale B2C è una struttura sviluppata per soddisfare la domanda dei consumatori. Negli ultimi anni elettronico commercio genere B2C entrato nuova fase il suo sviluppo. C'è una fusione di piccole aziende, che si duplicano a vicenda nella gamma di prodotti offerti o il loro assorbimento da parte di grandi concorrenti.

Mercato B2B è stato creato appositamente per le organizzazioni per supportare la comunicazione tra le aziende ei loro fornitori, produttori e distributori. Questo mercato offre molte più opportunità rispetto al settore Commercio B2C.

Quando si tratta di sfruttamento commerciale delle opportunità Reti Internet da vari soggetti economici della struttura e commercio , di regola, ci sono diversi link:

▫ realizzazione di operazioni di acquisto e vendita attraverso i canali della Rete;

▫ servizi post vendita ai clienti;

▫ costruire relazioni con i clienti.

Le vendite e gli acquisti via Web sono l'essenza di e commercio .

Pubblicità in La rete è di grande importanza e la pubblicità online è diversa dai suoi tipi tradizionali. Si tratta, prima di tutto, di banner pubblicitari e posizionamento di informazioni pubblicitarie sui server più visitati. Per misurare l'efficacia della pubblicità sul Web, è possibile utilizzare il metodo di conteggio del numero di visite e dei successivi ordini di prodotti.

L'informatizzazione della società porta all'internazionalizzazione della produzione. La bilancia commerciale con l'estero delle conoscenze professionali pertinenti serve come indicatore del potere tecnico dello stato, ed è esattamente ciò a cui è associato il concetto di tecnologia dell'informazione. Si realizza attraverso il mercato delle licenze di prodotti di produzione, know-how vario, nonché consulenze sull'utilizzo di prodotti ad alta tecnologia.

A causa dell'evoluzione del mercato mondiale, un paese sta guadagnando un vantaggio, che è impegnato nella vendita di prodotti ad alta intensità scientifica, comprese le moderne conoscenze professionali e le ultime tecnologie. C'è un commercio attivo in un prodotto invisibile sotto forma di conoscenza, cultura, stereotipi di comportamento sono attivamente imposti. Questo è stato il motivo per cui in società dell'informazione informazione, creatività e conoscenza agiscono come una risorsa strategica. E poiché i talenti non vengono creati, è necessaria la formazione della cultura, cioè le condizioni in cui i talenti possono svilupparsi e prosperare. L'influenza della tecnologia informatica, espressa nell'apprendimento a distanza, è enorme qui, giochi per computer, video, ecc.

Tecnologie dell'informazione in economia e loro implementazione

Lo scopo del sistema informativo è archiviare, ricercare ed emettere dati su richiesta degli utenti. L'essenza del sistema di informazione economica è l'elaborazione delle informazioni rilevanti. qui ci sono statistiche, contabilità, assicurazioni, credito e finanziarie, bancarie, nonché altri tipi di attività commerciali. Per essere utilizzato sul posto di lavoro, deve essere progettato utilizzando la tecnologia dell'informazione. È importante notare che in passato il processo di progettazione del sistema era disaccoppiato dall'elaborazione delle informazioni di dominio. Al momento, esiste anche in modo indipendente, richiedendo le più alte qualifiche da specialisti del design. Al momento, ci sono tecnologie dell'informazione nell'economia che non solo sono disponibili per qualsiasi utente, ma consentono anche di combinare il processo di progettazione dei singoli componenti del sistema con l'elaborazione delle informazioni. Può essere ufficio elettronico, posta elettronica, fogli di calcolo, elaboratori di testi e altro ancora. Continua la tendenza a creare tecnologie dell'informazione accessibili agli utenti.

Risulta che il posto di lavoro utilizza sia le tecnologie dell'informazione nell'economia, che sono sviluppate dai designer, sia le tecnologie dell'informazione, che consentono di automatizzare le attività sul posto di lavoro.

Si possono distinguere le seguenti caratteristiche della transizione verso l'informatizzazione della società: il riorientamento dell'economia verso lo sfruttamento, la replica della conoscenza professionale, il coinvolgimento dei professionisti nel processo di formalizzazione della conoscenza, nonché l'accelerazione del ciclo “conoscenza-produzione-conoscenza”.

La tecnologia dell'informazione nell'economia implica l'uso di comunicazioni telefoniche, televisione via cavo, apparecchiature per la duplicazione, computer, rilascio di programmi educativi e così via. Grazie allo sviluppo delle relazioni di mercato, emergono nuovi tipi di preoccupazioni riguardanti la creazione di imprese impegnate nel business dell'informazione, lo sviluppo delle tecnologie dell'informazione, la distribuzione di componenti di sistemi automatizzati.

Grazie a ciò, è possibile non solo diffondere rapidamente ed utilizzare efficacemente le tecnologie dell'informazione, ma anche crearle in una grande varietà. E qui è importante capire che l'informazione economica è una componente importante dell'intero processo.

Istituto statale federale di bilancio per l'educazione dell'istruzione professionale superiore

"UNIVERSITÀ FINANZIARIA

SOTTO IL GOVERNO DELLA FEDERAZIONE RUSSA "

(Università finanziaria)

Dipartimento di "Microeconomia"

Corso di lavoro

"Nuove tecnologie e loro ruolo nell'economia moderna"

Completato:

studente del gruppo U1-2

Bakhshiyan P.K.

Supervisore:

dottore in Economia, Professore

Nikolaeva I.P.

Mosca 2013

introduzione

1. Luogo e ruolo delle nuove tecnologie nell'economia moderna

1.1 Nuove tecnologie nelle economie moderne

1.2 Periodizzazione dello sviluppo tecnologico

2. Nuove tecnologie come motore del progresso della produzione

2.2 La terza rivoluzione industriale

2.3 Imprese innovative del futuro

3. Sviluppo di nuove tecnologie in Federazione Russa

3.1 Problemi di sviluppo di nuove tecnologie in Russia

Conclusione

Lista di referenze

Applicazioni

introduzione

L'intera storia dello sviluppo dell'umanità è la storia dello sviluppo e del miglioramento delle tecnologie e degli strumenti (attrezzature) utilizzati dall'uomo. Diverse migliaia di anni fa, l'uomo ha iniziato con un normale bastone e oggi ha raggiunto livelli incredibili di sviluppo tecnico e tecnologico. I sistemi e le strutture tecno-economiche sono stati continuamente migliorati dall'uomo durante tutto il periodo della sua esistenza. Tuttavia, nei millenni precedenti, questo processo non è stato così “esplosivo”. Il passaggio da una struttura tecnica ed economica a un'altra potrebbe protrarsi per secoli o addirittura millenni, ma i secoli XX e XXI ci hanno mostrato un tasso di cambiamento e miglioramento senza precedenti delle tecnologie utilizzate dall'uomo e mezzi tecnici... Un tale successo nell'attuazione delle innovazioni e il loro impatto su tutte le sfere della vita pubblica non poteva che suscitare l'interesse degli economisti. La scienza economica all'inizio del XX secolo ha iniziato a studiare i processi di sviluppo innovativo in quanto tali e a studiarne le principali caratteristiche e modelli. Molti noti economisti come J. Schumpeter, J. Hicks, R. Solow hanno compiuto progressi significativi in \u200b\u200bquesto senso. Tuttavia, il mondo sta cambiando rapidamente e l'interesse esclusivamente scientifico per lo sviluppo tecnologico nella prima metà del XX secolo è stato sostituito dall'interesse dello Stato e, soprattutto, degli imprenditori. Ciò è avvenuto grazie alla consapevolezza che le tecnologie innovative e la loro implementazione sono diventate praticamente le uniche chiavi per un'attività economica di successo nelle condizioni dell'economia moderna, o, come viene comunemente chiamata, la "nuova economia".

Dal punto di vista della microeconomia, le nuove tecnologie sono uno strumento attraverso il quale le imprese mantengono la loro posizione competitiva sul mercato risparmiando sui costi e / o differenziando i propri prodotti. Lo sviluppo e l'implementazione di tecnologie e tecniche innovative è, infatti, l'unico modo effettivo detenere o acquisire posizioni di mercato.

Questo lavoro è dedicato all'analisi del ruolo delle nuove tecnologie nell'economia moderna e del loro impatto su di essa.

1. Luogo e ruolo delle nuove tecnologie nell'economia moderna

1 Nuove tecnologie nei sistemi economici moderni

Il motore dello sviluppo socio-economico è sempre stato il progresso scientifico e tecnologico, il cui obiettivo fondamentale è la ricerca di nuovi mezzi per soddisfare il pubblico con i costi più bassi in termini di costi e risorse preservando gli ecosistemi. Affinché la crescita economica avvenga sulla base dei progressi tecnici o tecnologici, è necessario disporre di una struttura di un certo livello di complessità, che è determinata dal numero di tecnologie riproducibili, dal loro potenziale energetico, dai fattori del progresso scientifico e tecnologico, dalle proprietà del nucleo dell'autosviluppo, dallo stimolo delle interconnessioni con i settori economici e dallo sviluppo economico.

La tecnologia è intesa come l'uso di varie leggi fisiche, chimiche, biologiche e sociali nell'ambito di qualsiasi dispositivo, dispositivo, dispositivo per ottenere o distribuire un determinato processo in cui è necessario (bisogno) o per creare prodotti, tecnologie, servizi che hanno utilità sufficiente per gli esseri umani.

I sistemi tecnici sono costituiti da apparecchiature e oggetti tecnologici controllati e controllati dagli esseri umani. Tutte le sfere della vita pubblica oggi possono essere rappresentate come l'interazione di sistemi economici complessi. Poiché gli oggetti della tecnologia, i sistemi tecnici sono creati dall'uomo, l'obiettivo principale è quello di ottenere il maggior numero possibile di risultati utili costo minimo.

Lo sviluppo della tecnologia oggi è impossibile senza l'interazione di risorse concentrate, inclusi incentivi intellettuali ed economici che rendono attività ingegneristiche, scientifiche e creative. La creazione di incentivi economici è un compito istituzionale di pianificazione e progettazione.

Inoltre, quando si studiano nuove tecnologie, è necessario tenere conto di un parametro di sistemi tecnici innovativi (e non solo) come la producibilità. L'adattabilità di un sistema è intesa come un insieme di proprietà degli elementi di questo sistema che determinano la sua capacità di realizzare costi ottimali di produzione, funzionamento e riparazione con i necessari parametri di qualità, volumi di produzione, consumi e condizioni di sviluppo. La producibilità di un sistema tecnico ha un aspetto quantitativo e qualitativo del cambiamento. L'indicatore di producibilità del sistema economico è una caratteristica quantitativa del funzionamento del sistema.

Un concetto molto importante è il concetto di "assicurare la producibilità" del sistema economico, che, a parere dell'autore, dovrebbe essere inteso come un insieme di strumenti finalizzati a garantire le funzioni necessarie del sistema, superando o riducendo il grado di inefficienza della stessa. In altre parole, stiamo parlando di un insieme di misure per la gestione del sistema, si potrebbe anche dire, misure che aumentano la gestibilità del sistema.

Riassumendo, possiamo dire che la producibilità del sistema tecnico (economico) è uno degli obiettivi dell'introduzione di nuove tecnologie nell'impresa, poiché è questo indicatore che ci consente in modo più affidabile di giudicare l'efficacia di questo sistema. Come accennato in precedenza, l'obiettivo principale dello sviluppo e dell'implementazione di tecnologie innovative è aumentare i volumi di produzione aumentando al contempo il risparmio di risorse, ad es. riducendo i costi di produzione. A mio parere, le imprese che hanno raggiunto un alto indicatore di producibilità del sistema tecnico della loro produzione hanno l'opportunità di utilizzare il seguente scopo delle nuove tecnologie, vale a dire: differenziazione dei loro prodotti.

1.2 Periodizzazione dello sviluppo tecnologico

Lo studio delle nuove tecnologie in generale sarebbe incompleto senza studiare la storia delle fasi di sviluppo tecnologico. Ogni fase dello sviluppo innovativo è stata accompagnata da un cambiamento radicale delle strutture tecniche ed economiche, che ha comportato conseguenze irreversibili in tutti gli ambiti della società. L'analisi della periodizzazione dello sviluppo tecnologico è interessante in quanto consente di identificare alcuni modelli generali nel cambiamento delle strutture tecniche ed economiche e nell'introduzione di nuove tecnologie innovative in quel momento. Naturalmente, il 21 ° secolo è molto diverso da tutti i precedenti (molto di più rispetto, diciamo, il 19 ° secolo differisce dal 18 ° secolo), e molte delle caratteristiche e dei modelli dello sviluppo innovativo del passato sono completamente sbagliate nelle condizioni attuali, ma molte, le più importanti, sono ancora interessanti.

Un'economia basata su un nuovo ordine tecnologico non può funzionare con successo se non serve, direttamente o indirettamente, il suo scopo naturale: soddisfare i bisogni umani, aumentare i redditi e il benessere nazionale. L'attenzione al soddisfacimento dei bisogni diventa assolutamente necessaria quando si prendono decisioni strategiche in materia di innovazione, investimenti strutturali e altre aree dell'attività produttiva. Anche un'economia che opera simultaneamente su tre paradigmi tecnologici non può funzionare con successo, poiché non può riprodurre tre paradigmi tecnologici contemporaneamente a causa di squilibri nella distribuzione delle risorse tra di loro. Il problema della riproduzione delle strutture tecnologiche non è solo un problema dello sviluppo della struttura tecnologica dell'economia, ma anche dell'adattamento delle entità economiche, dei loro modelli di comportamento, delle istituzioni esistenti e degli accordi istituzionali. I tipi di vettori energetici si evolvono, ne compaiono di nuovi, il che rende possibile associare lo sviluppo tecnologico con i loro tipi e il PNL - con il consumo totale di questi vettori energetici. La prima fase dello sviluppo tecnologico è associata all'uso della legna da ardere come vettore di energia primaria, la seconda all'uso del carbone, la terza al petrolio, la quarta al gas e la quinta al combustibile nucleare. Sembra che la fase successiva sarà caratterizzata dall'esaurimento del petrolio, dall'aumento dell'uso di gas (soprattutto scisto) e da fonti energetiche naturali rispettose dell'ambiente, tra cui l'energia eolica, delle maree, osmotica e solare. Per la società umana si possono distinguere tre fasi potenzialmente possibili dell'evoluzione economica: pre-energia, energia e post-energia. Nella prima fase l'energia non agisce come un fattore limitante a causa dello stato primitivo delle forze produttive delle società; nella seconda, ci sono seri problemi con l'approvvigionamento energetico della crescita economica. Nella fase post-energetica, le opportunità energetiche saranno considerate abbondanti e non limitanti il \u200b\u200btenore di vita e la soddisfazione sociale della popolazione, oppure questa fase sarà caratterizzata da un deficit energetico generale dovuto ad un consumo eccessivamente aumentato sia delle industrie che della popolazione, che non può essere soddisfatta delle capacità energetiche esistenti. In ogni caso, fino ad ora, la società umana si è sviluppata sulla scala dell'energia disponibile che utilizza. Tuttavia, sono possibili circostanze in cui l'energia non sarà sufficiente per l'ulteriore sviluppo dell'economia e tali episodi nei sistemi economici locali, a livello delle singole regioni, stanno già emergendo. Ovviamente vista la natura relazionale conoscenza economica, non si può pretendere che la teoria dello sviluppo tecnologico sia valida in ogni fase dell'evoluzione economica. La moderna teoria dello sviluppo, molto probabilmente, corrisponde alla fase energetica e dovrebbe partire dai vincoli di risorse e dalla necessità di una transizione alla fase post-energetica dello sviluppo dell'economia mondiale, quando la gravità del problema energetico sarà rimossa. Inoltre, un'importante funzione della teoria dello sviluppo è quella di ottenere una risposta alla domanda sul potenziale di una civiltà post-energetica nella comprensione data e sui compiti che l'economia deve affrontare nella fase "energetica".

Uno studio dettagliato dello sviluppo e dell'implementazione delle più importanti innovazioni tecniche e tecnologie non è lo scopo di questo lavoro. Tale analisi sarebbe molto complessa e richiederebbe molto tempo per esperti riconosciuti in questo campo. Tuttavia, nell'ambito dello studio della periodizzazione del progresso tecnico e tecnologico, si può trarre un'importante conclusione che il cambiamento nelle strutture tecnologiche attraverso l'uso di nuovi mezzi di produzione avviene entro un certo stadio energetico. Sono le condizioni e le capacità della fase energetica che determinano la base per l'ulteriore sviluppo della tecnologia e della tecnologia. Naturalmente, la scienza gioca un ruolo di primo piano nel progresso tecnico e tecnologico. Tuttavia, le possibilità della scienza in un periodo di tempo specifico sono sempre limitate e credo che la portata di queste limitazioni sia determinata dalle condizioni della fase energetica. Come si può vedere dalla tabella 1, i cambiamenti rivoluzionari nella produzione sono sempre stati preceduti dalla scoperta e dall'uso di nuove fonti energetiche. Ciò significa che qualsiasi cambiamento nella struttura tecnica ed economica avviene nell'ambito delle capacità energetiche di un particolare stadio di sviluppo economico.

2. Nuove tecnologie come motore del progresso della produzione

1 Il progresso tecnologico al centro del progresso e dello sviluppo umano

Fondamentale per comprendere il ruolo della tecnologia è il riconoscimento che la tecnologia e il progresso tecnologico sono rilevanti per un'ampia gamma di

una serie di attività economiche, non solo produzione e computer. Ad esempio, secondo alcune stime, i progressi tecnologici hanno quadruplicato la produttività agricola tanto rapidamente quanto nel settore manifatturiero, anzi, sembra che prodotti a bassa tecnologia come mais o fiori possano essere il risultato di processi di produzione relativamente high-tech in quel momento. come in alcuni paesi la produzione di prodotti apparentemente high-tech come i computer sia il risultato di tecnologie relativamente basse. Infine, in molti casi, la tecnologia è incorporata nella produzione e gestione di sistemi di produzione, piuttosto che in beni fisici o algoritmi software. Il computer in cui è caricato

l'ultima versione del software che rimane inutilizzata sul tavolo per la maggior parte della giornata è una manifestazione dell'uso della tecnologia diversa dallo stesso computer che controlla i processi di produzione o il sistema di pagamento.

I progressi tecnologici possono portare a costi inferiori,

migliorare la qualità, creare nuovi prodotti,

e aiutarti a entrare in nuovi mercati. I progressi nella scienza e nella tecnologia implicano molto di più che fare lo stesso, o meglio con meno risorse. Questo concetto è più dinamico ed è associato sia alla creazione di nuovi prodotti e tecnologie per il mercato, sia alla diffusione di queste tecnologie tra le imprese e in tutta l'economia nel suo complesso. Sebbene molte delle implicazioni del progresso tecnologico siano ovvie in qualche modo, le seguenti meritano una menzione speciale:

I progressi tecnologici possono stimolare lo sviluppo riducendo i costi di produzione e operativi grazie a maggiori rendimenti di scala.

I progressi tecnologici in un settore possono contribuire

creando nuove opportunità economiche in altri settori. La riduzione dei costi di produzione può creare prodotti completamente nuovi o persino settori dell'economia. Nuove tecnologie per il mercato in un settore possono portare a un fiorire di attività in altri settori, creando domanda e offerta di beni e servizi che non esistevano.

I vantaggi delle nuove tecnologie vanno ben oltre il settore economico o il prodotto in cui esiste la tecnologia. Questo è il caso se il prodotto iniziale è un intermedio importante nella produzione di altri beni, come i sistemi di telecomunicazione o la manutenzione affidabile della rete elettrica.

La tecnologia può aiutare a migliorare la qualità. Tali miglioramenti potrebbero consentire a un paese in via di sviluppo di conquistare consumatori più esigenti e nuovi mercati. Può essere semplice come utilizzare macchinari e attrezzature, produrre beni e servizi che soddisfano le aspettative e gli standard più esigenti dei consumatori e dei clienti aziendali nei paesi ad alto reddito, in altre parole, prodotti premium.

2 Terza rivoluzione industriale

La prima rivoluzione industriale iniziò in Gran Bretagna alla fine del XVIII secolo, con la meccanizzazione dell'industria tessile. In un cotonificio sono stati riuniti compiti che prima erano laboriosi e svolti a mano da centinaia di tessitori: è così che è nata la fabbrica. La seconda rivoluzione industriale ebbe luogo all'inizio del XX secolo, quando Henry Ford costruì la prima catena di montaggio mobile e iniziò l'era della produzione di massa di merci. Le prime due rivoluzioni industriali hanno reso le persone più ricche e il mondo più urbanizzato. Ora la terza rivoluzione è in pieno svolgimento. La produzione diventa digitale. Diverse grandi tecnologie rientrano in un'area: software intelligente, nuovi materiali, robot più agili, nuovi processi di produzione (in particolare la stampa 3D) e una gamma di servizi web. La fabbrica del passato era fondata sulla creazione di un numero enorme di prodotti identici: la famosa frase di Henry Ford diceva che gli acquirenti Ford possono acquistare un'auto di qualsiasi colore, a condizione che quel colore sia nero. Tuttavia, nel 21 ° secolo, i costi di produzione di un minor numero di lotti con un'ampia varietà di prodotti, tenendo conto del capriccio di ciascun cliente, stanno diminuendo. La produzione del futuro si concentrerà sulla produzione di massa di beni personalizzati e potrebbe assomigliare più a quei tessitori che alla catena di montaggio Ford.

Il vecchio metodo di produzione prevede l'uso di un gran numero di parti per la successiva giunzione o saldatura. Il prodotto può ora essere progettato su un computer e "stampato" su una stampante 3D che crea un oggetto solido creando strati di materiale. Il design digitale può essere modificato con pochi clic del mouse del computer. Una stampante 3D può funzionare incustodita e può fare molte cose che sono troppo complesse per le fabbriche tradizionali. Nel tempo, queste fantastiche macchine saranno in grado di fare qualsiasi cosa, ovunque, in un garage di un villaggio africano.

Le applicazioni della stampa 3D sono particolarmente sorprendenti. Apparecchi acustici e parti di aerei militari high-tech vengono già stampati in moduli personalizzati. Gravi cambiamenti influenzeranno anche la geografia delle forniture. Un ingegnere che ha lavorato in condizioni difficili da raggiungere, che non dispone di un certo strumento, non dovrebbe più acquistarlo nel grande insediamento più vicino. Può semplicemente scaricare il design di questo strumento e "stamparlo". I giorni in cui i progetti si bloccavano per la mancanza di pezzi di attrezzatura o quando i clienti si lamentavano di non riuscire a trovare parti per le cose che avevano acquistato, un giorno saranno un ricordo del passato.

Altre modifiche relative all'uso delle stampanti 3D sono quasi altrettanto importanti. I nuovi materiali sono più leggeri, più resistenti e più durevoli di quelli vecchi. La fibra di carbonio sta sostituendo l'acciaio e l'alluminio nei prodotti, dagli aerei alle mountain bike. Nuove tecniche di movimentazione dei materiali consentono agli ingegneri di modellare gli oggetti in forme minuscole. La nanotecnologia offre ai prodotti funzionalità avanzate, come bende che aiutano a curare i tagli, motori che funzionano in modo più efficiente e piatti più facili da pulire. E con Internet che consente a un gran numero di progettisti e ingegneri di collaborare su nuovi prodotti, le barriere all'ingresso di una nuova azienda stanno diminuendo. Ford ha impiegato un'enorme quantità di capitale per costruire il suo enorme stabilimento di River Rouge, e la sua controparte moderna può iniziare con un laptop e il desiderio di inventare.

Come tutte le rivoluzioni, anche questa sarà altrettanto distruttiva. La tecnologia digitale ha già rivoluzionato i media e il mercato al dettaglio automatizzando i processi di vendita al dettaglio. Anche le piante cambieranno per sempre. Non saranno piene di auto sporche guidate da umani. Molti di loro saranno immacolati e quasi deserti. Alcune case automobilistiche stanno già producendo il doppio delle auto per dipendente rispetto a dieci anni fa. La maggior parte dei lavori non sarà nella fabbrica, ma negli uffici vicini, che saranno pieni di designer, ingegneri, professionisti IT, logistica, marketing, ecc. La produzione di posti di lavoro del futuro richiederà maggiori competenze.

La rivoluzione influenzerà non solo come si fanno le cose, ma dove. Le fabbriche erano solitamente situate nei paesi in via di sviluppo per ridurre i costi del lavoro. Ma il costo della manodopera ha un impatto sempre minore sui costi di produzione: dell'iPad di prima generazione da 499 dollari, il costo del lavoro era di soli 33 dollari, di cui solo 8 dollari in Cina. I produttori stanno tornando sempre più nei paesi ricchi. perché i salari cinesi sono in aumento, ma perché le aziende ora vogliono essere più vicine ai loro clienti in modo che possano rispondere più rapidamente ai cambiamenti della domanda. E alcuni prodotti sono così complessi che è più efficiente avere persone che li sviluppano e persone che li realizzano in un unico posto. Il Boston Consulting Group stima che in aree come i trasporti, i computer, la lavorazione dei metalli e le attrezzature di produzione, il 10-30% delle merci che l'America attualmente importa dalla Cina può essere prodotto in America stessa entro il 2020, il che contribuirà ad aumentare il PIL e di $ 20-55 miliardi all'anno.

I consumatori non troveranno molte difficoltà ad adattarsi alla nuova era dello sviluppo della produzione. Le autorità, tuttavia, potrebbero avere tempi più difficili. Sono abituati a difendere industrie e aziende già esistenti, non nuovi arrivati \u200b\u200bche potrebbero costringerli a uscire dal mercato. Pompano la vecchia produzione con sussidi e si incaricano di persone che vogliono spostare la produzione all'estero per ridurre i costi del lavoro. Spendono miliardi per fermare il progresso tecnico e tecnologico. E si aggrappano alla convinzione romantica che la produzione sia più importante dei servizi, per non parlare della finanza.

Niente di tutto questo ha senso. I confini tra produzione e servizi si stanno sfumando. Rolls-Royce non vende più motori a reazione, vende orologi che un aereo vola sui loro motori. Le autorità hanno sempre sbagliato a scegliere chi dovrebbe essere sostenuto e probabilmente non capiscono a chi appartiene il futuro. Migliaia di imprenditori creano online progetti per nuovi prodotti, li producono a casa (utilizzando stampanti 3D) e li vendono sul mercato. Mentre la rivoluzione è in pieno svolgimento, le autorità devono attenersi alle basi: creare buone scuole per una forza lavoro qualificata, stabilire regole chiare per gli imprenditori in tutti i settori. Il resto lo faranno i "rivoluzionari".

3 Imprese innovative del futuro

Credo che nei prossimi decenni la struttura delle imprese innovative e gli stessi investimenti in nuove tecnologie subiranno cambiamenti significativi. Oggi è sempre più evidente che un'impresa che non migliora non può adattarsi a un mercato in continua evoluzione, poiché le richieste dei consumatori sono sempre più in aumento, poiché le imprese di punta dello sviluppo innovativo offrono ai consumatori sempre più nuovi prodotti in termini di tecnologia. Tuttavia, gli investimenti in R&S richiedono ingenti investimenti finanziari da parte dell'impresa, che solo i maggiori attori del mercato possono permettersi. Allo stesso tempo, la domanda sempre crescente dei consumatori di nuovi prodotti con caratteristiche e proprietà migliorate richiederà grandi investimenti in ricerca e sviluppo, che, nel tempo, non possono nemmeno essere sostenuti dalle grandi aziende che spendono miliardi di dollari all'anno in ricerca e sviluppo. È in questo momento che le società e le imprese semplicemente innovative saranno costrette a mettere in comune i loro investimenti in ricerca e sviluppo. Tuttavia, qui sorgono inevitabilmente delle difficoltà in base a quale delle imprese condurre la ricerca e questo provocherà un conflitto di interessi. È questa situazione che costringerà le imprese a rivolgersi a un'altra impresa, impegnata nello sviluppo innovativo su base permanente su base professionale.

Il modello proposto di impresa innovativa è una sorta di boutique che ha una specializzazione piuttosto ristretta e una cerchia di clienti. I vantaggi di questo modello di impresa sono evidenti: un'elevata concentrazione di capitali e personale scientifico consentirà di raggiungere un alto indicatore dell'efficienza degli investimenti in R&S. In questo caso, l'effetto della scala gioca un ruolo, poiché con un gran numero di studi prevedibili, i fallimenti di diversi progetti ripagheranno a scapito del successo del resto.

Tuttavia, c'è un grave difetto nelle attività di tali imprese: poiché la ricerca e sviluppo viene svolta con i soldi di diverse aziende, i risultati della ricerca appartengono a tutti coloro che hanno investito nelle attività della "boutique innovativa". Sorge il problema di come suddividere i risultati della ricerca tra di loro, e questo è un problema molto difficile a causa della complessità della valutazione dei risultati della ricerca e sviluppo. Offro diverse opzioni per la distribuzione dei risultati di un'impresa innovativa e il loro utilizzo da parte degli investitori:

1.Distribuzione dei risultati della ricerca tra gli investitori a seconda del volume degli investimenti. Gli stessi risultati di R&S saranno valutati a un valore scontato, ad es. in termini di potenziale profitto che porterà il loro utilizzo. L'azienda che ha investito di più avrà diritto alla tecnologia più costosa, ecc.

2.Le società di investimento possono inizialmente stipulare accordi sulla divisione dei diritti sui risultati dell'impresa di ricerca. Tuttavia, la vulnerabilità questa opzione è che l'investimento in ricerca e sviluppo è una sorta di "scatola nera" e nessuno sa quale sarà il risultato. Pertanto, accordi scritti sulla divisione dei diritti sulle tecnologie investigate rappresentano un grave conflitto di interessi, poiché i risultati e la loro potenziale utilità non possono essere conosciuti in anticipo.

.Condivisione dei diritti sui risultati di ricerca e sviluppo da parte di diversi investitori e regole concordate per il loro utilizzo. Ad esempio, qualsiasi tecnologia può essere utilizzata in settori completamente diversi e gli investitori che rappresentano diverse società che occupano mercati completamente diversi possono accettare di utilizzare questa tecnologia senza pregiudicare gli interessi di nessuno degli investitori. Credo che questa strategia di condivisione dei diritti sui risultati dell'investimento in un'azienda tecnologica innovativa sia ottimale.

Pertanto, la principale difficoltà nelle attività di un'impresa di questo tipo può essere superata attraverso accordi tra investitori.

In conclusione della storia di questa idea, vorrei dire che l'esistenza e l'attività di una tale azienda è possibile solo se le esigenze tecniche o tecnologiche dei consumatori aumentano così tanto che i costi di finanziamento della ricerca e sviluppo aumenteranno così tanto che anche le grandi aziende non possono coprirle da sole. Credo che in pratica tali iniziative di ricerca innovative possano essere formate nelle principali università dei paesi sviluppati o semplicemente in un grande centro di ricerca che possa attrarre un numero sufficiente di persone altamente qualificate.

3. Sviluppo di nuove tecnologie nella Federazione Russa

1 Problemi di sviluppo di nuove tecnologie in Russia

La Russia è entrata nel 21 ° secolo, il secolo dello sviluppo economico innovativo in una situazione molto disastrosa, causata da una serie di ragioni:

.Il crollo dell'URSS ha seriamente minato i legami economici tra gli stati dello spazio post-sovietico

.La mancanza di imprese innovative nell'industria (ad eccezione della difesa) ha seriamente complicato la posizione della Russia sul mercato mondiale.

.Il massiccio deflusso di personale scientifico altamente qualificato negli anni '90 del XX secolo ha portato a uno stato deplorevole della scienza russa in generale, e ha anche seriamente colpito la riproduzione del potenziale scientifico del paese.

.La formazione finale della Russia come potenza esclusivamente basata sulle risorse ha portato al fatto che tutti gli investimenti nazionali ed esteri andavano solo al settore delle materie prime dell'economia. Questa "abitudine" ha un effetto estremamente dannoso sullo stato dell'economia russa, poiché lo stato è direttamente interessato ad aumentare il settore delle materie prime dell'economia, che è la principale fonte di reddito di bilancio e, di fatto, lo stato stesso crea le condizioni in cui gli investimenti vanno solo al settore delle materie prime. bypassando tutti gli altri.

.La mancanza di un quadro giuridico dettagliato contribuisce al deterioramento del clima imprenditoriale nel paese e la conseguenza di ciò è la scarsa attività imprenditoriale degli imprenditori nazionali (rispetto all'Europa occidentale e agli Stati Uniti).

Ovviamente, i problemi di sviluppo delle imprese russe lungo il percorso dell'introduzione di nuove tecnologie dipendono direttamente dalla politica perseguita dallo Stato. Senza dubbio, la politica statale moderna può mirare esclusivamente allo sviluppo avanzato di settori dell'economia ad alta intensità scientifica e ad alta tecnologia, sistemi educativi, infrastrutture di informazione e trasporto, che semplifica gli scambi, riduce i costi di transazione, garantendo vantaggi competitivi nazionali a lungo termine. L'esperienza mondiale della politica economica statale del XX secolo ha individuato tre vettori del suo orientamento: export, nazionale (sviluppo del mercato interno) e strategico, associati alla restrizione intenzionale dell'uso delle proprie risorse non rinnovabili (petrolio, gas, legname, ecc.). Un esempio del primo vettore è fornito dalla Corea del Sud e dalla Cina moderna, che già oggi combinano due direzioni, la seconda - Francia e Giappone nell'ultimo quarto del XX secolo, la terza - Stati Uniti e Paesi OPEC. Allo stesso tempo, aumenta la differenziazione dei tassi di crescita economica dei singoli Stati e, di conseguenza, il divario tra i livelli di sviluppo scientifico e tecnologico delle economie nazionali. Pertanto, i cinque paesi leader - Stati Uniti, Giappone, Germania, Francia e Regno Unito - attualmente spendono più soldi in ricerca e sviluppo rispetto a tutti gli altri paesi del mondo messi insieme, e la quota degli Stati Uniti in questo gruppo supera il 50%. Per politica industriale si intende un insieme di misure legali, organizzative, economiche e gestionali volte a creare le condizioni per l'efficace funzionamento delle strutture produttive e garantire la crescita della produttività, della produzione e dell'occupazione, sviluppate dai governi federali e regionali.

Descrivere i passi specifici dello Stato nell'attuazione della sua politica in relazione allo sviluppo di incentivi per la creazione di industrie innovative era troppo difficile per questo lavoro. Posso solo descrivere le direzioni principali in cui avrebbero dovuto essere intraprese le iniziative per sviluppare nuove tecnologie in Russia. Credo che l'inizio nell'attuazione del sostegno all'innovazione dovrebbe essere un vero sostegno per la scienza a tutti i livelli di governo. Lo sviluppo della scienza dovrebbe diventare la principale priorità dello Stato per il prossimo decennio, altrimenti la Russia non riguadagnerà la sua competitività sui mercati dei prodotti ad alta tecnologia. È inoltre necessario acquisire la fiducia degli investitori stranieri nei centri di ricerca russi. Ciò può essere ottenuto attraverso il finanziamento del governo di importanti progetti scientifici con ampia applicazione pratica. Se tale ricerca avrà successo, gli investitori comprenderanno le prospettive di investire in ricerca e sviluppo in Russia, dal momento che ha un potenziale scientifico enorme, ma completamente inutilizzato. Ai primi passi della formazione di un'economia innovativa in Russia, sarebbe consigliabile perseguire una politica di protezionismo, poiché nelle prime fasi della formazione sarà estremamente difficile per le imprese innovative russe competere con imprese straniere anche sul mercato interno a causa della mancanza di sufficiente esperienza nel lavorare con sviluppi innovativi.

Credo che l'assistenza dello Stato nelle prime fasi della formazione di un'economia innovativa sia semplicemente necessaria, ma in seguito, quando i risultati della politica perseguita saranno evidenti, sarà necessario ridurre l'assistenza del governo, restituendo al mercato il diritto di decidere chi rimarrà e chi no.

Conclusione

il secolo può essere tranquillamente definito il secolo dello sviluppo innovativo. Le nuove tecnologie dall'inizio dell'attività economica umana hanno influenzato lo sviluppo dell'economia. Ma è stato proprio questo secolo che ha presentato alle imprese una scelta: modernizzarsi o scomparire sotto la pressione di concorrenti tecnologicamente e tecnologicamente più avanzati. D'ora in poi, le nuove tecnologie sono diventate il fattore dominante nello sviluppo dell'economia. Il problema dello sviluppo economico innovativo è particolarmente acuto in Russia, il cui sistema economico non corrisponde affatto agli standard di un'economia innovativa. La Russia continua a vivere della vendita delle proprie risorse non rinnovabili, perdendo ogni giorno sempre più opportunità per riconquistare la sua posizione di leader nel mercato mondiale. I fondi che il Paese riceve dalla vendita di risorse devono essere investiti nello sviluppo della scienza, promettendo imprese innovative. Anche a breve termine, questi investimenti saranno ripagati, perché credo che il potenziale russo non realizzato sarà in grado di raggiungere risultati rivoluzionari in tutti gli ambiti della scienza. Ciò darà sicuramente un forte impulso allo sviluppo dell'economia nel suo complesso. Tuttavia, ciò richiede volontà politica e una politica dettagliata dello Stato, che finora può solo sognare. Nel frattempo, la Russia continua a restare indietro rispetto ai paesi in via di sviluppo, perdendo ogni anno posizioni che forse non potrà più tornare. La leadership della Federazione Russa deve comprendere l'ovvia verità, che è applicabile sia a entità economiche che a interi stati: coloro che non si modernizzano scompaiono.

Lista di referenze

economia tecnologica industriale

II. Monografie, opere collettive, raccolte di articoli scientifici:

O.S. Sukharev Economia dello sviluppo tecnologico - M .: Finanza e statistica, 2008 - 480 p.; limo

Makarov V.L. Economia della conoscenza: lezioni per la Russia // La Russia e il mondo moderno. - 2004.

Schumpeter J. La teoria dello sviluppo economico.

Glazyev S.Yu. La teoria dello sviluppo tecnico ed economico a lungo termine. - M .: VlaDar, 1993

III. Articoli da periodici:

Appendice 1

Tabella 1

Numero della fase di sviluppo tecnologico Tempo coperto dalla fase di sviluppo tecnologico Industrie che forniscono tecnologie di base della fase e supporto energetico della fase di sviluppo tecnologico Stato infrastrutturale della fase di sviluppo tecnologico Primo 1790-1840 Industria tessile, acqua, vapore, energia del carbone Strade sterrate, passeggiate a cavallo a terra e navi a vela via mare, poste corrieri Secondo 1830-1890 Trasporto ferroviario, meccanizzazione dei processi produttivi, utilizzo di una macchina a vapore. L'emergere delle prime società per azioni come nuove forme organizzative e legali di imprenditorialità Ferrovie, spedizioni mondiali Terzo 1880-1940 Sviluppo dell'industria meccanica pesante, elettrica e chimica. Basato su elettricità, motori a combustione interna e sviluppo dell'olio. La concorrenza ha carattere di monopolio: trust, cartelli, ecc. Telefono, telegrafo, radio, reti elettriche 4 ° 1930-1990 Sviluppo della produzione di massa, gas e petrolio, centrali nucleari, comunicazioni, nuovi materiali, elettronica, software, computer. Vengono create TNC, la concorrenza è oligopolistica Autostrade ad alta velocità, traffico aereo, gasdotti, sviluppo televisivo Quinta metà degli anni '80 - fino ad oggi Microelettronica, informatica, alta tecnologia elettronica, biotecnologia, ingegneria genetica, materiali sintetici, esplorazione dello spazio commerciale. Unificazione di grandi e piccole imprese in catene unificate, tecnopoli, città della scienza, parchi tecnologici, nuovi sistemi di gestione della qualità, investimenti, forniture, riparazione e funzionamento di oggetti tecnici Reti di computer, telecomunicazioni, collegamento satellitare, supporti elettronici, nuovi tipi di centrali nucleari, un gran numero di centrali che generano "energia verde".

FGBU VPO "UNIVERSITÀ FINANZIARIA SOTTO IL GOVERNO DELLA FEDERAZIONE RUSSA"

per i corsi degli studenti

Facoltà ______________________________ Gruppo ______________

NOME E COGNOME. alunno ______________________________________________

Argomento ________________________________________________________

№ p / p Caratteristiche di qualità del lavoro Max. punteggio Fatto. punteggio I. Valutazione dell'opera secondo criteri formali: 301. Rispetto delle scadenze per il completamento dell'opera per fasi di scrittura 42. L'aspetto dell'opera e la corretta progettazione dell'opera 23. La presenza di una planimetria correttamente eseguita 24. La presenza di intestazioni interne di sezioni e sottosezioni 25. Indicazione di pagine nel piano di lavoro e loro numerazione nel testo 26. nel testo delle note a piè di pagina e dei riferimenti 27. Correttezza delle citazioni e formattazione delle citazioni 38. Chiarezza e qualità del materiale illustrativo 39. Disponibilità e qualità degli allegati aggiuntivi 310. Correttezza dell'elenco dei materiali utilizzati 511. Uso di letteratura straniera nel testo dell'opera e nell'elenco dei riferimenti 2 II. Valutazione dell'opera per contenuto: 701. Rilevanza del problema 42 La struttura logica del lavoro e la sua riflessione in pianta 23 La profondità del titolo e l'equilibrio delle sezioni 24 La qualità dell'introduzione 55 L'indicazione degli obiettivi della ricerca 36 L'indicazione delle modalità di ricerca 27 Il contenuto del lavoro corrisponde all'argomento dichiarato 68 La corrispondenza del contenuto delle sezioni ai loro nomi 29 Il collegamento logico tra le sezioni 3 10. Il grado di indipendenza nella presentazione 13 11 La presenza di elementi di novità scientifica 3 13 La connessione del lavoro con i problemi russi 514 La capacità di trarre conclusioni 10 15 La qualità di elaborare una conclusione 516 Conoscenza della letteratura più recente 517 La presenza di errori fondamentali-35

Tutoraggio

Hai bisogno di aiuto per esplorare un argomento?

I nostri esperti consiglieranno o forniranno servizi di tutoraggio su argomenti di tuo interesse.
Invia una richiesta con l'indicazione dell'argomento in questo momento per conoscere la possibilità di ottenere una consulenza

1.1 Concetti di base dell'intelligenza artificiale

1.2 Rappresentazione della conoscenza

1.3 Il compito di formare basi di conoscenza

2. Riconoscimento di modelli e traduzione automatica

2.1 Il concetto di immagine

2.2 Il problema del riconoscimento di pattern

2.3 Apprendimento, autoapprendimento e adattamento

2.4 Conversione di immagini in codice digitale

3. Neurocomputer e reti

3.1 Neurocomputer

3.2 Cosa sono le reti neurali?

4. Sistemi esperti (ES), loro struttura e classificazione. Strumenti per costruire ES. Tecnologia di sviluppo ES.

5. Uso e supporto di ES. Reengineering aziendale.

5.1 Utilizzo di sistemi finanziari esperti

5.3 Business reengineering

6. Strategia per acquisire conoscenza. Metodi pratici di estrazione della conoscenza. Strutturazione della conoscenza. Implementazione software della knowledge base.

INTRODUZIONE

Le possibilità dei computer elettronici non sono più sorprendenti. L'informatizzazione di varie aree dell'attività umana, oltre all'effetto diretto dell'introduzione della tecnologia informatica, genera spesso nuove classi di prodotti software e tecnologie per il loro sviluppo. Qualsiasi tecnologia è, prima di tutto, un campo di attività intellettuale per specialisti, tuttavia, a differenza di altri tipi di attività, le tecnologie per lo sviluppo di prodotti software diventano immediatamente oggetti di automazione, il che porta la sezione di programmazione corrispondente a un nuovo livello di sviluppo.

I sistemi basati sulla conoscenza hanno subito un'evoluzione tipica da programmi specifici a strumenti di sviluppo e, prima di tutto, sistemi esperti progettati per risolvere problemi provenienti da quelle aree in cui la conoscenza e l'esperienza professionale giocano un ruolo decisivo. Nei sistemi esperti, la ricerca di soluzioni viene effettuata imitando il ragionamento insito in professionisti di spicco. La conoscenza formalizzata costituisce il nucleo del sistema esperto - la sua base di conoscenza. I restanti blocchi del sistema implementano le funzioni di trasformazione della conoscenza e sono determinati non tanto dal contenuto della conoscenza quanto dalle proprietà delle loro strutture formali.

1. Il concetto di intelligenza artificiale. Rappresentazione della conoscenza e sviluppo di sistemi basati sulla conoscenza

1.1. Concetti di base dell'intelligenza artificiale

Il termine intelligenza (intelligenza) deriva dal latino intellectus - che significa mente, ragione, ragione; la capacità di pensare di una persona. Di conseguenza, l'intelligenza artificiale (AI) viene solitamente interpretata come la proprietà dei sistemi automatici di assumere funzioni individuali dell'intelligenza umana, ad esempio, per scegliere e prendere decisioni ottimali sulla base dell'esperienza precedente e dell'analisi razionale delle influenze esterne.

L'intelligenza è la capacità del cervello di risolvere problemi (intellettuali) acquisendo, memorizzando e trasformando intenzionalmente la conoscenza attraverso l'apprendimento esperienziale e l'adattamento a una varietà di circostanze.

In questa definizione, il termine "conoscenza" significa non solo l'informazione che entra nel cervello attraverso i sensi. Questo tipo di conoscenza è estremamente importante, ma insufficiente per l'attività intellettuale. Il fatto è che gli oggetti del nostro ambiente hanno la proprietà non solo di influenzare i sensi, ma anche di essere l'uno con l'altro in determinate relazioni. È chiaro che per svolgere attività intellettuale nell'ambiente (o almeno semplicemente esistere), è necessario avere un modello di questo mondo nel sistema della conoscenza. In questo modello informativo dell'ambiente, gli oggetti reali, le loro proprietà e le relazioni tra loro non sono solo visualizzati e ricordati, ma anche, come indicato in questa definizione intelligenza, può mentalmente "trasformare intenzionalmente". Allo stesso tempo, è essenziale che la formazione di un modello dell'ambiente esterno avvenga "nel processo di apprendimento dall'esperienza e di adattamento alle varie circostanze".

1.2. Rappresentazione della conoscenza

La rappresentazione della conoscenza è una domanda che si pone nella cognitologia (la scienza del pensiero) e nell'intelligenza artificiale. In cognitologia, è correlato al modo in cui le persone memorizzano ed elaborano le informazioni. Nell'intelligenza artificiale (AI), l'obiettivo principale è imparare come immagazzinare la conoscenza in modo tale che i programmi possano elaborarla e ottenere una parvenza di intelligenza umana. I ricercatori di intelligenza artificiale utilizzano teorie sulla rappresentazione della conoscenza tratte dalle scienze cognitive. Tecniche come frame, regole e reti semantiche sono arrivate all'IA dalle teorie dell'elaborazione delle informazioni umane. Poiché la conoscenza viene utilizzata per ottenere un comportamento intelligente, l'obiettivo fondamentale della disciplina della rappresentazione della conoscenza è trovare modi di rappresentare che rendano possibile il processo di inferenza, cioè fare inferenze dalla conoscenza.

Alcune domande che sorgono nella rappresentazione AI della conoscenza:

· In che modo le persone rappresentano la conoscenza?

· Qual è la natura della conoscenza e come la rappresentiamo?

· Lo schema di rappresentazione dovrebbe essere associato a una particolare area di competenza o dovrebbe avere uno scopo generale?

Quanto espressivo questo schema rappresentazione?

· Lo schema dovrebbe essere dichiarativo o procedurale?

Si è discusso molto poco della rappresentazione della conoscenza e della ricerca in questo settore. Esistono problemi ben noti come la "diffusione dell'attivazione" (il compito di navigare in una rete di nodi), la "categorizzazione" (ciò è dovuto all'ereditarietà selettiva; ad esempio, un fuoristrada può essere considerato una specializzazione (caso speciale) di un'auto, ma eredita solo alcune delle caratteristiche) e la "classificazione ". Ad esempio, un pomodoro può essere considerato sia un frutto che un ortaggio.

Nel campo dell'intelligenza artificiale, la risoluzione dei problemi può essere semplificata scegliendo il metodo giusto per rappresentare la conoscenza. Un certo metodo può rendere facilmente rappresentabile qualsiasi area della conoscenza. Ad esempio, il sistema esperto di diagnostica Mitsin ha utilizzato uno schema di rappresentazione della conoscenza basato su regole. La scelta sbagliata del metodo di presentazione rende difficile l'elaborazione. Un'analogia è il calcolo nella notazione indo-araba o romana. La divisione lunga è più facile nel primo caso e più difficile nel secondo. Allo stesso modo, non c'è modo di presentare che possa essere utilizzato in tutte le attività o rendere tutte le attività ugualmente semplici.

Il problema di formare basi di conoscenza è complesso e sfaccettato. Se limitiamo la considerazione di questo problema al compito di estrarre la conoscenza personale dell'esperto, allora possiamo formulare i requisiti ei principi di base per la creazione di sistemi software che automatizzano il processo di formazione delle basi di conoscenza. I sistemi di questo tipo sono chiamati sistemi automatizzati di ingegneria della conoscenza.

1.3. Il compito di formare basi di conoscenza

Nonostante tutta la pretenziosità del suo nome, l'ingegneria della conoscenza è una disciplina puramente prosaica, il suo compito è sviluppare praticamente programmi utili per aree dell'attività umana scarsamente "matematizzate". L'argomento principale a favore della fruttuosità di questo approccio è il fatto dell'esistenza nella vita reale di un'istituzione di esperti - professionisti di classe in grado di risolvere problemi scarsamente formalizzati da una particolare area problematica.

Da un punto di vista dell'ingegneria della conoscenza, in qualsiasi programma applicativo (almeno in teoria) è possibile isolare un componente contenente la conoscenza dell'area problematica. È questo componente, chiamato knowledge base, che determina il valore pratico del programma. La creazione di una base di conoscenza richiede una ricerca speciale nell'area problematica, mentre il resto dei blocchi del programma sono interamente nelle mani del programmatore.

Attualmente, ci sono quattro modi principali di rappresentare la conoscenza, da cui è possibile costruire modi "ibridi" di rappresentare la conoscenza.

· Sistemi di produzione

· Reti semantiche

· Cornici

· Calcolo logico

· Modi combinati di rappresentare la conoscenza

· Modelli di dominio problematici

2. Riconoscimento di modelli e traduzione automatica

2.1 Il concetto di immagine

Immagine, classe: un raggruppamento di classificazione nel sistema di classificazione che unisce un determinato gruppo di oggetti in base a un attributo. La percezione immaginativa del mondo è una delle proprietà di un cervello vivente, che rende possibile comprendere il flusso infinito di informazioni percepite e mantenere l'orientamento nei dati sparsi sul mondo esterno. Percependo il mondo esterno, classifichiamo sempre le informazioni, cioè le dividiamo in gruppi di fenomeni simili ma non identici. Questa proprietà del cervello rende possibile formulare un tale concetto come un'immagine.

La capacità di percepire il mondo esterno sotto forma di immagini consente di riconoscere con una certa certezza un numero infinito di oggetti sulla base della familiarizzazione con il loro numero finito, e la natura oggettiva della proprietà principale delle immagini ci consente di modellare il processo del loro riconoscimento.

2.2 Il problema del riconoscimento di pattern

Il riconoscimento del modello è il compito di identificare un oggetto o determinare una qualsiasi delle sue proprietà dalla sua immagine (riconoscimento ottico) o registrazione audio (riconoscimento acustico). Nel processo di evoluzione biologica, molti animali con l'aiuto di apparecchi visivi e acustici hanno risolto abbastanza bene questo problema. La creazione di sistemi artificiali con funzioni di riconoscimento delle immagini rimane un problema tecnico complesso.

Figura: 2.1. Un esempio di oggetti didattici.

In generale, il problema del riconoscimento dei modelli (PRO) consiste di due parti: formazione e riconoscimento. L'apprendimento viene effettuato mostrando i singoli oggetti con l'indicazione della loro appartenenza all'una o all'altra immagine. Come risultato dell'addestramento, il sistema di riconoscimento deve acquisire la capacità di rispondere con le stesse reazioni a tutti gli oggetti della stessa immagine e con altre reazioni - a tutti gli oggetti di immagini distinguibili. È molto importante che il processo di apprendimento venga completato solo mostrando un numero finito di oggetti. Gli oggetti della formazione possono essere immagini (Fig. 2.1) o altre immagini visive (lettere, numeri). È importante che nel processo di apprendimento siano indicati solo gli oggetti stessi e la loro appartenenza all'immagine. L'apprendimento è seguito dal processo di riconoscimento di nuovi oggetti, che caratterizza le azioni di un sistema già addestrato. L'automazione di queste procedure costituisce il problema dell'addestramento al riconoscimento di modelli. Nel caso in cui una persona indovina o pensa e poi impone una regola di classificazione alla macchina, il problema del riconoscimento è parzialmente risolto, poiché la persona assume la parte principale e principale del problema (formazione).

La gamma di compiti che possono essere risolti utilizzando i sistemi di riconoscimento è estremamente ampia. Ciò include non solo i compiti di riconoscimento delle immagini visive e uditive, ma anche i compiti di classificazione di processi e fenomeni complessi che sorgono, ad esempio, quando si scelgono azioni appropriate da parte del capo di un'impresa o si sceglie la gestione ottimale di compiti tecnologici, economici, di trasporto o militari. Prima di iniziare ad analizzare qualsiasi oggetto, è necessario ottenere informazioni certe e ordinate su di esso.

La scelta della descrizione iniziale degli oggetti è uno dei compiti centrali del problema del pattern recognition. Con una scelta corretta della descrizione iniziale (spazio delle caratteristiche), il problema di riconoscimento può rivelarsi banale e, al contrario, una descrizione iniziale scelta senza successo può portare a un'ulteriore elaborazione delle informazioni molto complicata o all'assenza di una soluzione.

2.5 Apprendimento, autoapprendimento e adattamento

L'apprendimento è un processo a seguito del quale il sistema acquisisce gradualmente la capacità di rispondere con le reazioni necessarie a determinati insiemi di influenze esterne e l'adattamento è l'adeguamento dei parametri e della struttura del sistema al fine di ottenere la qualità di controllo richiesta di fronte ai continui cambiamenti delle condizioni esterne. Tutte le immagini mostrate in fig. 2.1, caratterizzano l'attività di apprendimento. In ciascuna di queste attività vengono forniti diversi esempi (sequenza di addestramento) di attività risolte correttamente. Se fosse possibile notare una certa proprietà generale che non dipende né dalla natura delle immagini né dalle loro immagini, ma determina solo la loro capacità di separabilità, allora insieme al solito compito di insegnare il riconoscimento usando le informazioni sull'appartenenza di ciascun oggetto dalla sequenza di addestramento all'una o all'altra immagine, un altro problema di classificazione potrebbe essere posto: il cosiddetto problema di apprendimento senza supervisione. Un compito di questo tipo a livello descrittivo può essere formulato come segue: gli oggetti vengono presentati simultaneamente o in sequenza al sistema senza alcuna indicazione della loro appartenenza alle immagini. Il dispositivo di input del sistema mappa un insieme di oggetti su un insieme di immagini e, utilizzando alcune proprietà predefinite di separabilità dell'immagine, effettua una classificazione indipendente di questi oggetti. Dopo un tale processo di autoapprendimento, il sistema deve acquisire la capacità di riconoscere non solo oggetti già familiari (oggetti della sequenza di addestramento), ma anche quelli che non sono stati presentati prima. Il processo di autoapprendimento di un determinato sistema è un tale processo in conseguenza del quale questo sistema, senza il consiglio dell'insegnante, acquisisce la capacità di sviluppare reazioni identiche a immagini di oggetti della stessa immagine e risposte diverse a immagini di immagini diverse. Il ruolo dell'insegnante in questo caso consiste solo nel suggerire al sistema una qualche proprietà oggettiva che è la stessa per tutte le immagini e determina la capacità di dividere un insieme di oggetti in immagini. Una tale proprietà oggettiva è la proprietà della compattezza delle immagini. La posizione relativa dei punti nello spazio selezionato contiene già informazioni su come dividere l'insieme di punti. Questa informazione determina la proprietà di separabilità delle immagini, che è sufficiente per l'autoapprendimento del sistema per riconoscere i modelli.

L'apprendimento è solitamente chiamato il processo di elaborazione in un sistema certo dell'una o dell'altra reazione a gruppi di segnali identici esterni per mezzo di impatto ripetuto sul sistema di correzione esterna. Tale adattamento esterno nell'insegnamento è solitamente chiamato "ricompense" e "punizioni". Il meccanismo per generare questa regolazione determina quasi completamente l'algoritmo di apprendimento. L'autoapprendimento differisce dall'apprendimento in quanto non vengono fornite informazioni aggiuntive sulla fedeltà della reazione al sistema.

L'adattamento è il processo di modifica dei parametri e della struttura del sistema, e possibilmente delle azioni di controllo sulla base delle informazioni correnti, al fine di raggiungere un determinato stato del sistema con incertezza iniziale e condizioni operative mutevoli.

E 'possibile un metodo per la costruzione di macchine di riconoscimento, basato sulla discriminazione di qualsiasi caratteristica delle figure da riconoscere. Come caratteristiche, possono essere selezionate varie caratteristiche delle figure, ad esempio, le loro proprietà geometriche (caratteristiche delle curve che costituiscono la figura), proprietà topologiche (la posizione relativa degli elementi della figura), ecc. Macchine di riconoscimento note, in cui si fa la distinzione tra lettere o numeri, secondo il cosiddetto "metodo delle sonde" (Fig. 2.2), ovvero dal numero di intersezioni del contorno della figura con diverse linee rette appositamente posizionate.

Figura: 2.2 Layout delle sonde per il riconoscimento delle cifre.

Se si proiettano i numeri sul campo con le sonde, risulta che ciascuno dei numeri incrocia sonde abbastanza definite e le combinazioni delle sonde incrociate sono diverse per tutte e dieci le cifre. Queste combinazioni sono usate come segni con cui si distinguono i numeri. Tali macchine gestiscono con successo, ad esempio, la lettura di testo dattiloscritto, ma le loro capacità sono limitate dal tipo di carattere (o da un gruppo di caratteri simili) per il quale è stato sviluppato il sistema di funzionalità. Il lavoro sulla creazione di una serie di figure di riferimento o di un sistema di segni deve essere svolto da una persona. La qualità del funzionamento della macchina, cioè l'affidabilità del “riconoscimento” delle figure presentate è determinata dalla qualità di questa preparazione preliminare e non può essere aumentata senza la partecipazione umana. La macchina descritta non è una macchina che apprende.

Modellare il processo di apprendimento implica l'apprendimento, che non è preceduto dal messaggio alla macchina di alcuna informazione su quelle immagini che deve imparare a riconoscere; l'apprendimento stesso consiste nel presentare alla macchina un numero finito di oggetti di ciascuna immagine. Come risultato dell'apprendimento, la macchina dovrebbe essere in grado di riconoscere un numero arbitrariamente elevato di nuovi oggetti correlati alle stesse immagini. Pertanto, si intende il seguente schema di esperimenti:

a) nessuna informazione sulle immagini da classificare viene inserita preventivamente nella macchina;

b) nel corso dell'insegnamento della macchina, viene presentato un certo numero di oggetti di ciascuna delle immagini oggetto di classificazione e (quando si modella il processo di apprendimento “con un insegnante”) viene riportato a quale immagine appartiene ciascun oggetto;

c) la macchina elabora automaticamente le informazioni ricevute, dopodiché

d) con sufficiente affidabilità distingue un numero arbitrariamente grande di oggetti nuovi, precedentemente non presentati dalle immagini.

Le macchine che funzionano in questo modo sono chiamate macchine di riconoscimento.

2.6 Conversione di immagini in codici digitali

Per inserire un'immagine in una macchina, deve essere tradotta in linguaggio macchina, ad es. codificare, rappresentano sotto forma di una certa combinazione di simboli che la macchina può operare. Le figure piane possono essere codificate in vari modi. È meglio mirare alla codifica dell'immagine più "naturale". Disegneremo figure su un determinato campo, divise da linee verticali e orizzontali in elementi identici: quadrati. Gli elementi su cui è caduta l'immagine saranno completamente anneriti, il resto sarà lasciato bianco. Accettiamo di denotare gli elementi neri con uno, il bianco con zero. Introduciamo la numerazione sequenziale di tutti gli elementi del campo, ad esempio, in ogni riga da sinistra a destra e per righe dall'alto verso il basso. Quindi ogni cifra disegnata su tale campo verrà visualizzata in modo univoco con un codice composto da tante cifre (uno e zeri) quanti sono gli elementi contenuti nel campo.

Fig 2.3 Esempi di proiezione e codifica di immagini.

Tale codifica (Fig. 2.3) è considerata "naturale" perché la scissione dell'immagine in elementi è alla base del lavoro del nostro apparato visivo. In effetti, la retina dell'occhio è costituita da un gran numero di singoli elementi sensoriali (i cosiddetti bastoncelli e coni) collegati da fibre nervose con le parti visive del cervello. Gli elementi sensibili della retina trasmettono segnali al cervello attraverso le loro fibre nervose, la cui intensità dipende dall'illuminazione di questo elemento. Pertanto, l'immagine proiettata dal sistema ottico dell'occhio sulla retina viene suddivisa da coni e bastoncelli in sezioni separate e trasmessa al cervello da elementi in un certo codice. I singoli elementi del campo sono chiamati recettori e il campo stesso è chiamato campo dei recettori.

La totalità di tutte le figure piatte che possono essere rappresentate sul campo dei recettori costituisce una sorta di insieme. Ogni figura concreta di questo set è un oggetto di questo set. Ognuno di questi oggetti ha un codice specifico. Allo stesso modo, qualsiasi codice corrisponde a una certa immagine sul campo del recettore. Una corrispondenza uno a uno tra codici e immagini permetterà di operare solo con i codici, ricordando che un'immagine può sempre essere riprodotta dal suo codice.

Capacità ANN - il numero di immagini presentate agli input ANN per il riconoscimento. Per separare un insieme di immagini di input, ad esempio, in due classi, è sufficiente un solo output. Inoltre, ogni livello logico - "1" e "0" - designerà una classe separata. A due uscite, puoi già codificare 4 classi e così via. Per aumentare l'affidabilità della classificazione, è auspicabile introdurre la ridondanza assegnando a ciascuna classe un neurone nello strato di output o, meglio ancora, diversi, ognuno dei quali è addestrato a determinare l'appartenenza di un'immagine a una classe con il proprio grado di affidabilità, ad esempio: alto, medio e basso. Tali ANN consentono la classificazione delle immagini di input combinate in insiemi fuzzy (fuzzy o intersecanti). Questa proprietà avvicina tali RNA alle condizioni di vita reale.

3. Neurocomputer e reti

3.1 Neurocomputer

I neurocomputer sono sistemi in cui l'algoritmo per risolvere un problema è rappresentato da una rete logica di elementi di un tipo particolare: neuroni con un rifiuto completo di elementi booleani di tipo AND, OR, NOT. Di conseguenza, sono stati introdotti specifici collegamenti tra gli elementi, che sono oggetto di separata considerazione.

A differenza dei metodi classici di risoluzione dei problemi, i neurocomputer implementano algoritmi per la risoluzione dei problemi, presentati sotto forma di reti neurali. Questa limitazione consente di sviluppare algoritmi potenzialmente più paralleli di qualsiasi altra implementazione fisica.

Un neurocomputer è un sistema informatico con architettura MSIMD, in cui vengono implementate due soluzioni tecniche fondamentali: l'elemento di elaborazione di una struttura omogenea è stato semplificato al livello di un neurone e le connessioni tra gli elementi sono nettamente complicate; la programmazione della struttura computazionale è stata trasferita alla modifica delle connessioni di peso tra gli elementi di elaborazione.

La definizione generale di neurocomputer può essere presentata come segue. Un neurocomputer è un sistema informatico con architettura hardware e software adeguata all'esecuzione degli algoritmi presentati nella base logica della rete neurale.

3.2 Cosa sono le reti neurali?

Ogni neurone riceve segnali dai neuroni vicini attraverso speciali fibre nervose. Questi segnali possono essere eccitatori o inibitori. La loro somma è il potenziale elettrico all'interno del corpo del neurone. Quando il potenziale supera una certa soglia, il neurone entra in uno stato eccitato e invia un segnale lungo la fibra nervosa di uscita. I singoli neuroni artificiali si connettono tra loro in vari modi. Ciò consente di creare una varietà di reti neurali con diverse architetture, regole di apprendimento e capacità.

Molte persone associano il termine "reti neurali artificiali" a fantasie sugli androidi e sulla ribellione dei robot, sulle macchine che sostituiscono e imitano gli umani. Questa impressione è rafforzata da molti sviluppatori di neurosistemi, che discutono su come nel prossimo futuro i robot inizieranno a padroneggiare vari tipi di attività, semplicemente osservando una persona. Se passiamo al livello del lavoro quotidiano, le reti neurali sono solo reti costituite da semplici elementi interconnessi di neuroni formali. La maggior parte del lavoro sulla neuroinformatica è dedicata al trasferimento di vari algoritmi per la risoluzione di problemi su tali reti.

Il concetto si basa sull'idea che i neuroni possono essere modellati da automi abbastanza semplici e l'intera complessità del cervello, la flessibilità del suo funzionamento e altre importanti qualità sono determinate dalle connessioni tra i neuroni. Ogni collegamento si presenta come un elemento molto semplice che serve a trasmettere un segnale. In breve, questo pensiero può essere espresso come segue: "la struttura delle connessioni è tutto, le proprietà degli elementi non sono nulla".

L'insieme delle idee e della direzione scientifica e tecnica determinata dal concetto di cervello descritto è chiamato connessionismo (connessione di connessione). Tutto ciò si riferisce a un vero cervello allo stesso modo di una caricatura o di un cartone animato con il suo prototipo. Non è il rispetto letterale dell'originale che è importante, ma la produttività dell'idea tecnica.

Il seguente blocco di idee è strettamente correlato al connessionismo:

· Omogeneità del sistema (gli elementi sono gli stessi ed estremamente semplici, tutto è determinato dalla struttura delle connessioni);

· Sistemi affidabili di elementi inaffidabili e uso "rinascimentale analogico" di elementi analogici semplici;

· Sistemi "olografici" alla distruzione di una parte selezionata casualmente, il sistema mantiene le sue proprietà.

Si presume che le ampie capacità dei sistemi di comunicazione compensino la scarsa scelta degli elementi, la loro inaffidabilità e la possibile distruzione di alcuni collegamenti.

Per descrivere algoritmi e dispositivi in \u200b\u200bneuroinformatica, è stato sviluppato uno speciale "circuito", in cui dispositivi elementari (sommatori, sinapsi, neuroni, ecc.) Sono combinati in reti progettate per risolvere problemi. Per molti principianti, sembra sorprendente che né nell'implementazione hardware di reti neurali, né nel software professionale, questi elementi non siano necessariamente implementati come parti o blocchi separati. Il circuito ideale utilizzato nella neuroinformatica è un linguaggio speciale per descrivere le reti neurali e il loro addestramento. Nel caso di implementazione software e hardware, le descrizioni realizzate in questa lingua vengono tradotte in lingue più adatte di un altro livello.

4. Sistemi esperti (ES), loro struttura e classificazione. Strumenti per costruire ES. Tecnologia di sviluppo ES

4.1 Scopo dei sistemi esperti

All'inizio degli anni ottanta si formò una direzione indipendente nella ricerca sull'intelligenza artificiale, denominata "sistemi esperti" (ES). Lo scopo della ricerca ES è quello di sviluppare programmi che, risolvendo problemi difficili per un esperto umano, ottengano risultati non inferiori in qualità ed efficienza alle soluzioni ottenute da un esperto. I ricercatori nel campo della ES usano spesso il termine "ingegneria della conoscenza" per nominare la loro disciplina, introdotto da E. Feigenbaum come "portare i principi e gli strumenti della ricerca dal campo dell'intelligenza artificiale alla soluzione di difficili problemi applicati che richiedono conoscenze specialistiche".

Gli strumenti software (PS) basati sulla tecnologia dei sistemi esperti, o ingegneria della conoscenza (di seguito li useremo come sinonimi), si sono diffusi nel mondo. L'importanza dei sistemi esperti è la seguente:

· La tecnologia dei sistemi esperti amplia notevolmente la gamma di problemi praticamente significativi risolti su computer, la cui soluzione porta un effetto economico significativo;

· La tecnologia ES è lo strumento più importante per risolvere i problemi globali della programmazione tradizionale: la durata e, quindi, l'alto costo dello sviluppo di applicazioni complesse;

· Elevato costo di manutenzione di sistemi complessi, spesso molte volte superiore al costo del loro sviluppo; basso livello di riutilizzabilità del programma, ecc.;

· La combinazione della tecnologia ES con la tecnologia di programmazione tradizionale aggiunge nuove qualità ai prodotti software: fornendo la modifica dinamica delle applicazioni dall'utente, non dal programmatore; una maggiore "trasparenza" dell'applicazione (ad esempio, la conoscenza è memorizzata in un NL limitato, che non richiede commenti sulla conoscenza, semplifica la formazione e la manutenzione); grafica migliore; interfaccia e interazione.

Secondo i maggiori esperti, nel prossimo futuro, ES troverà la seguente applicazione:

· ES svolgerà un ruolo di primo piano in tutte le fasi di progettazione, sviluppo, produzione, distribuzione, vendita, supporto e fornitura di servizi;

· La tecnologia ES, che ha ricevuto la distribuzione commerciale, fornirà una svolta rivoluzionaria nell'integrazione di applicazioni da moduli già pronti per l'interazione intelligente.

ES sono destinati ai cosiddetti compiti non formalizzati, ad es. ES non rifiuta né sostituisce l'approccio tradizionale allo sviluppo del programma, incentrato sulla risoluzione di problemi formalizzati.

Le attività informali di solito hanno le seguenti caratteristiche:

· Errori, ambiguità, incompletezza e incoerenza dei dati iniziali;

· Erronea, ambiguità, incompletezza e incoerenza nella conoscenza dell'area problematica e del problema da risolvere;

· Grande dimensione dello spazio della soluzione, ad es. la ricerca di una soluzione è molto ampia;

· Dati e conoscenze che cambiano dinamicamente.

Va sottolineato che i compiti non formalizzati rappresentano una classe di compiti ampia e molto importante. Molti esperti ritengono che questi problemi siano la classe più diffusa di problemi risolti dai computer.

I sistemi esperti e i sistemi di intelligenza artificiale differiscono dai sistemi di elaborazione dati in quanto utilizzano principalmente la rappresentazione simbolica (anziché numerica), l'inferenza simbolica e la ricerca euristica di una soluzione (piuttosto che l'esecuzione di un algoritmo noto).

I sistemi esperti vengono utilizzati per risolvere solo problemi pratici difficili (non giocattolo). In termini di qualità ed efficienza della soluzione, i sistemi esperti non sono inferiori alle decisioni di un esperto umano. Le soluzioni di sistema esperto sono "trasparenti"; può essere spiegato all'utente a livello qualitativo. Questa qualità dei sistemi esperti è fornita dalla loro capacità di ragionare sulle loro conoscenze e conclusioni. I sistemi esperti sono in grado di integrare le loro conoscenze nel corso dell'interazione con un esperto. Va notato che attualmente la tecnologia dei sistemi esperti viene utilizzata per risolvere vari tipi di problemi (interpretazione, previsione, diagnostica, pianificazione, progettazione, controllo, debugging, istruzione, gestione) in un'ampia varietà di aree problematiche, come la finanza, l'industria petrolifera e del gas. , energia, trasporti, produzione farmaceutica, spazio, metallurgia, estrazione mineraria, chimica, istruzione, industria della cellulosa e della carta, telecomunicazioni e comunicazioni, ecc.

I successi commerciali per le aziende-sviluppatori di sistemi di intelligenza artificiale (AI) non sono arrivati \u200b\u200bimmediatamente. Per tutto il 1960 - 1985. I successi dell'IA sono stati principalmente legati agli sviluppi della ricerca che hanno dimostrato l'idoneità dell'IA per l'uso pratico. Dal 1985 circa (su vasta scala dal 1988 al 1990), principalmente ES, e negli ultimi anni, i sistemi che percepiscono il linguaggio naturale (sistemi NL) e le reti neurali (NN) sono stati utilizzati attivamente nelle applicazioni commerciali. ...

Le ragioni che hanno portato FIS al successo commerciale sono le seguenti.

Integrazione. Sono stati sviluppati strumenti di intelligenza artificiale (IS AI) facilmente integrabili con altre tecnologie e strumenti informatici (con CASE, DBMS, controllori, concentratori di dati, ecc.).

Apertura e portabilità. AI IS sono sviluppati secondo standard che assicurano apertura e portabilità.

Utilizzo di linguaggi di programmazione e postazioni di lavoro tradizionali. Il passaggio da AI IS, implementato nei linguaggi AI (Lisp, Prolog, ecc.), Ad AI IS, implementato nei linguaggi di programmazione tradizionali (C, C ++, ecc.), Ha semplificato la fornitura di integrazione, ridotto i requisiti delle applicazioni AI alla velocità del computer e alla quantità di RAM. L'uso di workstation (al posto dei PC) ha notevolmente aumentato la gamma di applicazioni che possono essere eseguite su un computer utilizzando l'IA.

Architettura client-server... Sono stati sviluppati AI IS che supportano l'elaborazione distribuita sull'architettura client-server, che ha permesso di: ridurre il costo delle apparecchiature utilizzate nelle applicazioni, decentralizzare le applicazioni, aumentare l'affidabilità e le prestazioni complessive (poiché la quantità di informazioni inviate tra i computer è ridotta e ogni modulo dell'applicazione viene eseguito su un adeguato attrezzatura).

AI è specifico per il problema / dominio... La transizione dagli sviluppi di AI per scopi generali (sebbene non abbiano perso la loro importanza come mezzo per creare IS orientati) a AI IS specifici per problema / dominio fornisce: riduzione del tempo di sviluppo dell'applicazione; aumentare l'efficienza dell'utilizzo della PI; semplificazione e accelerazione del lavoro dell'esperto; riusabilità di informazioni e software (oggetti, classi, regole, procedure).

4.2 Classificazione dei sistemi esperti

La classe "sistemi esperti" riunisce oggi diverse migliaia di sistemi software diversi che possono essere classificati secondo diversi criteri. Le seguenti classificazioni possono essere utili (Figura 4.1).

Figura: 4.1. Classificazione dei sistemi esperti

Classificazione in base al problema da risolvere

Interpretazione dei dati. Questo è uno dei compiti tradizionali per i sistemi esperti. L'interpretazione si riferisce alla definizione del significato dei dati, i cui risultati devono essere coerenti e corretti. In genere, viene fornita l'analisi dei dati multivariata.

Diagnostica. La diagnostica si riferisce al rilevamento di un malfunzionamento in un determinato sistema. Il malfunzionamento è una deviazione dalla norma. Questa interpretazione consente di considerare il malfunzionamento delle apparecchiature da un punto di vista teorico unificato. sistemi tecnicie malattie degli organismi viventi e tutti i tipi di anomalie naturali. Una specificità importante è la necessità di comprendere la struttura funzionale ("anatomia") del sistema diagnostico.

Monitoraggio. Il compito principale del monitoraggio è l'interpretazione continua dei dati in tempo reale e la segnalazione che alcuni parametri sono fuori dai limiti consentiti. I problemi principali sono il "saltare" una situazione allarmante e il compito inverso del "falso" innesco. La complessità di questi problemi sta nell'offuscamento dei sintomi delle situazioni di ansia e nella necessità di tener conto del contesto temporale.

Design. La progettazione consiste nella preparazione di specifiche per la creazione di "oggetti" con proprietà predefinite. La specifica indica l'intera serie di documenti necessari: un disegno, una nota esplicativa, ecc. I problemi principali qui sono ottenere una chiara descrizione strutturale della conoscenza di un oggetto e il problema della "impronta". Per organizzare una progettazione efficace e, in misura ancora maggiore, riprogettare, è necessario formare non solo le decisioni progettuali stesse, ma anche i motivi della loro adozione. Pertanto, nelle attività di progettazione, due processi principali sono strettamente collegati, eseguiti nell'ambito del corrispondente ES: processo di revoca della decisione e processo di spiegazione.

Previsione. I sistemi predittivi deducono logicamente probabili conseguenze da determinate situazioni. In un sistema predittivo, viene solitamente utilizzato un modello dinamico parametrico, in cui i valori dei parametri sono "adattati" a una data situazione. Le conseguenze derivate da questo modello costituiscono la base per le previsioni con stime probabilistiche.

Pianificazione. La pianificazione si riferisce all'individuazione di piani d'azione relativi a strutture in grado di svolgere determinate funzioni. In tale ES, vengono utilizzati modelli di comportamento di oggetti reali al fine di dedurre logicamente le conseguenze dell'attività pianificata.

Formazione. I sistemi di apprendimento diagnosticano gli errori nello studio di una disciplina utilizzando un computer e suggeriscono le giuste decisioni. Accumulano conoscenze su un ipotetico "studente" e sui suoi errori caratteristici, poi nel loro lavoro sono in grado di diagnosticare le debolezze nella conoscenza dei tirocinanti e trovare mezzi adeguati per eliminarle. Inoltre, pianificano l'atto di comunicare con lo studente in base ai progressi dello studente al fine di trasferire la conoscenza.

In generale, tutti i sistemi basati sulla conoscenza possono essere suddivisi in sistemi che risolvono problemi di analisi, e così via sistemi che risolvono problemi di sintesi.

La principale differenza tra problemi di analisi e problemi di sintesi è la seguente: se nei problemi di analisi un insieme di soluzioni può essere elencato e incluso nel sistema, allora nei problemi di sintesi un insieme di soluzioni è potenzialmente costruito da soluzioni di componenti o sottoproblemi. Il compito dell'analisi è l'interpretazione dei dati, la diagnostica; compiti di sintesi includono la progettazione, la pianificazione. Compiti combinati: formazione, monitoraggio, previsione.

Classificazione in tempo reale

Statico ES sono sviluppati in aree tematiche in cui la base di conoscenza e i dati interpretati non cambiano nel tempo. Sono stabili.

Quasidynamic ES interpretare una situazione che cambia con un certo intervallo di tempo fisso.

ES dinamico lavorare in combinazione con sensori di oggetti in tempo reale con interpretazione continua dei dati in arrivo.

Classificazione per tipo di computer

Oggi ci sono:

ES per compiti unici strategicamente importanti su supercomputer (Elbrus, CRAY, CONVEX, ecc.);

ES su un computer di media produttività (come computer ES, mainframe);

ES su processori simbolici e workstation (SUN, APOLLO);

ES su mini e supermini computer (VAX, micro - VAX, ecc.);

ES su personal computer (IBM PC, MAC II e simili).

Classificazione in base al grado di integrazione con altri programmi

ES autonomo lavorare direttamente in consultazione con l'utente per specifici compiti "esperti", che non richiedono l'utilizzo di metodi tradizionali di elaborazione dei dati (calcoli, modellazione, ecc.).

ES ibrido rappresentano un pacchetto software che aggrega pacchetti software standard (ad esempio, statistiche matematiche, programmazione lineare o sistemi di gestione di database) e strumenti di manipolazione della conoscenza. Può essere una sovrastruttura intelligente sulla RFP o un ambiente integrato per risolvere un problema complesso con elementi di conoscenza esperta.

Nonostante l'attrattiva esterna dell'approccio ibrido, va notato che lo sviluppo di tali sistemi è un ordine di grandezza più complesso dello sviluppo di un ES autonomo. Agganciare non solo diversi pacchetti, ma diverse metodologie (cosa accade nei sistemi ibridi) crea tutta una serie di difficoltà teoriche e pratiche.

4.3 La struttura dei sistemi esperti (sull'esempio di ES statico e dinamico)

Un tipico ES statico è costituito dai seguenti componenti principali (Figura 4.2):

Risolutore (interprete);

· Memoria di lavoro (RP), chiamata anche database (DB);

· Base di conoscenza (KB);

· Componenti dell'acquisizione della conoscenza;

· Componente esplicativa;

· Componente di dialogo.

Database (memoria di lavoro) è destinato alla memorizzazione dei dati iniziali e intermedi del problema attualmente risolto. Questo termine coincide nel nome ma non nel significato con il termine utilizzato nei sistemi di recupero delle informazioni (ISS) e nei sistemi di gestione dei database (DBMS) per riferirsi a tutti i dati (principalmente a lungo termine) memorizzati nel sistema.

Base di conoscenza (BZ) nell'ES è progettato per memorizzare i dati a lungo termine che descrivono l'area in esame (e non i dati attuali) e le regole che descrivono le trasformazioni di dati appropriate in quest'area.

Risolutore, utilizzando i dati iniziali della memoria di lavoro e la conoscenza della knowledge base, forma una sequenza di regole che, applicate ai dati iniziali, portano alla soluzione del problema.

Componente l'acquisizione della conoscenza automatizza il processo di riempimento del ES con la conoscenza, eseguito da un utente esperto.

Componente esplicativa spiega come il sistema ha ricevuto una soluzione al problema (o perché non ha ricevuto una soluzione) e quali conoscenze ha utilizzato, il che rende più facile per un esperto testare il sistema e aumenta la fiducia dell'utente nel risultato.

Figura: 4.2. La struttura dell'ES statistico

Componente di dialogo si concentra sull'organizzazione di una comunicazione amichevole con l'utente sia nel corso della risoluzione dei problemi che nel processo di acquisizione della conoscenza e spiegazione dei risultati del lavoro.

I rappresentanti delle seguenti specialità partecipano allo sviluppo di ES:

un esperto in un'area problematica, i cui compiti saranno risolti dall'ES;

ingegnere della conoscenza - uno specialista nello sviluppo di ES (la tecnologia da lui utilizzata, i metodi sono chiamati la tecnologia (metodi) dell'ingegneria della conoscenza);

programmatore per lo sviluppo di strumenti (IS) progettati per accelerare lo sviluppo di ES.

Va notato che l'assenza di ingegneri della conoscenza tra i partecipanti allo sviluppo (cioè la loro sostituzione da parte dei programmatori) o porta al fallimento del processo di creazione di un ES o lo allunga in modo significativo.

Esperto definisce le conoscenze (dati e regole) che caratterizzano l'area problematica, assicura la completezza e la correttezza delle conoscenze inserite nel SdI.

Ingegnere della conoscenza aiuta l'esperto a identificare e strutturare le conoscenze necessarie per il funzionamento dell'ES; fa la scelta dell'IS più adatto a una data area problematica e determina il modo di rappresentare la conoscenza in questa IS; seleziona e programma (con mezzi tradizionali) le funzioni standard (tipiche di una data area problematica) che verranno utilizzate nelle regole introdotte da un esperto.

Programmatore sviluppa un IS (se un IS viene sviluppato di nuovo), contenente al limite tutti i componenti principali di un ES, e implementa la sua interfaccia con l'ambiente in cui verrà utilizzato.

Il sistema esperto opera in due modalità: la modalità di acquisizione della conoscenza e la modalità di risoluzione del problema (chiamata anche modalità di consultazione o modalità di utilizzo dell'ES).

In modalità di acquisizione della conoscenza la comunicazione con l'ES viene effettuata (attraverso la mediazione del knowledge engineer) da un esperto. In questa modalità, l'esperto, utilizzando la componente di acquisizione della conoscenza, riempie il sistema con la conoscenza che consente all'ES in modalità soluzione di risolvere autonomamente (senza un esperto) i problemi dall'area problematica. L'esperto descrive l'area problematica sotto forma di una serie di dati e regole. I dati definiscono gli oggetti, le loro caratteristiche e i valori che esistono nel campo di competenza. Le regole definiscono i modi per manipolare i dati specifici dell'area in questione.

Si noti che la modalità di acquisizione della conoscenza nell'approccio tradizionale allo sviluppo del programma corrisponde alle fasi di algoritmizzazione, programmazione e debugging eseguite dal programmatore. Pertanto, a differenza dell'approccio tradizionale, nel caso di ES, lo sviluppo dei programmi non viene eseguito da un programmatore, ma da un esperto (con l'aiuto di ES) che non conosce la programmazione.

In modalità consultazione la comunicazione con il SdI è effettuata dall'utente finale interessato al risultato e (o) alle modalità per ottenerlo. Va notato che, a seconda dello scopo dell'ES, l'utente potrebbe non essere un esperto in quest'area problematica (in questo caso, si rivolge all'ES per il risultato, non riuscendo a ottenerlo da solo), o essere uno specialista (in questo caso, l'utente può ottenere il risultato da solo, ma si riferisce all'ES per accelerare il processo di ottenimento di un risultato o per assegnare il lavoro di routine all'ES). Nella modalità di consultazione, i dati sull'attività dell'utente, dopo essere stati elaborati dalla componente di dialogo, vengono trasferiti alla memoria di lavoro. Il risolutore, in base ai dati di input dalla memoria di lavoro, ai dati generali sull'area problematica e alle regole della knowledge base, costituisce una soluzione al problema. Quando risolve un problema, l'ES non solo esegue la sequenza prescritta dell'operazione, ma la preforma. Se la risposta del sistema non è chiara all'utente, potrebbe essere necessaria una spiegazione:

"Perché il sistema fa questa o quella domanda?", "Come viene ricevuta la risposta raccolta dal sistema?"

La struttura mostrata in Fig. 4.2 è chiamata la struttura di un ES statico. ES di questo tipo vengono utilizzati in quelle applicazioni dove è possibile ignorare i cambiamenti nel mondo circostante che avvengono durante la soluzione del problema. I primi ES, che hanno ricevuto un uso pratico, erano statici.

Figura: 4.3. Struttura ES dinamica

Nella fig. 4.3 mostra che due componenti sono introdotte nell'architettura di un ES dinamico rispetto a un ES statico: un sottosistema per modellare il mondo esterno e un sottosistema per la comunicazione con l'ambiente esterno. Quest'ultimo comunica con il mondo esterno attraverso un sistema di sensori e controllori. Inoltre, i componenti tradizionali di un ES statico (knowledge base e motore di inferenza) stanno subendo cambiamenti significativi per riflettere la logica temporale degli eventi che si verificano nel mondo reale.

Sottolineiamo che la struttura dell'ES mostrata in Fig. 4.2 e 4.3, riflette solo componenti (funzioni), e molto rimane "dietro le quinte".

4.4 Fasi di sviluppo di sistemi esperti

Lo sviluppo di ES presenta differenze significative rispetto allo sviluppo di un prodotto software convenzionale. L'esperienza nella creazione di ES ha dimostrato che l'uso della metodologia adottata nella programmazione tradizionale nel loro sviluppo trascina il processo di creazione di ES o generalmente porta a un risultato negativo.

ES dovrebbe essere utilizzato solo quando lo sviluppo di ES possibile, giustificato e le tecniche di ingegneria della conoscenza sono appropriate per il compito da svolgere. Quindi lo sviluppo di ES è stato possibile per una data applicazione, è necessario soddisfare contemporaneamente almeno i seguenti requisiti:

1) ci sono esperti in questo campo che risolvono il problema molto meglio di specialisti alle prime armi;

2) gli esperti concordano sulla valutazione della soluzione proposta, altrimenti sarà impossibile valutare la qualità dell'ES sviluppato;

3) gli esperti sono in grado di verbalizzare (esprimere in linguaggio naturale) e spiegare i metodi che usano, altrimenti è difficile aspettarsi che le conoscenze degli esperti vengano "estratte" e investite nell'ES;

4) risolvere il problema richiede solo ragionamento, non azione;

5) il compito non dovrebbe essere troppo difficile (cioè la sua soluzione dovrebbe richiedere a un esperto diverse ore o giorni, non settimane);

6) sebbene il compito non debba essere espresso in una forma formale, dovrebbe comunque riferirsi a un'area sufficientemente "comprensibile" e strutturata, vale a dire. dovrebbero essere evidenziati i concetti di base, le relazioni e le modalità conosciute (almeno da un esperto) per ottenere una soluzione al problema;

7) la soluzione del problema non dovrebbe utilizzare in gran parte il "buon senso" (cioè una vasta gamma di informazioni generali sul mondo e sul modo in cui funziona, che ogni persona normale conosce e sa usare), poiché tale conoscenza non è ancora riuscita (in sufficiente) per investire in sistemi di intelligenza artificiale.

L'uso di ES in questa applicazione può essere possibile, ma non giustificato. L'uso di ES può essere giustificato uno dei seguenti fattori:

· Risolvere il problema porterà un effetto significativo, ad esempio, economico;

· L'impiego di un esperto umano è impossibile sia per un numero insufficiente di esperti, sia per la necessità di effettuare l'esame contemporaneamente in luoghi diversi;

· L'uso di ES è consigliabile nei casi in cui si verifica una inaccettabile perdita di tempo o di informazioni durante il trasferimento di informazioni a un esperto;

· L'uso di ES è consigliabile, se necessario, per risolvere un problema in un ambiente ostile all'uomo.

applicazione corrisponde Metodi ES, se il problema da risolvere ha una combinazione delle seguenti caratteristiche:

1) il problema può essere risolto naturalmente manipolando simboli (cioè usando il ragionamento simbolico) e non manipolando numeri, come è consuetudine nei metodi matematici e nella programmazione tradizionale;

2) l'attività dovrebbe essere di natura euristica, non algoritmica, ad es. la sua soluzione dovrebbe richiedere l'applicazione di regole euristiche. I problemi che si può garantire di essere risolti (nel rispetto dei vincoli specificati) utilizzando alcune procedure formali non sono idonei per l'uso di ES;

3) il compito deve essere abbastanza complesso da giustificare i costi di sviluppo dell'ES. Tuttavia, non dovrebbe essere eccessivamente complicato (la decisione richiede ore, non settimane per un esperto) in modo che l'ES possa risolverlo;

4) il compito dovrebbe essere abbastanza ristretto da essere risolto con metodi ES e praticamente significativo.

Nello sviluppo di ES, di regola, viene utilizzato il concetto di "prototipo rapido". L'essenza di questo concetto è che gli sviluppatori non provano a costruire subito il prodotto finale. Nella fase iniziale, creano un prototipo (prototipi) dell'ES. I prototipi devono soddisfare due requisiti contrastanti: da un lato, devono risolvere compiti tipici di una particolare applicazione e, dall'altro, il tempo e la laboriosità del loro sviluppo devono essere molto insignificanti, in modo che il processo di accumulo e debugging della conoscenza (svolto da un esperto) possa essere parallelamente al massimo parallelo con il processo di selezione (sviluppo di) strumenti software (da parte dell'ingegnere della conoscenza e del programmatore). Per soddisfare questi requisiti, di norma, durante la creazione di un prototipo, vengono utilizzati diversi strumenti per accelerare il processo di progettazione.

Il prototipo deve dimostrare l'idoneità delle tecniche di ingegneria della conoscenza per l'applicazione. In caso di successo, l'esperto, con l'aiuto dell'ingegnere della conoscenza, amplia la conoscenza del prototipo dell'area problematica. Se questo fallisce, potrebbe essere necessario sviluppare un nuovo prototipo o gli sviluppatori potrebbero giungere alla conclusione che i metodi ES non sono adatti per una data applicazione. Man mano che la conoscenza cresce, il prototipo può raggiungere uno stato in cui risolve con successo tutti i problemi di una data applicazione. La trasformazione del prototipo ES nel prodotto finale di solito porta alla riprogrammazione dell'ES in linguaggi di basso livello che forniscono sia un aumento delle prestazioni ES sia una diminuzione della memoria richiesta. La complessità e il tempo necessario per creare un ES dipendono in gran parte dal tipo di strumenti utilizzati.

Nel corso del lavoro sulla creazione di ES, è stata formata una certa tecnologia per il loro sviluppo, che include le seguenti sei fasi (Fig. 4.4):

identificazione, concettualizzazione, formalizzazione, implementazione, test, operazione di prova. Sul palco identificazione si determinano i compiti da risolvere, si individuano gli obiettivi di sviluppo, si determinano esperti e tipologie di utenti.

Figura: 4.4. Tecnologia di sviluppo ES

Sul palco concettualizzare si effettua un'analisi significativa dell'area problematica, si individuano i concetti utilizzati e le loro interconnessioni, si determinano i metodi di risoluzione dei problemi.

Sul palco formalizzazione Si seleziona l'IS e si determinano i modi di rappresentare tutti i tipi di conoscenza, si formalizzano i concetti di base, si determinano i modi di interpretare la conoscenza, si modella il funzionamento del sistema, si valuta l'adeguatezza degli obiettivi del sistema di concetti fissi, i metodi decisionali, i mezzi di rappresentazione e manipolazione della conoscenza.

Sul palco compimento la base di conoscenza è riempita dall'esperto. Poiché la base di ES è la conoscenza, questa fase è la fase più importante e laboriosa nello sviluppo di ES. Il processo di acquisizione della conoscenza è suddiviso nell'estrazione della conoscenza da un esperto, nell'organizzazione della conoscenza che garantisce il funzionamento efficace del sistema e nella presentazione della conoscenza in una forma comprensibile per l'ES. Il processo di acquisizione della conoscenza è svolto da un ingegnere della conoscenza sulla base di un'analisi delle attività dell'esperto nella risoluzione di problemi reali.

5. Uso e supporto di ES. Reengineering aziendale

5.1 Utilizzo di sistemi di esportazione finanziaria

Molte imprese stabiliscono ES per risolvere problemi in aree quali: negoziazione in borsa, comprensione automatica delle notizie, analisi del credito, gestione del rischio, costruzione di portafogli di prestiti e investimenti, valutazione dei rating bancari, automazione degli audit, previsione dei cambiamenti nel mercato finanziario, ecc.

Esempi di ciò sono un'intera classe di ES di consulenza: Bear, Sterns & Company's Broker Monitoring System, Athena Group's Portfolio Advisor e Trader's Assistant, sviluppati congiuntamente da Author D. Little Corporation, Knowledge-Based Network Corporation e altre sei istituzioni finanziarie. La Sanwa Bank giapponese, una delle più grandi banche del mondo, utilizza il sistema esperto Best Mix per migliorare la qualità delle informazioni sugli investimenti.

Il Nikko Portfolio Consultation Management System, sviluppato internamente da Nikko Securities, Ltd., aiuta i gestori di fondi a scegliere il miglior portafoglio per i loro clienti. Il sistema si basa su un database di vendita di azioni della durata di cinque anni e su un nuovo sistema teorico di gestione del portafoglio che calcola e ottimizza un portafoglio di titoli a copertura di vari rischi. I gestori di fondi sono liberi dai calcoli di routine e quindi hanno la capacità di creare più rapidamente un portafoglio di titoli ottimale. IDS Financial Services, la divisione di pianificazione finanziaria della società American Express, ha classificato l'esperienza finanziaria dei propri top manager per creare un sistema esperto chiamato Insight. IDS ha incorporato nei suoi fondi l'esperienza dei migliori gestori, ad es. un sistema esperto a disposizione di tutti i suoi progettisti. Uno dei principali risultati dell'utilizzo del sistema esperto di IDS è stato che la percentuale di clienti che lasciano l'azienda è diminuita di oltre la metà.

Elenchiamo le caratteristiche di alcuni ES specifici di questa classe.

1. FLiPSiDE: sistema di programmazione logica per competenze finanziarie. Sviluppatore: Case Western Reserve University Compiti da risolvere: monitoraggio dello stato del mercato mobiliare; monitorare lo stato dell'attuale portafoglio titoli; supporto per una panoramica delle future condizioni di mercato; pianificazione ed esecuzione delle vendite.

Brevi caratteristiche: Applicazione del paradigma originale della lavagna descritto da Newell; il linguaggio Prolog come piattaforma di programmazione; presentazione dei dati sulla “Lavagna” come input per le varie conoscenze;

2. Splendori: un sistema di gestione del portafoglio in tempo reale. Compiti da risolvere: raggiungere una serie di obiettivi di investimento in un dato in rapida evoluzione. Brevi caratteristiche: sistema in tempo reale, utilizzo di un linguaggio Profit specializzato di alto livello, grande flessibilità nella creazione di un portafoglio per programmatori C esperti, capacità di creare un portafoglio per un analista finanziario non programmatore.

Il sistema consente di formare portafogli di investimento ottimali su scala reale grazie al gioco che tiene conto dei rapidi cambiamenti in borsa.

3. PMIDSS: Portfolio Management Decision Support System. Sviluppatore: New York University Finance Group. Compiti da risolvere: selezione di un portafoglio di titoli, pianificazione degli investimenti a lungo termine. Brevi caratteristiche: sistema di rappresentazione della conoscenza mista, uso di vari meccanismi di inferenza: logica, reti semantiche dirette, frame, regole.

4. Le Courtier: Assistant-Expert System per Portfolio Manager. Sviluppatore Enterprise: Cognitive System Inc. Compiti da risolvere: aiutare gli investitori a determinare i propri obiettivi di investimento, gestione del portafoglio. Brevi caratteristiche: uso di regole, potente interfaccia in linguaggio naturale.

5. PMA: consulente del gestore di portafoglio. Sviluppatore: Athena Group. Compiti da risolvere: formazione del portafoglio, fornitura di raccomandazioni per la manutenzione del portafoglio. Brevi caratteristiche: fornire una giustificazione qualitativa dei risultati dell'applicazione di vari metodi numerici.

6. ArBoR: modello computazionale di rating obbligazionario. Sviluppatore: College of Business Administration Univercity of Nebraska. Problemi da risolvere: questo sistema è stato creato per costruire un modello computazionale nel campo del rating obbligazionario e per applicare il modello come sistema esperto. Brevi caratteristiche: l'uso di analisi qualitative e quantitative, l'uso di una shell ES standard.

7. Intelligent Hedger: un approccio basato sulla conoscenza ai problemi di assicurazione del rischio. Sviluppatore: dipartimento del sistema informatico, New York University. Sfide da affrontare: il numero sempre crescente di alternative di assicurazione del rischio in continua crescita, il rapido processo decisionale da parte dei gestori del rischio in un flusso di informazioni accelerato e la mancanza di un adeguato supporto della macchina nelle prime fasi del processo di sviluppo del sistema di assicurazione del rischio suggerisce una vasta gamma di diverse soluzioni ottimali per i gestori del rischio. In questo sistema, lo sviluppo dell'assicurazione contro i rischi è formulato come un problema di ottimizzazione multiuso. Questo problema di ottimizzazione include diverse difficoltà che le soluzioni tecniche esistenti non sono in grado di affrontare.

Riepilogo: il sistema utilizza una rappresentazione di oggetti che acquisisce una conoscenza approfondita della gestione del rischio e facilita l'emulazione del ragionamento primario dei gestori del rischio utile per le conclusioni e le loro spiegazioni.

8. Sistema di supporto decisionale strettamente orientato per la scelta delle strategie di investimento. Sviluppatore: Intelligent System Laboratory Science Univercity of Tokyo. Compiti da risolvere: Con l'arrivo dei concetti di “scelta” e “futuro” nell'insieme degli strumenti finanziari, gli investitori hanno l'opportunità di formare un insieme di strategie che soddisfino gli obiettivi dei loro investimenti. Tuttavia, questa opportunità dà origine al difficile compito di trovare la giusta strategia tra un gran numero di strategie di investimento. Viene presentato un sistema di supporto decisionale intelligente per generare le strategie di investimento necessarie utilizzando la notazione di soddisfazione limitata, ampiamente utilizzata nei problemi di ricerca. In questo sistema, le restrizioni giocano il ruolo di navigazione per la generazione automatica di strategie complesse attraverso il confronto astratto con il profilo del contributore. Il confronto astratto può essere visto come la ricerca di un metodo per produrre strategie ben fondate che descrivono un insieme di offerte di acquisto o vendita senza informazioni digitali. Perché Questa tecnica può essere utilizzata come preprocessore per analisi quantitative come la programmazione lineare per ottenere una soluzione ottimale, il sistema proposto è un ponte per una transizione graduale tra analisi qualitative e quantitative.

Brevi caratteristiche: l'applicazione dell'analisi qualitativa per ottenere possibili soluzioni qualitative (soluzioni intuitive) e dell'analisi quantitativa per trovare la soluzione ottimale utilizzando il metodo di programmazione lineare simplex.

9. Ragionamento esplicito nella previsione del cambio di valuta. Impresa di sviluppo: Dipartimento di Informatica Politecnico di Hong Kong. Problemi da risolvere: introduce un nuovo approccio alla previsione dei tassi di cambio basato sull'accumulazione e sul ragionamento con supporto per le caratteristiche presenti per concentrarsi su una serie di ipotesi sui movimenti del tasso di cambio. L'insieme di caratteristiche presentate nel sistema di previsione è un dato insieme di valori economici e vari insiemi di parametri variabili nel tempo utilizzati nel modello di previsione.

Brevi caratteristiche: la base matematica dell'approccio applicato si basa sulla teoria di Dempster-Schafer.

10. Nereide: sistema di supporto decisionale per ottimizzare il lavoro con le opzioni valutarie. Società di sviluppo: NTT Data, The Tokai Bank, Science Univercity di Tokyo.

Compiti da risolvere: il sistema facilita il supporto del rivenditore per la risposta ottimale tra le possibili opzioni presentate. Il sistema è più pratico e fornisce soluzioni migliori rispetto ai sistemi decisionali convenzionali.

Brevi caratteristiche: il sistema è progettato utilizzando il sistema frame CLP, che integra facilmente l'area finanziaria in un'applicazione AI. Viene proposto un tipo misto di ottimizzazione che combina la conoscenza euristica con tecniche di programmazione lineare. Il sistema funziona su stazioni solari.

5.2 ES basato su esempi

ES, sulla base di esempi, può essere suddiviso in due gruppi secondo i principi di funzionamento: utilizzando reti neurali e utilizzando l'algoritmo di generalizzazione induttiva ID3. I primi sono usati principalmente come classificatore pre-addestrato su esempi, che, quando un insieme di valori dei parametri finanziari iniziali viene fornito al suo input, la soluzione desiderata per una data situazione finanziaria appare in uscita. La seconda serie di esempi forma un albero decisionale, dal quale vengono poi costruite le regole corrispondenti al processo decisionale. Di seguito daremo 2 esempi tipici di ES di entrambi i gruppi.

1. S & PCBRS: simulatore neurale per la valutazione del rating dei titoli. Sviluppatore: Chase Manatten Bank, Standart & Poor's Corp. Compiti da risolvere: valutazione del rating dei titoli sulla base dei dati sulle società emittenti, formazione di una corretta scala di rating.

Brevi caratteristiche: presentazione del compito di valutazione del rating come compito di classificazione, selezione dei dati sulle aziende emittenti e formazione del materiale di formazione, selezione di un neuroclassificatore, sua formazione e test, confronto con le stime degli esperti, l'uso del paradigma della rete neurale Couter-Propagation, la probabilità di corretta previsione del rating è dell'84%.

2. ISPMS: sistema di gestione del portafoglio intelligente. Compiti da risolvere: formazione di un portafoglio di azioni che fornisca un equilibrio tra rischio e rendimento atteso.

Brevi caratteristiche: l'uso del modello di ottimizzazione della programmazione quadratica di Markowitz, database e basi di conoscenza da parte di aziende e industrie emittenti, presenza di un sottosistema di apprendimento dall'esperienza basato sull'estrazione di regole da un gran numero di fatti, tenendo conto della conoscenza dell'esperto e delle preferenze personali dell'investitore nel modello di ottimizzazione. La probabilità di prevedere correttamente un brusco cambiamento in borsa è compresa tra il 68% e l'84%.

5.3 Rifinanziamento delle imprese

La ristrutturazione delle imprese nel campo dei processi legati alla progettazione e preparazione della produzione di nuovi prodotti, denominata reengineering e intrapresa al fine di aumentare drasticamente l'efficienza delle imprese in condizioni moderne, si basa sui cambiamenti organizzativi e sull'uso delle nuove tecnologie dell'informazione.

Quando si analizza un'attività esistente e si sviluppa una nuova impresa, un ruolo importante è svolto dalla costruzione dei modelli dell'azienda e dei processi aziendali che in essa si svolgono. I modelli possono differire nel grado di dettaglio dei processi, nella forma della loro presentazione, tenendo conto solo di fattori statici o anche dinamici, ecc. Va notato che tutti gli approcci noti alla modellazione aziendale appartengono alla famiglia di metodi per modellare sistemi informativi complessi.

Gli strumenti tradizionali per la costruzione di modelli di sistemi complessi includono la metodologia SADT (Structured Analysis Design Technique). È stato creato all'inizio degli anni '70 con l'obiettivo di unificare gli approcci alla descrizione di sistemi complessi. SADT include sia un approccio concettuale alla costruzione di modelli di sistema sia un insieme di regole e simboli grafici per la loro descrizione. I metodi proposti per la costruzione dei modelli funzionali, dove la descrizione dei sistemi è svolta dal punto di vista delle funzioni che svolgono, sono chiamati metodologia IDEF0. Esistono anche metodologie speciali per la creazione di modelli informativi che descrivono flussi di informazioni (IDEFIX) e modelli dinamici che mostrano relazioni causali tra oggetti di sistema (IDEF / CPN).

Gli strumenti di modellazione più moderni apparsi a metà degli anni '90 includono la metodologia RUP (Rational Unified Process). Questa metodologia, sviluppata da Rational Software Corp., è sotto

mantiene un processo iterativo di creazione di un sistema informativo complesso basato su un approccio orientato agli oggetti, utilizzando i diagrammi UML (Unified Modeling Language) per la modellazione visiva del dominio. La notazione del diagramma UML e come utilizzare UML nella reingegnerizzazione dei processi aziendali di progettazione e preproduzione saranno discussi nelle sezioni successive di questo tutorial.

Insieme a UML, ci sono altre notazioni per la modellazione visiva, implementate, ad esempio, nei sistemi ARIS e ADONIS. Il sistema ADONIS consente di eseguire non solo la modellazione visiva, ma anche la simulazione dei processi aziendali, le sue capacità sono anche discusse di seguito.

Sistemi informativi a supporto di nuovi processi aziendali.

È stato notato sopra che l'uso delle nuove tecnologie dell'informazione è parte integrante della reingegnerizzazione. Allo stesso tempo, i modelli di nuovi processi aziendali vengono implementati direttamente nell'ambiente del sistema di supporto delle informazioni (ISP) di una nuova attività. L'importanza delle COI risiede non solo nel fatto che è un elemento necessario della reingegnerizzazione, ma anche nel fatto che spesso l'uso delle COI determina in gran parte la tecnologia per gestire una nuova impresa. L'ISP è un software appositamente sviluppato, un sistema software costruito sulla base dell'uso di strumenti appropriati.

Nel campo della progettazione di nuovi prodotti, il ruolo dell'ICP è svolto dai sistemi di progettazione assistita da computer (CAD-K). Nel campo della preparazione tecnologica della produzione, il ruolo di ICP è svolto dai sistemi automatizzati per la preparazione tecnologica della produzione (ASTPP).

Gli strumenti per la creazione di CAD-K e ASTPP includono sistemi CAD / CAM, CAE e PDM. Allo stesso tempo, i sistemi CAD / CAM e CAE diventano strumenti per automatizzare l'esecuzione delle procedure di progettazione e un sistema PDM diventa uno strumento per la gestione dei processi di progettazione e preparazione della produzione. Allo stesso tempo, il sistema PDM è lo strumento di base con cui viene implementato un unico spazio informativo per tutte le fasi del ciclo di vita del prodotto (ZHCI).

I complessi CAD / CAM / CAE / PDM più potenti e completamente funzionali sono chiamati soluzioni PLM (Product Data Management).

6. Strategia per acquisire conoscenza. Metodi pratici di estrazione della conoscenza

6.1 Strategia di apprendimento

Esistono tre strategie per acquisire conoscenza: acquisire conoscenza, estrarre conoscenza e scoprire la conoscenza nei database:

Sotto acquisizione (acquisizione) di conoscenza capire il modo per riempire automaticamente la base di conoscenza attraverso un dialogo tra un esperto e un programma speciale.

Estraendo (elicitazione) della conoscenza è la procedura per l'interazione di un ingegnere della conoscenza con una fonte di conoscenza (esperto, letteratura specializzata, ecc.) senza l'uso della tecnologia informatica.

Il termine " scoperta della conoscenza nei database "(Knowledge discovery in databases - KDD) oggi denota il processo per ottenere nuove informazioni potenzialmente utili su un'area tematica da dati" grezzi ". Questo processo comprende diverse fasi (Figura 6.1). Ciò include l'accumulo di dati grezzi, la selezione, la preparazione, la trasformazione dei dati, la ricerca di modelli nei dati, la valutazione, la generalizzazione e la strutturazione dei modelli trovati.

Figura: 6.1. Processo di scoperta della conoscenza nel database

La strategia KDD viene sempre più alla ribalta. Ciò è in gran parte dovuto al rapido sviluppo di una varietà di data warehouse: raccolte di dati orientate al soggetto, integrate, cronologiche, immutabili e destinate alla successiva elaborazione analitica.

Le specifiche dei requisiti moderni per l'elaborazione dei dati al fine di scoprire la conoscenza sono le seguenti:

I dati sono illimitati

I dati sono eterogenei (quantitativi, qualitativi, categoriali)

I risultati dovrebbero essere specifici e comprensibili

· Gli strumenti per l'elaborazione dei dati "grezzi" dovrebbero essere facili da usare

6.2 Tecniche pratiche per l'estrazione dei dati

La classificazione dei metodi di estrazione della conoscenza (Fig. 6.2) consentirà agli ingegneri della conoscenza, a seconda di un compito e di una situazione specifici, di scegliere un metodo specifico. Dallo schema di classificazione proposto, si può vedere che il principio di base della divisione è associato alla fonte della conoscenza. I metodi comunicativi coprono tutti i tipi di contatti con una fonte vivente di conoscenza: un esperto ei metodi testuali si riferiscono ai metodi di estrazione della conoscenza da documenti (tecniche, manuali, manuali) e letteratura speciale (articoli, monografie, libri di testo).

La divisione di questi gruppi di metodi al livello superiore di classificazione non significa che siano antagonisti, di solito l'ingegnere della conoscenza combina metodi diversi, ad esempio, prima studia la letteratura, poi parla con esperti, o viceversa.

Figura: 6.2. Classificazione dei metodi di estrazione della conoscenza.

A loro volta, i metodi di comunicazione possono anche essere suddivisi in due gruppi: attivi e passivi. I metodi passivi implicano che il ruolo principale nella procedura di estrazione della conoscenza sia, per così dire, trasferito all'esperto, e l'ingegnere della conoscenza registra solo il ragionamento dell'esperto durante il suo lavoro decisionale reale o annota ciò che l'esperto ritiene necessario raccontare da solo sotto forma di lezione. Nei metodi attivi, al contrario, l'iniziativa è completamente nelle mani dell'ingegnere della conoscenza, che contatta attivamente l'esperto in vari modi: in giochi, dialoghi, tavole rotonde, ecc.

A prima vista, i metodi passivi sono abbastanza semplici, ma in realtà richiedono che l'ingegnere della conoscenza sia in grado di analizzare chiaramente il "flusso di coscienza" dell'esperto e di identificare frammenti significativi di conoscenza in esso. La mancanza di feedback (passività dell'ingegnere della conoscenza) indebolisce significativamente l'efficacia di questi metodi, il che spiega il loro ruolo solitamente ausiliario nei metodi attivi.

I metodi attivi possono essere suddivisi in due gruppi, a seconda del numero di esperti che donano le loro conoscenze. Se il loro numero è più di uno, è consigliabile, oltre a una serie di contatti individuali con ciascuno, utilizzare le modalità delle discussioni di gruppo della materia. Tali metodi di gruppo di solito attivano il pensiero dei partecipanti alle discussioni e consentono loro di identificare aspetti molto non banali della loro conoscenza. A loro volta, i metodi individuali rimangono i principali oggi, poiché una procedura così delicata come il "ritiro della conoscenza" non tollera testimoni inutili.

Dovremmo anche dire dei giochi separatamente. I metodi di gioco sono ora ampiamente utilizzati in sociologia, economia, management, pedagogia per la preparazione di leader, insegnanti, medici e altri specialisti. Il gioco è una forma speciale di attività e creatività, in cui una persona è liberata e si sente molto più libera rispetto al lavoro ordinario.

Conclusione

Nel corso del lavoro sono state tratte le seguenti conclusioni:

Un sistema esperto è un programma intelligente in grado di trarre conclusioni logiche basate sulla conoscenza in un'area tematica specifica e fornire una soluzione a problemi specifici.

I seguenti requisiti sono imposti ai sistemi esperti: uso delle conoscenze relative a una specifica area disciplinare; acquisizione di conoscenze da un esperto; definizione di un compito reale e piuttosto difficile; dotare il sistema delle capacità di un esperto.

La struttura del sistema esperto è rappresentata dai seguenti elementi strutturali: base di conoscenza, meccanismo di inferenza, interfaccia utente, modulo di acquisizione della conoscenza, modulo di consulenza e spiegazione.

Le applicazioni per i sistemi basati sulla conoscenza possono essere raggruppate in diverse classi principali: diagnostica medica, monitoraggio e controllo, diagnosi dei guasti nei dispositivi meccanici ed elettrici, istruzione, economia e finanza.

Molte imprese stabiliscono ES per risolvere problemi in aree quali: negoziazione in borsa, comprensione automatica delle notizie, analisi del credito, gestione del rischio, costruzione di portafogli di prestiti e investimenti, valutazione dei rating bancari, automazione degli audit, previsione dei cambiamenti nel mercato finanziario, ecc. Sono stati presi in considerazione i sistemi esperti più comuni nel campo della finanza.

Specialità "Sistemi e tecnologie informatiche (in economia)"

Qualificazione - ingegnere informatico-economista
Forma di studio - giornaliero (budget / pagato)

Specificità e rilevanza
Nelle moderne condizioni di crescente interazione tra economia, scienza e tecnologia, è particolarmente importante formare specialisti sulla base di quattro aree: ingegneria, matematica, informazione ed economica. La padronanza dei profili di ingegneria, economia e matematica, formazione avanzata nel campo della programmazione e della tecnologia dell'informazione rendono questo specialista unico.

Cosa imparerai
Il curriculum prevede per lo studio:
1. Linguaggi promettenti e tecnologie di programmazione: C, C ++, JAVA, C #, PHP, HTML, XML, linguaggi di scripting utilizzati per sviluppare applicazioni WEB, metodi e strumenti per la creazione di programmi in vari sistemi operativi e reti di computer, computer grafica e web -design.
2. Sistemi, tecnologie e standard per l'analisi, la progettazione e la modellazione (standard della serie IDEF, UML, sistemi CASE All Fusion Process Modeller (BpWin), All Fusion Data Modeller (ErWin), Enterprise Architect, ecc.), Sistemi intelligenti, sistemi supporto decisionale e protezione delle informazioni.
3. Database, DBMS e linguaggi QBE, SQL, T-SQL, OLAP e tecnologie di Data Mining.
4. Tecnologie per lo sviluppo di sistemi di architettura client-server della piattaforma JEE: RFC, RMI, JSP, SERVLETS, CORBA, EJB, JSF, AJAX, SPRING, STRUTS, ecc., Nonché piattaforme. NET: ASP.NET, ADO. NETTO; Servizi Web e servizi Internet. Concetti e sistemi per l'automazione integrata e la gestione aziendale, come serie come: ERP, MRP, SCM, CRM, CALS, 1C, SAP,.
5. Discipline economiche: teoria economica, micro e macroeconomia, economia aziendale, ecc.
6. Discipline economiche e matematiche.
7. Discipline ingegneristiche.

Qual è il prossimo?
I nostri laureati sono pronti a partecipare nel modo più attivo allo sviluppo di attività di informazione, socio-economiche, innovative, processi di ingegneria e reingegnerizzazione dei sistemi informativi ed economici della Repubblica di Bielorussia. Sulla base del Dipartimento di Informatica Economica, si svolgono periodicamente corsi di formazione e seminari per studenti, organizzati da primarie società informatiche, con l'ulteriore attrazione di studenti per stage e lavoro in azienda con orario variabile parallelamente alle lezioni universitarie.

Luoghi per la distribuzione dei laureati: aziende residenti del Parco delle alte tecnologie (Sam Solutions, EPAM Systems, IBA, Itransition, System Technologies, BelHard Development, ecc.), Le principali banche della Bielorussia, istituti di istruzione e istituti di ricerca a Minsk, istituti e istituzioni Accademia delle scienze della Repubblica di Bielorussia, grandi imprese e organizzazioni a Minsk.

Dipartimento di laurea - dipartimento di Informatica Economica.
Capo del Dipartimento - candidato scienze tecniche, docente Vitaly Nikolaevich Komlichenko,
tel.: +375 17293-84-81.