jmenka@rambler.ru

РЕФЕРАТ ПО ТЕМЕ:

«Модель предприятия как интеллектуальная искусственная система для анализа и управления на основе знаний»

СОСТАВИТЕЛЬ: Грач Е.Г.

Основными технологиями информационного общества являются информационные технологии, которые представляют собой совокупность знаний о проведении информационных процессов, преобразующие первоначальное (исходное) знание в знание производное (вторичное). Знание здесь выступает и в роли ресурса, и в роли продукта технологического процесса.

Это вызывает необходимость постоянного обновления разноплановых знаний предприятий и организаций, как интеллектуального капитала, обеспечивающего их устойчивые стратегические позиции на рынке. Формируется новая функция управления, в задачу которой входит аккумулирование интеллектуального капитала, выявление и распространение имеющейся информации и опыта создания предпосылок для распространения и передачи знаний. [1]. Знания становятся источником высокой производительности, инноваций и конкурентных преимуществ. Возникает необходимость создания систем управления знаниями (СУЗ), которая представляет собой взаимосвязанную совокупность организационных процедур, людей и информационных технологий, обеспечивающих сбор, накопление, организацию, распространение и использование знаний для решения задач качественного информационного обеспечения выполнения деловых процессов и интерактивного взаимодействия специалистов.

Отличительной особенностью СУЗ является интеграция множества разнородных, часто территориально распределенных источников знаний для решения общих задач. СУЗ интегрируют знания, как из внутренних, так и из внешних источников.

СУЗ, в отличие от традиционных информационных систем документационного обеспечения, превращают знания в законченный продукт с высокой потребительной стоимостью, поскольку знания, в отличие информации, полученной по традиционному запросу, точно соответствует характеру решаемой задачи и могут использоваться непосредственно при выборе решения.

СУЗ создает интерактивную среду общения людей, в которой повышается способность генерации новых знаний, сразу попадающих в корпоративную память для дальнейшего использования. С помощью СУЗ любое предприятие или организация превращается в обучающуюся организацию, создающую «спираль знаний», в которой «неизвестные (неявные) знания должны быть выявлены и распространены, чтобы стать частью новой индивидуализированной базы знаний каждого работника. Спираль возобновляется каждый раз для подъема на новый уровень, расширяя базу знаний, применяемую к разным областям организаций»[1].

Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план.

Интеллектуальные задачи, которые решаются на основе СУЗ, отличаются слабой формализованностью, предполагающей нечеткость постановки целей решения задачи и описания условий решения задачи. Кроме того, уровень знаний и система критериев оценки решения у различных пользователей могут отличаться. Обычно решение интеллектуальной задачи сводится к следующим шагам типовым:

• определение целей и критериев;
• составление модели предприятия как интеллектуальной организации;
• постановка задачи и отбор релевантных задаче источников знаний;
• изучение отобранного материала (уточняющий или объясняющий диалог);
• решение задачи;
• проверка допустимости решения задачи (оценка результатов, консультация с экспертами);
• принятие решений и мониторинг их реализации;
• запоминание результатов решения задачи в корпоративной памяти.

На каждом шаге решения данные задачи могут использоваться СУЗ, работа которой сводится к итерационной серии поисков в корпоративной памяти, обеспечивающей точность достижения цели каждого этапа.

Одним из сложных этапов решения является формализация описания системы в виде интеллектуальной организации, которая определяется процессами интенсивной циркуляции и переработки знаний из разнородных и территориально распределенных источников. В силу этого, сетевые структуры наиболее эффективно описывают интеллектуальную систему. В частности, их удобно рассматривать в терминах распределенных систем искусственного интеллекта, т.е. многоагентных систем[3].

Агент представляет собой программный модуль, построенный по технологии, основанной на знаниях. Он является полезной метафорой для агентно-ориентированной системы, описывающей циркуляцию знаний внутри системы.

Невозможно дать строгое определение понятию «агент», так как формулировка этого термина определяется направлением исследований и разработок, использующих понятие «агент», поставленными перед разработчиками задачами.

В данном случае термин «агент» удобная метафора для реализации таких свойств элементов системы как:

• автономность: агенты работают без непосредственного вмешательства людей или чего-то другого, и имеют некоторый контроль над своими действиями и внутренними состояниями;
• социальная способность: агенты взаимодействуют с другими агентами (в том числе людьми) через некоторый язык коммуникации агента;
• реакционная способность: агенты реагируют на свою окружающую среду, (которая может быть физическим миром, пользователем, обществом других агентов, интернетом), и своевременно реагирует на изменения, происходящие в системе;
• превентивность: деятельность агентов направлена на достижение определенной цели в системе.

Анализ и проектирование данной обучающей системы выполнены на основе Gaia-методологии, специально созданной для реализации многоагентных систем, в которых все агенты взаимодействуют для достижения общей глобальной цели и где все элементы системы и связи между ними определены до этапа проектирования и не изменяются во время выполнения. Данная методология не используется для систем, в которых допускается возможность конфликтов между элементами системы.

Gaia-методология позволяет разработчику системы последовательно продвигаться от утвержденных описанных требований к проектированию самой системы (от абстрактных понятий к конкретным, увеличивая реализационную способность).

Gaia-методология включает в себя этапы анализа и проектирования. Основные этапы Gaia-методологии приведены на рис.1.

рис 1. Основые этапы Gaia-методологии

Анализ и проектирование могут быть представлены как процесс разработки по нарастающей детальных моделей конструируемой системы.

Главные понятия Gaia можно разделить на две категории: абстрактные и конкретные.

Абстрактные понятия используются во время концептуального анализа системы, но они не обязательно точно будут использованы в реализации системы.

Конкретные понятия , наоборот , используются в процессе проектировании, и они обычно имеют прямые дубликаты в исполняемой системе.

Так понятию «агент» на стадии проектирования соответствует понятие «роль». Понятие «роль» является основным понятием на стадии проектирования системы. Gaia-методология базируется на понятии того, что многоагентная система - вычислительная организация, основанная на взаимодействии различных ролей. Абстрактные понятия методологии и соответствующие им конкретные понятия приведены в табл.1.

Таблица 1. Абстрактные и конкретные понятия в Gaia

Задача стадии анализа - разработать понимание системы и ее структуры (т.е. определить организацию системы). Организация - определение набора ролей системы, находящихся в конкретных отношениях друг с другом и участвующих во взаимодействии. Роль определена четырьмя свойствами:

• обязанности;
• полномочия;
• активности;
• протоколы.

Обязанности определяют функциональность роли(т.е. роль создана для того, чтобы делать что-то). Обязанности делятся на два типа:

• свойства жизнеспособности;
• свойства безопасности.

Свойства жизнеспособности описывают действия, которые агент должен выполнять. Обязанности жизнеспособности конкретизируются через выражения жизнеспособности, которые и определяют жизненный цикл роли Выражения жизнеспособности описываются с помощью регулярных выражений.

Общая форма выражения жизнеспособности:
RoleName = Выражение,
где RoleName - имя роли, свойства жизнеспособности которой определяются,
Выражение – выражение жизнеспособности, определяемое свойствами жизнеспособности RoleName.
Элементарные компоненты выражения жизнеспособности - это любые активности или протоколы

Для того, чтобы выполнять обязанности, роль имеет набор полномочий. Полномочия роли связаны с ее типичным представлением и соответствующими ресурсами, которые могут использоваться при ее выполнении. Полномочия являются «привилегиями», связанными с ролью. Также полномочия устанавливают лимиты ресурсов, в пределах которых роль должна исполняться. Полномочия необходимы для того, чтобы при исполнении роли агент имел доступ к определенной информации. Некоторые роли могут генерировать информацию, другие - иметь доступ к части информации, но не изменять ее, третьи - модифицировать информацию.

Активность роли - это действия, связанные с ролью, которые могут быть выполнены ею без взаимодействия с другими ролями. Активность это «частное» действие роли.

В многоагентных системах неизбежны зависимости и взаимодействие между разными ролями. Такое взаимодействие - основной способ функционирования системы. Протокол - установленный образец взаимодействия. Один определенный протокол обычно порождает целый ряд обменов сообщениями в системе в ходе выполнения.

Схема описания протокола приведена на рис.2. Протокол определяется следующими свойствами:

• цель: краткое текстовое описание взаимодействия;
• инициатор: роль(и), отвечающая за начинание взаимодействия;
• ответчик: роль(и), с которой инициатор взаимодействует;
• входная информация: информация, используемая инициатором во время задания протокола;
• выходная информация: информация, поставляемая к ответчику или ответчиком во время взаимодействия;
• обработка: краткое текстовое описание любой обработки протокола инициатором, выполненной во время взаимодействия.

рис 2. Описание протокола

После стадии анализа должна быть полностью детально разработана модель системы, определяющая ключевые роли, их функциональное предназначение, полномочия и обязанности, а также протоколы взаимодействия и активности, которые выполняются ролью. Схема описания роли, по которой должен быть выполнен анализ, приведена на рис. 3.

рис 3. Схема роли

Цель классического процесса проектирования - преобразовать абстрактные модели, полученные на стадии анализа, в модели достаточно низкого уровня абстракции, чтобы их можно было легко реализовать. Однако не в случае агентно-ориентированного проектирования. Цель в Gaia - преобразовать модели анализа в достаточно низкий уровень абстракции, чтобы для реализации агентов было возможно применение традиционных технологий проектирования.

Процесс проектирования включает генерацию трех моделей:

• модель агента определяет агентные типы, которые будут составлять систему и экземпляры агентов, которые будут созданы от этих типов.Иногда на стадии проектирования для оптимизации проекта оказывается более рационально объединить ряд ролей в одном агентном типе.
• модель обслуживания определяет главное обслуживание, которое требуется для реализации роли агента. Обслуживание подразумевает функцию агента. Обслуживание - это простой одиночный блок активностей, в которых задействован агент. Для каждого обслуживания необходимо определить входную и выходную информацию, начальные и конечные условия. Входная и выходная информация будут получены из модели протоколов.Начальные и конечные условия будут получены из свойств безопасности роли.Определение каждой роли ассоциировано как минимум с одним обслуживанием.
• модель знакомств документирует коммуникационные связи между отдельными агентами(не определяет какие сообщения и когда будут посланы).Цель модели знакомств- идентифицировать любые потенциально узкие места взаимодействия, которые могут вызвать проблемы во время выполнения. После составления модели знакомств, может возникнуть необходимость повторного проведения стадии анализа и необходимость доработки проект системы для исключения таких проблем.

Целью магистерской работы является реализация обучающей системы, выполненной на основе применения агентно-ориентированных технологий анализа и проектирования автоматизированных систем. Структура данной системы приведена на рис.4.

рис.4. Структура МАС обучения студента по дисциплине

На стадии анализа в проектируемой обучающей системе были выделены основные роли. Каждая роль была описана согласно приведенной выше схеме: описание роли, выделение обязанностей, полномочий, активностей, протоколов взаимодействия. В результате этапа анализа были получены ролевая модель и модель взаимодействий. Затем, на этапе проектирования роли были конкретизированы в агентные типы.

Использование многоагентных обучающих систем в образовательном процессе обладает следующими преимуществами, а именно:

• повышает эффективность обучения, приближая качество обучения к уровню индивидуальных занятий с преподавателем;
• позволяет подстраиваться под индивидуальные особенности каждого студента, такие, как: начальный уровень, темп усвоения информации и обретения навыков, конечная цель обучения и т.п.
• позволяет обеспечить гибкость и комфортность обучения, лучшее восприятие учебного материала за счет использования новых информационных технологий.
• передача на любые расстояния информации любого объема, вида, хранение ее в памяти компьютера нужное количество времени и т. д.;
• создание активной оперативной обратной связи в ходе диалога с преподавателем или с другими участниками обучающего курса с помощью специальной мультимедийной технологии;
• доступ к различным источникам информации, в том числе к распределенным базам данных, телеконференциям и т. д.
• позволяет обеспечить гибкость и комфортность обучения, лучшее восприятие учебного материала за счет использования новых информационных технологий.
• систематизацию инфоресурсов, создание больших распределенных баз знаний.

Эффективность применения технологии многоагентных систем в учебных целях неоспорима. Агентно-ориентированный подход позволяет наиболее полно реализовать индивидуальный подход к ученику. Подобные агенты, находясь в разных местах сети, образуют распределенную многоагентную систему искусственного интеллекта. Коллективный интеллект такого «сообщества» программных роботов, при соблюдении определенных критериев его организации, заметно превосходит интеллектуальную мощь каждого агента и не равен простой сумме интеллектов всех агентов входящих в сообщество. Многоагентная система искусственного интеллекта - это важнейшее средство обучения в условиях информационного общества и на переходном этапе к нему.

Основные этапы Gaia-методологии:

Перечень ссылок: