ВОПРОСЫ ПРИМЕНЕНИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В НАУЧНОЙ СФЕРЕ - Студенческий научный форум

V Международная студенческая научная конференция Студенческий научный форум - 2013

ВОПРОСЫ ПРИМЕНЕНИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В НАУЧНОЙ СФЕРЕ

 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
В современном мире человек не представляет жизнь без компьютера, глобальной сети Интернет, социальных сетей и т.д. Основой всех программных продуктов, которые представлены на компьютере, является строгая упорядоченность и иерархичность, т.е. все подчинено принципу системности. Принцип системности в компьютере воплощен в виде информационной системы.

Официальное определение термина «информационная система» дано в статье 2 Федерального закона от 27.07.2006 г. № 149-ФЗ «Об информации, информационных технологиях и о защите информации», где сказано: «информационная система - совокупность содержащейся в базах данных информации и обеспечивающих ее обработку информационных технологий и технических средств». Иными словами, под информационной системой мы будем понимать совокупность данных и технических средств, способных принимать, обрабатывать, хранить и выдавать информацию пользователю в максимально короткие сроки.

Основополагающим элементом любой информационной системы являются базы данных или базы знаний. Под базой данных мы будем понимать совокупность взаимосвязанных структурированных данных. В качестве примера простейшей базы данных может выступать Microsoft Excel. В последнее время наибольшее распространение получили реляционные базы данных. Реляционная база данных представляется пользователю как совокупность таблиц. Под базой знаний мы подразумеваем форму представления информации в экспертных системах, относящихся к классу систем искусственного интеллекта.

Среди основных требований, предъявляемых к информационным системам, следует отметить:

1. Эффективность информационной системы - определяется сопоставлением всех связанных с рассматриваемыми мероприятиями затрат и получаемых при этом результатов.

2. Качество функционирования информационной системы - степень приспособленности системы к выполнению заданных функций.

Среди основных свойств, определяющих качество функционирования информационной системы, выделяют:

- адекватность функционирования информационной системы;

- наличие технических возможностей информационной системы к взаимодействию, совершенствованию и развитию;

- надежность и своевременность представления информации и выполнения функциональных технологических операций.

- полнота, безошибочность, актуальность и конфиденциальность представляемой информации.

3. Надежность информационной системы определяется надежностью технических средств ее оснащения и ошибками исполнителей.

4. Безопасность информационной системы предполагает такое ее функционирование, при котором обеспечивается:

- защита информации, циркулирующей в этой системе;

- защита пользователей информационной системы от вредного воздействия как информации, циркулирующей в этой системе, так и объектов самой системы;

- защита информационной системы и ее объектов от несанкционированного изменения ее заданных параметров и режима эксплуатации.

После рассмотрения понятия «информационная система» в широком смысле, сузим спектр рассматриваемых вопросов и заострим внимание на вопросах применения информационной системы в научной сфере.

Основной целью создания и внедрения информационных систем в научной сфере является повышение уровня интеллектуальной информационной поддержки современного специалиста.

К информационным системам применяемых в научной сфере можно отнести системы искусственного интеллекта. В понятие "искусственный интеллект" вкладывается различный смысл – от признания интеллекта у ЭВМ, решающих логические или даже любые вычислительные задачи, до отнесения к интеллектуальным лишь тех систем, которые решают весь комплекс задач, осуществляемых человеком, или еще более широкую их совокупность

Как отмечалось, в исследованиях по искусственному интеллекту ученые отвлекаются от сходства процессов, происходящих в технической системе или в реализуемых ею программах, с мышлением человека. Если система решает задачи, которые человек обычно решает посредством своего интеллекта, то мы имеем дело с системой искусственного интеллекта.

История искусственного интеллекта как нового научного направления начинается в середине XX века. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений — теории алгоритмов — и были созданы первые компьютеры.

Коммерческий рынок продуктов искусственного интеллекта в мире в 1993 году оценивался примерно в 0,9 млрд. долларов; из них 600 млн. приходится на долю США. Выделяют несколько основных направлений этого рынка:

1. Экспертные системы. Теперь их часто обозначают еще одним термином – «системы, основанные на знаниях».

2. Нейронные сети.

3. Естественно-языковые системы.

В США в 1993 году рынок между этими направлениями распределялся так: экспертные системы – 62%, нейронные сети – 26%, естественно-языковые системы – 12%.

Экспертная система - компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные экспертные системы начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.

Классы задач, решаемых экспертными системами реального времени, таковы: мониторинг в реальном масштабе времени, системы управления верхнего уровня, системы обнаружения неисправностей, диагностика, составление расписаний, планирование, оптимизация, системы-советчики оператора, системы проектирования.

Нейроподобные сети в последнее время являются одним из самых перспективных направлений в области искусственного интеллекта и постепенно входят в бытность людей в широком спектре деятельности.

Что же такое нейроподобная сеть? Это искусственный аналог биологической сети, по своим параметрам максимально приближающийся к оригиналу. Нейроподобные сети прошли длинный путь становления и развития, от полного отрицания возможности их применения до воплощения во многие сферы деятельности человека. Были предложены различные нейросетевые парадигмы, определяющие область применения.

Использование экспертных систем и нейронных сетей приносит значительный экономический эффект. Так, например:

- American Express сократила свои потери на 27 млн. долларов в год благодаря экспертной системе, определяющей целесообразность выдачи или отказа в кредите той или иной фирме;

- DEC ежегодно экономит 70 млн. долларов в год благодаря системе XCON/XSEL, которая по заказу покупателя составляет конфигурацию вычислительной системы VAX. Ее использование сократило число ошибок от 30% до 1%;

- Sira сократила затраты на строительство трубопровода в Австралии на 40 млн. долларов за счет управляющей трубопроводом экспертной системы, реализованной на базе системы G2.

Коммерческие успехи к экспертным системам и нейронным сетям пришли не сразу. На протяжении ряда лет (с 1960-х годов) успехи касались в основном исследовательских разработок, демонстрировавших пригодность систем искусственного интеллекта для практического использования. Начиная примерно с 1985 (а в массовом масштабе, вероятно, с 1988-1990 годов), в первую очередь, экспертные системы, а в последние два года и нейронные сети стали активно использоваться в реальных приложениях.

Причины, приведшие системы искусственного интеллекта к коммерческому успеху, следующие:

1. Специализация. Переход от разработки инструментальных средств общего назначения к проблемно/предметно специализированным средствам [4], что обеспечивает сокращение сроков разработки приложений, увеличивает эффективность использования инструментария, упрощает и ускоряет работу эксперта, позволяет повторно использовать информационное и программное обеспечение (объекты, классы, правила, процедуры).

2. Использование языков традиционного программирования и рабочих станций. Переход от систем, основанных на языках искусственного интеллекта (Lisp, Prolog и т.п.), к языкам традиционного программирования (С, С++ и т.п.) упростил "интегрированность" и снизил требования приложений к быстродействию и емкости памяти. Использование рабочих станций вместо ПК резко увеличило круг возможных приложений методов искусственного интеллекта.

3. Интегрированность. Разработаны инструментальные средства искусственного интеллекта, легко интегрирующиеся с другими информационными технологиями и средствами (с CASE, СУБД, контроллерами, концентраторами данных и т.п.).

4. Открытость и переносимость. Разработки ведутся с соблюдением стандартов, обеспечивающих данные характеристики .

5. Архитектура клиент/сервер. Разработка распределенной информационной системы в данной архитектуре позволяет снизить стоимость оборудования, используемого в приложении, децентрализовать приложения, повысить надежность и общую производительность, поскольку сокращается объем информации, пересылаемой между ЭВМ, и каждый модуль приложения выполняется на адекватном оборудовании.

Перечисленные причины могут рассматриваться как общие требования к инструментальным средствам создания систем искусственного интеллекта.

В последнее время наблюдается возрастание интереса к искусственному интеллекту, вызванное повышением требований к информационным системам. Умнеет программное обеспечение, умнеет бытовая техника.

Все уже, наверное, слышали об электромеханических собаках в Японии, способных узнавать хозяина в лицо, выполнять некоторые простейшие команды и имеющие некоторую способность к обучению. Слышали и про холодильники с выходом в Интернет и про внедрение Microsoft в будущие версии Windows элементов искусственного интеллекта.

В подобном развитии области искусственного интеллекта нет ничего необычного. Здесь уместно привести гипотезу о встречной эволюции человека и компьютера: человек сначала учиться видеть, ходить, разговаривать, а уже потом развивает способности к вычислениям и логическим выводам. Компьютер же наоборот, рождается как вычислительная система, базирующаяся на формальной логике, в процессе развития приобретает способности к распознаванию образов, синтезу речи и управлению в реальном времени.

В интернете повсеместно можно встретить призывы объединиться всем научным потенциалом способного думать человечества в целях очеловечивания Интернета, преобразования его в разумную систему или среду обитания разумных систем. Раз существуют подобные предпосылки, значит не что не оставит полет человеческой мысли на пути достижения поставленной цели.

Литература

1. Ефремов О. В. Информационные системы в науке, образовании и бизнесе[Электронный ресурс] : учебное пособие /О. В. Ефремов, П. С. Беляев. - Электрон. дан. - Тамбов : Изд-во Тамб. гос. техн. ун-та. 2010.

2. Тоискин В.С. Интеллектуальные информационные системы: Учебное пособие. Часть 1. – Ставрополь: Изд-во СГПИ, 2009. – 181 с.

3. www.wikipedia.org

4. Филиппович Ю.Н., Филиппович А.Ю. Системы искусственного интеллекта. — М.: МГУП, 2009.

Просмотров работы: 1651