Федеральне агентство освіти

Державна освітня установа вищої професійної освіти

Північно-Західний державний заочний

технічний університет

Інститут управління виробничими і

інноваційними програмами

Кафедра економіки підприємства та менеджменту

Контрольна робота з дисципліни

« Інформаційні технології в економіці. »

Тема: 1. "Основні види економічної діяльності,

в яких застосовуються інформаційні технології. "

2. "Засоби реалізації інформаційних технологій."

3. "Особливості технологій мобільного підприємництва. "

4. “Роль і місце автоматизованих інформаційних

систем в економіці. Інформаційна модель підприємства. "

Виконала студентка: Шестакова Марія Дмитрівна

Спеціальність: 80502.65

Шифр: 578030493

Викладач: Бабкін

Санкт-Петербург

План роботи.

Тема 1.

″ Основні види економічної діяльності, в яких застосовуються інформаційні технології. "

Вступ.

Основне поняття - електронний бізнес.

складові:

- технології електронної комерції;

- технології електронних аукціонів;

- електронні банки;

- IP-телефонія;

- Інтернет-телефонія;

- технології електронних покажчиків;

- електронні НДР і ДКР;

- електронний франчайзинг;

− електронна пошта;

- електронний маркетинг;

- електронний менеджмент оперативних ресурсів (ORM);

- електронний менеджмент поставок;

- електронні брокерські послуги.

Висновок.

Тема 2.

″ Засоби реалізації інформаційних технологій. "

- Методичні.

- Інформаційні.

- Алгоритмічні.

- Технічні.

- Програмне забезпечення.

Тема 3.

″ Особливості технології мобільного підприємництва. "

Мобільна комерція:

- технологія торгівлі товарами і послугами мобільного зв'язку;

- технологія торгівлі мобільним контентом;

- надання додаткових послуг мобільними операторами.

Тема 4.

″ Роль і місце автоматизованих інформаційних систем в економіці. Інформаційна модель підприємства. "

I. Автоматизовані інформаційні системи.

Класифікація:

· За характером інформації;

· За сферою застосування.

Тема 1.

Основні види економічної діяльності, в яких застосовуються інформаційні технології.

Вступ.

Економічні аспекти впливу інформаційні технології на сфери обміну і споживання вельми неоднозначні.

поява нових інформаційних технологій - переворот, який вражає самі основи традиційної економіки. Перехід до Інтернет - це нові можливості домогтися прибутку шляхом підвищення вже наявної товарності. Інтернет - головне інформаційне засіб виробників і споживачів.

Інформаційні технології в загальному вигляді можна охарактеризувати як процес, що складається з чітко регламентованих правил виконання операцій, дій етапів різного ступеня складності над даними, що зберігаються в комп'ютерах. Головна мета інформаційних технологій - в результаті цілеспрямованих дій з переробки первинних даних отримати необхідну для користувача інформацію. Основним середовищем для інформаційні технології є інформаційні системи.

Відповідно до визначення, прийнятого ЮНЕСКО, інформаційної технологією називається сукупність взаємопов'язаних, наукових, технологічних та інженерних дисциплін, які вивчають методи ефективної організації праці людей, зайнятих обробкою і зберіганням інформації, а також обчислювальну техніку і методи організації і взаємодії з людьми і виробничим обладнанням.

Залежно від конкретних прикладних задач, які потрібно вирішити, можна застосовувати різні методи обробки даних і різні технічні засоби.

Інформаційні технології в економіці - це засіб віртуальної економіки.

Віртуальна економіка - це середовище, особливе економічний простір, в якому здійснюється електронний бізнес, тобто це економіка, заснована на використанні інтерактивних можливостей. Розглядався простору притаманні специфічні риси, які відрізняють віртуальну економіку від звичайної, невіртуальної, оффлайновой економіки.

віртуальну економіку часто називають новою економікою , Щоб підкреслити її відмінність від старої, традиційної економіки.

Розглянемо більш докладно характеристики нової економіки.

Основою економічної діяльності є бізнес. В віртуальної економіці існує поняття електронного бізнесу .

Електронний бізнес - це діяльність компанії, спрямована на отримання прибутку, яка ґрунтується на цифрових технологіях і ті переваги, які вони надають.

Рис.1. Сфери застосування електронного бізнесу.

поняття "Електронний бізнес" включає в себе безліч різних інформаційних технологічних понять:

▪ технології електронної комерції;

▪ технології електронних аукціонів;

▪ електронні банки;

▪ IP-телефонія;

▪ Інтернет-телефонія;

▪ технології електронних покажчиків;

▪ електронні НДР і ДКР;

▪ електронний франчайзинг;

▪ електронна пошта;

▪ електронний маркетинг;

▪ електронний менеджмент оперативних ресурсів (ORM);

▪ електронний менеджмент поставок;

▪ електронні брокерські послуги;

▪ інформаційні технології знайомств.

Розглянемо більш докладно ці поняття.

Технології електронної комерції.

Електронна комерція (e-commerce) – це один із способів здійснення електронного бізнесу . розглядаючи проблеми електронної комерції , Слід звернути увагу на двояке тлумачення самого терміна. Іноді, кажучи про електронної комерції , Мають на увазі виключно комерційну діяльність провайдерів Інтернет-послуг (IPS - Internet Service Providers), Але набагато частіше електронної комерції дають більш широке тлумачення як сукупності всіх можливих способів використання Мережі в комерційних цілях. провайдер Інтернет-послуг - це комерційна фірма, яка забезпечує доступ в Інтернет , Підтримуючи його за певну винагороду, і надає деякі супутні послуги на вимогу клієнтів.

термін "електронна комерція" об'єднує в собі безліч різних технологій:

▫ EDI (протокол електронного обміну даними);

▫ електронна пошта;

▫ Інтернет;

▫ Інтранет (обмін інформацією всередині компанії);

▫ Екстранет (обмін інформацією з зовнішнім світом).

найбільш розвиненою інформаційною технологією , На якій може базуватися електронна комерція , вважається протокол електронного обміну даними – EDI (Electronic Data Interchange) - це метод кодування послідовних транзакцій та їх обробки в on-line режимі.

Будь-яка комерція, в тому числі і електронна комерція в Інтернеті, підрозділяється на дві великі категорії:

1. business-to-consumer - B2C - " компанія - споживач ″;

2. business-to-business - B2B - " компанія - компанія ″.

Основна модель B2C-торгівлі - це роздрібні Інтернет магазини. У всьому світі система B2C є розвиненою структурою задоволення споживчого попиту. В останні кілька років електронна комерція типу B2C увійшла в новий етап свого розвитку. Відбувається злиття дрібних компаній, які дублюють один одного за асортиментом пропонованих товарів, або їх поглинання великими конкурентами.

ринок B2B був створений спеціально для організацій з метою підтримки взаємодії між компаніями та їх постачальниками, виробниками та дистриб'юторами. Цей ринок відкриває набагато ширші можливості, ніж сектор B2C-торгівлі.

Коли мова йде про комерційне використання можливостей Інтернет-мережі різними економічними суб'єктами, в структурі електронної комерції , Як правило, виділяють декілька ланок:

▫ здійснення операцій купівлі-продажу через канали Мережі;

▫ післяпродажні послуги клієнтам;

▫ побудова відносин з клієнтами.

Операції купівлі-продажу за допомогою Мережі є суттю електронної торгівлі .

Реклама в Інтернеті має величезне значення, причому мережева реклама відрізняється від її традиційних видів. Це, перш за все, банерна реклама та розміщення рекламної інформації на найбільш часто відвідуваних серверах. Для вимірювання ефективності реклами в Мережі можна використовувати метод підрахунку кількості відвідувань і наступних потім замовлень продукції.

Інформатизація суспільства призводить до інтернаціоналізації виробництва. Зовнішньоторговельний баланс відповідних професійних знань є показником технічної потужності держави, саме з цим пов'язано поняття інформаційної технології. Воно реалізується за допомогою ринку ліцензій виробничих продуктів, різних ноу-хау, а також консультацій щодо використання наукомістких виробів.

Завдяки еволюції світового ринку з'являється перевага у країни, яка зайнята продажем наукомістких виробів, що включають сучасні професійні знання і новітні технології. Активно йде торгівля невидимим продуктом у вигляді знань, культури, активно нав'язуються стереотипи поведінки. Це і стало причиною того, що в інформаційному суспільстві інформація, творчість і знання виступають в якості стратегічного ресурсу. А так як таланти не створюються, виникає необхідність у формуванні культури, тобто умов, в яких таланти можуть розвиватися і процвітати. Тут величезна вплив комп'ютерних технологій, виражене в дистанційному навчанні, комп'ютерних іграх, Відеофільми і т.д.

Інформаційні технології в економіці та їх реалізація

Призначенням інформаційної системи є зберігання, пошук і видача даних за запитами від користувачів. Суть економічної інформаційної системи полягає в обробці відповідних відомостей. тут служать статистика, бухгалтерський облік, страхова, кредитно-фінансова, банківська діяльність, а також інші види комерційної діяльності. Щоб використовувати на робочому місці, необхідно її спроектувати з використанням інформаційних технологій. Важливо відзначити, що раніше процес проектування системи був відділений від обробки інформації предметної області. На даний момент він теж існує самостійно, вимагаючи від фахівців-проектувальників найвищої кваліфікації. На даний момент існують інформаційні технології в економіці, які не тільки доступні будь-якому користувачеві, а й дозволяють поєднати процес проектування окремих компонентів системи з обробкою інформації. Це може бути електронний офіс, електронна пошта, табличні і текстові процесори та інше. Тенденція створення доступних користувачам інформаційних технологій триває.

Виходить, що на робочому місці використовуються як інформаційні технології в економіці, які розробляються проектувальниками, так і інформаційні технології, які дають можливість автоматизувати діяльність на своєму робочому місці.

Можна виділити такі риси переходу до інформатизації суспільства: переорієнтація економіки в бік експлуатації тиражування професійних знань, залучення до процесу формалізації знань професіоналів, а також прискорення циклу «знання-виробництво-знання».

Інформаційні технології в економіці мають на увазі використання телефонного зв'язку, кабельного телебачення, розмножувальної техніки, комп'ютерів, випуск навчальних програм та інше. Завдяки розвитку ринкових відносин з'являються нові види стосується створення фірм, які зайняті в сфері інформаційного бізнесу, розробки інформаційних технологій, поширення компонентів автоматизованих систем.

Завдяки цьому вдається не тільки швидко поширювати і ефективно використовувати інформаційні технології, а й створювати їх у величезному різноманітті. І тут важливо розуміти, що економічна інформація - це важлива складова всього процесу.

Федеральне державне освітній бюджетна установа вищої професійної освіти

"ФІНАНСОВИЙ УНІВЕРСИТЕТ

При уряді Російської Федерації »

(Фінансовий університет)

Кафедра «Мікроекономіка»

Курсова робота

«Нові технології і їх роль в сучасній економіки»

виконав:

студент групи У1-2

Бахшиян П.К.

Науковий керівник:

д.е.н., професор

Миколаєва І.П.

Москва 2013

Вступ

1. Місце і роль нових технологій в сучасній економіці

1.1 Нові технології в сучасних економічних системах

1.2 Періодизація технологічного розвитку

2. Нові технології як двигун виробничого прогресу

2.2 Третя промислова революція

2.3 Інноваційні підприємства майбутнього

3. Розвиток нових технологій в Російської Федерації

3.1 Проблеми розвитку нових технологій в Росії

висновок

Список літератури

додатки

Вступ

Вся історія розвитку людства - це історія розвитку та вдосконалення технологій і знарядь праці (техніки), використовуваної людиною. Кілька тисяч років тому людина почала зі звичайною палиці, а сьогодні досяг неймовірних висот технічного і технологічного розвитку. Техніко-економічні системи та уклади безперервно вдосконалювалися людиною протягом усього періоду свого існування. Однак в попередні тисячоліття цей процес не носив настільки «вибухового» характеру. Перехід від одного техніко-економічного укладу до іншого міг розтягнуться на століття або навіть тисячоліття, однак XX і XXI століття показали нам небувалу досі швидкість зміни і вдосконалення використовуваних людиною технологій і технічних засобів. Такий успіх впровадження інновацій та їх впливу на всі сфери суспільного життя не міг не викликати інтерес у економістів. Економічна наука почала XX століття стала вивчати процеси інноваційного розвитку як такі і вивчати їх основні особливості та закономірності. Багато відомих економістів, такі як Й. Шумпетер, Дж. Хікс, Р. Солоу домоглися в цьому значних успіхів. Однак, світ стрімко змінюється, і, виключно наукових інтерес до технологічного розвитку на початку-середині XX століття змінився інтересом з боку держави і, що найважливіше, з боку підприємців. Це сталося внаслідок усвідомлення того, що інноваційні технології та їх впровадження стало практично єдиних ключем до успішної господарської діяльності в умовах сучасної економіки або, як її прийнято називати, «нової економіки».

З точки зору мікроекономіки нові технології є інструментом, за допомогою якого фірми зберігають свої конкурентні позиції на ринку за рахунок економії на витратах і (або) диференціації своєї продукції. Розробка і впровадження інноваційних технологій і техніки є, по суті, єдиним ефективним способом утримання або захоплення ринкових позицій.

Дана робота присвячена аналізу ролі нових технологій в сучасній економіці і їх впливу на неї.

1. Місце і роль нових технологій в сучасній економіці

1 Нові технології в сучасних економічних системах

Рушійною силою соціально-економічного розвитку завжди був науково-технічний прогрес, основоположною метою якого є пошук нових засобів задоволення суспільних з найменшими витратами за витратами і ресурсів при збереженні екосистем. Щоб економічне зростання відбувалося на основі технічних чи технологічних досягнень, необхідно мати структуру певного рівня складності, яка обумовлена \u200b\u200bкількістю відтворюваних технологій, їх енергетичним потенціалом, факторами науково-технічного прогресу, властивостями ядра саморозвитку, стимулюючого взаємозв'язку з економічними галузями, розвиток економіки.

Під технікою розуміється використання різних фізичних, хімічних, біологічних, а також соціальних закономірностей в рамках будь-якого пристрою, пристосування, приладу для отримання або розгортання певного процесу, в якому є необхідність (потреба), або для створення продуктів, технологій, послуг, що володіють достатньою для блага людини.

Технічні системи складаються з об'єктів техніки і технологій, які контролюються і управляються людиною. Усі сфери суспільного життя сьогодні можуть бути представлені як взаємодія складних економічних систем. Так як об'єкти техніки, технічні системи створюються людиною, то головна мета полягає в тому, щоб отримувати якомога більше корисних результатів з мінімальними витратами.

Розвиток техніки в наші дні неможливо без взаємодії сконцентрованих ресурсів, включаючи інтелектуальні, і економічних стимулів, які роблять винахідницьку, наукову, інженерну діяльність. Створення економічних стимулів представляє собою завдання інституційного планування і проектування.

Також при вивченні нових технологій необхідно враховувати такий параметр інноваційних (і не тільки) технічних систем як технологічність. Під технологічністю системи розуміється сукупність властивостей елементів цієї системи, що визначають її здатність здійснювати оптимальні витрати виробництва, експлуатації та ремонту при необхідних параметрах якості, обсягах випуску, споживання та умови розвитку. Технологічність технічної системи має кількісну і якісну сторони зміни. Показник технологічності господарської системи - це кількісна характеристика функціонування системи.

Дуже важливим поняттям є поняття «забезпечення технологічності» економічної системи, під яким, на погляд автора, слід розуміти сукупність інструментів, спрямованих на забезпечення необхідних функцій системи, подолання або зниження ступеня її неефективності. Іншими словами, мова йде про комплекс заходів з управління системою, навіть можна сказати, заходів, що підвищують керованість системи.

Підсумовуючи, можна сказати, що технологічність технічної (господарської) системи є однією з цілей впровадження нових технологій на підприємстві, так як саме цей показник найбільш вірогідно дозволяє судити про ефективність даної системи. Як було сказано раніше, основна мета розробки і впровадження інноваційних технологій - збільшення обсягів виробництва при збільшенні економії ресурсів, тобто при зменшенні витрат виробництва. На мій погляд, підприємства, що домоглися високого показника технологічності технічної системи свого виробництва, мають можливість використовувати наступне призначення нових технологій, а саме: диференціацію своєї продукції.

1.2 Періодизація технологічного розвитку

Дослідження нових технологій в цілому було б неповним без вивчення історії етапів технологічного розвитку. Кожен етап інноваційного розвитку супроводжувався докорінною зміною техніко-економічних укладів, що тягло за собою незворотні наслідки в усіх сферах суспільства. Аналіз періодизації технологічного розвитку цікавий тим, що він дозволяє виявити деякі загальні закономірності в зміні техніко-економічних укладів і впровадженні на той момент часу нових, інноваційних технологій. Безумовно, XXI століття дуже сильно відрізняється від всіх попередніх (набагато більше, ніж, скажімо, XIX століття відрізняється від XVIII), і багато особливості та закономірності інноваційного розвитку минулого абсолютно невірні в справжніх умовах, проте кілька, найбільш важливих, все ж представляють інтерес.

Економіка, заснована на новому технологічному укладі, не може успішно функціонувати, якщо не служить прямо або побічно свого природного призначення - задоволення потреб людини, зростання доходів і національного добробуту. Орієнтація на задоволення потреб стає абсолютно необхідною і при прийнятті стратегічних рішень в інноваційній, структурно-інвестиційної та інших сферах виробничої діяльності. Економіка, яка працює одночасно на трьох технологічні уклади, також не може успішно функціонувати, тому що не може відтворювати відразу три технологічні уклади через що виникають диспропорцій у розподілі ресурсів між ними. Проблема відтворення технологічних укладів - це проблема не тільки розвитку технологічної структури економіки, а й адаптації господарюючих суб'єктів, моделей їх поведінки, діючих інститутів та інституційних угод. Види енергоносіїв еволюціонують, з'являються нові, що дозволяє асоціювати технологічний розвиток з їх видами, а ВНП - з сумарним споживанням даних енергоносіїв. Перший етап технологічного розвитку пов'язаний з використанням дров, як первинного енергоносія, другий - з використанням вугілля, третій - нафти, четвертий - газу, п'ятий - ядерного палива. Звісно ж, що наступний етап буде характеризуватися вичерпанням нафти, розширенням використання газу (особливо сланцевого) і екологічно чистих природних джерел енергії, включаючи вітряну, енергію припливів, осмотичну і енергію Сонця. Для людського суспільства можна виділити три потенційно можливих ступені економічної еволюції: доенергетіческую, енергетичну і постенергетіческую. На першому етапі енергія не виступає лімітуючим фактором в силу примітивного стану продуктивних сил товариств, на другому - існують серйозні проблеми з енергозабезпеченням економічного зростання. На постенергетіческой ступені енергетичні можливості будуть вважатися рясними і не лімітують рівень життя і соціальну задоволеність населення, або ж ця стадія буде характеризуватися загальним дефіцитом енергії через надмірно збільшеного споживання як виробництв, так і населення, яке не може бути задоволено існуючими енергетичними потужностями. У будь-якому випадку до цих пір людське суспільство розвивалося в масштабі доступною використовуваної їм енергії. Однак можливі обставини, коли енергії не вистачатиме для подальшого розвитку економіки, причому подібні епізоди в локальних економічних системах, на рівні окремих регіонів виникають вже зараз. Безумовно, беручи до уваги релятивний характер економічного знання, Не можна вимагати, щоб теорія технологічного розвитку була справедлива на кожному етапі еволюції господарства. Сучасна теорія розвитку, швидше за все, відповідає енергетичній фазі і повинна виходити з ресурсної обмеженості і необхідності переходу до постенергетіческой стадії розвитку світової економіки, коли гострота енергетичної проблеми буде знята. Крім того, важливою функцією теорії розвитку є одержання відповіді на питання про потенційну можливість постенергетіческой цивілізації в наведеному розумінні і про завдання, що стоять перед економікою на «енергетичної» стадії.

Докладне вивчення розробок і впровадження найважливіших технічних нововведень і технологій не є метою даної роботи. Подібний аналіз був би дуже складним і зайняв би багато часу і у визнаних фахівців в цій області. Однак в рамках дослідження періодизації технічного і технологічного прогресу можна зробити важливий висновок про те, що зміна технологічних укладів шляхом використання нових засобів виробництва відбувається всередині певного енергетичного етапу. Саме умови і можливості енергетичного етапу детермінують базу для подальшого розвитку техніки і технологій. Безумовно, провідну роль в технічному і технологічним прогрес відіграє наука. Однак можливості науки на конкретному проміжку часу завжди обмежені, і я вважаю, що рамки цих обмежень обумовлюються умовами енергетичного етапу. Як видно з Таблиці 1 революційних змін у виробництві завжди передували відкриття і початку використання нових джерел енергії. Це означає, що будь-яка зміна техніко-економічного укладу відбувається в рамках енергетичних можливостей конкретного етапу розвитку господарства.

2. Нові технології як двигун виробничого прогресу

1 Технологічний прогрес в центрі людського прогресу і розвитку

Центральне місце в розумінні ролі технології є визнання того, що технології і технічний прогрес мають відношення до широкого

діапазону економічної діяльності, а не тільки до виробництва і комп'ютерів. Наприклад, за деякими оцінками, технічний прогрес підвищив продуктивність сільського господарства в чотири рази так само швидко, як в обробній промисловості Дійсно, мабуть такі низькотехнологічні продукти, такі як кукурудза або квіти можуть бути результатом застосування відносно високих технологій виробничих процесів, в той час як в деяких країнах виробництво нібито високотехнологічних продуктів, таких як комп'ютери є результатом застосування відносно низьких технологій. Нарешті, у багатьох випадках технології втілюються у виробництві та управлінні системами виробництва, а не в фізичних товари або програмних алгоритмах. Комп'ютер, який завантажено

остання версія програмного забезпечення, який стоїть невикористаний на столі велику частину дня є іншим проявом використання технологій, ніж той же комп'ютер, який управляє виробничими процесами або платіжною системою.

Технологічний прогрес може привести до зниження витрат,

поліпшенню якості, створення нових продуктів,

і допомогти вийти на нові ринки. Науково-технічний прогрес включає в себе набагато більше, ніж робити те ж саме, або краще з використанням меншої кількості ресурсів. Це поняття більш динамічно, і воно пов'язане як зі створенням нової для ринку продукції і виробництва техніки, так і з поширенням цих технологій між фірмами і у всій економіці в цілому. У той час як багато наслідки технологічного прогресу, в деякому сенсі очевидні, такі заслуговують на особливу згадку:

Технологічний прогрес може прискорити розвиток за рахунок зниження вартості виробництва і експлуатації завдяки зростаючій віддачі від масштабу виробництва.

Технологічний прогрес в одному секторі може сприяти

створення нових економічних можливостей в інших секторах. Зниження витрат виробництва може створити абсолютно нові продукти, або навіть сектора економіки. Нові для ринку технології в одному секторі можуть призвести до розквіту активності в інших секторах, створюючи попит і пропозиція на товари і послуги, які не існували.

Переваги нових технологій виходять далеко за рамки сектору економіки або товару, в якому технологія існує. Це той випадок, якщо початковий продукт є важливим проміжним ланкою у виробництві інших товарів, наприклад, телекомунікаційні системи або надійне обслуговування електромереж.

Технологія може сприяти поліпшенню якості. Такі поліпшення можуть дозволити країні, що розвивається завоювати більш вимогливих споживачів і нові ринки. Це може бути також просто, як використання машин і устаткування, виробництво товари та послуги, які відповідають більш вимогливим очікуванням і стандартам споживачів і бізнес-клієнтам в країнах з високим доходом, іншими словами продукція преміального сегмента ринку.

2 Третя промислова революція

Перша промислова революція почалася у Великобританії в кінці 18 століття, з механізації текстильної промисловості. Завдання, які були раніше трудомісткими і виконувалися вручну сотнями ткачів були об'єднані в одному бавовняному комбінаті - так з'явилася фабрика. Друга промислова революція пройшла на початку 20 століття, коли Генрі Форд побудував першу рухому складальну лінію і почалася ера масового виробництва товарів. Перші дві промислові революції зробили людей багатшими, а світ - урбанізованих. Тепер третя революція йде повним ходом. Виробництво стає цифровим. Ряд чудових технологій відносяться до однієї сфері: розумне програмне забезпечення, нові матеріали, більш спритні роботи, нові виробничі процеси (зокрема, тривимірного друку) і цілий ряд веб-послуг. Завод минулого був заснований на створенні величезної кількості ідентичних продуктів: знаменита фраза Генрі Форда свідчила, що покупці Ford можуть купити машину будь-якого кольору, за умови, що цей колір чорний. Однак в XXI столітті витрати на виробництво меншої кількості партій з широким розмаїттям продукції, з урахуванням примхи кожного клієнта, падають. Виробництво майбутнього буде зосереджено на масової випуску індивідуалізованих товарів і може більше бути схожим на тих ткачів, ніж на конвеєр Форда.

Старий спосіб виробництва передбачає використання великої кількості частин для подальшого їх сполуки або зварювання. Тепер продукт може бути розроблений на комп'ютері і "надрукований" на 3D-принтері, що створює твердий об'єкт шляхом створення шарів матеріалу. Цифровий дизайн може бути змінений за допомогою декількох кліків комп'ютерною мишею. 3D-принтер може працювати без нагляду, і може зробити багато речей, які занадто складні для традиційних заводів. Згодом ці дивовижні машини зможуть зробити все що завгодно, в будь-якому місці, в гаражі в африканському селі.

Застосування 3D друку особливо приголомшують. Уже зараз слухові апарати і високотехнологічні частини військових літаків друкуються в індивідуальних формах. Серйозні зміни також торкнуться географію поставок. Інженер, який працював в важкодоступних умовах, у якого немає певного інструменту більше не повинен купувати його в найближчому великому населеному пункті. Він може просто завантажити дизайн цього інструменту і «розпечатати» його. Ті дні, коли проекти застопорівают через відсутність частин обладнання, або коли клієнти скаржилися, що вони не могли знайти запчастини для речей, які вони купили, в один прекрасний день, виявляться в минулому.

Інші зміни, пов'язані з використанням 3D принтерів майже настільки ж важливі. Нові матеріали легше, міцніше і довговічніше, ніж старі. Вуглецеве волокно замінює сталь і алюміній в продукції, від літаків до гірських велосипедів. Нові методи обробки матеріалів дозволяють інженерам надавати об'єктам крихітні форми. Нанотехнології дають продукці розширені функції, наприклад бинти, які допомагають зцілити порізи, двигуни, які працюють більш ефективно і посуд, яка очищається легше. І з Інтернетом, що дає можливість великій кількості дизайнерів та інженерів працювати спільно над новими продуктами, бар'єри для входу на ринок нової компанією падають. Форду знадобилося величезну кількість капіталу для створення свого величезного заводу «River Rouge», його сучасний «колега» може почати з допомогою ноутбука і бажання винаходити.

Як і всі революції, ця буде такою ж руйнівною. Цифрові технології вже кардинально змінили ринок засобів масової інформації і роздрібної торгівлі, автоматизувавши процеси торгівлі. Заводи також зміняться назавжди. Вони не будуть сповнені брудних машин управляються людьми. Багато з них будуть бездоганно чистими і майже пустельними. Деякі автовиробники вже виробляють в два рази більше автомобілів на одного працівника, як це було всього лише десять років тому. Більшість робочих місць буде не в заводських цехах, а в офісах поблизу, які будуть сповнені дизайнерів, інженерів, IT-фахівців, фахівців в області логістики, маркетингу і т.д. Виробничі робочі місця майбутнього зажадає більшої кваліфікації.

Революція вплине не тільки на те, як речі зроблені, але і де. Фабрики зазвичай розміщувалися в країнах, що розвиваються для зменшення витрат на оплату праці. Але витрати на робочу силу все менше і менше впливають на собівартість продукції: з $ 499 першого покоління iPad витрати на оплату праці склали всього $ 33, з яких витрати на зборку в Китаї склали всього $ 8. Виробництва все більше переїжджають назад в багаті країни не тому, що китайська заробітна плата підвищується, а тому, що компанії тепер хочуть бути ближче до своїх клієнтів, щоб вони могли більш оперативно реагувати на зміни попиту. А деякі продукти настільки складні, що ефективніше мати людей, які розробляють їх і людей, які роблять їх в одному місці. Boston Consulting Group, вважає, що в таких областях, як транспорт, комп'ютери, металоконструкції і виробниче обладнання, 10-30% товарів, які Америка в даний час імпортує з Китаю можна зробити в самій Америці до 2020 року, що сприятиме підвищенню ВВП і на $ 20-55 млрд. на рік.

Споживачі не знайдуть особливих труднощів в адаптації до нової ери розвитку виробництва. Владі, проте, можливо, доведеться важче. Вони звикли захищати галузі та компанії, які вже існують, а не вискочки, які можуть змусити їх піти з ринку. Вони накачують старі виробництва субсидіями і ставлять на чолі людей, які хочуть перенести виробництво за кордон для зменшення витрат на оплату праці. Вони витрачають мільярди на те, щоб призупинити технічний і технологічний прогрес. І вони чіпляються за романтичну віру в те, що виробництво важливіше послуг, не кажучи вже про фінанси.

Все це не має сенсу. Межі між виробництвом і послугами розмиваються. Rolls-Royce більше не продає реактивні двигуни, він продає годинник, які пролітає літак на їх двигунах. Влада завжди помилялися у виборі тих, кого слід підтримувати, і вони, ймовірно, не розуміють за ким майбутнє. Тисячі підприємців, створюють дизайни нових товарів онлайн, виробляють їх в домашніх умовах (за допомогою 3D принтерів) і продають їх на ринку. У той час поки революція в розпалі, влада повинна дотримуватися основ: створювати хороші школи для кваліфікованої робочої сили, встановлювати чіткі правила для підприємців усіх сфер. Інше зроблять «революціонери».

3 Інноваційні підприємства майбутнього

Я вважаю, що в найближчі десятиліття структура інноваційних підприємств і самі інвестиції в нові технології зазнають серйозних змін. Сьогодні все більше у наявності той факт, що підприємство, яке не вдосконалюється не може адаптуватися до постійно мінливого ринку, так як запити споживачів зростають все частіше, так як підприємства-флагмани інноваційного розвитку пропонують споживачеві все нові з точки зору технологій товари. Однак інвестиції в НДДКР вимагають від підприємства значних фінансових вкладень, які можуть собі дозволити лише найбільші гравці ринку. У той же час все збільшуються запити споживачів на нові товари, що володіють більш досконалими характеристиками і властивостями потребуватимуть великих інвестицій в НДДКР, які з часом не зможуть собі дозволити навіть великі корпорації щорічно витрачають мільярди доларів на НДДКР. Саме в цей момент корпорації і просто інноваційні підприємства будуть змушені об'єднати інвестиції в НДДКР. Однак тут неминуче виникають проблеми з урахуванням якого з підприємств проводити дослідження і це викличе конфлікт інтересів. Саме така ситуація змусить підприємства звернутися до іншого підприємства, яке на постійній основі професійній основі займається інноваційними розробками.

Пропонована модель інноваційного підприємства являє собою свого роду бутик, який має досить вузьку спеціалізацію і коло клієнтів. Плюси такої моделі підприємства очевидні: висока концентрація капіталу і наукових кадрів дозволять досягти високого показника ефективності вкладень в НДДКР. В даному випадку грає свою роль ефект масштабів, так як при великій кількості провідімих досліджень, невдачі декількох проектів окупляться за рахунок успішності інших.

Однак в діяльності подібного роду підприємств існує один серйозний недолік: так як НДДКР здійснюються за власний кошт декількох компаній, то і результати досліджень належать всім, хто інвестував в діяльність «інноваційного бутика». Виникає питання як поділити між собою результати досліджень і це є дуже складною проблемою в силу складності оцінки результатів НДДКР. Я пропоную кілька варіантів розподілу результатів діяльності інноваційного підприємства і їх використання інвесторами:

1.Розподіл результатів досліджень між інвесторами в залежності від обсягу інвестицій. Самі ж результати НДДКР буде оцінено за дисконтованою вартістю, тобто за обсягом потенційного прибутку, яке принесе їх використання. Компанія, яка інвестувала більше всіх, отримає право на саму дорогу технологію і т.д.

2.Компанії інвестори можуть спочатку письмово оформити угоди з приводу розділу прав на результати діяльності дослідного підприємства. Однак вразливість даного варіанту полягає в тому, що інвестиції в НДДКР - це свого роду «чорний ящик», і ніхто не знає, що вийде на виході. Тому письмові угоди з приводу розділу прав на досліджені технології являють собою серйозний конфлікт інтересів, так як результати, їх потенційна корисність не можуть відомі заздалегідь.

.Спільне використання прав на результати НДДКР декількома інвесторами і заздалегідь обумовлені правила їх використання. Скажімо, будь-яка технологія може бути застосована в абсолютно різних виробництвах і інвестори, що представляють кілька компаній, що займають абсолютно різні ринки можуть домовитися про використання цієї технології без шкоди інтересам будь-кого з інвесторів. Я вважаю, що дана стратегія поділу прав на результати інвестування в компанію, що займається інноваційними технологіями, є оптимальною.

Таким чином основна складність в діяльності підприємства такого роду може бути подолана шляхом угод між інвесторами.

На закінчення розповіді про цю ідею хотілося б сказати, що існування і діяльність такої фірми можлива лише в тому випадку, якщо технічні чи технологічні запити споживачів зростуть настільки, що витрати на фінансування НДДКР зростуть настільки, що навіть великі корпорації не зможуть самотужки їх покрити. Я вважаю, що на практиці подібні інноваційні дослідні підприємства можуть сформуватися в провідних університетах розвинених країн або просто у великому дослідному центрі, який зможе залучити достатню кількість високо.

3. Розвиток нових технологій в Російській Федерації

1 Проблеми розвитку нових технологій в Росії

Росія вступила в XXI століття, в століття інноваційного розвитку економіки в дуже тяжкому становищі, яке було викликано рядом причин:

.Розвал СРСР серйозно підірвав економічні зв'язки між державами пострадянського простору

.Відсутність інноваційних підприємств в промисловості (крім оборонних) серйозно ускладнювало становище Росії на світовому ринку.

.Масовий відтік висококваліфікованих наукових кадрів в 90-ті роки XX століття призвів до плачевного стану російської науки в цілому, а також серйозно вдарила по відтворенню наукового потенціалу країни.

.Остаточне становлення Росії як виключно сировинної держави призвів до того, що всі внутрішні і зовнішні інвестиції йшли тільки в сировинний сектор економіки. Така «звичка» вкрай згубно позначається на стані російської економіки, так як держава, безпосередньо зацікавлений в збільшенні сировинного сектора економіки, який є основною статтею доходу бюджету і, по суті, держава сама створює такі умови, при яких інвестиції потрапляють тільки в сировинний сектор, минаючи всі інші.

.Відсутність детально відпрацьованої правової бази сприяє погіршенню ділового клімату в країні, а наслідком цього є низька ділова активність вітчизняних підприємців (у порівнянні з країнами Західної Європи та США).

Очевидно, що проблеми розвитку російських підприємств шляхом впровадження нових технологій безпосередньо залежать від політики, що проводиться державою. Поза всякими сумнівами, сучасна державна політика може бути націлена виключно на випереджальний більш розвинутою наукомістких, високотехнологічних секторів економіки, освітніх систем, інформаційної та транспортної інфраструктури, що спрощує обміни, знижує витрати трансакцій, забезпечуючи довгострокові національні конкурентні переваги. Світовий досвід державної економічної політики XX століття позначив три вектора її орієнтації: експортний, національний (розвиток внутрішнього ринку) і стратегічний, пов'язаний з цілеспрямованим обмеженням використання власних невідновлюваних ресурсів (нафти, газу, лісу та ін.). Приклад першого вектора дають Південна Корея і сучасний Китай, який вже сьогодні поєднує два напрямки., Другого - Франція і Японія останньої чверті XX століття, третього - США і країни ОПЕК. Разом з тим посилюється диференціація темпів економічного зростання окремих держав і, як результат, розрив між рівнями науково-технічного розвитку національних економік. Так, п'ятірка провідних країн - США, Японія, Німеччина, Франція і Великобританія - витрачає в даний час на НДДКР більше коштів, ніж всі інші держави світу, разом узяті, причому частка США у зазначеній групі перевищує 50%. Під промисловою політикою будемо розуміти комплекс правових, організаційно-економічних і управлінських заходів, спрямованих на створення умов для ефективного функціонування виробничих структур і забезпечення зростання продуктивності, обсягів випуску і зайнятості, що розробляються федеральними та регіональними урядами.

Опис конкретних кроків держави в здійсненні своєї політики щодо розвитку стимулів для створення інноваційних виробництв було занадто складним для даної роботи. Я можу лише описати основні напрямки, в яких слід було робити кроки для розвитку нових технологій в Росії. Я вважаю, що початком в здійсненні підтримки інновацій повинна стати реальна підтримка науки на всіх державних рівнях. Розвиток науки має стати головним пріоритетом держави на найближче десятиліття, інакше Росія не поверне собі конкурентоспроможність на ринках наукоємної продукції. Також необхідно завоювати довіру іноземних інвесторів до російських наукових центрів. Цього можна досягти за рахунок фінансування державою важливих наукових проектів, що мають широке практичне застосування. У разі успіху таких досліджень, інвестори зрозуміють перспективність вкладень в НДДКР в Росії, так як вона має величезний, але абсолютно не використовуваним науковим потенціалом. На перші кроки становлення інноваційної економіки в Росії, було б доцільним проводити політику протекціонізму, так як на перших порах становлення російським інноваційним підприємствам буде вкрай важко конкурувати із зарубіжними фірмами навіть на внутрішньому ринку в силу відсутності достатнього досвіду роботи з інноваційними розробками.

Я вважаю, що допомога з боку держави на перших етапах становлення інноваційної економіки просто необхідна, проте згодом, коли результати проведеної політики будуть в наявності, потрібно буде згорнути державну допомогу, повертаючи ринку право вирішувати хто залишиться, а хто ні.

висновок

століття можна сміливо назвати століттям інноваційного розвитку. Нові технології з початку господарської діяльності людини вплинули на розвиток економіки. Але саме це століття поставило перед підприємствами вибір: модернізуватися або зникнути під натиском більш технічно і технологічно оснащених конкурентів. Відтепер нові технології стали домінуючим чинником розвитку економіки. Особливо гостро проблема інноваційного розвитку економіки варто в Росії, чия економічна система абсолютно не відповідає стандартам інноваційної економіки. Росія продовжує жити за рахунок продажу власних невідновлюваних ресурсів, з кожним днем \u200b\u200bвтрачаючи все більше можливостей для повернення собі лідируючих позицій на світовому ринку. Ті кошти, які країна отримує від продажу ресурсів необхідно вкладати в розвиток науки, перспективних інноваційних підприємств. Навіть в короткостроковій перспективі ці інвестиції окупляться, оскільки, я вірю, що нереалізований російський потенціал зможе зробити проривні досягнення в усіх сферах науки. Це, безумовно дасть потужний поштовх до розвитку економіки в цілому. Однак для цього необхідна політична воля і детально пророблена політика держави, про які поки що доводиться лише мріяти. А поки Росія продовжує пасти задніх країн, що розвиваються, з кожним роком втрачаючи позиції, які, можливо, ніколи вже не вийде повернути. Керівництво Російської Федерації має зрозуміти очевидну істину, яка може бути застосована як до господарюючих суб'єктів, так і до цілих держав: хто не модернізується, той зникає.

Список літератури

економіка технологічний промисловий

II. Монографії, колективні роботи, збірники наукових праць:

Сухарєв О.С. Економіка технологічного розвитку - М .: Фінанси і статистика, 2008 - 480 с .; мул.

Макаров В.Л. Економіка знань: уроки для Росії // Росія та сучасний світ. - 2004.

Шумпетер Й. Теорія економічного розвитку.

Глазьєв С.Ю. Теорія довгострокового техніко-економічного розвитку. - М .: Владар, 1993

III. Статті з періодичних видань:

додаток №1

Таблиця 1

Номер етапу технологічного развітіяСрок, що охоплюється етапом технологічного развітіяОтраслі промисловості, що забезпечують базові технології етапу і енергетичне забезпечення етапу технологічного развітіяСостояніе інфраструктури етапу технологічного развітіяПервий1790-1840Текстільная промисловість, енергія води, пара, угляГрунтовие дороги, переміщення на конях по суші і на вітрильних судах по морю, поштові курьериВторой1830-1890Железнодорожний транспорт, механізація виробничих процесів, використання парового двигуна. Поява перших акціонерних товариств як нових організаційно-правових форм предпрінімательстваЖелезние дороги, світове судоходствоТретій1880-1940Развітіе важкого машинобудування, електротехнічної та хімічної промисловості. Базується на електроенергії, двигунах внутрішнього згоряння і розробці нафтових родовищ. Конкуренція має монополістичний характер: трести, картелі і т.д.Телефон, телеграф, радіо, електричні сеті.Четвертий 1930-1990Развітіе масового виробництва, газової і нафтової енергетики, АЕС, засобів зв'язку, нових матеріалів, розвивається електроніка, програмне забезпечення, комп'ютери. Створюються ТНК, конкуренція олігополістічнаСкоростние автомобільні магістралі, авіаційне сполучення, газопроводи, розвиток телевіденіяПятийСередіна 1980-х рр. - по теперішній времяМікроелектроніка, інформатика, високі електронні технології, біотехнологія, генна інженерія, синтетичні матеріали, комерційне освоєння космосу. Об'єднання великих і дрібних фірм в єдині ланцюжка, технополіси, міста науки, технопарки, нові системи управління якістю, інвестиціями, поставками, ремонтом і експлуатацією технічних об'ектовКомпьютерние мережі, телекомунікація, супутниковий зв'язок, Електронні ЗМІ, нові типи атомних електростанцій, велика кількість електростанцій, що виробляють "зелену енергію".

ФГОБУ ВПО «ФІНАНСОВИЙ УНІВЕРСИТЕТ при уряді Російської Федерації»

на курсову роботу студента

Факультет ______________________________ Група ______________

П.І.Б. студента ______________________________________________

Тема ________________________________________________________

№ п / пКачественние характеристики работиМакс. баллФакт. баллI.Оценка роботи за формальними критеріями: 301.Соблюденіе термінів здачі роботи по етапах напісанія42.Внешній вид роботи і правильність оформлення работи23.Налічіе правильно оформленого плана24.Налічіе внутрішньої рубрикації розділів і подразделов25.Указаніе сторінок в плані роботи і їх нумерація в тексте26.Налічіе в тексті виносок і ссилок27.Правільность цитування та оформлення цітат38.Наглядность і якість ілюстративного матеріала39.Налічіе і якість додаткових пріложеній310.Правільность оформлення списку використаних матеріалов511.Іспользованіе іноземної літератури в тексті роботи і в списку літератури2II.Оценка роботи за змістом: 701.Актуальность проблематікі42 .Логіческая структура роботи і її відображення в плане23.Глубіна рубрикації і збалансованість разделов24.Качество введенія55.Указаніе завдань ісследованія36.Указаніе методів ісследованія27.Соответствіе змісту роботи заявленій теме68.Соответствіе змісту розділів їх названію29.Логіческая зв'язок між разделамі3 10.Степень самостійності в ізложеніі1311.Налічіе елементів наукової новізни313.Связь роботи з російської проблематікой514.Уменіе робити виводи1015.Качество складання заключенія516.Знаніе новітньої літератури517.Налічіе помилок принципового характеру-35

Репетиторство

Потрібна допомога з вивчення будь-ліби теми?

Наші фахівці проконсультують або нададуть послуги репетиторства з тематики.
Відправ заявку із зазначенням теми прямо зараз, щоб дізнатися про можливість отримання консультації.

1.1 Основні поняття штучного інтелекту

1.2 Подання знань

1.3 Завдання формування баз знань

2. Розпізнавання образів і машинний переклад

2.1 Поняття образу

2.2 Проблема розпізнавання образів

2.3 Навчання, самонавчання і адаптація

2.4 Перетворення зображень в цифровий код

3. Нейрокомп'ютери і мережі

3.1 Нейрокомп'ютери

3.2 Що таке нейронні мережі?

4. Експертні системи (ЕС), їх структура і класифікація. Інструментальні засоби побудови ЕС. Технологія розробки ЕС.

5. Використання і підтримка ЕС. Реінжиніринг бізнесу.

5.1 Використання фінансових експертних систем

5.3 Реінжиніринг бізнесу

6. Стратегія отримання знань. Практичні методи здобування знань. Структурування знань. Програмна реалізація бази знань.

ВСТУП

Можливості електронно-обчислювальних машин вже нікого не дивують. Комп'ютеризація різних областей людської діяльності, крім прямого ефекту від впровадження обчислювальної техніки, часто породжує нові класи програмних продуктів і технології їх розробки. Будь-яка технологія - це перш за все поле інтелектуальної діяльності для фахівців, проте, на відміну від інших видів діяльності технології розробки програмних продуктів негайно стають об'єктами автоматизації, що виводить відповідний розділ програмування на новий рівень розвитку.

Типову еволюцію від конкретних програм до інструментальних засобів розробки пройшли системи, засновані на знаннях, і в першу чергу - експертні системи, Призначені для вирішення завдань з тих областей, де вирішальну роль відіграють знання і досвід професійної діяльності. В експертних системах пошук рішень здійснюється за допомогою імітації міркувань, властивих видатним професіоналам. Формалізовані знання становлять ядро \u200b\u200bекспертної системи - її базу знань. Решта блоки системи реалізують функції перетворення знань і визначаються не стільки вмістом знань, скільки властивостями їх формальних структур.

1. Поняття штучного інтелекту. Подання знань і розробка систем, заснованих на знаннях

1.1. Основні поняття штучного інтелекту

Термін інтелект (intelligence) походить від латинського intellectus - що означає розум, розум, розум; розумові здібності людини. Відповідно штучний інтелект (artificial intelligence) - ІІ (AI) звичайно тлумачиться як властивість автоматичних систем брати на себе окремі функції інтелекту людини, наприклад, вибирати і приймати оптимальні рішення на основі раніше отриманого досвіду і раціонального аналізу зовнішніх впливів.

Інтелектом називається здатність мозку вирішувати (інтелектуальні) завдання шляхом придбання, запам'ятовування і цілеспрямованого перетворення знань в процесі навчання на досвіді й адаптації до різноманітних обставин.

У цьому визначенні під терміном «знання» мається на увазі не тільки ту інформацію, яка надходить в мозок через органи почуттів. Такого типу знання надзвичайно важливі, але недостатні для інтелектуальної діяльності. Справа в тому, що об'єкти навколишнього нас середовища мають властивість не тільки впливати на органи чуття, а й перебувати один з одним в певних відносинах. Ясно, що для того, щоб здійснювати в навколишньому середовищі інтелектуальну діяльність (або хоча б просто існувати), необхідно мати в системі знань модель цього світу. У цій інформаційній моделі навколишнього середовища реальні об'єкти, їх властивості та відносини між ними не тільки відображаються і запам'ятовуються, але і, як це зазначено в даному визначенні інтелекту, можуть подумки «цілеспрямовано перетворюватися». При цьому істотно те, що формування моделі зовнішнього середовища відбувається «в процесі навчання на досвіді й адаптації до різноманітних обставин».

1.2. подання знань

Подання знань - питання, що виникає в когнітології (науці про мисленні) і в штучному інтелекті. У когнітології він пов'язаний з тим, як люди зберігають і обробляють інформацію. У штучному інтелекті (ІІ) основна мета - навчитися зберігати знання таким чином, щоб програми могли обробляти їх і досягти подоби людського інтелекту. Дослідники ІІ використовують теорії подання знань з когнітології. Такі методи як фрейми, правила і семантичні мережі прийшли в ІІ з теорій обробки інформації людиною. Так як знання використовується для досягнення розумного поведінки, фундаментальної метою дисципліни уявлення знань є пошук таких способів уявлення, які роблять можливим процес логічного висновку, тобто створення висновків з знань.

Деякі питання, які виникають в поданні знань з точки зору ІІ:

· Як люди представляють знання?

· Яка природа знань і як ми їх уявляємо?

· Чи повинна схема уявлення зв'язуватися з приватної областю знань, або вона повинна бути общецелевого?

· Наскільки виразна дана схема уявлення?

· Чи повинна бути схема декларативною або процедурної?

Було дуже небагато обговорення питань представлення знань і дослідження в даній області. Є добре відомі проблеми, такі як «spreading activation,» (завдання навігації в мережі вузлів) «категоризація» (це пов'язано з вибірковим спадкуванням; наприклад всюдихід можна вважати спеціалізацією (особливим випадком) автомобіля, але він успадковує тільки деякі характеристики) і «класифікація ». Наприклад, помідор можна вважати як фруктом, так і овочем.

В області штучного інтелекту, рішення задач може бути спрощено правильним вибором методу представлення знань. Певний метод може зробити будь-яку галузь знань легко представимо. Наприклад діагностична експертна система мицин використовувала схему подання знань засновану на правилах. Неправильний вибір методу подання ускладнює обробку. В якості аналогії можна взяти обчислення в індо-арабської або римської записи. Розподіл в стовпчик простіше в першому випадку і складніше в другому. Аналогічно, не існує такого способу подання, який можна було б використовувати в усіх завданнях, або зробити все завдання однаково простими.

Проблема формування баз знань є складною і багатогранною. Якщо обмежити розгляд цієї проблеми завданням вилучення особистих знань експерта, то можна сформулювати основні вимоги та принципи побудови програмних систем, що автоматизують процес формування баз знань. Системи такого роду іменуються автоматизованими системами інженерії знань.

1.3. Завдання формування баз знань

При всій претензійності своєї назви, інженерія знань є дисципліною суто прозаїчної, в її завдання входить розробка практично корисних програм для слабо «математизованих» областей людської діяльності. Головним аргументом на користь плідності такого підходу є факт існування в реальному житті інституту експертів - класних професіоналів, здатних вирішувати погано формалізуються завдання з тієї чи іншої проблемної області.

З точки зору інженерії знань, в будь-якій прикладній програмі (по-принаймні теоретично) можна виділити компоненту, що містить знання про проблемну область. Саме ця компонента, іменована базою знань, визначає практичну цінність програми. Побудова бази знань вимагає спеціальних досліджень в проблемній області, в той час як інші блоки програми знаходяться повністю у веденні програміста.

В даний час відомі чотири основних способи представлення знань, з яких можна конструювати «гібридні» способи представлення знань.

· продукційні системи

· семантичні мережі

· фрейми

· Логічні обчислення

· Комбіновані способи представлення знань

· Моделі проблемних областей

2. Розпізнавання образів і машинний переклад

2.1 Поняття образу

Образ, клас - класифікаційне угруповання в системі класифікації, яка об'єднує певну групу об'єктів за певною ознакою. Образне сприйняття світу - одне з властивостей живого мозку, що дозволяє розібратися в нескінченному потоці сприйманої інформації і зберігати орієнтацію в розрізнених даних про зовнішній світ. Сприймаючи зовнішній світ, ми завжди проводимо класифікацію інформації, т. Е. Розбиваємо їх на групи схожих, але не тотожних явищ. Це властивість мозку дозволяє сформулювати таке поняття, як образ.

Здатність сприйняття зовнішнього світу в формі образів дозволяє з певною вірогідністю дізнаватися нескінченне число об'єктів на підставі ознайомлення з кінцевим їх числом, а об'єктивний характер основного властивості образів дозволяє моделювати процес їх розпізнавання.

2.2 Проблема розпізнавання образів

Розпізнавання образів - це завдання ідентифікації об'єкта або визначення будь-яких його властивостей по його зображенню (оптичне розпізнавання) або аудіозаписи (акустичне розпізнавання). В процесі біологічної еволюції багато тварин за допомогою зорового і слухового апарату вирішили це завдання досить добре. Створення штучних систем з функціями розпізнавання образів залишається складною технічною проблемою.

Мал. 2.1. Приклад об'єктів навчання.

В цілому проблема розпізнавання образів (ПРО) складається з двох частин: навчання та розпізнавання. Навчання здійснюється шляхом показу окремих об'єктів із зазначенням їх приналежності того чи іншого способу. В результаті навчання розпізнає система повинна придбати здатність реагувати однаковими реакціями на всі об'єкти одного образу та іншими реакціями - на всі об'єкти відмітних образів. Дуже важливо, що процес навчання повинен завершитися тільки шляхом показів кінцевого числа об'єктів. Як об'єкти навчання можуть бути або картинки (рис. 2.1), або інші візуальні зображення (літери, цифри). Важливо, що в процесі навчання вказуються тільки самі об'єкти і їх приналежність образу. За навчанням слід процес розпізнавання нових об'єктів, який характеризує дії вже навченої системи. Автоматизація цих процедур і становить проблему навчання розпізнаванню образів. У тому випадку, коли людина сама розгадує або придумує, а потім нав'язує машині правило класифікації, проблема розпізнавання вирішується частково, так як основну і головну частину проблеми (навчання) людина бере на себе.

Коло завдань, які можуть вирішуватися за допомогою систем, що розпізнають, надзвичайно широкий. Сюди відносяться не тільки задачі розпізнавання зорових і слухових образів, а й завдання класифікації складних процесів і явищ, що виникають, наприклад, при виборі доцільних дій керівником підприємства або виборі оптимального управління технологічними, економічними, транспортними або військовими завданнями. Перш ніж почати аналіз будь-якого об'єкта, потрібно отримати про нього певну, впорядковану інформацію.

Вибір вихідного опису об'єктів є однією з центральних завдань проблеми розпізнавання образів. При вдалому виборі вихідного опису (простору ознак) завдання розпізнавання може виявитися тривіальної і, навпаки, невдало вибране вихідне опис може привести або до дуже складної подальшої переробку інформації, або взагалі до відсутності рішення.

2.5 Навчання, самонавчання і адаптація

Навчання - це процес, в результаті якого система поступово набуває здатність відповідати потрібними реакціями на певні сукупності зовнішніх впливів, а адаптація - це підстроювання параметрів і структури системи з метою досягнення необхідної якості управління в умовах безперервних змін зовнішніх умов. Всі картинки, представлені на рис. 2.1, характеризують завдання навчання. У кожній з цих завдань задається кілька прикладів (навчальна послідовність) правильно вирішених завдань. Якби вдалося помітити якесь загальне властивість, яке залежить ні від природи образів, ні від їх зображень, а визначальне лише їх здатність до разделимости, то поряд зі звичайною завданням адаптації розпізнавання з використанням інформації про приналежність кожного об'єкта з навчальної послідовності того чи іншого образу, можна було б поставити іншу класифікаційну завдання - так звану задачу навчання без учителя. Завдання такого роду на описовому рівні можна сформулювати наступним чином: системі одночасно або послідовно пред'являються об'єкти без будь-яких вказівок про їх належність до образам. Вхідний пристрій системи відображає безліч об'єктів на безліч зображень і, використовуючи деякий закладене в неї заздалегідь властивість разделимости образів, виробляє самостійну класифікацію цих об'єктів. Після такого процесу самонавчання система повинна придбати здатність до розпізнавання не тільки вже знайомих об'єктів (об'єктів з навчальної послідовності), але і тих, які раніше не пред'являлися. Процесом самонавчання деякої системи називається такий процес, в результаті якого ця система без підказки вчителя набуває здатності до вироблення однакових реакцій на зображення об'єктів одного і того ж образу і різних реакцій на зображення різних образів. Роль вчителя при цьому складається лише в підказці системі деякого об'єктивного властивості, однакового для всіх образів і визначає здатність до поділу безлічі об'єктів на образи. Таким об'єктивним властивістю є властивість компактності образів. Взаємне розташування точок в обраному просторі вже містить інформацію про те, як слід розділити безліч точок. Ця інформація і визначає то властивість разделимости образів, що виявляється достатнім для самонавчання системи розпізнавання образів.

Навчанням зазвичай називають процес вироблення в деякій системі тієї чи іншої реакції на групи зовнішніх ідентичних сигналів шляхом багаторазового впливу на систему зовнішньої коректування. Таку зовнішню коригування в навчанні прийнято називати "заохоченнями" і "покараннями". Механізм генерації цієї коригування практично повністю визначає алгоритм навчання. Самонавчання відрізняється від навчання тим, що тут додаткова інформація про вірність реакції системі не повідомляється.

Адаптація - це процес зміни параметрів і структури системи, а можливо, і керуючих впливів на основі поточної інформації з метою досягнення певного стану системи при початковій невизначеності і мінливих умовах роботи.

Можливий спосіб побудови розпізнають машин, заснований на розрізненні будь-яких ознак підлягають розпізнаванню фігур. В якості ознак можуть бути обрані різні особливості фігур, наприклад, їх геометричні властивості (характеристики складових фігури кривих), топологічні властивості (взаємне розташування елементів фігури) і т.п. Відомі розпізнають машини, в яких розрізнення букв або цифр проводиться, по так званому "методу зондів" (рис. 2.2), тобто за кількістю перетинів контура фігури з кількома особливим чином розташованими прямими.

Мал. 2.2 Схема розташування зондів для розпізнавання цифр.

Якщо проектувати цифри на поле з зондами, то виявиться, що кожна з цифр перетинає цілком певні зонди, причому комбінації перетинаються зондів різні для всіх десяти цифр. Ці комбінації і використовуються в якості ознак, за якими проводиться розрізнення цифр. Такі машини успішно справляються, наприклад, з читанням машинописного тексту, але їх можливості обмежені тим шрифтом (або групою подібних шрифтів), для якого була розроблена система ознак. Робота зі створення набору еталонних фігур або системи ознак повинна проводитися людиною. Якість роботи машини, т. Е. Надійність "впізнавання" пропонованих фігур визначається якістю цієї попередньої підготовки і без участі людини не може бути підвищено. Описана машина не є навчається машиною.

Моделювання процесу навчання передбачає навчання, якому не передує повідомлення машині будь-яких відомостей про тих образах, розпізнаванню яких вона повинна навчитися; саме навчання полягає в пред'явленні машині деякого кінцевого числа об'єктів кожного образу. В результаті навчання машина повинна виявитися здатною пізнавати як завгодно велике число нових об'єктів, що відносяться до тих же образам. Таким чином, мається на увазі наступна схема експериментів:

а) ніякі відомості про які підлягають класифікації образах в машину заздалегідь не вводяться;

б) в ході навчання машині пред'являється деяка кількість об'єктів кожного з підлягають класифікації образів і (при моделюванні процесу навчання "з вчителем") повідомляється, до якого образа належить кожен об'єкт;

в) машина автоматично обробляє отриману інформацію, після чого

г) з достатньою надійністю розрізняє як завгодно велике число нових, раніше їй не пред'являлися об'єктів з образів.

Машини, що працюють за такою схемою, називаються дізнатися машинами.

2.6 Перетворення зображень в цифровий код

Для того щоб ввести зображення в машину, потрібно перевести його на машинний мову, тобто закодувати, представити у вигляді деякої комбінації символів, якими може оперувати машина. Кодування плоских фігур можна здійснити самим різним чином. Краще прагнути до найбільш "природному" кодування зображень. Будемо малювати фігури на деякому полі, розбитому вертикальними і горизонтальними прямими на однакові елементи - квадратики. Елементи, на які впало зображення, будемо суцільно зачернять, інші - залишати білими. Домовимося позначати чорні елементи одиницею, білі - нулем. Введемо послідовну нумерацію всіх елементів поля, наприклад, в кожному рядку зліва направо і по рядках зверху вниз. Тоді кожна фігура, намальована на такому полі, буде однозначно відображатися кодом, що складається з стількох цифр (одиниць і нулів), скільки елементів містить поле.

Рис 2.3 Приклади проектування і кодування зображень.

Таке кодування (рис. 2.3) вважається "природним" тому, що розбиття зображення на елементи лежить в основі роботи нашого зорового апарату. Дійсно, сітківка ока складається з великого числа окремих чутливих елементів (так званих паличок і колбочок), пов'язаних нервовими волокнами із зоровими відділами головного мозку. Чутливі елементи сітківки передають за своїми нервових волокнах у головний мозок сигнали, інтенсивність яких залежить від освітленості даного елемента. Таким чином, зображення, спроектоване оптичною системою очі на сітківку, розбивається паличками і колбочками на окремі ділянки, і за елементами в деякому коді передається в мозок. Окремі елементи поля називаються рецепторами, а саме поле - полем рецепторів.

Сукупність усіх плоских фігур, які можна зобразити на поле рецепторів, становить якесь безліч. Кожна конкретна фігура з цієї сукупності є об'єкт цього безлічі. Будь-якому їх таких об'єктів відповідає певний код. Точно також будь-якого коду відповідає певне зображення на поле рецепторів. Взаємно однозначна відповідність між кодами і зображеннями дозволить оперувати тільки кодами, пам'ятаючи про те, що зображення завжди може бути відтворено за його кодом.

Ємність ІНС - число образів, що пред'являються на входи ІНС для розпізнавання. Для поділу множини вхідних образів, наприклад, за двома класами достатньо всього одного виходу. При цьому кожен логічний рівень - «1» і «0» - буде позначати окремий клас. На двох виходах можна закодувати вже 4 класу і так далі. Для підвищення достовірності класифікації бажано ввести надмірність шляхом виділення кожному класу одного нейрона у вихідному шарі або, що ще краще, декількох, кожен з яких навчається визначати приналежність образу до класу зі своїм ступенем достовірності, наприклад: високого, середнього та низької. Такі ІНС дозволяють проводити класифікацію вхідних образів, об'єднаних в нечіткі (розмиті або пересічні) безлічі. Це властивість наближає подібні ІНС до умов реального життя.

3. Нейрокомп'ютери і мережі

3.1 Нейрокомп'ютери

Нейрокомп'ютери - це системи, в яких алгоритм рішення задачі представлений логічною мережею елементів приватного виду - нейронів з повною відмовою від булевих елементів типу І, АБО, НЕ. Як наслідок цього введені специфічні зв'язки між елементами, які є предметом окремого розгляду.

На відміну від класичних методів вирішення завдань нейрокомп'ютери реалізують алгоритми вирішення завдань, представлені у вигляді нейронних мереж. Це обмеження дозволяє розробляти алгоритми, потенційно більш паралельні, ніж будь-яка інша їхня фізична реалізація.

Нейрокомп'ютер - це обчислювальна система з архітектурою MSIMD, в якій реалізовані два принципових технічних рішення: спрощений до рівня нейрона процесорний елемент однорідної структури і різко ускладнені зв'язки між елементами; програмування обчислювальної структури перенесено на зміну вагових зв'язків між процесорними елементами.

Загальне визначення нейрокомп'ютера може бути представлено в наступному вигляді. Нейрокомп'ютер - це обчислювальна система з архітектурою апаратного і програмного забезпечення, адекватної виконання алгоритмів, представлених в нейромережевому логічному базисі.

3.2 Що таке нейронні мережі?

Кожен нейрон отримує сигнали від сусідніх нейронів за спеціальними нервових волокнах. Ці сигнали можуть бути збудливими або гальмують. Їх сума становить електричний потенціал всередині тіла нейрона. Коли потенціал перевищує певний поріг, нейрон переходить в збуджений стан і посилає сигнал по вихідній нервового волокна. Окремі штучні нейрони з'єднуються один з одним різними методами. Це дозволяє створювати різноманітні нейронні сіті з різною архітектурою, правилами навчання і можливостями.

Термін "штучні нейронні мережі" у багатьох асоціюється з фантазіями про андроїда і бунт роботів, про машини, які вигідно відрізняються і імітують людини. Це враження підсилюють багато розробників нейросистем, розмірковуючи про те, як в недалекому майбутньому, роботи почнуть освоювати різні види діяльності, просто спостерігаючи за людиною. Якщо переключитися на рівень повсякденної роботи, то нейронні мережі це всього-на-всього мережі, що складаються з пов'язаних між собою простих елементів формальних нейронів. Велика частина робіт по нейроінформатіке присвячена переносу різних алгоритмів розв'язання задач на такі мережі.

В основу концепції покладено ідею про те, що нейрони можна моделювати досить простими автоматами, а вся складність мозку, гнучкість його функціонування і інші найважливіші якості визначаються зв'язками між нейронами. Кожна зв'язок представляється як зовсім простий елемент, службовець для передачі сигналу. Коротко цю думку можна висловити так: "структура зв'язків все, властивості елементів ніщо".

Сукупність ідей і науково-технічний напрям, яке визначається описаним поданням про мозок, називається коннекціонізмом (connection зв'язок). З реальним мозком все це співвідноситься приблизно так само, як карикатура або шарж зі своїм прототипом. Важливо не буквальне відповідність оригіналу, а продуктивність технічної ідеї.

З коннекціонізмом тісно пов'язаний наступний блок ідей:

· Однорідність системи (елементи однакові і надзвичайно прості, все визначається структурою зв'язків);

· Надійні системи з ненадійних елементів і "аналоговий ренесанс" використання простих аналогових елементів;

· "Голографічні" системи при руйнуванні випадково обраної частини система зберігає свої властивості.

Передбачається, що широкі можливості систем зв'язків компенсують бідність вибору елементів, їх ненадійність і можливі руйнування частини зв'язків.

Для опису алгоритмів і пристроїв в нейроінформатіке вироблена спеціальна "схемотехніка", в якій елементарні пристрої (суматори, синапси, нейрони і т.п.) об'єднуються в мережі, призначені для вирішення завдань. Для багатьох початківців здається несподіваним, що ні в апаратній реалізації нейронних мереж, ні в професійному програмному забезпеченні ці елементи зовсім не обов'язково реалізуються як окремі частини або блоки. Використовувана в нейроінформатіке ідеальна схемотехніка є особлива мова опису нейронних мереж і їх навчання. При програмної і апаратної реалізації, виконані на цій мові опису, переводяться на більш підходящі мови іншого рівня.

4. Експертні системи (ЕС), їх структура і класифікація. Інструментальні засоби побудови ЕС. Технологія розробки ЕС

4.1 Призначення експертних систем

На початку вісімдесятих років в дослідженнях зі штучного інтелекту сформувався самостійний напрямок, який одержав назву «експертні системи» (ЕС). Мета досліджень по ЕС полягає в розробці програм, які при вирішенні завдань, важких для експерта-людини, отримують результати, що не поступаються за якістю і ефективності рішень, що отримуються експертом. Дослідники в області ЕС для назви своєї дисципліни часто використовують також термін «інженерія знань», введений Е.Фейгенбаумом як «привнесення принципів і інструментарію досліджень з області штучного інтелекту в рішення важких прикладних проблем, що вимагають знань експертів».

Програмні засоби (ПС), що базуються на технології експертних систем, або інженерії знань (надалі будемо використовувати їх як синоніми), набули значного поширення в світі. Важливість експертних систем полягає в наступному:

· Технологія експертних систем істотно розширює коло практично значущих завдань, що вирішуються на комп'ютерах, рішення яких приносить значний економічний ефект;

· Технологія ЕС є найважливішим засобом у вирішенні глобальних проблем традиційного програмування: тривалість і, отже, висока вартість розробки складних додатків;

· Висока вартість супроводу складних систем, яка часто в кілька разів перевершує вартість їх розробки; низький рівень повторної використовуваного програм і т.п .;

· Об'єднання технології ЕС з технологією традиційного програмування додає нові якості до програмних продуктів за рахунок: забезпечення динамічної модифікації додатків користувачем, а не програмістом; більшої «прозорості» додатка (наприклад, знання зберігаються на обмеженому ЕЯ, що не вимагає коментарів до знань, спрощує навчання і супровід); кращої графіки; інтерфейсу і взаємодії.

На думку провідних фахівців, в недалекій перспективі ЕС знайдуть наступне застосування:

· ЕС будуть відігравати провідну роль у всіх фазах проектування, розробки, виробництва, розподілу, продажу, підтримки і надання послуг;

· Технологія ЕС, що отримала комерційне поширення, забезпечить революційний прорив в інтеграції додатків з готових інтелектуально-взаємодіючих модулів.

ЕС призначені для так званих неформалізованих задач, тобто ЕС відкидають і не замінюють традиційного підходу до розробки програм, орієнтованого на рішення формалізованих задач.

Неформалізовані завдання зазвичай мають наступні особливості:

· Ошибочностью, неоднозначністю, неповнотою і суперечливістю вихідних даних;

· Ошибочностью, неоднозначністю, неповнотою і суперечливістю знань про проблемну область і розв'язуваної задачі;

· Великий розмірністю простору рішення, тобто перебір при пошуку рішення досить великий;

· Динамічно змінюються даними і знаннями.

Слід підкреслити, що неформалізовані завдання представляють великий і дуже важливий клас задач. Багато фахівців вважають, що ці завдання є найбільш масовим класом завдань, що вирішуються ЕОМ.

Експертні системи та системи штучного інтелекту відрізняються від систем обробки даних тим, що в них в основному використовуються символьний (а не числовий) спосіб представлення, символьний висновок і евристичний пошук рішення (а не виконання відомого алгоритму).

Експертні системи застосовуються для вирішення тільки важких практичних (НЕ іграшкових) завдань. За якістю і ефективності вирішення експертні системи не поступаються рішенням експерта-людини. Рішення експертних систем мають «прозорістю», тобто можуть бути пояснені користувачу на якісному рівні. Це якість експертних систем забезпечується їх здатністю міркувати про свої знання і умовиводах. Експертні системи здатні поповнювати свої знання в ході взаємодії з експертом. Необхідно відзначити, що в даний час технологія експертних систем використовується для вирішення різних типів завдань (інтерпретація, прогноз, діагностика, планування, конструювання, контроль, налагодження, інструктаж, управління) в найрізноманітніших проблемних областях, таких, як фінанси, нафтова і газова промисловість , енергетика, транспорт, фармацевтичне виробництво, космос, металургія, гірнича справа, хімія, освіта, целюлозно-паперова промисловість, телекомунікації і зв'язок і ін.

Комерційні успіхи до фірм-розробників систем штучного інтелекту (СШІ) прийшли не відразу. Протягом 1960 - 1985 рр. успіхи ІІ стосувалися в основному дослідних розробок, які демонстрували придатність СШІ для практичного використання. Починаючи приблизно з 1985 р (в масовому масштабі з 1988 - 1990 рр.), В першу чергу ЕС, а в останні роки системи, що сприймають природна мова (ПМ-системи), і нейронні мережі (НС) стали активно використовуватися в комерційних додатках .

Причини, що призвели СІ до комерційного успіху, такі.

Інтегрованість. Розроблено інструментальні засоби штучного інтелекту (ІС ІІ), легко інтегруються з іншими інформаційними технологіями і засобами (з CASE, СУБД, контролерами, концентраторами даних і т.п.).

Відкритість і переносимість. ІС ІІ розробляються з дотриманням стандартів, що забезпечують відкритість і переносимість.

Використання мов традиційного програмування і робочих станцій. Перехід від ІС ІІ, реалізованих на мовах ІІ (Lisp, Prolog і т.п.), до ІС ІІ, реалізованим на мовах традиційного програмування (С, C ++ і т.п.), спростив забезпечення інтегрується-ванности, знизив вимоги додатків ІІ до швидкодії ЕОМ і обсягами оперативної пам'яті. Використання робочих станцій (замість ПК) різко збільшило коло додатків, які можуть бути виконані на ЕОМ з використанням ІС ІІ.

Архітектура клієнт-сервер. Розроблено ІС ІІ, що підтримують розподілені обчислення по архітектурі клієнт-сервер, що дозволило: знизити вартість обладнання, що використовується в додатках, децентралізувати додатки, підвищити надійність і загальну продуктивність (оскільки скорочується кількість інформації, що пересилається між ЕОМ, і кожен модуль програми виконується на адекватному йому обладнанні).

Проблемно / предметно-орієнтовані ІС ІІ. Перехід від розробок ІС ІІ загального призначення (хоча вони не втратили своє значення як засіб для створення орієнтованих ІС) до проблемно / предметно-орієнтованим ІС ІІ забезпечує: скорочення термінів розробки додатків; збільшення ефективності використання ІС; спрощення та прискорення роботи експерта; повторну використовуванність інформаційного та програмного забезпечення (об'єкти, класи, правила, процедури).

4.2 Класифікація експертних систем

Клас «експертні системи» сьогодні об'єднує кілька тисяч різних програмних комплексів, які можна класифікувати за різними критеріями. Корисними можуть виявитися наступні класифікації (рис. 4.1).

Мал. 4.1. Класифікація експертних систем

Класифікація за розв'язуваної задачі

Інтерпретація даних. Це одна з традиційних завдань для експертних систем. Під інтерпретацією розуміється визначення сенсу даних, результати якого повинні бути узгодженими і коректними. Зазвичай передбачається багатоваріантний аналіз даних.

Діагностика. Під діагностикою розуміється виявлення несправності в деякій системі. Несправність - це відхилення від норми. Таке трактування дозволяє з єдиних теоретичних позицій розглядати і несправність устаткування в технічних системах, І захворювання живих організмів, і всілякі природні аномалії. Важливою специфікою є необхідність розуміння функціональної структури ( «анатомії») диагностирующей системи.

Моніторинг. Основне завдання моніторингу - безперервна інтерпретація даних в реальному масштабі часу і сигналізація про вихід тих або інших параметрів за допустимі межі. Головні проблеми - «пропуск» тривожної ситуації і інверсна завдання «помилкового» спрацьовування. Складність цих проблем в розмитості симптомів тривожних ситуацій і необхідність обліку тимчасового контексту.

Проектування. Проектування полягає в підготовці специфікацій на створення «об'єктів» із заздалегідь визначеними властивостями. Під специфікацією розуміється весь набір необхідних документів - креслення, пояснювальна записка і т.д. Основні проблеми тут - отримання чіткого структурного опису знань про об'єкт і проблема «сліду». Для організації ефективного проектування і, в ще більшому ступені, перепроектування необхідно формувати не тільки самі проектні рішення, але і мотиви їх прийняття. Таким чином, в завданнях проектування тісно зв'язуються два основні процеси, виконуваних в рамках відповідної ЕС: процес виведення рішення і процес пояснення.

Прогнозування. Прогнозують системи логічно виводять вірогідні наслідки з заданих ситуацій. У прогнозуючої системі зазвичай використовується параметрична динамічна модель, в якій значення параметрів «підганяються» під задану ситуацію. Виведені з цієї моделі слідства складають основу для прогнозів з ймовірними оцінками.

Планування. Під плануванням розуміється знаходження планів дій, що відносяться до об'єктів, здатним виконувати деякі функції. У таких ЕС використовуються моделі поведінки реальних об'єктів з тим, щоб логічно вивести наслідки планованої діяльності.

Навчання. Системи навчання діагностують помилки при вивченні якої-небудь дисципліни за допомогою ЕОМ і підказують правильні рішення. Вони акумулюють знання про гіпотетичного «учня» і його характерних помилках, потім в роботі здатні діагностувати слабкості в знаннях учнів і знаходити відповідні засоби для їх ліквідації. Крім того, вони планують акт спілкування з учнем залежно від успіхів учня з метою передачі знань.

У загальному випадку всі системи, засновані на знаннях, можна поділити на системи, які вирішують завдання аналізу, і на системи, які вирішують завдання синтезу.

Основна відмінність завдань аналізу від завдань синтезу полягає в наступному: якщо в завданнях аналізу безліч рішень може бути перераховано і включено в систему, то в завданнях синтезу безліч рішень потенційно будується з рішень компонентів або подпроблем. Завдання аналізу - це інтерпретація даних, діагностика; до завдань синтезу відносяться проектування, планування. Комбіновані завдання: навчання, моніторинг, прогнозування.

Класифікація по зв'язку з реальним часом

статичні ЕС розробляються в предметних областях, в яких база знань і інтерпретовані дані не змінюються в часі. Вони стабільні.

Квазідінаміческіе ЕС інтерпретують ситуацію, яка змінюється з деяким фіксованим інтервалом часу.

динамічні ЕС працюють в сполученні з датчиками об'єктів у режимі реального часу з безперервною інтерпретацією поступаємих даних.

Класифікація за типом ЕОМ

На сьогоднішній день існують:

ЕС для унікальних стратегічно важливих завдань на суперЕОМ (Ельбрус, CRAY, CONVEX і ін.);

ЕС на ЕОМ середньої продуктивності (типу ЄС ЕОМ, mainframe);

ЕС на символьних процесорах і робочих станціях (SUN, APOLLO);

ЕС на міні- і суперміні-ЕОМ (VAX, micro - VAX і ін.);

ЕС на персональних комп'ютерах (IBM PC, MAC II і подібні).

Класифікація за ступенем інтеграції з іншими програмами

автономні ЕС працюють безпосередньо в режимі консультацій з користувачем для специфічно «експертних» завдань, для вирішення яких не потрібно залучати традиційні методи обробки даних (розрахунки, моделювання і т.д.).

гібридні ЕС являють програмний комплекс, Котрий агрегує стандартні пакети прикладних програм (наприклад, математичну статистику, лінійне програмування або системи управління базами даних) і засоби маніпулювання знаннями. Це може бути інтелектуальна надбудова над ППП або інтегроване середовище для вирішення складного завдання з елементами експертних знань.

Незважаючи на зовнішню привабливість гібридного підходу, слід зазначити, що розробка таких систем являє собою задачу, на порядок більш складну, ніж розробка автономної ЕС. Стиковка не просто різних пакетів, а різних методологій (що відбувається в гібридних системах) породжує цілий комплекс теоретичних і практичних труднощів.

4.3 Структура експертних систем (на прикладі статичної та динамічної ЕС)

Типова статична ЕС складається з наступних основних компонентів (рис. 4.2):

· Решателя (інтерпретатора);

· Робочої пам'яті (РП), яку називають також базою даних (БД);

· Бази знань (БЗ);

· Компонентів придбання знань;

· Пояснювального компонента;

· Діалогового компонента.

База даних (робоча пам'ять) призначена для зберігання вихідних і проміжних даних розв'язуваної в поточний момент завдання. Цей термін збігається за назвою, але не за змістом з терміном, використовуваним в інформаційно-пошукових системах (ІПС) і системах управління базами даних (СКБД) для позначення всіх даних (в першу чергу довгострокових), що зберігаються в системі.

База знань (БЗ) в ЕС призначена для зберігання довгострокових даних, що описують розглянуту область (а не поточних даних), і правил, що описують доцільні перетворення даних цієї області.

вирішувач, використовуючи вихідні дані з робочої пам'яті і знання з БЗ, формує таку послідовність правил, які, будучи застосованими до вихідних даних, приводять до рішення задачі.

компонент придбання знань автоматизує процес наповнення ЕС знаннями, здійснюваний користувачем-експертом.

пояснювальний компонент пояснює, як система отримала розв'язок задачі (або чому вона не отримала рішення) і які знання вона при цьому використовувала, що полегшує експерту тестування системи і підвищує довіру користувача до отриманого результату.

Мал. 4.2. Структура статистичної ЕС

діалоговий компонент орієнтований на організацію дружнього спілкування з користувачем як в ході вирішення завдань, так і в процесі набуття знань і пояснення результатів роботи.

У розробці ЕС беруть участь представники наступних спеціальностей:

експерт у проблемній області, задачі якої буде вирішувати ЕС;

інженер по знаннях - фахівець з розробки ЕС (використовувані їм технологію, методи називають технологією (методами) інженерії знань);

програміст по розробці інструментальних засобів (ІС), призначених для прискорення розробки ЕС.

Необхідно відзначити, що відсутність серед учасників розробки інженерів по знаннях (т. Е. Їх заміна програмістами) або призводить до невдачі процес створення ЕС, або значно подовжує його.

експерт визначає знання (дані та правила), що характеризують проблемну область, забезпечує повноту і правильність введених в ЕС знань.

Інженер по знаннях допомагає експерту виявити і структурувати знання, необхідні для роботи ЕС; здійснює вибір того ІС, яке найбільш підходить для даної проблемної області, і визначає спосіб представлення знань в цьому ІС; виділяє і програмує (традиційними засобами) стандартні функції (типові для даної проблемної області), які будуть використовуватися в правилах, що вводяться експертом.

програміст розробляє ІС (якщо ІС розробляється заново), що містить в межі всі основні компоненти ЕС, і здійснює його сполучення з тим середовищем, в якій воно буде використано.

Експертна система працює в двох режимах: режимі придбання знань і в режимі рішення задачі (званому також режимом консультації або режимом використання ЕС).

У режимі придбання знань спілкування з ЕС здійснює (через посередництво інженера по знаннях) експерт. В цьому режимі експерт, використовуючи компонент придбання знань, наповнює систему знаннями, які дозволяють ЕС в режимі рішення самостійно (без експерта) вирішувати завдання з проблемної області. Експерт описує проблемну область у вигляді сукупності даних і правил. Дані визначають об'єкти, їх характеристики і значення, що існують в області експертизи. Правила визначають способи маніпулювання з даними, характерні для даної галузі.

Відзначимо, що режиму набуття знань в традиційному підході до розробки програм відповідають етапи алгоритмізації, програмування і налагодження, виконувані програмістом. Таким чином, на відміну від традиційного підходу в разі ЕС розробку програм здійснює не програміст, а експерт (за допомогою ЕС), який не володіє програмуванням.

У режимі консультації спілкування з ЕС здійснює кінцевий користувач, якого цікавить результат і (або) спосіб його отримання. Необхідно відзначити, що в залежності від призначення ЕС користувач може не бути фахівцем у цій проблемної області (в цьому випадку він звертається до ЕС за результатом, не вміючи отримати його сам), або бути фахівцем (в цьому випадку користувач може сам отримати результат, але він звертається до ЕС з метою або прискорити процес отримання результату, або покласти на ЕС рутинну роботу). У режимі консультації дані про завдання користувача після обробки їх діалоговим компонентом надходять в робочу пам'ять. Вирішувач на основі вхідних даних з робочої пам'яті, загальних даних про проблемну область і правил з БЗ формує рішення задачі. ЕС при рішенні завдання не тільки виконує визначену послідовність операції, але і попередньо формує її. Якщо реакція системи не зрозуміла користувачу, то він може зажадати пояснення:

«Чому система задає те чи інше питання?», «Як відповідь, збирає системою, отриманий?».

Структуру, наведену на рис. 4.2, називають структурою статичної ЕС. ЕС даного типу використовуються в тих додатках, де можна не враховувати зміни навколишнього світу, що відбуваються за час рішення задачі. Перші ЕС, що одержали практичне використання, були статичними.

Мал. 4.3. Структура динамічної ЕС

На рис. 4.3 показано, що в архітектуру динамічної ЕС в порівнянні зі статичної ЕС вводяться два компоненти: підсистема моделювання зовнішнього світу і підсистема зв'язку із зовнішнім оточенням. Остання здійснює зв'язку з зовнішнім світом через систему датчиків і контролерів. Крім того, традиційні компоненти статичної ЕС (база знань і машина виведення) зазнають суттєвих змін, щоб відобразити тимчасову логіку відбуваються в реальному світі подій.

Підкреслимо, що структура ЕС, представлена \u200b\u200bна рис. 4.2 і 4.3, відображає тільки компоненти (функції), і багато чого залишається «за кадром».

4.4 Етапи розробки експертних систем

Розробка ЕС має суттєві відмінності від розробки звичайного програмного продукту. Досвід створення ЕС показав, що використання при їх розробці методології, прийнятої в традиційному програмуванні, або надмірно затягує процес створення ЕС, або взагалі призводить до негативного результату.

Використовувати ЕС слід тільки тоді, коли розробка ЕС можлива, виправдана і методи інженерії знань відповідають розв'язуваної задачі. Щоб розробка ЕС була можливої для цього додатка, необхідно одночасне виконання принаймні таких вимог:

1) існують експерти в цій галузі, які вирішують задачу значно краще, ніж початківці фахівці;

2) експерти сходяться в оцінці пропонованого рішення, інакше не можна буде оцінити якість розробленої ЕС;

3) експерти здатні вербалізувати (висловити природною мовою) і пояснити використовувані ними методи, в іншому випадку важко розраховувати на те, що знання експертів будуть «витягнуті» і вкладені в ЕС;

4) рішення задачі вимагає тільки міркувань, а не дій;

5) завдання не повинна бути занадто важкою (тобто її рішення повинне займати у експерта декілька годин або днів, а не тижнів);

6) завдання хоч і не повинна бути виражена в формальному вигляді, але все ж повинна ставитися до досить «зрозумілою» і структурованої області, тобто повинні бути виділені основні поняття, відносини і відомі (хоча б експерту) способи отримання рішення задачі;

7) рішення задачі не повинно в значній мірі використовувати «здоровий глузд» (тобто широкий спектр загальних відомостей про світ і про спосіб його функціонування, які знає і вміє використовувати будь-яка нормальна людина), так як подібні знання поки не вдається (в достатній кількості) вкласти в системи штучного інтелекту.

Використання ЕС в даному додатку може бути можливо, але не виправдано. Застосування ЕС може бути виправдано одним з таких чинників:

· Рішення задачі принесе значний ефект, наприклад економічний;

· Використання людини-експерта неможливо або через недостатню кількість експертів, або через необхідність виконувати експертизу одночасно в різних місцях;

· Використання ЕС доцільно в тих випадках, коли при передачі інформації експерту відбувається неприпустима втрата часу або інформації;

· Використання ЕС доцільно при необхідності вирішувати задачу в оточенні, ворожому для людини.

прикладна програма відповідає методам ЕС, якщо розв'язувана задача володіє сукупністю наступних характеристик:

1) завдання може бути природним чином вирішена за допомогою маніпуляції з символами (тобто за допомогою символічних міркувань), а не маніпуляцій з числами, як прийнято в математичних методах і в традиційному програмуванні;

2) завдання повинна мати евристичну, а не алгоритмічну природу, тобто її рішення має вимагати застосування евристичних правил. Завдання, які можуть бути гарантовано вирішені (з дотриманням заданих обмежень) за допомогою деяких формальних процедур, не підходять для застосування ЕС;

3) завдання повинне бути достатньо складна, щоб виправдати витрати на розробку ЕС. Однак вона не повинна бути надмірно складною (рішення займає у експерта годинник, а не тижні), щоб ЕС могла їй дати раду;

4) завдання повинне бути достатньо вузькою, щоб вирішуватися методами ЕС, і практично значущою.

При розробці ЕС, як правило, використовується концепція «швидкого прототипу». Суть цієї концепції полягає в тому, що розробники не намагаються відразу побудувати кінцевий продукт. На початковому етапі вони створюють прототип (прототипи) ЕС. Прототипи повинні задовольняти двом суперечливим вимогам: з одного боку, вони повинні вирішувати типові завдання конкретного додатка, а з іншого - час і трудомісткість їх розробки повинні бути досить незначні, щоб можна було максимально запараллелить процес накопичення і налагодження знань (здійснюваний експертом) з процесом вибору (розробки) програмних засобів (здійснюваним інженером по знаннях і програмістом). Для задоволення зазначеним вимогам, як правило, при створенні прототипу використовуються різноманітні засоби, що прискорюють процес проектування.

Прототип повинен продемонструвати придатність методів інженерії знань для цього додатка. У разі успіху експерт за допомогою інженера по знаннях розширює знання прототипу про проблемну область. При невдачі може знадобитися розробка нового прототипу або розробники можуть прийти до висновку про непридатність методів ЕС для цього додатка. У міру збільшення знань прототип може досягти такого стану, коли він успішно вирішує всі завдання цього додатка. Перетворення прототипу ЕС в кінцевий продукт зазвичай призводить до перепрограмування ЕС на мовах низького рівня, що забезпечують як збільшення швидкодії ЕС, так і зменшення необхідної пам'яті. Трудомісткість і час створення ЕС в значній мірі залежать від типу використовуваного інструментарію.

В ході робіт зі створення ЕС склалася певна технологія їх розробки, що включає шість наступних етапів (рис. 4.4):

ідентифікацію, концептуалізацію, формалізацію, виконання, тестування, дослідну експлуатацію. На етапі ідентифікації визначаються завдання, які підлягають вирішенню, виявляються цілі розробки, визначаються експерти і типи користувачів.

Мал. 4.4. Технологія розробки ЕС

На етапі концептуалізації проводиться змістовний аналіз проблемної області, виявляються використовувані поняття і їх взаємозв'язки, визначаються методи розв'язання задач.

На етапі формалізації вибираються ІС і визначаються способи подання всіх видів знань, формалізуються основні поняття, визначаються способи інтерпретації знань, моделюється робота системи, оцінюється адекватність цілям системи зафіксованих понять, методів рішень, засобів представлення та маніпулювання знаннями.

На етапі виконання здійснюється наповнення експертом бази знань. У зв'язку з тим, що основою ЕС є знання, даний етап є найбільш важливим і найбільш трудомістким етапом розробки ЕС. Процес придбання знань розділяють на вилучення знань з експерта, організацію знань, що забезпечує ефективну роботу системи, і уявлення знань у вигляді, зрозумілому ЕС. Процес придбання знань здійснюється інженером по знаннях на основі аналізу діяльності експерта по вирішенню реальних завдань.

5. Використання і підтримка ЕС. Реіжінірінг бізнесу

5.1 Використання фінансових експортних систем

Безліч підприємств встановлюють ЕС для вирішення завдань в таких областях як: торги на фондовій біржі, автоматичне розуміння новин, кредитний аналіз, управління ризиками, побудова портфелів кредитів і інвестицій, оцінка рейтингу банків, автоматизація аудиту, передбачення змін на фінансовому ринку і т.д.

Прикладами цього є цілий клас консультативних ЕС: Bear, Sterns & Company's Broker Monitoring System, Athena Group's Portfolio Advisor і Trader's Assistant, спільно розроблені корпораціями Author D. Little Corporation, Knowledge-Based Network Corporation і ще шістьма фінансовими інститутами. Японський Sanwa Bank, один з найбільших світових банків, застосовує експертну систему Best Mix для поліпшення якості своєї інформації з інвестицій.

ЕС Nikko Portfolio Consultation Management System, розроблена для внутрішнього використання фірмою Nikko Securities, Ltd., допомагає керуючим фондами вибрати оптимальний портфель для своїх клієнтів. Дана система заснована на базі даних з інформацією за п'ять років продаж акцій і на системі з новою теорією управління портфелем, яка обчислює і оптимізує портфель цінних паперів для страховки від різних ризиків. Керуючі фондами звільняються від рутинних обчислень і, таким чином, мають можливість більш швидко скласти оптимальний портфель цінних паперів. Компанія IDS Financial Services, підрозділ фінансового планування American Express Company, класифікували фінансові експертизи своїх кращих керуючих для створення експертної системи, названої Insight. IDS включила експертизи кращих керуючих в свої кошти, тобто експертну систему, доступну всім своїм планувальникам. Одним з основних результатів застосування експертної системи в компанії IDS стало те, що відсоток залишили фірму клієнтів впав більш ніж наполовину.

Перерахуємо характеристики деяких конкретних ЕС цього класу.

1. FLiPSiDE: Система логічного програмування фінансової експертизи. Підприємство-розробник: Case Western Reserve University Завдання, які вирішуються: моніторинг стану ринку цінних паперів; моніторинг стану поточного портфеля цінних паперів; підтримка огляду майбутніх умов ринку; планування і виконання продажів.

Короткі характеристики: застосування оригінальної парадигми "Классной дошки", описаної Ньюеллом; мова Пролог в якості платформи програмування; представлення даних на "Классной дошці" в якості вихідних даних для різних знань;

2. Splendors: Система управління портфелем цінних паперів реального часу. Завдання, які вирішуються: досягнення різноманітних інвестиційних цілей в умовах швидко мінливих даних. короткі характеристики: Система реального часу, використання спеціалізованого мови високого рівня Profit, велика гнучкість у створенні портфеля для досвідчених програмістів на C, можливість створення портфеля непрограммірующему фінансовому аналітику.

Система дозволяє формувати оптимальні інвестиційні портфелі в реальному масштабі за рахунок гри на обліку швидких змін на фондовій біржі.

3. PMIDSS: Система підтримки прийняття рішень при управлінні портфелем. Підприємство-розробник: Фінансова група Нью-Йоркського університету. Завдання, які вирішуються: вибір портфеля цінних паперів, довгострокове планування інвестицій. Короткі характеристики: змішана система подання знань, використання різноманітних механізмів виведення: логіка, спрямовані семантичні мережі, фрейми, правила.

4. Le Courtier: Система асистент-експерт для менеджера портфеля. Підприємство-розробник: Cognitive System Inc. Завдання, які вирішуються: допомога інвесторам у визначенні своїх інвестиційних цілей, управління портфелем. Короткі характеристики: використання правил, потужний природно-мовний інтерфейс.

5. PMA: Порадник керуючому портфелем. Підприємство-розробник: Athena Group. Завдання, які вирішуються: формування портфеля, надання рекомендацій по супроводженню портфеля. Короткі характеристики: забезпечення якісного обґрунтування результатами застосування різних чисельних методів.

6. ArBoR: Обчислювальна модель рейтингу облігацій. Підприємство-розробник: College of Business Administration Univercity of Nebraska. Завдання, які вирішуються: Дана система створена для конструювання обчислювальної моделі в області рейтингу облігацій і для застосування моделі в якості експертної системи. Короткі характеристики: застосування якісного і кількісного аналізу, використання стандартної оболонки ЕС.

7. Intelligent Hedger: заснований на знаннях підхід в задачах страхування від ризику. Підприємство-розробник: Information System Department, New York University. Завдання, які вирішуються: проблема величезної кількості постійно зростаючих альтернатив страхування від ризиків, швидке прийняття рішень менеджерами за ризиками в ускоряющемся потоці інформації, а також брак відповідної машинної підтримки на ранніх стадіях процесу розробки систем страхування від ризиків передбачає багату сферу різних оптимальних рішень для менеджерів по ризику. У даній системі розробка страхування від ризику сформульована як багатоцільова оптимізаційна задача. Дане завдання оптимізації включає кілька складнощів, з якими існуючі технічні рішення не справляються.

Короткі характеристики: система використовує об'єктне уявлення, що охоплює глибокі знання з управління ризиком і полегшує емуляцію первинних міркувань керуючих ризиком, корисних для висновків і їх пояснень.

8. Вузько орієнтована система підтримки прийняття рішення для вибору стратегій інвестицій. Підприємство-розробник: Intelligent System Laboratory Science Univercity of Tokyo. Завдання, які вирішуються: З приходом в набір фінансових інструментів понять "вибір" і "майбутнє", у інвесторів з'явилася можливість формувати набір стратегій, що відповідають цілям їх інвестицій. Однак, ця можливість породжує важке завдання знаходження необхідної стратегії серед великого числа стратегій інвестицій. Представлена \u200b\u200bінтелектуальна система підтримки прийняття рішення для генерації необхідних стратегій інвестування з використанням нотації обмеженою задовільності, яка широко застосовується в задачах пошуку. У даній системі обмеження грають роль навігації для автоматичного породження складних стратегій через абстрактне порівняння з профілем вкладників. Абстрактне порівняння може розглядатися як пошук методу для виробництва якісно обґрунтованих стратегій, що описують набір пропозицій для покупки або продажу без цифрової інформації. Оскільки така техніка може бути використана як предпроцессор для кількісного аналізу типу лінійного програмування для отримання оптимального рішення, пропонована система є мостом для плавного переходу між якісним і кількісним аналізами.

Короткі характеристики: застосування якісного аналізу для отримання можливих якісних рішень (інтуїтивні рішення) і кількісного аналізу для знаходження оптимального рішення за допомогою симплексного методу лінійного програмування.

9. Явні міркування в прогнозуванні обміну валют. Підприємство-розробник: Department of Computer Science City Polytechnic of Hong Kong. Завдання, які вирішуються: Являє новий підхід в прогнозуванні обміну валют, заснований на акумуляції і міркуваннях з підтримкою ознак, присутніх для фокусування на наборі гіпотез про рух обмінних курсів. Представлений в прогнозуючої системі набір ознак - це заданий набір економічних значень і різні набори змінюються в часі параметрів, використовуваних в моделі прогнозування.

Короткі характеристики: математична основа застосованого підходу базується на теорії Демпстера-Шафера.

10. Nereid: Система підтримки прийняття рішень для оптимізації роботи з валютними опціонами. Підприємство-розробник: NTT Data, The Tokai Bank, Science Univercity of Tokyo.

Завдання, які вирішуються: система полегшує дилерську підтримку для оптимальної відповіді з можливих представлених варіантів. Система більш практична і дає кращі рішення, ніж звичайні системи прийняття рішень.

Короткі характеристики: система розроблена з використанням фреймової системи CLP, яка легко інтегрує фінансову область в додаток ІІ. Запропоновано змішаний тип оптимізації, що поєднує евристичні знання з технікою лінійного програмування. Система працює на Sun-станціях.

5.2 ЕС, засновані на прикладах

ЕС, засновані на прикладах, можна по принципам роботи можна розділити на дві групи: використовують нейронні мережі і використовують алгоритм індуктивного узагальнення ID3. Перші в основному використовуються як попередньо навчений на прикладах класифікатор, у якого при подачі на його вхід набору значень вихідних фінансових параметрів на виході з'являється шукане рішення по даній фінансовій ситуації. Другі за розділами прикладів формують дерево рішень, з якого потім будуються відповідні для прийняття рішень правила. Нижче ми наведемо 2 типові приклади ЕС обох груп.

1. S & PCBRS: Нейронний симулятор для оцінки рейтингу цінних паперів. Підприємство-розробник: Chase Manatten Bank, Standart & Poor's Corp. Завдання, які вирішуються: оцінка рейтингу цінних паперів за даними про фірми емітентів, формування коректної рейтингової шкали.

Короткі характеристики: представлення задачі оцінки рейтингу як завдання класифікації, відбір даних про фірми емітентів та формування навчального матеріалу, вибір нейроклассіфікатора, його навчання і тестування, порівняння з оцінками експертів, використання нейромережевої парадигми Couter-Propagation, ймовірність правильного передбачення рейтингу 84%.

2. ISPMS: Інтелектуальна система управління портфелем цінних паперів. Завдання, які вирішуються: формування портфеля акцій, що забезпечує баланс між ризиком і передбачуваним доходом.

Короткі характеристики: використання оптимізаційної моделі квадратичного програмування Марковіца, баз даних і баз знань по фірмах-емітентам та галузям, наявність підсистеми навчання на минулому досвіді, заснованої на витягу правил з великої кількості фактів, облік знань експерта і особистих переваг інвестора в оптимізаційної моделі. Імовірність правильного передбачення різкої зміни на фондовій біржі в межах 68% - 84%.

5.3 Реінфінірінг бізнесу

Перебудова роботи підприємств в сфері процесів, пов'язаних з проектуванням і підготовкою виробництва нових виробів, звана реинжинирингом і вживаються з метою різкого підвищення ефективності функціонування підприємств в сучасних умовах, базується на організаційні зміни і використанні нових інформаційних технологій.

При аналізі існуючого і розробки нового бізнесу важливу роль відіграє побудова моделей компанії і протікають в ній бізнес-процесів. Моделі можуть відрізнятися ступенем деталізації процесів, формою їх подання, урахуванням тільки статичних або також динамічних факторів і ін. Слід зазначити, що всі відомі підходи до моделювання бізнесу належать до сімейства методів моделювання складних інформаційних систем.

До традиційних засобів побудови моделей складних систем відноситься методологія SADT (Structured Analysis Design Technique). Вона була створена на початку 70-х років з метою уніфікувати підходи до опису складних систем. SADT включає як концептуальний підхід до побудови моделей систем, так і набір правил і графічних позначень для їх опису. Пропоновані методи побудови функціональних моделей, де опис систем здійснюється з точки зору виконуваних ними функцій, отримали назву методології IDEF0. Існують також спеціальні методології для побудови інформаційних моделей, що описують потоки інформації (IDEFIX) і динамічних моделей, що відображають причинно-наслідкові зв'язки між об'єктами системи (IDEF / CPN).

До більш сучасним засобам моделювання, що з'явилися в середині 90-х років, відноситься методологія RUP (Rational Unified Process). Ця методологія, розроблена компанією Rational Software Corp., під-

підтримувати ітеративний процес створення складної інформаційної системи на основі об'єктно-орієнтованого підходу, з використанням діаграм UML (Unified Modeling Language) для візуального моделювання предметної області. Нотація діаграм UML і методи використання UML при реинжиниринге бізнес-процесів проектування і підготовки виробництва будуть розглянуті в наступних розділах даного посібника.

Поряд з UML, для візуального моделювання існують і інші нотації, реалізовані, наприклад, в системах ARIS і ADONIS. Система ADONIS дозволяє виконувати не тільки візуальне, а й імітаційне моделювання бізнес-процесів, її можливості також розглядаються нижче.

Інформаційні системи підтримки нових бізнес-процесів.

Вище зазначалося, що використання нових інформаційних технологій є невід'ємною частиною реінжинірингу. При цьому моделі нових бізнес-процесів безпосередньо реалізуються в середовищі інформаційної системи підтримки (ІСП) нового бізнесу. Важливість ІСП полягає не тільки в тому, що вона є необхідним елементом реінжинірингу, а ще й в тому, що найчастіше застосування ІСП багато в чому визначає технологію ведення нового бізнесу. ІСП є спеціально розробляється програмне забезпечення - програмну систему, Яка будується на основі застосування відповідних інструментальних засобів.

У сфері проектування нових виробів роль ІСП грають конструкторські системи автоматизованого проектування (САПР-К). У сфері технологічної підготовки виробництва роль ІСП грають автоматизовані системи технологічної підготовки виробництва (АСТПП).

До інструментальних засобів створення САПР-К і АСТПП відносяться CAD / CAM, CAE і PDM-системи. При цьому CAD / CAM і САЕ-системи стають засобами для автоматизації виконання проектних процедур, а PDM-система - засобом для управління процесами проектування і підготовки виробництва. Одночасно PDM-система є базовим засобом, за допомогою якого реалізується єдине інформаційний простір для всіх етапів життєвого циклу вироби (ЖЦІ).

Найбільш потужні і повнофункціональні комплекси CAD / CAM / CAE / PDM отримали назву PLM-рішень (Product Data Management -керування даними про виріб).

6. Стратегія отримання знань. Практичні методи видобування знань

6.1 Стратегія отримання знань

Виділяють три стратегії отримання знань - придбання знань, вилучення знань і виявлення знань в базах даних:

під придбанням (Acquisition) знань розуміють спосіб автоматизованого наповнення бази знань за допомогою діалогу експерта і спеціальної програми.

витяганням (Elicitation) знань називають процедуру взаємодії інженера по знаннях з джерелом знань (експертом, спеціальною літературою та ін.) Без жодних обчислювальної техніки.

терміном " виявлення знань в базах даних "(Knowledge discovery in databases - KDD) сьогодні позначають процес отримання з" сирих "даних нової, потенційно корисної інформації про предметну область. Цей процес включає кілька етапів (рис. 6.1). Так само як накопичення сирих даних, відбір, підготовка, перетворення даних, пошук закономірностей в даних, оцінка, узагальнення і структурування знайдених закономірностей.

Мал. 6.1. Процес виявлення знань в БД

Стратегія KDD все більш висувається на першу роль. Це багато в чому обумовлено швидким розвитком різноманітних сховищ даних (data warehouse) - зборів даних, що відрізняються предметною орієнтованістю, интегрированностью, підтримкою хронології, незмінюваність, і призначених для подальшої аналітичної обробки.

Специфіка сучасних вимог до обробки даних з метою виявлення знань наступна:

· Дані мають необмежений обсяг

· Дані є різнорідними (кількісними, якісними, категоріальним)

· Результати повинні бути конкретні і зрозумілі

· Інструменти для обробки "сирих" даних повинні бути прості у використанні

6.2 Практичні методи отримання інформації

Класифікація методів вилучення знань (рис. 6.2) дозволить інженерам за знаннями, в залежності від конкретного завдання і ситуації, вибрати конкретний метод. З запропонованої схеми класифікації видно, що основний принцип поділу пов'язаний з джерелом знань. Комунікативні методи охоплюють всі види контактів з живим джерелом знань - експертом, а текстологічні стосуються методів вилучення знань з документів (методик, посібників, керівництв) і спеціальної літератури (статей, монографій, підручників).

Поділ цих груп методів на верхньому рівні класифікації не означає їх протилежностей, зазвичай інженер по знаннях комбінує різні методи, наприклад, спочатку вивчає літературу, потім розмовляє з експертами, або навпаки.

Мал. 6.2. Класифікація методів вилучення знань.

У свою чергу, комунікативні методи можна також розділити на дві групи: активні і пасивні. Пасивні методи мають на увазі, що провідна роль у процедурі вилучення знань як би передається експерту, а інженер по знаннях тільки веде протокол міркування експерта під час його реальної роботи по прийняттю рішень або записує те, що експерт вважає за потрібне самостійно розповісти в формі лекції. В активних методах, навпаки, ініціатива повністю в руках інженера по знаннях, який активно контактує з експертом різними способами - в іграх, діалогах, бесідах за «круглим столом» і т.д.

Пасивні методи на перший погляд досить прості, але насправді вимагають oт інженера по знаннях вміння чітко аналізувати «потік свідомості» експерта і виявляти в ньому значущі фрагменти знань. Відсутність зворотного зв'язку (пасивність інженера по знаннях) значно послаблює ефективність цих методів, чим і пояснюється їх зазвичай допоміжна роль при активних методах.

Активні методи можна розділити на дві групи в залежності від числа експертів, які віддають свої знання. Якщо їх число більше одного, то доцільно крім серії індивідуальних контактів з кожним застосовувати і методи групових обговорень предметної області. Такі групові методи зазвичай активізують мислення учасників дискусій і дозволяють виявляти досить нетривіальні аспекти їх знань. У свою чергу, індивідуальні методи на сьогоднішній день залишаються провідними, оскільки настільки делікатна процедура, як «відбирання знань», не терпить зайвих свідків.

Окремо слід сказати про ігри. Ігрові методи зараз широко використовуються і соціології, економіці, менеджменті, педагогіці для підготовки керівників, вчителів, лікарів та інших фахівців. Гра - це особлива форма діяльності і творчості, де людина розкріпачується і відчуває себе набагато вільніше, ніж у звичайній трудової діяльності.

висновок

В ході виконання роботи були зроблені наступні висновки:

Експертна система - це інтелектуальна програма, здатна робити логічні висновки на підставі знань у конкретній предметній області і забезпечує вирішення специфічних завдань.

До експертних систем пред'являються наступні вимоги: використання знань, пов'язаних з конкретною предметною областю; придбання знань від експерта; визначення реальної та досить складного завдання; наділення системи здатностями експерта.

Структура експертної системи представлена \u200b\u200bнаступними структурними елементами: база знань, механізм логічних висновків, призначений для користувача інтерфейс, модуль придбання знань, модуль рад і пояснень.

Області застосування систем, заснованих на знаннях, можуть бути згруповані в кілька основних класів: медична діагностика, контроль та управління, діагностика несправностей в механічних і електричних пристроях, навчання, економіка і фінанси.

Безліч підприємств встановлюють ЕС для вирішення завдань в таких областях як: торги на фондовій біржі, автоматичне розуміння новин, кредитний аналіз, управління ризиками, побудова портфелів кредитів і інвестицій, оцінка рейтингу банків, автоматизація аудиту, передбачення змін на фінансовому ринку і т.д. Були розглянуті найбільш поширені експертні системи в галузі фінансів.

Спеціальність "Інформаційні системи і технології (в економіці)"

Кваліфікація - інженер-програміст-економіст
Форма навчання - денна (бюджет / платно)

Специфіка і актуальність
В сучасних умовах зростаючого взаємодії економіки, науки і техніки особливо актуальна підготовка фахівців на базі чотирьох напрямків: інженерного, математичного, інформаційного і економічного. Освоєння інженерного і економіко-математичного профілів, розширена підготовка в області програмування та інформаційних технологій роблять такого фахівця унікальним.

Чому Ви навчитеся
Навчальний план передбачає вивчення:
1. Перспективних мов і технологій програмування: С, C ++, JAVA, C #, PHP, HTML, XML, скриптових мов, що використовуються для розробки WEB-додатків, методів і засобів конструювання програм в різних операційних системах і комп'ютерних мережах, Засобів комп'ютерної графіки та веб-дизайну.
2. Систем, технологій і стандартів для аналізу, проектування і моделювання (стандарти серії IDEF, UML, CASE-системи All Fusion Process Modeller (BpWin), All Fusion Data Modeller (ErWin), Enterprise Architect і ін.), Інтелектуальних систем, систем підтримки прийняття рішень і захисту інформації.
3. Баз даних, СУБД і мов QBE, SQL, T-SQL, технологій OLAP і Data Mining.
4. Технологій розробки систем клієнт-серверної архітектури платформи JEE: RFC, RMI, JSP, SERVLETS, CORBA, EJB, JSF, AJAX, SPRING, STRUTS і ін., А також платформи. NET: ASP.NET, ADO. NET; Web-сервісів і служб Інтернет. Концепцій і систем комплексної автоматизації і управління бізнесом, таких серій як: ERP, MRP, SCM, CRM, CALS, 1C, SAP ,.
5. Економічних дисциплін: економічної теорії, мікро- та макроекономіки, економіки підприємства та ін.
6. Економіко-математичних дисциплін.
7. Інженерних дисциплін.

Що далі?
Наші випускники підготовлені найактивнішим чином брати участь в розвитку інформаційної, соціально-економічної, інноваційної діяльності, процесів інжинірингу та реінжинірингу інформаційних і економічних систем Республіки Білорусь. На базі кафедри економічної інформатики регулярно проводяться тренінги та семінари для студентів, які влаштовують провідними IT-компаніями, з подальшим залученням студентів на стажування і роботу в компаніях по змінному графіку паралельно із заняттями у вузі.

Місця для розподілу випускників: компанії-резиденти Парку високих технологій (Sam Solutions, EPAM Systems, IBA, Itransition, Системні технології, БелХард Девелопмент і ін.), Провідні банки Білорусі, установи освіти і науково-дослідні інститути м.Мінськ, інститути та установи академії наук РБ, великі підприємства і організації м.Мінськ.

випускає кафедра - кафедра економічної інформатики.
Завідувач кафедри - кандидат технічних наук, доцент Віталій Миколайович Комличенко,
тел .: +375 17 293-84-81.