Вимоги до інтелектуальних систем

Сьогодні ясно, що у комп'ютерів може бути неелектронна основа, і що їх функції далеко виходять за межі власне проведення обчислень. Тому більш правильним, на нашу думку, було б таке визначення комп'ютера: " Комп'ютер –це засіб праці для обробки інформації (тобто засіб праці 5-го функціонального рівня)". Саме поняття: "Обробка інформації" також еволюціонує. Це відбувається за рахунок зміни його змісту, який поступово змінюється і сьогодні включає не тільки виконання операцій із вже наявною інформацією, але також і дуже важливі операцій пошуку інформації і забезпечення віддаленогодоступу до інформації, зокрема із застосуванням засобів глобальних комп'ютерних комунікацій (наприклад, Internet). Причому роль ефективного пошуку і швидкого доступу до інформації все більше і більше зростає. Очевидно, що цінність і ефективність використання інформації визначається перш за все можливістю її знайти і отримати до неї якісний доступ. Операції по обробці вже наявної інформації також стають все більш розвинутими: вони включають вже не тільки найпростіші арифметичні операції, але і операції з базами даних (пошук, вибірка, відбір, фільтрація, сортування), статистичні розрахунки, числові методи, імітаційне моделювання, методи розпізнавання образів і прийняття рішень, теорії ігор, експертні системи, нейронні сітки, генетичні алгоритми, когнітивне моделювання і ін. Розвиток автоматизованих технологій обробки інформації йде по дорозі все більш глибокої переробки "інформаційної сировини", внаслідок чого "інформаційний продукт" все більшою мірою відрізняється від початкового стану інформації. Якщо на перших етапах ця переробка полягала в основному в сортуванні і виконанні арифметичних операцій, то в подальшому вона стає все більш і більш інтелектуальною. Альтернативою централізованому проектуванню і впровадженню програмних систем є ідеологія відкритих систем, при якій над розвитком системи одночасно і незалежно один від одного працює дуже багато розробників, що не дотримуються якого-небудь одного плану, але за деякими загальними правилами:

1. Адаптивні і самонавчальні системи настроюються на розв’язання тих або інших задач за рахунок врахування апріорної інформації і інформації, що поступає в систему в процесі її експлуатації. Можна вваажати, що подібні системи розвиваються на основі досвіду їх експлуатації і що засвоєння цього досвіду є один з технологічних етапів створення таких систем.

2. Відкриті системи дуже великого масштабу, які не спроектовані якою-небудь однією групою розробників і розвиваються не по якому-небудь плану, а що саморозвиваються. Ці системи створюють як би інформаційне середовище загального доступу, в розвиток якого можуть вносити свій внесок розробники і навіть користувачі, незалежно від свого місця знаходження.

При створенні систем штучного інтелекту розробники оперують такими основоположними поняттями, як:

– дані, інформація, знання;

– факт, значення, думка;

– моніторинг, аналіз і управління.

Від того, який конкретний зміст вкладається розробниками в дані поняття, найістотнішим чином залежать і підходи до створення математичних моделей, структур даних і алгоритмів функціонування інтелектуальних систем. Системи, що містять інформацію про систему в цілому в кожній своїй частині певного рівня структурної ієрархії, широко відомі, це:

– біологічні системи, в кожній клітці яких міститься повний геном;

– фрактальні системи;

– високоорганізовані системи із великою взаємною інформацією в своїх частинах, які успішно протистоюють закону зростання ентропії.

Факти розглядаються як причиниі їх значення вважається відомим, якщо відомі наслідкиданого факту. Таким чином, розуміння значення певних конкретних подій полягає у виявленні причинно-наслідкових взаємозв'язків між цими подіями і іншими.

Створення інтелектуальних систем повинне включати три етапи:

– створення матеріальної системи підтримки (ця проблема в основному вирішена, оскільки інтелектуальні системи можуть створюватися навіть на базі сучасних персональних комп'ютерів);

– створення системи потенційного штучного інтелекту, тобто програмної оболонки, інструментальної системи (таких систем в даний час існує поки що дуже мало);

– навчання і самонавчання системи потенційного штучного інтелекту і перетворення її в реальну інтелектуальну систему. При розгляді самої ідеї реалізації природного інтелекту на іншій матеріальній основі відразу виникає питання про те, наскільки це взагалі у принципі можливо, тобто питання про те, чи можуть інтелектуальні функції бути реалізовані на основі іншої, ніж мозок, матеріальної структури. Це питання про співвідношення функцій і підтримуючих їх структур. Звичайно, структура залежить від функцій, які вона підтримує, і в цілому складніші функції підтримуються складнішими структурами. Проте цей зв'язок "структура – функція" неоднозначний, тобто одні і ті ж функції можуть підтримуватися найрізноманітнішими, тобто альтернативними структурами функцій і підтримуючих їх структур. При цьому звичайно функціональна універсальність досягається за рахунок певної структурної надмірності, що неминуче приводить до зменшення ефективності підтримки конкретних функцій, в порівнянні з їх спеціалізованою реалізацією.

Існує певна ієрархія задач обробки даних, інформації і знань:

Моніторинг – накопичення даних за рядом показників про об'єкт управління з прив'язкою до часу.

Аналіз – виявлення значення в даних, тобто виявлення в них причинно-наслідкових взаємозв'язків.

Прогнозування – використання значенняпричинно-наслідкової залежності в предметній області для прогнозуповедінки об'єкта управління в умовах дії певних факторів.

Управління –використання знань для досягнення певної мети управління:

– забезпечення стабільного функціонування об'єкта управління;

–переведення об'єкта управління в заздалегідь заданий цільовий стан. Таким чином, управління – це вища форма обробки і використання інформації.

Системи штучного інтелекту реалізують все більше функцій, що раніше виконувалися виключно людиною, наприклад, таких як: отримання нових знань із фактів, виявлення причинно-наслідкових взаємозв'язків між факторами, діючими на об'єкт, і переходом цього об'єкту в ті або інші стани. В основі будь-якої математичної моделі, реалізованої в інтелектуальній системі, завжди лежить певне уявлення про те, яким чином здійснюються аналогічні процеси людиною. Тому для розробників інтелектуальних систем великий інтерес представляє уточнення смислового змісту і поглиблений аналіз таких базових понять, як дані – інформація – знання, факт –значення - думка, моніторинг – аналіз – управління.

Існує багато різних підходів до класифікації інтелектуальних систем. Відмінності між цими класифікаціями визначаються тими критеріями, за якими проводиться класифікація, наприклад:

–за ступенню структурованості задачі, що розв’язується;

– за функціями, що автоматизуються;

– за ступенню автоматизації функцій, що реалізуються;

– за сферою застосування і характером використання інформації, зокрема, по рівнях управління.

Відомо, що при навчанні людей існують різні рівні вивчення: відтворення (пам'ять); вирішення стандартних задач (уміння, навички); вирішення нестандартних, творчих задач (знання, активне інтелектуальне розуміння). Інтелект може виявлятися в різних областях, але ми розглянемо його можливості у вирішенні задач в предметних галузях, оскільки ця область використання є типовою для інтелекту. В цьому плані існують задачі стандартні і нестандартні. Для стандартних задач відомі алгоритми розв’язання. Для нестандартних задач вони невідомі. Тому розв’язання нестандартної задачі є проблемою. Саме поняття "стандартності" задачі відносно, відносна сама " невідомість": тобто алгоритм може бути відомий одним і невідомий іншим, або інформація про нього може бути недоступною в певний момент або період часу, і доступною – в інший. Тому для одних задача може бути стандартною, а для інших ні. Знаходження або розробка алгоритму вирішеня переводить задачу із розряду нестандартних в стандартні.

В математиці і кібернетиці задача вважається розв’язаною, якщо відомий алгоритм її вирішенння. Тоді процес її фактичного вирішення перетворюється на рутинну роботу, яку можуть в точності виконати людина, обчислювальна машина або робот. Розробка алгоритму розв’язання задачі пов'язана з тонкими і складними міркуваннями, що вимагають винахідливості, досвіду, високої кваліфікації. Вважається, що ця робота є творчою, якщо вона не формалізується і вимагає участі людини із його "природним досвідом" і інтелектом. Інтелектуальними вважаються задачі, пов'язані з розробкою алгоритмів розв’язання раніше невирішених задач певного типу. Існує ряд задач, таких, як розпізнавання образів, ідентифікація, прогнозування, прийняття рішень по управлінню, для яких розбиття процесу пошуку вирішення на окремі елементарні кроки, а значить і розробка алгоритму, вельми скрутні. З цих міркувань витікає таке визначення інтелекту: інтелектє універсальним алгоритмом, здатним розробляти алгоритми розв’язання конкретних задач.

Виходячи з вищенаведеного, можна зробити висновок про те, що в нашому випадку найбільш вдалою є класифікація інтелектуальних систем, яка заснована на критерії, що дозволяє оцінити "ступінь інтелектуальності інтелектуальних систем", тобто за критерієм "ступіню структурованості задач, що розв’язуються".

Рис 1.4. Класифікація інтелектуальних систем за критерієм структурованості задач

Аналіз підходів до оцінки рівня інтелектуалъності інтелектуальних систем.

Інтелектуалізація інтелектуальних систем - це процес підвищення рівня інтелекту інтелектуальних систем. Пропонуємо наступне визначення. Нехай є дві інтелектуальні системи - А та В, здатні знаходити рішення R_A(d) і R_B(d)-відповідно в ситуаціях d з визначеної предметної галузі D. Система В отримана внаслідок інтелектуалізації А, В = Int(А), якщо:

• система В завжди одержує рішення в ситуаціях, у яких його знаходить і система А, $RA(d)=> $RB(d);

• існують ситуації, у яких А не знаходить рішення, а В - знаходить.

Від рівня інтелектуальності інтелектуальних систем залежить, на скільки кроків система здатна прогнозувати свою поведінку і реакцію середовища на свої дії (приміром, гросмейстер може оцінити наслідки своїх рішень на багато ходів, а шахіст-початківець - у кращому випадку на 1-2 ходи). На рівень інтелектуальності системи впливають як здатність навчатися і самонавчатися, тобто використовувати наявні знання в нових заздалегідь невідомих ситуаціях, так і широта її програмного забезпечення. Поняття інтелектуалізації інтелектуальних систем містить у собі такі аспекти, як підвищення "грамотності" інтелектуальних систем, наявність метазнань ірозширення способів одержання нових знань. Чим вище інтелектуальність інтелектуальних систем, тим ефективніше вона може досягати поставлену ціль. Нові знання формуються шляхом застосування наявних знань - інформації про процеси рішення, логічне виведення, закономірності предметної галузі, тощо -до даних, з яких породжується нова інформація. Однак такі властивості, як «широта предметної галузі» і «нові знання», складно оцінити кількісно.

Висування гіпотез і узагальнення емпіричних фактів, як вид інтелектуальної діяльності людини, відіграє найважливішу роль у процесі пізнання і вважається однією з характерних властивостей людського розуму. Тому наявність в інтелектуальних систем механізмів моделювання недедуктивних міркувань, зокрема індуктивного узагальнення, і ступінь "досконалості" цих механізмів природньо розглядати як один з показників інтелектуальності інформаційних систем. 3 формальної точки зору додання різних видів недедуктивного виведення в базі знань сприяє розширенню логічної формальної системи подання знань.

Рівень інтелектуальності інтелектуальних систем I(A)=s(s1,…,s9), i= визначається наявністю в них таких властивостей:

• S1 - автономність роботи;

• S2 - взаємодія з іншими об'єктами;

• S3 - сприймання інформації про навколишній світ;

• S4- застосування абстракції;

• S5- використання знання;

• S6 - адаптивність поведінки;

• S7 - здатність до навчання;

• S8 - толерантність до помилок;

• S9 - здатність до спілкування природною мовою.

Цей підхід дозволяє в деяких випадках порівнювати рівень інтелектуальності, призначених для вирішення задач у різних областях (якщо в системі А є всі властивості системи В, але в системі В є властивості, яких немає в системі А, тоді І(В) - рівень інтелектуальності системи В - вище, ніж у системи А).

$S(А)ÍS,S(B) ÍS,S(А) ÍS(B)=>I(B)>I(А).

Проте значна частина інтелектуальних систем при такому підході непорівняні: $S(А)ÍS,S(B) ÍS, S(А)Ë S(B), S(B)Ë S(А)ÞI(B) i I(А) непорівняні. Наприклад, складно порівняти рівень інтелектуальності інтелектуальних систем, здатних до спілкування природною мовою, але не здатних до навчання (різноманітні чат-імітатори), і систем індуктивного виведення нових знань, що не підтримують природньомовний діалог. Пропонується кількісна оцінка рівня інтелектуальності

ІС І(А) = , де ,- вага і-ї властивості, а - значення і-ї

властивості:

• S1 - використання моделі навколишнього світу для формування планів власних дій;

• S2- наявність альтернативних варіантів при плануванні дій;

• S3- здатність реконструювати план під час його виконання, якщо здійснювані дії призводять до небажаних наслідків;

•S4- використання власного досвіду для розширення і корекції моделі предметної галузі;

• S5- спілкування з користувачем природньою мовою;

• S6 - допустимість періоду виконання плану вирішення задачі.

Пропонується критерій оцінки рівня інтелектуальності інтелектуальних систем I(A)=f(T,X,L,C,P,K), завдяки якому завжди виконується умова: при інтелектуалізації якої-небудь інтелектуальних систем рівень інтелектуальності має збільшитися (або хоча б не зменшитися).

Цей критерій використовує набір параметрів, значення яких користувач системи здатний сам оцінити кількісно (хоча б дуже приблизно)

$f(T,X,L,C,P,K),"A,B,B=Int(a)Þ

Þ f(T(A),X(A),L(A),C(A),P(A),K(A))<=,

<= f(T(B),X(B),L(B),C(B),P(B),K(B)),

• Т - тип атомарних елементів;

• X - кількість атомарних елементів;

• L - кількість зв'язків між ними;

• С - кількість команд у нормалізованому алгоритмі;

• Р - співвідношення кількості успішних експериментів з кількістю проведених;

• К - клас задач, які розв'язує інтелектуальна система.

Складність структури даних, які здатна обробляти інтелектуальна система, характеризують тип атомарних елементів Т, їхню кількість X і кількість зв'язків між ними L. Складність методів перетворення даних характеризує кількість команд у нормалізованому алгоритмі С. Очевидно, що користувач не може точно оцінити ці параметри, але може дати їм приблизну якісну оцінку.

Імовірність того, що дії ІС приводять до мети, яку вона декларує, оцінюється як співвідношення кількості успішних експериментів з кількістю проведених Р. Цей параметр користувач звичайно може оцінити досить точно.

І(А) = f(Т,Х, L,С,Р,К) = g(Т,Х, L)*h(С)*Р*j(К).

Для простоти оцінки в якості g(Т,Х, L) ми використовуємо g (Т,Х, L) = g ₁(т)* g ₂(Х, L), де функція g,(Т) і g ₂(Х, L) задаються таблично. Таким чином,

І(А) = g ₁(Т)* g ₂(Х, L))*h(С)*Р*j(К).

Введемо шкалу інтервалів для значень параметрів: "дуже мало", "мало", "середньо", "багато", "дуже багато". Їх обробка базується на теорії нечітких множин, тобто мультиплікація двох нечітких значень визначається як добуток їхніх відносних ваг, а об'єднання - як їхня сума. h(С) і j(К) також задаються таблично. Якщо ІС обробляє дані різних типів, то g,(Т₁,..,Тп)= .

Основні поняття та визначення в інтелектуальних системах управління.

Системи управління відносяться до відкритих систем, які інформаційно зв¢язані з реальним зовнішнім світом, за рахунок чого створюється можливість здійснення обміну інформації із зовнішнім середовищем, забезпечується адаптація до зовнішнього середовища шляхом самоорганізації та самонавчання. Така можливість створюється в системах управління за рахунок використання інтелектуальних механізмів.

Системи управління, що використовують інтелектуальні механізми називаються багатоагентними системами.

Під агентом розуміють деяку сутність, що знаходиться в певному середовищі,з якого вона отримує інформацію про події і формує відповідні дії на це середовище.

В теорії багатоагентних систем основними проблемами є:

- розробка архітектур самих агентів;

- організація взаємодії між агентом і середовищем.

Загальна структура таких систем управління має такі блоки:

1). База знань (БЗ);

2). Механізм логічного виведенння на основі БЗ;

3). Інтелектуальний вирішувач, який формує постановку і загальний план розв’язання задачі управління;

4). Інтелектуальний планувальник, який формує конкретний план розв’язання задачі управління;

5). Інтерфейс користувача (підсистема спілкування з системою користувача);

6). Система пояснень – може дати пояснення, чому саме прийняте таке рішення.

7). Система зв’язку з об’єктом.

Основною вимогою до інтелектуальних систем управління є їх можливість забезпечення реалізації прикладних функцій управління із швидкістю, з якою може приймати рішення досвідчений оператор. Такі системи управління називаються активними системами.

Архітектура інтелектуальних систем управління характеризується ієрархічними структурами, що складаються з узагальнених рівнів, які впорядковані у відповідності з відповідним базовим принципом побудови інтелектуальних систем управління – принцип IPDI, який сформульований у 1989р. й означає, що по мірі просування від нищих до вищих рівнів системи управління підвищується інтелектуальність рівнів, але знижується їх точність.

Точність – невизначеність при визначенні задач управління.

За цієї концепцією призначається 3 обов’язкових базових рівнів:

1. Організатор.

2. Координатор.

3. Виконавець.

Принципи організації інтелектуальних систем управління (ІСУ)

1. Тісна взаємодія систем управління з реальним зовнішнім світом з використанням спеціально організованих інформаційних каналів зв’язку.

2. Принципова відкритість системи з метою підвищення інтелектуальності і удосконалення власної поведінки.

3. Наявність механізмів прогнозування змінювання зовнішнього світу та власної поведінки системи.

4. Наявність в інтелектуальних систем управління багатоієрархічної структури, побудованої у відповідності з правилами: підвищення інтелектуалізації та зниження вимог до точності по мірі підвищення рангу в ієрархії системи.

5. Зберігання можливостей функціонування з деякою втратою якості чи ефективності з певною деградацією, з розривом зв¢язків чи втратою управляючих дій від вищих рівнів ієрархії структури управління.

Перший принцип - підкреслює безпосередній зв¢язок інтелектуальних систем управління із зовнішнім світом. Знаходячись у безпосередній взаємодії зі світом, інтелектуальна система управління отримує від нього всю необхідну інформацію для прийняття рішень та порівняння знань. Інтелектуальна система управління в свою чергу створює активну дію на зовнішній світ в результаті обробки знань.

У відповідності з другим принципом забезпечується наявність вищого рангу ієрархічної структури як:

- самонастроювання;

- самоорганізація;

- самонавчання.

Система знань складається з двох частин:

Постійних перевірених знань, якими система користується постійно.

Тимчасових знань, в яких система не впевнена і з якими вона експериментує в процесі навчання.Знання другого типу чи відхиляються, чи уточняються, чи переходять в решті-решт в постійне значення.

Згідно із третім принципом наявність механізмів прогнозування полягає в тому, що систему управління не можна вважати достатньою мірою інтелектуальною, якщо вона не може здійснювати прогнозування змін зовнішнього світу і власної поведінки в цьому світі. Система без прогнозування може не виявити критичну ситуацію, з якої вона не може знайти виходу, наприклад, через часові обмеження чи складності організації управляючих дій, що усувають цю кризову ситуацію.

Четвертий принцип дозволяє визначити шляхи побудови моделей в тих випадках, коли неточність знань про об’єкт управління і його поведінку можна скомпенсувати шляхом збільшення числа рівнів інтелектуальності, а також за рахунок використання вдосконалених механізмів прийняття рішень в умовах невизначенності.

П’ятий принцип (живучості) встановлює в інтелектуальній системі управління лише часткову втрату інтелектуальності, але не припинення функціонування системи при відмові в роботі вищих рівнів ієрархії системи.

Загальна концептуальна структура ІСУ

Системи управління організовані у відповідності із сформульованими принципами в повному їх об¢ємі називається – інтелектуальними системами в повному розумінні. Такі системи повинні мати багаторівневу ієрархічну структуру із наступними рівнями в порядку зниження в ранзі:

1. Рівень самоорганізації (самоперебудова системи за результатами навчання).

2. Рівень навчання (створення нових знань).

3. Рівень прогнозування подій.

4. Рівень адаптації.

5. Рівень формування рішень по управлінню

6. Рівень роботи з базами подій та знань. Забезпечення необхідною інформацією.

7. Рівень планування операцій по реалізації сформованих рішень.

8. Виконавчий рівень.

Кожен з перелічених рівнів має свою функціональну специфіку й в реальній системі може складатися з декількох рівнів. Але при будь-якій структурі інтелектуальних систем управління традиційні системи автоматичного управління знаходяться на нижніх рівнях, тобто підкреслюється симбіоз, який повинен бути в цих системах.

Перспективи розвитку інтелектуальних систем

Дослідження в області інтелектуальних системпроводять сьогодні за деякими основними напрямками, перерахованими нижче.

1.Розробка моделей представлення знань в різних предметних областях. Створення принципів побудови баз знань, програмну чи комп’ютерну реалізацію різних моделей представлення знань для певних предметних областей.

2.Створення методів і процедур імітації на ЕОМ людських міркувань при пошуку смислових (семантичних) рішень на основі переробки знань; імітації на ЕОМ процесів навчання людини.

3. Розробка методів розуміння ЕОМ природної мови, процедур діалогового спілкування людини з ЕОМ на природній мові, а також методів автоматизованого перекладу іноземних текстів.

4. Розробка автоматизованих процедур доведення теорем в різних розділах математики (алгебра, геометрія, тригонометрія, логіка, теорія множин та ін.); пошуку аналітичних рішень розв’язання алгебраїчних і диференціальних рівнянь; аналітичного диференціювання та інтегрування; еквівалентного перетворення математичних виразів та ін.

5. Створення методів: розпізнавання зорових зображень, зорових сцен і звукових сигналів; виділення корисних сигналів в умовах перешкод; прогнозування тренда (тенденцій) зміни сигналів при функціонуванні складних об’єктів.

6. Розробка методів автоматизованого програмування і перевірки правильності написання (складання) програм для ЕОМ; розробки процедур інтелектуального пошуку фотографічної і документальної інформації у великих базах даних.

7. Розробка методів планування і складання розкладів для складних організаційно-виробничих процесів і технологічних операцій; розробка процедур ситуаційного управління складними технологічними системами при невизначеності первинної інформації, в тому числі - процедур управління фізичними діями інтегральних роботів.

8. Створення моделей і процедур пошуку рішень для різних предметних галузей; процедур комп'ютерної імітації художньої творчості (твори літературних, музичних і живописних жанрів).

9. Створення спеціальних мов програмування інтелектуальних систем і мов програмування представлення знань.

Таким чином, основна мета наукових досліджень в теорії та практиці інтелектуальних систем - не заміна розуму людини машиною, а імітація мислення людини на ЕОМ для цілей передачі ЕОМ більшої кількості видів інтелектуальної творчої діяльності і для більш глибокого обгрунтовування ухвалюваних людиною розв’язань важких неформалізованих задач, для традиційно використованого різноманітного математичного апарату (власне математика, фізика, хімія, хімічна технологія, економіка, електротехніка, мікроелектроніка та ін.) і математично слабко формалізованих областей знань (медицина, біологія, генетика, геологія, сільське господарство, військова справа та ін.), так і в різних сферах творчої діяльності при експериментальних і теоретичних дослідженнях (при проектуванні, спорудженні і експлуатації складних промислових об’єктів).

На даний час в Україні важливими напрямками досліджень, викликаними проблемами створення, вивчення та розвитку національних інформаційних ресурсів, серед інших, є такі;

· інтеграція інтелектуальної інформації;

· просторове і часове мислення;

· моделювання мислення в інтелектуальних навчаючих системах;

· емпіричний штучний інтелект;

· наукові відкриття за допомогою штучного інтелекту;

· багатозначна логіка у системах штучного інтелекту;

· теорія прийняття рішень і штучний інтелект;

· багатомовні машинні лексикони.

[3,c.15-39; 4,c.9-19; 8,с.15-39; 11,с.12-14]

Контрольні питання

1. Які етапи розвитку інформаційних систем?

2. Що таке знання?

3. Що таке інтелектуальна система?

4. Які є рівні представлення знань?

5. Чим визначається концептуальна схема інтелекту?

6. Класифікація інтелектуальних систем.

7. Які принципи організації інтелектуальних систем управління?

8. Загальна структура інтелектуальних систем управління.

9. Які напрямки розвитку інтелектуальних систем?

10. Які вимоги до інтелектуальних систем?

Тема 2. Загальна концептуальна структура інтелектуальних систем

Типи інтелектуальних систем та їх функціональні структури. Основні компоненти інтелектуальних систем, їх призначення та характеристики

Прикладними інтелектуальними системами називаються системи, які вирішують конкретні, практичні задачі у відповідній предметній області.

Серед цих систем можна виділити:

- Експертні системи;

- Системи, що мають в складі підсистеми інтелектуальної підтримки рішень;

- Інтелектуальні системи управління.

---

Дата добавления: 2015-07-20