Интеллектуальные информационные системы. Дубровин А.Д. - 37 стр.

основанных на применении правил (rule based artificial intelligence). Однако позднее,
благодаря успехам в области биологии, эти исследования снова обрели популярность и
привлекли внимание широкого круга специалистов. В настоящее время нейронные сети
достаточно широко используются для решения задач прогнозирования, принятия решений
в бизнесе, распознавания речи, управление роботами, медицинской диагностики. В
частности, американское космическое агентство NASA использует нейронные сети для
управления автоматическими перехватчиками объектов, случайно попавших в рабочую
зону космического пространства, где проводятся какие-либо работы с космической
станцией. Компания General Dynamics разработала основанную на ИНС систему
опознания подводных объектов по шумам работающей двигательной установки. Этот
перечень далеко не полный, но многие ученые считают, что основные достижения в
области НС-технологий еще впереди. Главной особенностью ИИС, основанных на НС-
технологиях, является то, что они ориентированы на использование примеров
(прецедентов) или образцов приемлемого исполнения целевой функции. При
проектировании ИНС нет необходимости формализовать процесс решения задачи.
Необходимо лишь подготовить достаточно представительную выборку обучающих
примеров и провести на ее основе обучение системы.
      В истории создания и развития теории и практики ИИС был достаточно заметный
по длительности период времени, когда многие специалисты считали, что нейронные сети
и экспертные системы являются конкурирующими, а иногда и альтернативными
(взаимоисключающими), направлениями.
      Проектировщику ИИС экспертная система (ЭС) более понятна, чем нейронная сеть,
поскольку она работает на правилах, используемых и в человеческих рассуждениях.
Логика этих правил близка к житейской. Нейронная же сеть имитирует не всегда
понятные биологические процессы, происходящие в подсознании человека и могущие
показаться странными. Кроме того, проектировщик практически не может видеть, как
обучается нейронная сеть.
      По свидетельству авторов ряда научных публикаций, проектирование ЭС часто
требует многих месяцев, связанных со сбором и осмыслением необходимой информации
и переводом ее на язык правил и фактов, составлением и отладкой компьютерных
программ. При этом необходимо понять задачу и представить процесс ее решения в виде
последовательности логических операций. Правда, после того, как это сделано, ЭС может
быть создана и отлажена за несколько дней. Продолжительность обучения большинства
ИНС после того, как подготовлена необходимая обучающая выборка, по свидетельству
специалистов, может составлять от нескольких часов до нескольких дней.
      В настоящее время стала преобладать точка зрения, в соответствие с которой ЭС и
ИНС рассматриваются как два равноправных и вполне совместимых подхода со
свойственными им достоинствами и недостатками. Оба подхода в совокупности
адекватны по отношению к классам задач, для решения которых создаются ИИС.
Практически задача любого класса может быть решена либо с помощью ИНС, либо с
помощью ЭС. У проектировщика ИИС, таким образом, появилась возможность выбора,
которая одновременно возлагает на него решение комплексной задачи оптимизации:
какую категорию ИИС следует выбрать для решения конкретного класса задач? Этот
выбор зависит прежде всего от характера исходной информации, которой располагает
проектировщик. Если задача может быть решена «по правилам» и эти правила известны
или могут быть легко определены, то следует выбрать ЭС. Если правила не известны, но
есть много эмпирических сведений (примеров, прецедентов) о соотношении входных и
выходных параметров решаемой задачи, то следует выбрать ИНС. Что касается
оптимизации выбора, то решающими факторами могут оказаться и общая стоимость
проекта будущей ИИС, и время, за которое она может быть создана.


                                                                                   41