CC BY
367
УДК 004.89
Проектирование информационных систем искусственного интеллекта на предприятиях сферы сервиса
Вера Сергеевна Шлапак, доцент, каф. «Корпоративное управление и электронный бизнес», 89151442300@mail.ru
Алексей Сергеевич Гладышев, студент, каф. «Корпоративное управление и электронный бизнес», fcsm-alex@yandex.ru
ФГБОУ ВПО «Российский государственный университет туризма и сервиса», Москва
Представлены основные принципы проектирования интеллектуальных информационных систем на предприятиях сферы сервиса; показано, что особенностью этих систем является то, что они работают не только с данными, но и знаниями, т.е. с совокупностью сведений, включающей в себя информацию о свойствах объектов, закономерностях процессов и явлений, а также правилах использования этой информации для принятия решений; рассмотрены модели представления и вывода знаний; приведены примеры предметно-ориентированных интеллектуальных информационных систем предприятий сферы сервиса, которые в большинстве случаев функционируют на основе экспертных систем и систем принятия решений.
The article contains basic principles of designing artificial intelligence systems at service enterprises and shows that the systems' peculiarity is their ability to work with both data and knowledge, i.e. a scope of information including information of objects' characteristics, principles of processes and phenomena, as well as rules of using this information for decision-making. The authors research models of knowledge representation and extraction and give examples of subject-oriented intelligence information systems of service enterprises that in most cases function on the basis of expert systems and decision-making systems.
Ключевые слова: интеллектуальные информационные системы, искусственный интеллект, сфера сервиса, представление знаний.
Keywords: intelligent information systems, artificial intelligence, service sphere, knowledge representation.
В современных условиях развития экономики предприятия сферы сервиса различного масштаба сталкиваются с проблемой динамичного изменения факторов как внешней (спрос, предложение, рыночная активность, движение капитала и т.д.), так и внутренней среды (персонал, организация управления, маркетинг и проч.). Таким образом, процесс принятия эффективных и оперативных управленческих решений (особенно на крупных предприятиях) становится все более затратной, трудоемкой и растянутой во времени операцией, что, в свою очередь, сказывается на уровне обслуживания потребителей. Современные информационные технологии частично оптимизируют деятельность персонала, обеспечивая автоматизацию таких функций, как документооборот, бухгалтерский и статистический учет, отчетность, связь и коммуникации. Но, тем не менее, по отношению к процессу управления данные функции являются вспомогательными, работающими со строго формализованной и структурированной информацией, лишь косвенно влияя на операционную деятельность организации, поэтому требуется разработка и внедрение на предприятиях сферы сервиса информационных систем совершенно иного толка, принцип работы которых коренным образом отличается от традиционных. Выходом из данной си-
туации могут стать информационные системы искусственного интеллекта.
Искусственный интеллект - свойство интеллектуальных систем выполнять функции, которые традиционно считаются прерогативой человека: целенаправленное, опосредованное и обобщенное познание, активное отражение объективной реальности, логическое и творческое мышление. При этом интеллектуальная система (система искусственного интеллекта) - это техническая или программная система, способная решать задачи, обычно считающиеся творческими, принадлежащие к конкретной предметной области, знания о которой хранятся в памяти такой системы [2]. Одной из разновидностей интеллектуальных систем являются интеллектуальные информационные системы (ИИС). Основная задача ИИС - осуществление поддержки деятельности человека, основанное на методах и моделях искусственного интеллекта с использованием комплекса программных, логико-математических и лингвистических средств.
Изучение и разработка систем искусственного интеллекта базируется на таких основных принципах, как представление слабоформализо-ванных представлений о внешней среде в виде последовательности символов (символьный подход),
использование логических моделей баз знаний, построенных на языке предикатов и содержащих наборы фактов и правил логического вывода (логический подход), а также использование в качестве основной единицы функционирования системы так называемого агента, воспринимающего внешнюю среду с помощью датчиков и воздействующего на нее с помощью исполнительного механизма (агентно-ориентированный подход). Кроме того, при этом учитывается взаимодействие различных моделей искусственного интеллекта, в основном искусственных нейронных сетей и символьных моделей (гибридный подход).
В результате комбинации приведенных выше подходов формируются следующие направления разработки систем искусственного интеллекта, практически применимые на предприятиях:
• Символьное моделирование мыслительных процессов - решение интеллектуальной системой заранее формализованной задачи, алгоритм решения которой отсутствует (сложен, трудоемок). К этому направлению относятся такие функциональные возможности систем искусственного интеллекта, как прогнозирование, принятие решений и теория игр, доказательство теорем, планирование и диспетчеризация.
• Обработка естественного языка - возможность интеллектуальной системы понимать, обрабатывать и создавать тексты на естественном («человеческом») языке, приобретая знания путем обработки вводимых в систему данных. Одной из реализаций данной модели построения интеллектуальной системы, применение которой возможно в процессе деятельности предприятия, является информационный поиск в неструктурированных массивах документов.
• Представление и использование знаний (интеллектуальный анализ данных) - извлечение знаний из массивов информации, их систематизация и использование. Это направление связано с разработкой экспертных систем -программ, использующих специализированные базы знаний для получения достоверных решений по какой-либо проблеме.
• Машинное обучение - процесс самостоятельного получения знаний системой искусственного интеллекта в процессе ее работы, создание методов построения алгоритмов, способных обучаться. Основное практическое при-
менение находят технологии, объединенные общим понятием «распознавание образов».
• Биологическое моделирование искусственного интеллекта - создание моделей искусственного интеллекта, функционально повторяющих биологические системы. Сюда можно отнести такие технологии, как нейронные сети, генетический и агентный подходы к моделированию и разработке интеллектуальных систем.
Основной проблемой при проектировании и разработке интеллектуальных информационных систем является формирование информационного обеспечения. В отличие от классических информационных систем, работающих со структурированной и формализованной информацией, применение баз данных, а тем более реляционных, в их традиционном понимании неприемлемо, так как ИИС работают не только с данными, но и знаниями (в большей степени), т.е. с совокупностью сведений (у индивидуума, общества или у системы искусственного интеллекта) о мире (конкретной предметной области, совокупности объектов или объекта), включающих в себя информацию о свойствах объектов, закономерностях процессов и явлений, а также правилах использования этой информации для принятия решений [1]. Данными в случае предприятий сферы сервиса являются сведения о клиентах, поставщиках, товарах, услугах, реквизиты и содержание различных документов, отчетность и прочее. К знаниям же относятся индивидуальные или коллективные предпочтения клиентов, объем предоставляемых услуг в зависимости от времени года, географического фактора и другие, в том числе более сложные, семантические конструкции.
Знания, так же как и данные, необходимо упорядочить в определенную организованную структуру - базу знаний (БЗ). Соответственно, требуется инструментальное средство для работы с БЗ - система управления базами знаний (СУБЗ). В свою очередь, отказываться от традиционных баз данных и СУБД при проектировании ИИС нельзя, так как данные, пусть и в меньшей степени чем знания, участвуют в функционировании ИИС. Поэтому важнейшей задачей проектировщиков ИИС является интеграция разрабатываемых БЗ и СУБЗ с уже существующими на предприятиях базами данных, реализация обмена информацией между ИИС и традиционными информационными системами.
Помимо хранения знаний требуется решить такие проблемы, как представление знаний и вывод решений на их основе. Для представления знаний в интеллектуальных информационных системах применимы следующие модели:
• Фреймы - это минимальные структуры информации, необходимые для представления класса объектов, явлений или процессов [1]. Другими словами, это совокупность массивов данных и процедур, ставящих каждый конкретный фрейм в соответствие с определенными событиями, явлениями, и определяющими схему работы с фреймом (запись, удаление и т.д.). Использовать их целесообразно для описания стереотипных объектов, событий и явлений.
• Семантические сети - совокупность объектов и связей между ними, таких как лингвистические, атрибутивные, глагольные, логические, квантифицированные и теоретико-множественные.
• Продукционные системы - набор условий вида «объект-действие», где «объектом» является определенная база данных, содержимое которой - факты о некоторой предметной области, а «действие» - это процедуры для интерпретации и изменения данных фактов. Таким образом, знание в данной системе - продукт обработки «объекта» (факта) определенным «действием» (процедурой).
• Системы, основанные на исчислении предикатов - модель представления знаний, в которой факты предметной области описываются в виде формул логики предикатов и добавляются в систему в виде аксиом.
• Системы на нечетких множествах - представление нечетких, субъективных человеческих знаний в виде множеств.
• Искусственные нейронные сети - логико-математические модели, а также их программные и аппаратные реализации, построенные по принципу биологических нейронных сетей. Эта модель позволяет осуществлять представление знаний, основанное на массированной параллельной обработке, быстром поиске больших объемов информации и способности распознавать образцы, имеющие исторические прецеденты.
В зависимости от используемой системы представления знаний используются такие модели вывода знаний и решений ИИС:
• Вывод на основе прямой и обратной цепочек -применяется в продукционных системах пред-
ставления знаний. Вывод решений происходит при сопоставлении фактов БД и условий, включенных в правила БЗ. Для поиска решений используются метод перебора, эвристический метод, метод редукции, метод порождения и проверки и метод последовательного уточнения сверху.
• Вывод на фреймах происходит путем обращения к слотам данных присоединенных к фрейму процедур и дальнейшего сопоставления извлеченных данных с определенными условиями (правилами).
• Вывод в семантических сетях осуществляется путем построения подсети, соответствующей запросу.
• Дедуктивные методы поиска решений, основанные на применении логики предикатов. Знания извлекаются путем сопоставления и изменения исходных аксиом, хранящихся в БЗ.
• Вывод на искусственных нейронных сетях (ИНС); реализуется в процессе обучения ИНС, т.е. подбором определенных значений весов (коэффициентов) элементов ИНС. Выбор той или иной системы представления
и вывода знаний зависит от типа и целей проектируемой интеллектуальной информационной системы. Для ИИС предприятий сферы сервиса наиболее приемлемы продукционные системы, системы нечетких множеств и системы на искусственных нейронных сетях, ввиду их наибольшей приспособленности к решению слабоформализован-ных и неструктурированных задач, таких как прогнозирование, принятие решений, планирование, выявление зависимостей и т.д.
Технологическое обеспечение ИИС основывается на операциях ввода/вывода и обработки информации. Работа с данными ведется по стандартным схемам, применяемым для традиционных информационных систем, представление и вывод знаний были рассмотрены выше. Особое внимание стоит уделить задаче ввода знаний в систему. Данный процесс подразумевает наличие эксперта - человека, обладающего знаниями о предметной области. В роли эксперта может выступать как сотрудник компании, например руководитель или менеджер высшего звена, так и представитель сторонней организации, проводящей анализ деятельности предприятия. С помощью инженера по знаниям знания вводятся в базу знаний; в дальнейшем, в процессе функционирования на их основе, система вырабатывает решения и в совокупности с новыми фактами сама генерирует знания.
Практическое применение искусственных нейронных сетей на предприятиях сферы сервиса
Задача ИИС Практические реализации
Интерпретация данных Представление слабоформализованных и неструктурированных данных в виде удобной для человеческого восприятия интерпретации (формирование четких алгоритмов, составление различной отчетности), определение их смысла, выявление зависимостей
Диагностика Выявление слабых мест в отдельных услугах или комплексе услуг, в деятельности компании в целом, отделов и подразделений, конкурентов, поставщиков и т.д. на основании различных показателей и факторов
Мониторинг Наблюдение за функционированием компании путем непрерывной интерпретации данных в реальном масштабе времени и сигнализация о выходе тех или иных показателей за допустимые пределы
Проектирование Создание новых услуг или изменение существующих под влиянием различных субъективных факторов, автоматизация логистики предприятия
Прогнозирование Прогнозирование поведения рынка, деятельности компании в зависимости от объективных и субъективных факторов
Планирование Планирование оперативной, финансовой и инвестиционной деятельности
Управление Управление предприятием в целом, маркетингом, кадрами и т.д., управление рисками
Поддержка принятия решений Поддержка принятия управленческих решений на основе прецедентов и формирование новых знаний
Минимальный набор программного обеспечения ИИС представляет собой СУБД и СУБЗ, обрабатывающие запросы соответственно к базам данных и знаний, серверные приложения, поддерживающие бизнес-логику системы, и клиентские приложения, предоставляющие пользователю дружественный интерфейс и средства формирования запросов к системе. Пользователь взаимодействует с системой на естественном («человеческом») языке, для обращения клиентских приложений к данным и знаниям используются языки соответствующих СУБД и СУБЗ.
Кадровое обеспечение составляют эксперты, инженер по знаниям (специалист, работающий с базой знаний системы), администраторы и пользователи интеллектуальной информационной системы.
Для эффективного функционирования интеллектуальной информационной системы требуется наличие высокопроизводительного сервера, так как обработка знаний подразумевает большое число математических вычислений (особенно для искусственных нейронных сетей). В свою очередь, клиентские компьютеры не выдвигают высоких требований к производительности, ввиду отсутствия выполнения ими каких бы то ни было сложных вычислительных процессов.
Отличие ИИС предприятий сферы сервиса от других подобных систем обусловлено особенностями услуги как экономической категории, а именно индивидуальным характером потребления, неразрывностью производства и потребления и нестабильностью качества, при оценке которого надо учитывать не только результат, но и процесс оказания услуги.
Поэтому при проектировании рассматриваемых ИИС особое внимание стоит уделять разработке базы знаний и созданию алгоритмов дальнейшего обучения системы, так как основными задачами проектируемых ИИС будет нахождение зависимостей между различными факторами среды и формирование на их основе решений поставленных задач, таких как оценка и корректировка качества и параметров различных услуг.
Внедрение интеллектуальных информационных систем на предприятиях сферы сервиса позволяет решать большое число слабоформализованных и неструктурированных задач, не имеющих четкого алгоритма решения, формирующихся в условиях неопределенности их показателей и факторов. В приведенной таблице представлены задачи, решаемые ИИС, а также их практические реализации.
Рассмотрим примеры предметно-ориентированных ИИС предприятий сферы сервиса. Стоит отметить, что в большинстве случаев данные системы функционируют на основе экспертных систем и систем принятия решений.
Системы управления маркетингом позволяют компании разрабатывать новые или изменять существующие услуги, формировать ценовую политику, определять поведение на рынке на основе анализа субъективных факторов, таких как предпочтения потребителей (личные или групповые), местоположение, время года, активность конкурентов, условия рынка и т.д. ИИС, с учетом сформированных знаний, осуществляет поиск зависимостей между приведенными факторами и показателями конечного продукта, решая тем самым по-
ставленную задачу. Как было отмечено выше, данные функции ИИС являются определяющими при внедрении их на предприятиях сферы сервиса, поэтому разработке систем управления маркетингом стоит уделять первоочередное внимание.
Системы риск-менеджмента позволяют оценить степень риска того или иного процесса в деятельности компании, например, вывод новой услуги на рынок, инвестирование капитала, заключение договоров и т.д. Важнейшими составляющими данных систем являются мониторинг (в процессе которого система накапливает знания) и прогнозирование (вывод вероятных следствий из заданных ситуаций).
Системы поддержки принятия управленческих решений - это программный продукт, обеспечивающий сотрудника, принимающего решение, необходимой информацией и рекомендациями, которые облегчают процесс принятия решения.
Также в качестве примеров использования ИИС на предприятиях сферы сервиса можно привести управление транспортной системой организации, наем персонала, проверка надежности поставщиков, формирование портфелей ценных бумаг и т.д.
Показано, что внедрение интеллектуальных информационных систем на предприятиях сферы сервиса позволяет решать большинство проблем, недоступ-
ных информационным системам в их классическом понимании. Автоматизируются процессы, функционирование которых ранее могло протекать лишь путем приложения только человеческих усилий, что, в свою очередь, приводит к уменьшению временных, трудовых и материальных затрат. В результате увеличиваются объемы оказываемых услуг, повышается их качество и дифференциация, возрастает прибыль, усиливается лояльность потребителей по отношению к компании, появляется преимущество в конкурентной борьбе.
Таким образом, несмотря на то, что внедрение интеллектуальных информационных систем - довольно затратный и трудоемкий процесс, а кроме того, данная область недостаточно изучена, можно с уверенностью сказать, что распространение систем искусственного интеллекта открывает широкие перспективы для развития информационных технологий, используемых при автоматизации человеческой деятельности.
ЛИТЕРАТУРА
1. Абдикеев Н. М. Проектирование интеллектуальных систем в экономике: Учебник. М.: Экзамен. 2008.
2. Аверкин А. Н., Гаазе-Рапопорт М. Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту. М.: Радио и связь. 1992.
3. Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. М.: Вильямс. 2008.
4. Материалы сайта http://www.aiportal.ru/ - «Портал искусственного интеллекта» (дата обращения 24.01.2012).
Поступила 03.03.2012 г.
