Смекни!
smekni.com

Информационные системы будущего (стр. 1 из 2)

Вячеслав Гайлунь

Информационные системы не существуют сами по себе. Они призваны обслуживать человека с точки зрения предоставления различного рода данных для принятия тех или иных решений. Технологические революции второй половины двадцатого столетия породили огромное количество разнородных знаний со значительной степенью взаимовлияния. Подобное влияние стало усиливаться по мере широкого распространения коммуникационных каналов. Множественные знания стали доступны миллионам людей, меняя картину информационного пространства. Сами знания стали при этом материальной частью реального мира и обладают конкретной стоимостью, которую вполне можно выразить посредством оценки эффективности управленческих решений. Уже в настоящее время никого не удивляет тот факт, что исходные материалы не сосредоточены в одном месте, а могут принадлежать различным учреждениям, компаниям, некоммерческим структурам и пр. Поэтому информационные системы будущих поколений это территориально распределенные системы разнородных данных. У ИС такого рода имеются неоспоримые преимущества:

высокая степень надежности сохранения данных за счёт их размещения в различных географических точках;

возможность применения распределенных моделей политики безопасности, что повышает устойчивость ИС к информационным атакам;

использование механизмов репликаций позволяет синхронизировать данные, пополняемые из различных источников.

Следует подчеркнуть, что ИС такого рода нельзя воспринимать как единый программный продукт, нацеленный на выполнение ряда конкретных задач. Скорее это совокупность технологий позволяющая использовать распределенную систему управления знаниями. Как правило, такая система должна решать ряд целевых задач, совокупность которых позволяет принимать определенные решения. Основные цели и соответствующие им технологии представлены в таблице.

Цели Технологии
Сбор и хранение информации, Обмен сообщениями, Эффективное использование имеющейся информации, Борьба с “информационным хаосом” и “информационным голодом”, Повторное использование чужого опыта. Сетевые (Internet, Intranet, Extranet), Информационных систем и баз данных, Поиска, добычи, извлечения и представления знаний, Электронной почты, Управления документами, Хранилищ данных, Совместной работы и распределенного обучения, Искусственного интеллекта (базы знаний, экспертные системы, системы поддержки принятия решений).

Анализируя пункты, перечисленные в таблице можно представить себе информационную систему как технико-интеллектуальный трехслойный комплекс.

Первый слой является техническим фундаментом ИС. Его составляют мощные серверы и многократно дублируемые каналы, а также совокупность иных технических средств, посредством которых можно получать и отображать запрашиваемую информацию.

Второй слой это всякого рода программные продукты, предназначенные для поиска, получения и представления данных.

И, наконец, третий слой и есть квинтэссенция информационной системы будущего. Её, если можно так выразиться, мозг, интеллектуальный уровень. Подсистемы этого уровня призваны взаимодействовать с хранилищами данных, системами документооборота, различными сервисами и представлять конечную информацию пользователю. При этом следует учитывать ряд важных факторов. Так, например, компания Lotus Development при разработке программных продуктов отвечающих концепции управления знаниями обратила внимание на то, что технологии играют определенную роль при управлении знаниями, но сами по себе не решают проблемы, это только инструментарий для представления знаний. Управление знаниями это гораздо больше, чем просто приложения и технологии. Необходимо соотнесение стратегии управления знаниями с ключевыми аспектами стратегии деятельности в тех или иных областях. В свою очередь накопление знаний приводит к процессу интенсификации процесса генерации новых идей, которые по принципу обратной связи оказывают влияние на остальные пласты информации. Кроме прочего ясно, что управление знаниями это определенный элемент культуры и не только информационной. То есть сама информационная система должна отражать некие реальные потребности людей и их уровень адекватного восприятия полученных результатов.

Даже на первый взгляд, очевидно, что третий уровень ИС исключительно сложен и не может быть решен путем создания каких-либо однозначных алгоритмов. В целом процессы третьего уровня системы можно представить себе следующим образом: имеются искатели знания, которые связываются с источником знания, посредством различных механизмов, и, в конечном итоге, получают это знание. Искателями знаний могут выступать как человек, так и различные подсистемы, нуждающиеся в данных. Важно отметить, что роль подобной информационной системы заключается не в тривиальном подключении искателя к источнику знаний, а в создании некоего мощного механизма обработки знаний с целью оказания существенной помощи при принятии решений. Поэтому искатель знаний черпает данные из, так называемых, хранилищ знаний, которые представляют собой массивы информации самого различного назначения. Понятно, что обширный информационный поток скорее затрудняет принятие решений, нежели облегчает этот процесс. Поэтому особое место в построении третьего уровня ИС играют экспертные системы и системы поддержки принятия решений. На этом аспекте построения информационных систем будущего следует остановиться особо.

В общем случае экспертная система должна вырабатывать качественные уведомления, диагнозы и рекомендации для решения реальных проблем. Экспертные системы решают реальные проблемы, которые обычно встают перед специалистом в какой либо области. В настоящее время такие системы, а их разработано немало, помогают в решении задач достаточно подготовленному персоналу. В будущем такие системы, в результате своей эволюции, должны предоставлять сервисы, широкому кругу рядовых пользователей не требуя от него глубокой подготовки в запрашиваемой области. Заметим, что человеческие знания по своей сути многогранны и в большой степени отвечают критериям теории нечеткой логики. Как известно, классическая логика оперирует только с двумя значениями: истина и ложь. Однако этими двумя значениями довольно сложно представить (можно, но громоздко) большое количество реальных задач. Поэтому для их решения был разработан специальный математический аппарат, называемый нечеткой логикой. Основным отличием нечеткой логики от классической, как явствует из названия, является наличие не только двух классических состояний (значений), но и ряда промежуточных. Задачи, стоящие перед человеком в различных областях знаний являются по своей природе слишком сложными и многогранными для того, чтобы использовать для их решения только точные, хорошо определенные модели и алгоритмы.

Многие понятия, вследствие

- человеческого мышления;

- приближенного характера умозаключений;

- лингвистического их описания;

являются нечеткими по своей природе и требуют для своего описания соответствующего аппарата. Им и является аппарат теории нечетких множеств. В настоящее время этот математический аппарат наиболее полно отвечает основным потребностям человека при создании различных экспертных систем и систем принятия решений. На нынешнем этапе алгоритмы, основанные на этой теории, нашли наибольшее применение в таких видах человеческой деятельности:

нелинейный контроль за процессами (производство);

самообучающиеся системы (или классификаторы) , исследование рисковых и критических ситуаций;

распознавание образов;

финансовый анализ (рынки ценных бумаг);

исследование данных (корпоративные хранилища);

совершенствование стратегий управления и координации действий, например сложное промышленное производство.

Как легко заметить из анализа вышеперечисленных пунктов уже в настоящее время системы принятия решений охватывают достаточно обширные взаимопересекающиеся интеллектуальные области. Недостатки таких систем кроются, как правило, в их узкоспециализированной направленности, но при этом не стоит забывать, что это всего лишь начальный этап развития мощных инструментов обработки и представления знаний.

Здесь мы обращаемся к вопросу пополнения хранилищ знаний. Этот вопрос можно разбить на два основных направления:

непосредственно пополнение хранилищ знаний;

работа с экспертами в различных областях для создания систем принятия решений.

Рассмотрим каждое из них. В многомерной информационной системе источники для хранилищ знаний будут заполняться децентрализовано. То есть имеется масса каналов, по которым информация поступает для накопления и дальнейшей обработки. Имеется огромное количество физических мест хранения информации. Вместе с тем, широко известна проблема, возникающая при работе с большими базами данных. Это проблема пополнения БД. В том случае если БД заполняется автоматически, то данные, содержащиеся в ней, отличаются систематизированностью и полнотой. Если заполнение баз связано с “человеческим фактором”, то часто возникают проблемы связанные с несвоевременным поступлением информации или с неточностями в данных. Однако перевести поступление информации на полностью автоматический уровень в ряде отраслей не представляется возможным. Этот недостаток отчасти можно восполнить с помощью развитых механизмов репликации непротиворечивых данных. Это косвенно подтверждается тем, что различные группы людей часто работают над одними и теми же проблемами, занимаются внесением похожей информации и, при правильном алгоритмическом подходе, возможно слияние этих данных, их взаимоконтроль и взаимодополнение.

Второе направление это создание экспертных систем на основе работы со специалистами(экспертами) в конкретных сферах производства. Для формирования облика экспертной системы нужно сначала извлечь подходящее знание из человека - эксперта. Такое знание по своей природе является скорее чисто эвристическим, а не абсолютным, содержанием которого являются несомненные факты. Эксперту вообще очень трудно выразить точно, какое знание и правила, он использует для решения проблемы. Многое выполняется почти подсознательно или кажется настолько очевидным, что даже не упоминается. Особенно важна разработка первоначального прототипа, основанного на реальных знаниях почерпнутых из различных источников, а затем последовательно совершенствовать прототип, основываясь на обратной связи, как с экспертом, так и с потенциальными потребителями экспертной системы.