Интеллектуальные технологии в менеджменте: инструменты и системы


Санкт-Петербургский государственный университет


Высшая школа менеджмента








Т. А. Гаврилова, Д. И. Муромцев




ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ В МЕНЕДЖМЕНТЕ: ИНСТРУМЕНТЫ И СИСТЕМЫ




Учебное пособие
2-е издание









Издательство «Высшая школа менеджмента» Издательский дом С.-Петербургского государственного университета

2008

ББК 65.050.2
     Г12

      Рецензенты: д-р экон. наук, проф. Б. 3. Мильнер (Институт экономики РАН, Государственный университет управления); д-р физ.-мат. наук, проф. Г. Н. Осипов (ин-т системного анализа РАН)

Печатается по постановлению редакционно-издательского совета Санкт-Петербургского государственного университета



        Гаврилова Т. А., Муромцев Д. И.
Г12 Интеллектуальные технологии в менеджменте: инструменты и системы: Учеб. пособие. 2-е изд. / Т. А. Гаврилова, Д. И. Муромцев; Высшая школа менеджмента СПбГУ. — СПб.: Изд-во «Высшая школа менеджмента»; Издат. дом С.-Петерб. гос. ун-та, 2008. — 488 с.

        ISBN 978-5-9924-0017-5



         Пособие знакомит читателя с современными интеллектуальными технологиями, применяемыми в менеджменте — от разработки систем, основанных на знаниях до аналитических систем Business intelligence. Основной акцент поставлен на технологиях инженерии знаний — извлечении и структурировании данных и знаний для поддержки принятия решения. Рассмотрены практические методы структурирования с упором на визуализацию. Обсуждаются также проблемы разработки систем управления корпоративными знаниями, основываясь на результатах инженерии знаний.
         Книга будет полезна слушателям программ MBA, менеджерам, в том числе бизнес-аналитикам, разработчикам информационных и интеллектуальных систем, а также преподавателям ВУЗов и специалистам, интересующимся данной проблематикой.


ББК 65.050.2






© Т. А. Гаврилова, Д. И. Муромцев, 2007; 2008
ISBN 978-5-9924-0017-5 © Высшая школа менеджмента СПбГУ, 2008

            Содержание


Введение ..............................................5
Глава 1. Обзор технологий искусственного интеллекта.... 9
        1.1. Краткая история искусственного интеллекта.9
        1.2. Современные направления исследований в области ИС .................................25
        1.3. Вопросы и упражнения ....................33
Глава 2. Интеллектуальные системы,
        основанные на знаниях........................ 35
        2.1. Экспертные системы: определение и классификации...............................35
        2.2. Технология разработки экспертных систем .46
        2.3. Прикладные интеллектуальные системы......64
        2.4. Вопросы и упражнения ....................69
Глава 3. Основы инженерии знаний..................... 71
        3.1. Введение в инженерию знаний..............71
        3.2. Ментальные модели........................90
        3.3. Теоретические аспекты инженерии знаний и данных.................................... 100
        3.4. Методы извлечения знаний .............. 128
        3.5. Вопросы и упражнения .................. 169
Глава 4. Практические методы инженерии знаний....... 171
        4.1. Стратегии получения знаний ............ 171
        4.2. Методы структурирования знаний и данных ... 185
        4.3. Вопросы и упражнения .................. 212
Глава 5. Машинные модели представления знаний........213
        5.1. Роль моделей представления знаний...... 213
        5.2. Таблицы решений и таблицы операторов .. 214
        5.3. Семантические сети: история и примеры . 222
        5.4. Фреймы и множественное наследование..... 245
        5.5. Продукционная модель ................... 256
        5.6. «Чистая» объектно-ориентированная модель ... 271
        5.7. Вопросы и упражнения ................... 275

3

Глава 6. Нечеткие и неопределенные знания........... 277
        6.1. Источники неопределенности знаний...... 277
        6.2. Рассуждения и нечеткий вывод в экспертных системах....................... 283
        6.3. Немонотонные логические рассуждения...... 291
        6.4. Нечеткие множества и лингвистические переменные ................................. 296
        6.5. Вероятностные рассуждения...............306
        6.6. Вопросы и упражнения .................. 317
Глава 7. Онтологии для представления знаний..........319
        7.1. От философии к информатике............. 319
        7.2. Когнитивные принципы формирования онтологий................................... 330
        7.3. Языки формализации онтологий (Web Ontology Language) .................... 334
        7.4. Системы онтологического инжиниринга и прикладные онтологии в бизнесе ........... 339
        7.5. Вопросы и упражнения .................. 354
Глава 8. Системы управления знаниями.................355
        8.1. Современный подход к управлению знаниями (УЗ)............................... 355
        8.2. Жизненный цикл знаний в системах управления знаниями (СУЗ)................... 360
        8.3. Semantic Web и онтологии в управлении знаниями .................................. 370
        8.4. Корпоративная память................... 373
        8.5. Порталы знаний и другие примеры СУЗ на предприятиях............................. 377
        8.6. Вопросы и упражнения .................. 386
Глава 9. Системы Business Intelligence...............387
        9.1. История появления систем BI ........... 387
        9.2. Основные понятия и особенности систем BI. 391
        9.3. Архитектура и жизненный цикл системы систем BI .................................. 396
        9.4. Классификация прикладных систем BI....... 403
        9.5. Тенденции развития BI ................. 407
        9.6. Вопросы и упражнения .................. 416
Заключение.......................................... 418
Приложение 1. Когнитивные аспекты представления знаний .... 420
Приложение 2. Экспертные системы в бизнесе ......... 443
Литература...........................................465

4

            Введение


                Есть формы и ритмы, недоступные взгляду наблюдателя, но доступные взгляду аналитика.
Р, Фейнман

     В XXI в. проблемы менеджмента напрямую связаны с управлением информацией. Из вспомогательного ресурса информация становится царицей, а информационные технологии — критическим фактором эффективности организации. Менеджер современной компании захлебывается в информационном море. Компьютер мог бы стать помощником, но зачастую становится дополнительным источником лишней и бесполезной информации.
     Интеллектуальные технологии предлагают разумный выход из сложившейся ситуации информационного «беспредела» — переложить в машину часть знаний специалистов-экспертов, помогающих им обрабатывать информацию. Эти знания включают правила, закономерности, опыт, наблюдения, почерпнутые из практического опыта. Интеллектуальные системы, аккумулирующие и тиражирующие этот опыт, призваны помочь специалистам при принятии решений, анализе и интерпретации данных. Но для создания любой компьютерной системы необходим АНАЛИТИК, или человек, предварительно изучивший и понявший проблему. Аналитик выступает буфером-интерфейсом между экспертом и машиной.
     Предлагаемое учебное пособие освещает вопросы домашинного этапа разработки интеллектуальных систем и применения их в менеджменте. Оно предназначено для будущих аналитиков. Так сложилось, что первыми о проблеме обработки знаний задумались разработчики интеллектуальных систем. Одно из центральных направлений исследований в области искусственного интеллекта касается инженерии знаний, молодой науки об извлечении, структурировании, представлении и обработке

5

Введение

знаний. Решение этих задач тесно переплетается с проблемами самых разных научных направлений: психологии и философии, лингвистики и математики, биологии и кибернетики.
     Сейчас уже никому не нужно доказывать актуальность систем, основанных на знаниях, более того, знания стали модным флагом, под которым стремительно набирает обороты новая ветвь информационных технологий — управление знаниями. Специалисты уходят, унося с собой свой интеллектуальный капитал. Управление знаниями трактуется как совокупность процессов, которые управляют созданием, распространением, обработкой и использованием информации внутри предприятия, т. е. всем, чем традиционно должны были заниматься сотни отечественных АСУ, но которым явно не хватало внутренней целостности и согласованности. В книге рассмотрены современные подходы к организации систем управления корпоративными знаниями.
     Особенно глубоко и детально рассматривается полный цикл разработки интеллектуальных систем тиражирования знаний — от извлечения и формализации знаний до реализации компонентов прикладной интеллектуальной системы. При этом существенный акцент делается именно на инженерии знаний и онтологическом инжиниринге, новом разделе инженерии знаний, ориентированном на разработку концептуальных моделей любых сложных систем: от государства до человеческого организма. Эти модели создаются именно для моделирования и тиражирования знаний, которыми обладают люди-эксперты. При этом вопросы представления знаний в памяти человека (или ментальные модели) и процесс рассуждений и по сей день остаются малоизученными. Авторы предприняли попытку максимально широко описать различные аспекты проектирования интеллектуальных и частично информационных систем.
     Введение в интеллектуальные системы, их история и современные направления разработок представлены в главах 1-3. Более подробно рассматриваются системы, основанные на знаниях, даются определения фундаментальных понятий в области искусственного интеллекта. Далее излагаются теоретические и практические вопросы инженерии знаний. Подробно описаны современные подходы к построению ментальных моделей.
     Главы 4-8 посвящены вопросам проектирования баз знаний. Это, пожалуй, наиболее трудоемкий этап построения ин

6

Введение

теллектуальных систем. Он включает стадии практического извлечения и структурирования знаний, выбора языка представления знаний, проектирования модели предметной области и структуры баз знаний, а также методы обработки нечетких знаний.
     В главах 7-9 описываются онтологический инжиниринг, системы управления знаниями и системы Business Intelligence. Эти направления исследований привлекают огромное внимание в последнее время. Их актуальность растет по мере развития глобальной сети и проникновения информационных технологий в различные аспекты менеджмента.
     В первом приложении рассматриваются теоретические вопросы представления знаний в памяти человека. Во втором приложении приведены примеры экспертных систем в менеджменте.
     Эта книга предназначена для тех, кто хочет понять, как использовать интеллектуальные технологии в практической деятельности компании, а также для тех, кто хочет овладеть навыками работы аналитика, или инженера по знаниям.
     Одна из задач этой книги — расширение кругозора бизнес-аналитиков и постановщиков любых задач автоматизации в области анализа информации. Особое внимание уделяется новым визуальным моделям структурирования и представления знаний (интеллект-карты, концептуальные графы, онтологии и др.), которые служат мощным инструментом анализа сложных предметных областей в экономике, менеджменте, производстве и науке. Также эти модели полезны преподавателям для наглядного и компактного изложения материала.
     Интерес к системам, основанным на онтологиях и других моделях представления знаний, растет, в то время как специалистов-аналитиков, или инженеров по знаниям, явно недостаточно. Фактически же спрос на уникальных специалистов по работе со знаниями на современном рынке информационных технологий многократно превышает спрос на программистов. Этих специалистов называют по-разному — системные аналитики, постановщики задач, инженеры по знаниям (knowledge engineers), инженеры-когнитологи.
     Сегодня ни один российский вуз не готовит аналитиков, или инженеров по знаниям, владеющих методами инженерии знаний. Наиболее близкими являются специальности инженера-системотехника и специалиста по информационным технологиям (ИТ), хотя последние чаще всего — просто программисты.

7

Введение

Существующие первые попытки подготовить специалистов более широкого профиля, например специализации подготовки CIO (Chief Information Officer), или MBI (Master of Business Information), следует приветствовать, но они в большей степени ориентированы на менеджеров ИТ, а не аналитиков. Появились и первые «школы аналитиков» в формате мастер-классов и семинаров, но число их выпускников весьма незначительно.
     Последовательность курсов и деловых игр по инженерии знаний Высшей школы менеджмента СПБГУ [www.gsom.pu.ru] для программ бакалавриата, магистратуры и МВА представляет первую в России систематическую программу подготовки аналитиков.
     Порядок чтения этой книги зависит от конкретных целей читателя. Во всех случаях рекомендуется начать с первой главы. Если книга используется в рамках лекционного курса, то материал может рассматриваться последовательно, в соответствии с содержанием книги. Если количество лекционных часов ограничено, то без ущерба для общего понимания материала можно опустить главу 6. При использовании книги в качестве справочника можно ограничиться выборочным чтением глав, поскольку различные главы содержат практически независимый материал.
     Главы 1—4, 8 и приложение 2 написаны Т. А. Гавриловой, главы 5, 6, 9 и приложение 1 написаны Д. И. Муромцевым, введение, глава 7 и заключение написаны совместно. Параграф 8.5 написан по материалам, любезно предоставленным старшим консультантом компании БИГ СПб Д. Кудрявцевым. Перевод приложения 2 выполнен студенткой СПбГПУ Е. А. Дементьевой и отредактирован ассистентом ВШМ СПбГУ В. А. Горовым.
     Авторы благодарны декану Высшей школы менеджмента СПбГУ В. С. Катькало за мощный творческий импульс, без которого написание этого пособия было бы невозможно.
     Отдельная благодарность сотрудникам Издательства ВШМ Е. В. Лебедкиной и Ю. О. Кушнаревой за бесконечное терпение и постоянную поддержку. Авторы выражают глубокую благодарность своим учителям — профессорам А. М. Яшину и Д. А. Поспелову. И, конечно, коллегам и семьям за поддержку и помощь в написании этой книги.

8

                Глава 1




            Обзор технологий искусственного интеллекта


    1.1. Краткая история искусственного интеллекта.
    1.2. Современные направления исследований в области ИС.
    1.3. Вопросы и упражнения.


            1.1. Краткая история искусственного интеллекта


    Искусственный интеллект (англ. Artificial intelligence (AI)) — раздел информатики, изучающий возможность обеспечения разумных рассуждений и действий с помощью вычислительных систем и иных искусственных устройств. При этом в большинстве случаев заранее неизвестен алгоритм решения задачи [www.wikipedia.org].
    Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума витала в воздухе еще в древнейшие времена. Так, в Древнем Египте в 2500 до н. э. была создана «оживающая» механическая статуя бога Амона, дающая «предсказания». У Гомера в «Илиаде» бог Гефест ковал человекоподобные существа-автоматы. Сократ мечтал о механистическом «бесстрастном» судье. В литературе эта идея обыгрывалась многократно: от Пигмалиона до папы Карло и Буратино. Широко известны так называемые «шахматные автоматы» Кемпелена (Wolfgang von Kem-pelen) (XVIII в.) (рис. 1.1).
    Родоначальником искусственного интеллекта (ИИ) считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII в. попытался создать механическую машину для решения различных задач на основе разработанной им всеобщей классификации понятий.


9

Глава 1. Обзор технологий искусственного интеллекта

Рис. 1.1. Шахматный автомат

    В XVIII в. великие математики Лейбниц и Декарт независимо друг от друга продолжили эту идею, предложив универсальные языки классификации всех наук. Эти работы можно считать первыми теоретическими работами в области искусственного интеллекта. Однако только изобретенный Чарльзом Бэббиджем (Charles Babbage) в 1833 г. механический калькулятор может считаться прямым предком интеллектуального компьютера. Его помощник, леди Ада Лавлейс (Lady Lovelace), племянница Байрона, стала первым пользователем и программистом.
    Окончательное рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 40-х гг. XX в. В это же время Норберт Винер создал свои основополагающие работы по новой науке — кибернетике.
    Термин «искусственный интеллект — ИИ (artificial intelligence — AI)» — был предложен в 1956 г. в рамках летнего проекта с аналогичным названием в Дартсмутском колледже (США). Проект был рассчитан на 2 месяца, в нем участвовали 10 человек. Тема семинара — разработка логических,

10

1.1. Краткая история искусственного интеллекта

а не вычислительных задач. В английском языке данное словосочетание не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Слово intelligence означает «умение рассуждать разумно», а вовсе не «интеллект», для которого есть термин intellect.
    Стоит подробнее рассказать о Дартсмутском семинаре, один список участников которого уже вошел в историю ИИ как легендарный: Джон Маккарти (John McCarthy) — отец языка ЛИСП (LISP) и глава лаборатории ИИ в Стэнфордском университете, Марвин Минский (Marvin Minsky) — пионер ИИ и автор идеи фрейма, Клод Шэннон (Claude Shannon) — лауреат Нобелевской премии, основоположник теории информации. Семинар начался с обсуждения программы «Логик-теоретик» для автоматического доказательства теорем, одна из которых неожиданно была доказана новым улучшенным способом. К концу второго месяца идея ИИ была сформулирована, амбиции и энтузиазм участников были беспредельны — научить машину осуществлять некоторые «разумные», осмысленные, а не просто вычислительные процедуры, например, играть в шахматы, переводить на иностранные языки или сочинять музыку. Кое-что из этого сбылось.
    Вскоре после признания искусственного интеллекта отдельной областью науки произошло разделение его на два направления: нейрокибернетика и кибернетика «черного ящика». Эти направления развиваются практически независимо, существенно различаясь как в методологии, так и в технологии. И только в 90-е гг. стали заметны тенденции к объединению этих частей вновь в единое целое.
    Зарождение нейрокибернетики
    Основную идею этого направления можно сформулировать следующим образом: единственный объект, способный мыслить, — это человеческий мозг, поэтому любое «мыслящее» устройство должно каким-то образом воспроизводить его структуру.
    Таким образом, нейрокибернетика ориентирована на программно-аппаратное моделирование структур, подобных структуре мозга. Физиологами давно установлено, что основой человеческого мозга является большое количество (до 10²¹) связанных между собой и взаимодействующих нервных клеток —

11

Глава 1. Обзор технологий искусственного интеллекта

нейронов. Усилия нейрокибернетики были сосредоточены на создании элементов, аналогичных нейронам и их объединении в функционирующие системы. Эти системы принято называть нейронными сетями, или нейросетями.
     Первые нейросети были созданы Розенблаттом и Мак-Каллоком в 1956-1965 гг. Это были попытки создать системы, моделирующие человеческий глаз и его взаимодействие с мозгом. Устройство, созданное ими тогда, получило название персептрон (perceptron). Оно умело различать буквы алфавита, но было чувствительно к их написанию. Например, буквы A, A и а для этого устройства были тремя разными знаками. Постепенно в 70-80-х гг. количество работ в этом направлении искусственного интеллекта стало снижаться. Слишком неутешительны были первые результаты. Авторы объясняли неудачи малой памятью и низким быстродействием существующих в то время компьютеров.
     Однако в 1980-х гг. в Японии в рамках проекта «ЭВМ V поколения» был создан первый нейрокомпьютер, или компьютер VI поколения. К этому времени ограничения по памяти и быстродействию были практически сняты. Появились транспьютеры — параллельные компьютеры с большим количеством процессоров.
     Транспьютерная технология — это только один из десятка новых подходов к аппаратной реализации нейросетей, которые моделируют иерархическую структуру мозга человека. Основная область применения нейрокомпьютеров — распознавание образов.
     Можно выделить 3 подхода к созданию нейросетей:
     1.    Аппаратный — создание специальных компьютеров, нейрочипов, плат расширения, наборов микросхем, реализующих все необходимые алгоритмы.
     2.    Программный — создание программ и инструментариев, рассчитанных на высокопроизводительные компьютеры. Сети создаются в памяти компьютера, всю работу выполняют его собственные процессоры.
     3.    Гибридный — комбинация первых двух. Часть вычислений выполняют специальные платы расширения (сопроцессоры), часть — программные средства.
     Более глубокое рассмотрение этого чрезвычайно перспективного и интересного направления исследований искусствен

12