Теория информации и информационные системы

Анализ работы человека с документальными источниками информации показывает, что ассоциативный ряд восприятия фрагментов и документов не однороден. Ассоциативные отношения выражаются в нескольких формах, в качестве основных из которых можно отметить:

(a) сноски (переходы к ним используются с целью пояснения какого-либо термина, факта и т.д. с обязательным и скорым возвратом, т.е. без прерывания контекста восприятия основного повествования, мысли, идеи);

(b) примеры (переходы по ним используются для иллюстрации частных проявлений объектов, процессов, явлений, и также с обязательным и скорым возвратом без прерывания основного контекста);

(c) отступления, параллельные темы (переходы к ним используются для обогащения основной темы с необязательным или нескорым возвратом, что может приводить к прерыванию контекста изложения основной темы);

(d) подобие по форме и содержанию (переходы используются для более глубокого уяснения основной темы через анализ других подобных по форме, содержанию, структуре или другим критериям тем, фрагментов, объектов, в том числе для рассмотрения других точек зрения и подходов, с необязательным возвратом, что приводит к длительному прерыванию исходного контекста с возможным формированием нового контекста);

(e) особенности (переходы используются для рассмотрения отличий конкретной темы или объекта изложения от подобных по форме или содержанию объектов с обязательным возвратом без прерывания основного контекста);

(f) подобие но сущности (переходы используются для построения ассоциативного ряда подобных или однородных объектов, являющихся частными проявлениями одного общего явления процесса, объекта, возврат не обязателен, что приводит к прерыванию исходного контекста, в том числе и для формирования более общего или более широкого контекста).

Перечисленные формы ассоциативных отношений определяют необходимость дифференциации типов связей-гиперссылок в гипертекстовых базах документов. По признаку прерывания контекста материала можно выделить два типа гиперссылок:

* с прерыванием контекста, назовем их навигационными гиперссылками;

* без прерывания контекста, т.е. с обязательным возвратом, назовем их листовыми гиперссылками.

Навигационные гиперссылки формируют ассоциативные связи-отношения (с), (d) и (f) типа. Переходы по навигационным связям не имеют каких-либо пространственных и иных ограничений и призваны формировать многоплановый сю-жетно-тематический поток.

Листовые гиперссылки формируют ассоциативные связи-отношения (а), (Ь) и (е) типа. Переходы по листовым гиперссылкам ограничиваются единичной длиной к вершинам (узлам), из которых нет другого выхода. Направленность дуг-связей по листовым гиперссылкам является обратной по отношению к навигационным гиперссылкам. Это означает, что прямой переход по ним осуществляется не в конкретное место отсылаемого документа, а в целом на документ (в начало) листовой вершины, и наоборот, возврат в документ исходной вершины происходит адресно, т.е. в место расположения листовой гиперссылки.

Кроме ассоциативных отношений при восприятии документальных источников важную роль имеют и классификационные отношения фрагментов и документов в следующих основных формах:

i) «.родо-видовая» иерархия (переходы используются для углубления, детализации рассмотрения или выбора темы, фрагмента, сюжета);

ii) иерархически-логические соотношения в форме «вводный материал - основной материал - заключительный материал» (переходы используются для построения или изменения логико-тематического повествования);

ш) ролевые отношения, например такие, как «Объект-субъект-средство-место-время-участники действия» и др. (переходы используются для формирования или расчленения целостного представления сложных разноплановых явлений, процессов, событий).

Реализация дифференцированного подхода к образованию и использованию гиперссылок в открытых децентрализованно развивающихся системах является непростой проблемой, так как требует переработки и усложнения протоколов передачи и использования гипертекста, т.е. массового принятия в сети новых и более сложных правил всеми пользователями и разработчиками информационных узлов распределенной гипертекстовой информационной инфраструктуры.

Поэтому подходы, связанные с дифференциацией характера гиперссылок, нашли свое воплощение в первую очередь в закрытых (локальных) гипертекстовых ИПС. В качестве примера развитых в этом смысле гипертекстовых систем можно привести информационно-справочные системы помощи в среде ОС MS Windows.

Модель организации данных в гипертекстовых справочных системах Microsoft Windows основана на сочетании дифференциации ассоциативных гиперссылок и иерархического принципа организации фрагментов и документов.

Контроль целостности ссылок возможен на основе создания и ведения единого централизованного реестра гиперссылок, как это и осуществляется в замкнутых гипертекстовых базах.

Как и в моделях организации фактографических данных, в модели организации гипертекстовых данных важное значение имеет целостная составляющая. Применительно к гипертекстовым данным целостность и согласованность данных означает, прежде всего, целостность ссылок и выражается следующим принципом - «для каждой гиперссылки должен существовать адресат».

В открытых распределенных гипертекстовых системах реализация принципа целостности ссылок встречает существенные трудности, так как децентрализованный принцип функционирования таких систем затрудняет создание и ведение единого реестра гиперссылок. В случае распределенной гипертекстовой среды за информацию на любом узле отвечает отдельный независимый пользователь, вольный по своему усмотрению добавлять или удалять гипертекстовые страницы (документы). Ввиду отсутствия централизованного реестра и однонаправлен - ного характера гиперссылок, при удалении какой-либо гипертекстовой страницы пользователь не может знать, имеются ли в других документах гиперссылки на удаляемую страницу. В таких ситуациях гиперссылки из других страниц, отсылающие на удаляемые страницы, оказываются оборванными.

Еще более сложной проблемой является обеспечение согласованности данных. Применительно к гипертекстовым системам согласованность данных заключается в поддержании адекватности семантики гиперссылок. Говоря иначе, должна обеспечиваться устойчивость смысловых ассоциаций по гиперссылкам. Однако если изменить содержание того документа, на который отсылает гиперссылка из другого документа, то смысловая ассоциация, закладываемая в гиперссылку, может нарушиться, и в отсылаемом документе речь может пойти на совершенно другую тему.

Тривиальное решение проблемы согласованности гипертекстовых данных заключается в запрете изменения содержания документов, после внесения их в гипертекстовую базу. Такой подход применяется в некоторых системах на основе замкнутых гипертекстовых баз документов.

В открытых системах с децентрализованным характером функционирования такой подход неприемлем. Вместе с тем одним из возможных направлений решения этой проблемы является практикуемая в среде WWW идеология «публикации». Среда WWW в этом смысле трактуется как гигантское электронное апериодическое издание, на страницах которого каждый желающий может «опубликовать» свои документы. Проблема согласованности данных по гиперссылкам может решаться в такой идеологии через введение в гиперссылки темпоральных параметров существования и соответствующих временных ограничений на содержательную изменчивость гипертекстовых публикаций. Иначе говоря, могут быть определены «времена жизни» гиперссылок, в течение которых гипертекстовые публикации не могут быть изменены.

2.11 Формирование связей документов в гипертекстовых ИПС

Еще одним важным элементом в структуре гипертекстовых ИПС является подсистема формирования связей документов. Как и в случае систем на основе индексирования документов, существует два подхода к формированию связей документов в гипертекстовых ИПС - ручной и автоматизированный.

В первом подходе смысловые связи содержания документа с другими документами системы определяются самим пользователем (автором документа, администратором и т.п.). Такой подход имеет свои преимущества, так как пользователь устанавливает смысловые ассоциации нового документа с другими документами базы на основе многоаспектного многокритериального анализа содержания документа, что не может быть в полной мере воспроизведено никакими автоматизированными формальными или эвристическими алгоритмами.

Вместе с тем у ручного подхода имеется и ряд существенных недостатков. Человеческие возможности по скорости и объему смыслового анализа текстовых документов ограничены и не могут во многих случаях обеспечить приемлемые временные или организационные расходы на обработку и установление связей при больших потоках поступления документов в систему. В качестве примера можно привести гипертекстовую систему, агрегирующую в реальном масштабе времени поток новых сообщений информационных агентств и другие тому подобные ситуации.

Однако даже если временных или иных ограничений на ввод документов в гипертекстовую ИПС нет, то другой проблемой является ограниченность человеческой памяти пользователя (администратора) по содержанию введенных ранее в систему документов. Иначе говоря, пользователь, устанавливая гипертекстовые ассоциации нового документа, помимо смыслового содержания вводимого документа, одновременно должен представлять и помнить смысловое содержание всех других ранее введенных в систему документов, что, конечно же, без дополнительных классификационных или иных приемов в большинстве случаев нереально.

Кроме того, ручной подход, как и в случае индексирования документов, требует определенной квалификации пользователя-анализатора в соответствующей предметной области ИПС, что приводит к дополнительным проблемам.

Тем не менее в некоторых областях ручной способ установления гиперссылок сохраняет свое значение или является единственно возможным. Это, прежде всего, касается среды WWW в сети Интернет. Гипертекстовые ссылки публикуемых на Web-узлах документов на другие документы Сети пользователи определяют сами²⁹, исходя из собственных представлений об ассоциации своей страницы с другими публикациями и узлами WWW. Вместе с тем такой подход не может по-настоящему полно и адекватно ассоциировать содержание публикуемой страницы с ресурсами Сети, так как ни один пользователь или Web-мастер, конечно же, не может знать и представлять всех ресурсов Сети. Отчасти эта проблема решается через так называемые поисковые машины, размещающиеся на известных всем пользователям узлах WWW и представляющие собой, как правило, сочетание информационно-поисковых классификационных каталогов и полнотекстовых ИПС, индексирующих все публикации в WWW. В этом случае гипертекстовые ассоциативные цепочки образуются через отсылку на узел поисковой машины, а от него к релевантным документам, располагающимся на других узлах сети.

Автоматизированный подход к формированию и установлению гипертекстовых связей применяется в развитых замкнутых гипертекстовых ИПС. В основе автоматизации формирования гиперссылок лежит использование принципов поиска релевантных по смыслу документов, применяемых в системах на основе индексирования.

На практике применяются две основные технологии автоматизированного установления ассоциативных гипертекстовых связей:

* технология поисковых образов документов на основе техники ключевых слов (терминов);

* технология полнотекстового индексирования и поиска. Использование технологии ключевых слов имеет несколько разновидностей. Один из вариантов предусматривает предварительное создание для предметной области гипертекстовой ИПС взвешенного словаря ключевых терминов. При вводе нового документа в системе производится его индексирование по словарю ключевых терминов и формируется ПОД. В простейшем случае в качестве ПОД используется суммарный вес терминов, присутствующих в тексте документа. Далее поисковый образ нового документа сравнивается с поисковыми образами ранее введенных документов и при превышении определенного порога «сходства» устанавливаются гипертекстовые связи с соответствующими документами.

В другом варианте используется предварительно созданная классификационная рубрикация предметной области. С каждой рубрикой связывается опять-таки предварительно созданный набор ключевых терминов или их сочетаний. На основе входного индексирования производится соотнесение вводимого документа с той или иной рубрикой и на этой основе устанавливаются гипертекстовые связи с соответствующей группой документов.

Полнотекстовые технологии по сути аналогичны технике ключевых слов с учетом только более широкого текстового базиса индексирования и использования тех или иных критериев установления близости поисковых образов документов. В некоторых системах практикуются полуавтоматизированные технологии на основе полнотекстового поиска. В таких системах пользователь-анализатор выделяет из текста документа наиболее характерные по его содержанию фрагменты, которые

используются в качестве запроса-образца для формирования ПОЗ и полнотекстового поиска релевантных документов, с которыми и устанавливаются гипертекстовые связи.

Иногда применяются и более тонкие полуавтоматизированные подходы. Пользователь, анализируя содержание вводимого документа, может через технику ключевых терминов, или через классификационную рубрикацию, или через возможности полнотекстового поиска выбрать группу предварительно сходных (ассоциированных) по смыслу документов. Далее просматривая документы этой группы, он отмечает действительно релевантные из них, определяя и устанавливая тем самым соответствующие связи (гиперссылки) вводимого документа.

Таким образом, в технологиях автоматизированного формирования гипертекстовых связен документов сливаются все подходы, наработанные в сфере документальных информационных систем для формализации смыслового содержания текстовых документов.

3. Системы поддержки принятия решений

Системы поддержки принятия решений (DSS) - это компьютерные системы, почти всегда интерактивные, разработанные, чтобы помочь менеджеру (или руководителю) в принятии решений. DSS включают и данные, и модели, чтобы помочь принимающему решения решить проблемы, особенно те, которые плохо формализованы. Данные часто извлекаются из системы диалоговой обработки запросов или базы данных. Модель может быть простой типа «доходы и убытки», чтобы вычислить прибыль при некоторых предположениях, или комплексной типа оптимизационной модели для расчета загрузки для каждой машины в цехе. DSS и многие из систем, обсуждаемых в следующих разделах, не всегда оправдываются традиционным подходом стоимость - прибыль; для этих систем многие из выгод неосязаемы, типа более глубокого принятия решения и лучшего понимания данных.

Система поддержки принятия решений требует трех первичных компонентов: модели управления, управления данными для сбора и ручной обработки данных и управления диалогом для облегчения доступа пользователя к DSS. Пользователь взаимодействует с DSS через пользовательский интерфейс, выбирая частную модель и набор данных, которые нужно использовать, а затем DSS представляют результаты пользователю через тот же самый пользовательский интерфейс. Модель управления и управление данными в значительной степени действуют незаметно и варьируются от относительно простой типовой модели в электронной таблице до сложной комплексной модели планирования, основанной на математическом программировании.

Чрезвычайно популярный тип DSS - в виде генератора финансового отчета. С помощью электронной таблицы типа Lotus 1-2-3 или Microsoft Excel создаются модели, чтобы прогнозировать различные элементы организации или финансового состояния. В качестве данных используются предыдущие финансовые отчеты организации. Начальная модель включает различные предположения относительно будущих трендов в категориях расхода и дохода. После рассмотрения результатов базовой модели менеджер проводит ряд исследований типа «что, если», изменяя одно или большее количество предположений, чтобы определить их влияние на исходное состояние. Например, менеджер мог бы зондировать влияние на рентабельность, если бы продажа нового изделия росла на 10% ежегодно. Или менеджер мог бы исследовать влияние большего, чем ожидаемое, увеличения цены сырья, например 7% вместо 4% ежегодно. Этот тип генератора финансового отчета - простые, но мощные DSS для руководства принятием финансовых решений.

Пример DSS по приведению транзакций данных - система определения размеров ассигнований на полицейские выезды, используемая городами Калифорнии. Эта система позволяет офицеру полиции увидеть карту и выводит данные географической зоны, показывает полиции звонки вызовов, типы вызовов и время вызовов. Интерактивная способность графики системы разрешает офицеру манипулировать картой, зоной и данными, чтобы быстро и легко предположить вариации альтернатив полицейских выездов.

Другой пример DSS - интерактивная система для планирования объема и производства в большой бумажной компании. Эта система использует детальные предыдущие данные, прогнозирующие и планирующие модели, чтобы проиграть на компьютере общие показатели компании при различных плановых предположениях. Большинство нефтяных компаний развивают DSS, чтобы поддержать принятие решения капиталовложений. Эта система включает различные финансовые условия и модели для создания будущих планов, которые могут быть представлены в табличной или графической форме.

Все приведенные примеры DSS названы специфическими DSS. Они - фактические приложения, которые помогают в процессе принятия решения. Напротив, генератор системы поддержки принятия решений - это система, которая обеспечивает набор возможностей быстро и легко строить специфические DSS. Генератор DSS - пакет программ, разработанный для выполнения на частично компьютерной основе. В нашем примере финансового отчета Microsoft Excel или Lotus 1-2-3 могут рассматриваться как генераторы DSS, в то время как модели для проектирования финансовых отчетов для частного отделения компании на базе Excel или Lotus 1-2-3 - это специфические DSS.

4. Исполнительные информационные системы

Исполнительные информационные системы (Executive Support System - ESS) появились в 80-х годах. Ключевая концепция исполнительной информационной системы состоит в том, что такая система поставляет интерактивную совокупность текущей информации относительно конъюнктур рынка, формирует легкий доступ для старших руководителей и других менеджеров без помощи посредников. ESS использует современную графику, связь и методы хранения данных, обеспечивая исполнителям легкий интерактивный доступ к текущей информации относительно состояния организации.

Первоначально большинство ESS создавалось только для самих высших руководителей в фирме, но сейчас круг пользователей в большинстве компаний расширен, чтобы охватить все уровни управления. ESS использует данные, которые были отфильтрованы и обличены в итоге в форму, полезную для руководителей организации. Кроме того, много эффективных ESS включают качественные данные типа информации о конкурентоспособности, оценки и прогнозы.

Например, Comshare's Commander Decision является клиент-сервером и программой на базе intranet (локальная сеть, взаимодействующая с Internet), способствует быстрому широкому применению ориентированных на покупателей приложений типа поддержки принятия решения, таких, как анализ выполнения, исполнительные информационные системы и управление сообщениями. Commander Decision допускает, чтобы деловые пользователи получали информацию в любом виде, включая карты, диаграммы, вставки, запросы, вычисления и даже персональные напоминания об условиях предусмотренных встреч. Этот универсальный инструмент может использоваться, чтобы строить традиционные ESS-приложения для исполнителей, как описано выше, или систем поддержки принятия решений для менеджеров на различных уровнях бизнеса. Commander Decision предоставляет для продажи большое количество легких в использовании и просто интерпретируемых изображений для предоставления ключевой информации менеджерам. Кроме того, он обеспечивает выборочный контроль, интеллектуальную углубленную способность распознавать необходимую детальную информацию, демонстрацию десяти лучших или худших показателей, внимание к важным предметам новостей и экранное определение тенденций, отношений и новые версии данных.

Возможно, самая ранняя ESS, описанная в печати, - управление информацией и поддержка принятия решения (MIDS) системы в Lockheed-Georgia Company. Спонсором для MIDS были президент Lockheed-Georgia и специальный штаб, сообщавший вице-президенту финансовое развитие системы. Для развития MIDS был использован эволюционный подход с ограниченным числом показов, разработанных первоначально для ограниченного числа руководителей. Например, дисплей мог показывать предполагаемым клиентам типы самолетов или графически описывать прогноз и фактическую продажу в течение прошлого года.

Начальная версия MIDS в 1979 г. имела только 31 дисплей. К 1985 г. было поставлено 710 дисплеев, система использовалась 30 старшими исполнителями и 40 работающими менеджерами. Успех MIDS зависел от многих особенностей, но, возможно, наиболее важным было то, что система выдавала ту информацию (основанную на количественных и качественных данных), в которой нуждались старшие руководители и их компании, чтобы достичь успеха.

В Великобритании фирма «Transco» использовала Commander Decision для создания ESS для 150 человек, от директора компании до финансовых аналитиков и менеджеров первого уровня. ESS включали информацию о расходах, данные о системах поставок и кредиторах. Пользователи имели свободный доступ к информации и могли углубляться вплоть до уровня детализации, в которой они нуждались; они могли также рассматривать многократные перспективы и ставить вопросы типа «что, если», «как изменится себестоимость, если наша критическая рабочая нагрузка повысится на 5%?». «Commander Decision помогает нам принимать лучшие решения», - говорит Colin Jonson, менеджер District Operation, Transco.

5. Переработка руды данных

Ранее идея «складирования» данных - идея выбора данных компании из операционных систем и помещения их в отдельной базе данных представлялась так, чтобы пользователи могли иметь доступ к ним и анализировать данные без опасности для операционных систем. Аргументом было то, что создание и обслуживание базы данных является операционной системой, поэтому база данных поддерживает всю организацию, создавая данные, доступные каждому, в то время как анализ данных выполняется для отдельного менеджера или маленькой группы менеджеров, и, следовательно, это система поддержки управления. Сейчас анализ данных производится в базе, потому что системы поддержки принятия решений, описанные в предыдущем разделе, часто извлекают данные, в которых они нуждаются, непосредственно из баз данных организаций.

«Добыча данных» (Data Mining) использует ряд технологий (типа деревьев решений и нейронных сетей), чтобы искать или «добывать» маленькие «самородки» информации из крупных объемов данных, запасенных в базе данных организации. Добыча данных, которая иногда рассматривается как вспомогательный аппарат систем поддержки принятия решений, является особенно полезной, когда организация имеет большие объемы данных в базе. Понятие «добыча данных» не ново, хотя название стало популярным только в конце 1990 г. По крайней мере в течение двух десятилетий много больших организаций использовали внутренних или Внешних аналитиков, часто называемых специалистами управления, пробуя распознавать тренды или создавать модели в больших массивах данных, используя методы статистики, математики и искусственного интеллекта. С развитием крупномасштабных баз данных и недорогих мощных процессоров возобновился интерес к тому, что названо в последние годы «добычей данных».

Наряду с возобновлением интереса появился ряд высокопроизводительных и относительно легких в использовании пакетов программ, добывающих коммерческие данные.

Робототехника в большей степени относится к промышленности. Исследование систем ощущения направлено на создание машин, обладающих визуальными и слуховыми способностями, которые воздействуют на их физическое поведение. Другими словами, это исследование нацелено на создание роботов, которые могут «видеть» или «слышать» и реагировать соответственно тому, что они видят или слышат.

Заключительные две ветви AI наиболее пригодны для поддержки управления. Экспертные системы - это системы, которые используют логику принятия решения человеческого эксперта. Самая новая отрасль AI - нейронные сети, которые устроены по аналогии с тем, как работает человеческая нервная система, но фактически используют статистический анализ, чтобы распознать модели из большого количества информации посредством адаптивного изучения.

6. Искусственный интеллект

Идея искусственного интеллекта (AI), т.е. изучение того, как компьютеры могут «думать», имеет приблизительно 30-летний возраст, но только недавно появились достаточно мощные компьютеры, чтобы делать коммерчески привлекательными А1-приложения. AI-исследования развились в пять отдельных, но связанных областей: естественные языки, робототехника, системы ощущения (системы зрения и слуха), экспертные системы и нейронные сети.

6.1 Экспертные системы

Как применяет логику эксперта компьютерная система? Чтобы спроектировать экспертную систему, специалист, называемый инженером знания (специально подготовленный системный аналитик), очень тесно работает с одним или большим количеством экспертов в изучаемой области. Инженеры знания пробуют узнавать все относительно способа, которым эксперт принимает решения. Если строится экспертная система для планирования оборудования, то инженер знания работает с опытными планировщиками оборудования, чтобы видеть, как они работают. Знание, полученное инженером знания, затем загружается в компьютерную систему, в специализированном формате, в блоке, названном базой знаний. Эта база знаний содержит правила и заключения, которые используются в принятии решений, - параметры, или факты, необходимые для решения.

Другие главные фрагменты экспертной системы - создатель заключения и интерфейс пользователя. Создатель заключения - логический каркас, который автоматически проводит линию рассуждения и который обеспечен правилами заключения и параметрами, вовлеченными в решение. Таким образом, один и тот же создатель заключения может использоваться для многих различных экспертных систем с различной базой знаний. Интерфейс пользователя - блок, используемый конечным пользователем, например неопытным планировщиком оборудования. Идеальный интерфейс - очень дружественный. Другие блоки включают подсистему объяснения, чтобы разъяснять доводы, что система движется в направлении решения, подсистему накопления знания, чтобы помочь инженеру знания в регистрации правил заключения и параметров в базе знаний, рабочую область, чтобы использовать компьютер, поскольку решение сделано.

6.2 Нейронные сети

В основу искусственных нейронных сетей положены следующие черты живых нейронных сетей, позволяющие им хорошо справляться с нерегулярными задачами:

· простой обрабатывающий элемент - нейрон;

· очень большое число нейронов участвует в обработке информации;

· один нейрон связан с большим числом других нейронов (глобальные связи);

· изменяющиеся по весу связи между нейронами;

· массированная параллельность обработки информации.

Прототипом для создания нейрона послужил биологический нейрон головного мозга. Биологический нейрон имеет тело, совокупность отростков - дендритов, по которым в нейрон поступают входные сигналы, и отросток - аксон, передающий выходной сигнал нейрона другим клеткам. Точка соединения дендрита и аксона называется синапсом. Упрощенно функционирование нейрона можно представить следующим образом:

1) нейрон получает от дендритов набор (вектор) входных сигналов;

2) в теле нейрона оценивается суммарное значение входных сигналов. Однако входы нейрона неравнозначны. Каждый вход характеризуется некоторым весовым коэффициентом, определяющим важность поступающей по нему информации. Таким образом, нейрон не просто суммирует значения входных сигналов, а вычисляет скалярное произведение вектора входных сигналов и вектора весовых коэффициентов;

3) нейрон формирует выходной сигнал, интенсивность которого зависит от значения вычисленного скалярного произведения. Если оно не превышает некоторого заданного порога, то выходной сигнал не формируется вовсе - нейрон «не срабатывает»;

4) выходной сигнал поступает на аксон и передается дендритам других нейронов.

Поведение искусственной нейронной сети зависит как от значения весовых параметров, так и от функции возбуждения нейронов. Известны три основных вида функции возбуждения: пороговая, линейная и сигмоидальная. Для пороговых элементов выход устанавливается на одном из двух уровней в зависимости от того, больше или меньше суммарный сигнал на входе нейрона некоторого порогового значения. Для линейных элементов выходная активность пропорциональна суммарному взвешенному входу нейрона. Для сигмоидальных элементов в зависимости от входного сигнала, выход варьируется непрерывно, но не линейно, по мере изменения входа. Сигмоидальные элементы имеют больше сходства с реальными нейронами, чем линейные или пороговые, но любой из этих типов можно рассматривать лишь как приближение.

Нейронная сеть представляет собой совокупность большого числа сравнительно простых элементов - нейронов, топология соединений которых зависит от типа сети. Чтобы создать нейронную сеть для решения какой-либо конкретной задачи, мы должны выбрать, каким образом следует соединять нейроны друг с другом, и соответствующим образом подобрать значения весовых параметров на этих связях. Может ли влиять один элемент на другой, зависит от установленных соединений. Вес соединения определяет силу влияния.

Задачи, решаемые на основе нейронных сетей.

Встречается значительное число признаков, которыми должна обладать задача, чтобы применение НС было оправдано и НС могла бы ее решить:

· отсутствует алгоритм или не известны принципы решения задач, но накоплено достаточное число примеров;

· проблема характеризуется большими объемами входной информации;

· данные неполны или избыточны, зашумлены, частично противоречивы.

Таким образом, НС хорошо подходят для распознавания образов и решения задач классификации, оптимизации и прогнозирования. Ниже приведен перечень возможных промышленных применений нейронных сетей, на базе которых либо уже созданы коммерческие продукты, либо реализованы демонстрационные прототипы.

7. Виртуальная реальность

Виртуальная реальность (Virtual Reality) (VR) предполагает использование машинных систем для создания окружающей среды, которая кажется реальной пользователю-человеку.

Использование VR в неразвлекательных установках разделяется на две категории: обучение и проектирование. Примеры обучения будут приведены позже, сопровождаясь примерами использования VR в проекте.

Армия США использует виртуальную реальность для тренировки экипажей танков. Посредством больших экранов и звука солдаты как бы помещаются внутри танка, катящегося среди Иракской пустыни, и должны реагировать, как будто они были в реальном танковом сражении. В научно-исследовательской работе в Университете Северной Каролины виртуальная реальность использовалась в медицинских целях, например для представления объемной модели опухоли внутри тела пациента. После надевания специальных окуляров радиолог был способен добраться внутрь этой модели тела пациента и направить лучи так, чтобы они пересеклись в центре опухоли и не задели чувствительной к излучению ткани спинного мозга и пищевода. В близкой области виртуальная реальность используется для хирургического обучения. Новые врачи могут практиковать хирургические методы на виртуальных пациентах в виртуальной реальности хирургическим набором программ. Если врач сделает ошибку, то можно повторить операцию без опасности для пациента.

«Атосо» развила основанную на PC систему виртуальной реальности, названную «truck driVR», для обучения водителей. Эта система, основанная на вариациях опасностей движения, стала удачным способом испытания для 12 000 водителей. Система VR, создание которой стоит приблизительно 50 000 $, использует шлем с визуальной и слуховой информацией и полностью погружает пользователя в виртуальный мир. Во - .ждение грузовика с driVR реалистично, с многократными возможностями для пользователя, включая перспективы и левых, и правых зеркал заднего вида, которые появляются тогда, когда пользователь поворачивает голову налево или направо.

Фирма «Duracell» также использует виртуальную реальность для обучения. «Duracell» установила новое оборудование, чтобы производить новую линию перезаряжаемых батарей, и компании нужно было обучить фабричный персонал работе на новом оборудовании безопасным и рентабельным способом. «Duracell» является системой без погружения (никаких шлемов или специальных очков), также выполняется на PC и включает блок ознакомления, блок действий и блок поиска неисправностей. С этой системой пользователь способен полностью зондировать новую часть оборудования внутри настольного виртуального мира. «С помощью специальной мыши Magellan обучаемые могут ходить вокруг оборудования, заглядывать снизу и сверху», - говорит Neil Silverstein, менеджер, обучающийся в «Duracell». - Они могут забраться в самые маленькие углубления машины, что Вы никогда не сможете сделать в реальном мире, потому что Вы могли бы потерять палец». В результате обучение стандартизовано и полностью безопасно, и нет никакой потребности в производственном обучении.

Фирмы «Chrysler» и IBM развили систему виртуальной реальности, чтобы помочь в проектировании автомобилей. Конструктор автомобиля, снабженный специальными стеклами и специальной перчаткой, чтобы взаимодействовать с системой, находится на водительском месте будущего автомобиля. Он направляет рулевое колесо и использует рычаги и кнопки, как если бы он был в реальном автомобиле. Благодаря этой системе неисправности в приборной панели и управлении могут быть устранены прежде, чем будут построены дорогие прототипы.

Одно недорогое применение виртуальной реальности (с ценой около 500 $) - использование для размещения товаров розничной продажи в универмагах. При использовании программного обеспечения «прогулки внутрь (walk-through)» типа Virtus Walk Through Pro на Macintosh или PC много розничных торговцев сохранили время и деньги при проектировании планировок магазина и витрин. WalkThrough Pro обеспечивает трехмерное изображение на экране компьютера без специальных стекол. Пользователь может прогуляться внутри и осмотреть расположение с различными перспективами. Могут быть легко изменены имущество и цветовая палитра, могут быть добавлены кирпичи и плитка, а стены, двери и окна могут быть перемещены. В подобных приложениях можно было воображать агента недвижимого имущества, предлагающего виртуальные прогулки внутрь зданий на рынке, или агента путешествия, предлагающего виртуальные прогулки по курортам, или круизы на корабле.

Развитие виртуальной реальности находится в грудном возрасте, и пройдет длительное время, прежде чем, возможно, кто-нибудь отдаленно приблизится к Holodeck Enterprise. Однако много продавцов развивают VR, программное и техническое обеспечение, и начинают появляться многочисленные ценные приложения VR.

8. Системы поддержки работы группы

Системы поддержки работы группы. (Group Support Systems - GSS) - важный вариант DSS, в котором система разработана, чтобы поддержать группу, а не индивидуума. GSS, иногда называемые системами поддержки принятия решений группы или системами электронных встреч, стремятся воспользоваться преимуществом возможностей группы, чтобы находить лучшие решения, чем решения личностей, действующих отдельно. Это специализированный тип группового программного обеспечения, которое специально предназначено для поддержки встреч. Менеджеры расходуют значительную часть своего времени на участие в работе групп (встречи, комитеты, конференции). В среднем у менеджеров это составляет 35% рабочего времени в неделю, у главных управляющих - от 50 до 80%. GSS старается сделать сеансы электронных встреч группы более производительными.

GroupSystems, разработанные в университете Аризоны, являются превосходным примером программного обеспечения GSS. GroupSystems используются более чем 1200 клиентами, включая 500 преуспевающих компаний типа «Chevron», «Hewlett-Packard», IBM и «Procter and Gamble», а также правительственные организации типа армии США, флота, морских пехотинцев и военно-воздушных сил. В типовом исполнении компьютерная встреча представляет собой микрокомпьютеры для каждого участника, связанные локальной вычислительной сетью. Большой общий экран облегчает общий просмотр информации, когда это желательно. GroupSystems, установленная на каждой машине в сети, обеспечивает компьютеризированную поддержку для генерации идей, располагая их по приоритетам и выявляя основную идею.

Каждый участник сеанса группы (например, сеанса мозгового штурма) имеет возможность обеспечить вход анонимно и открыто через компьютерную клавиатуру. Это сделано специально, чтобы никто не мог быть осмеян с «глупой идеей». Каждая идея или комментарий оценивается сама по себе лучше, чем от лица, внесшего ее. Кроме того, 'в сеансе голосования на участников не будет влиять, как кто-то голосует. Таким образом, GSS типа GroupSystems должна генерировать более высококачественные идеи и решения, которые лучше представляются группой.

Раньше работа в области GSS проводилась без поддержки традиционного сеанса группы, как описано выше. Новый акцент направлен на поддержку работы команды вне зависимости от того, работает ли бригада в «одно время, в одном месте» при традиционной встрече или способом «различное время, различное место». Например, отдаленная GroupSystems допускает, чтобы члены группы использовали Group-Systems по World Wide Web так же, как через ЛВС. «Ventana Corporation» в настоящее время развивает версию клиента - сервера GroupSystems, который разрешит поддерживать встречи «в любом месте, в любое время» через WWW или локальную сеть компании или комбинацией их обоих.

9. Географические информационные системы (Geographical Information System)

Географические информационные системы (GIS) - пространственные системы поддержки принятия решений: геодемографическое, компьютерное картографирование и автоматизированные шаблоны - так называется группа приложений, основанных на обработке связей в пространстве. GIS собирает, запасает, преобразует, демонстрирует и анализирует данные, пространственно привязанные к земле. GIS имеет дисплей с богатыми возможностями демонстрации окружающей среды, что очень полезно для людей, принимающих решения.

Такие различные области, как управление природными ресурсами, государственная служба, NASA, военное и градостроительное проектирование, использовали GIS в течение 30 лет. Ученые, планировщики, нефтяные и газовые зонды, лесничие, военные и картографы стимулировали эту технологию, развивая сложные возможности для создания, показа и управления географической информацией. В 90-х годах географические компьютерные технологии привлекли внимание деловых пользователей. Сегодня Бюро статистики США обеспечивает бизнес высококачественными кодируемыми географическими данными, чтобы анализировать и манипулировать на рабочем столе с помощью GIS, без оцифровывания карт или сканирования фотографий.

Использование GIS в бизнесе было много лет хорошо охраняемым секретом; самые ранние деловые энтузиасты географических технологий редко говорили о ней из-за ее высокой стоимости. Фирмы типа Mc-Donalds, у которых успех зависит от лучшего расположения, чем у конкурентов, были первыми, кто распознал деловые выгоды от применения GIS.

Выявление удобных участков - одно из наиболее распространенных деловых использований GIS, другие приложения включают рыночный анализ и планирование, материально-техническое снабжение и распределение, технику моделирования эксплуатационных условий и модели территориального расширения банков.

Эти примеры поясняют, как много функциональных областей в бизнесе используют GIS, чтобы распознавать и управлять их географическими зависимостями. Например, стоимость перевозок кажется, очевидно, более важной для транспорта, чем для здравоохранения. Однако связанные со здоровьем приложения GIS включают анализ приемлемых цен и готовность к поездкам по вызовам, планирование расположения услуг и комплектование персоналом в амбулаториях и центрах неотложной помощи, долгосрочное планирование потребностей службы здравоохранения и скорой помощи.

В GIS используются две основные модели для представления и анализа пространственных данных растровый и векторный подходы. Хотя многие из сегодняшних настольных приложений могут использовать оба, полезно понять их различия.

Растровый подход предполагает разделение пространства на маленькие, одного размера ячейки, расположенные в сетке. В GIS эти ячейки могут задавать диапазон значений и «сознают» их расположение относительно других ячеек. Пиксели на экране компьютера основаны на той же самой идее. Размер ячеек относительно деталей ландшафта определяет точность данных. Спутниковые изображения и другие приложения дистанционного зондирования использовали способность растрового подхода, чтобы распознавать модели, которые встречаются среди больших пространств.

Наиболее знакомое, основанное на растре, применение географической технологии - прогноз погоды, который Вы видите по телевидению каждый день. Анализ данных растра, использующих статистические методы и математические модели, предполагает, что метеорологи отличают дождь от визуальных помех, а лесники распознают пораженные участки леса. Растровый подход доминировал в деловых приложениях для поиска природных богатств. В сельском хозяйстве используется основанная на растре GIS Глобальная навигационная система спутниковых приемников, чтобы планировать и обеспечивать снабжение гербицидами, пестицидами, удобрениями только те части поля, которые в этом нуждаются, избегая ненужного химического пересыщения почвы.

Векторный подход в GIS широко использовался в государственной службе и коммунальных сооружениях и наиболее широко в бизнесе. В векторных системах элементы ландшафта обозначаются точкой, линией или многоугольником. Точки часто используются, чтобы представить маленькие элементы типа адресов клиентов, полюсов энергии или движущихся предметов типа грузовиков. Линии используются для обозначения линейных элементов типа дорог и рек, они могут быть соединены вместе сетями. Многоугольники представляют области и поверхности типа озер, участков земли, коммерческих территорий, округов и почтовых индексов. Связи между векторными элементами называются их топологией; топология определяет, накладываются эти элементы или пересекаются. Векторные системы могут различать, например, остров в озере, пересечение двух дорог и клиентов внутри участка двухкилометрового радиуса.

Большинство GIS использует концепцию «слоя». Различные слои представляют разные типы географических элементов в той же самой области и сложены друг над другом. Показаны следующие слои карты США: страна (State), штаты (Counties), скоростные магистрали (Highways), продавцы (Customer), продажи (Sales). Слои представляют собой одинаково обработанные прозрачные поверхности карт, чтобы были видны вместе различные географические особенности. Таким образом, намного лучше, чем в бумажных отображениях, электронные слои облегчают географическую обработку и анализ. Вопросы «что может» включают географический анализ:

- Что является соседним для этого элемента?

* Какой участок является самым близким?

* Что содержится внутри этой области?

* Какие элементы пересекаются?

- Сколько элементов и на каком они расстоянии на участке?

Бесконечный объектив с переменным фокусным расстоянием, панорамирование и центрирование, определение расстояния между двумя пунктами, нахождение и маркировка элементов, изменение символов и цвета по требованию - основные возможности для любого GIS. Рабочий стол GIS также обеспечивает пространственную обработку типа пересе чения и соединения, назначение географических ссылок на адреса через кодирование и стандартную поддержку языка запроса для взаимодействия с данными атрибута.

Некоторые GIS-приложения автоматизировали сложные задачи поддержки принятия решения типа:

* обнаружение кратчайшего (длиннейшего) безопасного маршрута от А до В;

* определение, имеются ли другие области с подобными частями;

* группировка коммерческих территорий для минимизации внутреннего расстояния проезда, выравнивание потенциала или отсеивание наихудших перспектив. Новые направления в географических технологиях включают:

* объемное и динамическое моделирование, чтобы моделировать время и место (типа движения урагана);

* показываемые на картах узлы Интернет и другой дружественной клиенту технологии типа VISA Web site, которые будут распознавать три самых близких места к точке ATM;

* географические возможности, вложенные в существующие приложения типа электронных таблиц, складов данных и средств добычи данных;

10. Средства работы с данными

В связи с увеличением масштабов хранения и обработки данных система управления данными становится в ряд центральных ресурсов информационной системы. Формирование структур данных уже давно осуществляется в среде той или иной стандартной системы управления базами данных (СУБД). В развитых и масштабных ИС выбор СУБД является задачей примерно той же значимости, что и выбор ОС, а переход системы на другую СУБД может быть столь же трудным.

Идеальных СУБД нет и быть не может: все они имеют как сильные стороны, так и слабые. Крупная база данных создается не на один год, поэтому выбор СУБД серьезными заказчиками осуществляется, как правило, в результате тестирования различных вариантов с учетом характера задач формирования структур и обработки данных, требований защищенности и т.п.

Одной из важнейших характеристик СУБД является модель данных. Теоретически любую информацию можно представить в виде реляционной модели. Эта модель имеет наиболее проработанные математическое основание и стандарты. Кроме того, реляционная модель данных отличается большой гибкостью относительно изменения структуры данных. Это, безусловно, наиболее распространенная сейчас модель данных. С другой стороны, существует немало задач, которые более эффективно решаются средствами других моделей. В частности, автоматизация новых областей бизнеса уже поставила задачу поддержки объектно-ориентированного подхода.

Существует уже достаточно широкий набор объектно-ориентированных систем. Одной из основных является Oracle8 компании Oracle. Компания Informix утверждает, что по функциональным возможностям ее Dynamic Server ненамного отличается от Oracle. В свою очередь, Sybase реализует объектно-ориентированные возможности в своей схеме баз данных, хотя ее Adaptive Server Enterprise предлагает лишь некоторые из функций, имеющихся в Oracle8. Компания IBM обеспечивает те же функциональные возможности в версии своей DB2 и перенесла эту новую версию СУБД и на самый массовый бизнес-компьютер AS/400.

Microsoft SQL Server no уровню объектно-реляционной поддержки явно отстает от других ведущих реляционных баз данных. Computer Associates предлагает Jasmine, объектно-ориентированную базу данных, призванную свести на нет противоречия между реляционными данными и объектно-ориентированными приложениями.

Непрерывно совершенствуясь, системы хранения данных становятся все более емкими, дешевыми и надежными. Клиенты становятся все более требовательными в отношении как данных, так и технологий работы с ними. Им нужны средства для доступа к большим объемам данных, а также возможность быстрого поиска в сверхбольших объемах данных, содержащих, например, все сведения о деятельности компании за добрый десяток лет. Как следствие, возникла технология хранилищ информации (Data Warehouse), которая представляет собой самостоятельную область ИТ. В ее основе лежит идея создания централизованной и всеобъемлющей корпоративной базы данных, главное предназначение которой - информационное обеспечение систем поддержки принятия решений руководителями предприятий.

По замыслу автора идеи создания хранилищ У. Инмона (W. Inmon), такая база данных должна отвечать следующим требованиям. Во-первых, ориентироваться на предметную область, а не на приложения, которые будут работать с данными. Во-вторых, хранилище должно содержать интегрированную информацию, полученную на основе данных из множества источников; необходимо проводить проверки на непротиворечивость, целостность и т.д. В-третьих, база данных хранилища должна быть оптимизирована прежде всего для операций поиска и чтения: данные, пройдя обработку и попав однажды в хранилище, остаются там на долгие годы, причем изменения в данных не предполагаются. В-четвертых, оборудование, предназначенное для хранения данных, должно иметь высокую надежность.