Лекция Аналитический режим потребления информации icon

Лекция Аналитический режим потребления информации




Скачати 137.48 Kb.
НазваЛекция Аналитический режим потребления информации
Дата01.08.2012
Розмір137.48 Kb.
ТипЛекция
1. /А_Т_3м_ст.doc
2. /ЛЕКЦИИ_6_7_Добыча_Конкур_разв.doc
3. /Лекция 4.doc
4. /лекция 1.doc
5. /лекция 2.doc
6. /лекция 3.doc
7. /лекция 5.doc
Аіт зміст навчального процесу
Лекция основы технологии Text Mining
Лекция Технологический цикл информационно-аналитической работы
Сущность, структура и задачи аналитики понятие и сущность аналитики
Лекция аналитика как интерфейс между теорией и практикой
Лекция принципы организации аналитической деятельности
Лекция Аналитический режим потребления информации


Лекция 5. Аналитический режим потребления информации



  1. Режимы восприятия информации.

  2. Средства автоматизации информационно-аналитической работы.


1. В случае, когда человек не имеет времени на логическое осмысление непосредственно наблюдаемой ситуации или поступившей информации, он приблизительно в 50 % случаев выступает в роли ретранслятора эмоций (собственных ли, чужих ли – безразлично).

Существует масса причин, по которым даже та информация, которая является и достоверной и непротиворечивой, может быть не воспринята аналитиком – в числе этих причин одно из первых мест занимает эмоциональный строй информации и состояние аналитика. Эти факторы сказываются на состоянии «ментальных» моделей интерпретации информации, которыми пользуется аналитик.

В процессе аналитического восприятия массива исходных данных познающий субъект в различные моменты времени осознанно фиксирует или модифицирует различные фрагменты своей модели. При этом наряду с переработкой данных, непосредственно затрагивающих интересы субъекта, должны подвергаться анализу и те фрагменты данных, которые непосредственно не связаны с решаемой управленческой задачей.

Таким образом, информационно-аналитическая работа – это специфический вид мыслительной деятельности человека, связанный с извлечением из некоторого массива входных данных информации на основе использования некоторой относительно устойчивой субъективной модели. Специфика этого вида мыслительной деятельности заключается в недопущении аналитиком неконтролируемой, спонтанной модификации собственной модели мира в результате воздействия потока входных данных.

Итак, процесс восприятия сообщений представляет собой систему процедур, осуществляемых потребителем сообщения над отдельными высказываниями и их составляющими, раскрывающими субъективную модель реальности, отраженную в сообщении его автором. Каждое высказывание, входящее в состав сообщения, подвергается анализу с привлечением тех сведений, которыми получатель сообщения располагал на момент времени, непосредственно предшествовавший восприятию. Для восполнения недостатка знаний потребитель сообщения может воспользоваться процедурами привлечения дополнительной информации. Для этого могут быть использованы процедуры повторного считывания информации, построения запроса к источнику сообщения или иным источникам информации.

Положительный эффект при повторном считывании достигается за счет пополнения или уточнения тезауруса, установления системы отношений между сущностями, упоминаемыми в сообщении, в результате может быть получена информация об области значений ранее неизвестных терминов и иные сведения, способствующие восприятию сообщения.

Тезаурус должен строиться на основе семантического принципа упорядочивания. Принцип алфавитного упорядочения, используемого в классических словарях здесь неприменим: – способ упорядочения должен определяться системой отношений в используемой источником сообщения модели мира.

Существует ряд принципиальных различий между аналитическим, обычным и фоновым режимами потребления сообщений.

Аналитический режим восприятия сообщений – это такой режим, при котором потребитель изначально фиксирует состояние своей модели мира и осуществляет ее модификацию лишь при условии внутренней (внутри сообщения), контекстуальной (на уровне согласования с контекстом сообщения) и внешней (на уровне согласования с моделью мира потребителя) этической и логической непротиворечивости.

Аналитический режим восприятия сообщения характеризуется высокой концентрацией внимания, активностью сознания, формулированием целевых установок на реализацию поисковых процедур, служащих разрешению противоречий, раскрытию системы умолчаний, потенциально содержащих логические и иные противоречия.

Обычный (фрагментарно аналитический) режим восприятия сообщений – это такой режим, при котором потребитель фиксирует состояние наиболее существенных (с точки зрения обеспечения целостности его системы ценностей) фрагментов своей модели, в отношении же остальных фрагментов модели допускает модификацию при условии внутренней (внутри сообщения) этической и логической непротиворечивости.

Фоновый (не аналитический) режим восприятия сообщений – это такой режим, при котором потребитель не фиксирует состояние своей модели, допуская ее модификацию при условии формальной внутренней (допускающей умолчания даже на уровне единичного сообщения) этической и логической непротиворечивости.

Для фонового режима восприятия сообщений характерны отсутствие интеллектуальной активности, отсутствие мотивации к потреблению, превалирование иррациональной (эмоциональной) компоненты сознания. Данный режим не обеспечивает защиты от акций целенаправленной дезинформации и манипуляции сознанием.

Аналитический режим потребления информации – это особый режим мыслительной деятельности человека, отнюдь не всегда реализуемый им. Более того, аналитический режим потребления информации – это режим, требующий от человека значительных мыслительных усилий и сопровождающийся стрессовыми нагрузками.


2. Средства автоматизации и информатизации ИАР делятся на следующие классы:

• средства обеспечения, непосредственно не предназначенные для обработки и анализа информации (телекоммуникационное обеспечение ИАР, средства сбора, накопления и хранения данных, средства отображения информации);

• средства ведения ИАР, непосредственно предназначенные для обработки и анализа информации (различного рода пакеты статистической обработки данных, автоматизированные системы поддержки процессов моделирования сложных систем и анализа данных, лингвистические инструменты и т. д.).

Наиболее обширным и разнообразным по составу является класс средств обеспечения ИАР.

Рассмотрим средства сбора данных – данных языковых коммуникаций и знаковых данных. В последние годы созданы средства распознавания и преобразования к символьному виду речевых сигналов, средства распознавания графических начертаний символов (оптические распознающие системы – сканеры), средства считывания картографических данных и т.п. графической информации. Создание этих средств дало мощный толчок развитию систем компьютерной обработки знаковых данных: сегодня, благодаря их использованию, аналитики получили доступ к неисчерпаемым ресурсам научно-технической, политической, экономической и иной информации.

За рубежом интенсивно развиваются проекты, направленные на стандартизацию поисковых интерфейсов и формата представления электронных документов. Так, например, в библиотечном деле широко внедряется стандарт представления текстовых данных для организации поисковых интерфейсов, в нашем государстве же этот процесс существенно запаздывает. Такое отставание снижает ценность информационных ресурсов, поскольку отсутствие четких правил формализации приводит к снижению эффективности поисковых процедур.

Инструментарий сбора информации из электронных источников информации представляет собой преимущественно программно-аппаратные комплексы, обеспечивающие подключение к ресурсам телекоммуникационных сетей в соответствии с действующими протоколами обмена данными и востребование данных с применением как профессионального, так и непрофессионального специализированного и общего программного обеспечения. Этот класс программного обеспечения весьма многообразен и включает в себя: интеллектуальные поисковые программы, неинтеллектуальные интерфейсы просмотра данных, программы, осуществляющие периодическое сканирование наиболее информативных источников, программы потокового ввода и другие.

Использование исключительно пассивных методов сбора информации в современных условиях нельзя считать приемлемыми. При работе с вторичными источниками информации, к которым могут быть отнесены все без исключения средства массовой информации, допустимо использование только активных методов сбора информации, либо при анализе данных должны быть учтены все специфические акценты, которые обусловлены ценностной ориентацией источника информации.

Средства хранения данных представляют собой обязательный компонент любой технологии, связанной с анализом информации. Любая система, предназначенная для анализа информации, должна располагать подсистемой хранения данных. Выделяют следующие классы подсистем хранения данных:

• подсистемы хранения данных на носителях с последовательным доступом к данным;

• подсистемы хранения данных на базе технологий, обеспечивающих параллельный доступ к данным.

И те, и другие методы организации хранения данных могут быть реализованы с помощью ЭВМ и сетей ЭВМ, однако при хранении данных на традиционных носителях (бумага, магнитная лента и т.д.) параллельный доступ реализовать не удается. По мере совершенствования технологий хранения и считывания данных, системы, создаваемые человеком, постепенно приобретают такие свойства – для этого создаются многоканальные устройства регистрации с произвольным доступом, распределенные системы хранений данных на базе сетей компьютеров, вводится иерархическая организация данных, системы параллельных вычислений, нейросетевые компьютеры и так далее.

Постепенно совершенствуя технологии, человечество приближается к моменту, когда можно будет говорить о создании эффективных самоорганизующихся структур хранения данных, на базе которых могут быть созданы действительно интеллектуальные системы анализа данных.

Наиболее широкое распространение на сегодня (если не считать архивы на традиционных носителях) получили подсистемы хранения данных, использующие реляционную технологию. Идеология и логические основания теории реляционных баз данных разработаны американским ученым Е.Ф. Коддом. Реляционная технология баз данных обладает множеством положительных свойств. Первое и важнейшее из них – это то, что все отношения между экземплярами данных могут быть заданы извне – ни один из методов связывания по заданным пользователем логическим условиям не будет воспринят как недопустимый. Любой запрос считается допустимым и может вернуть непустое множество записей базы данных: были бы соблюдены формальные правила именования объектов базы данных (таблиц и полей – колонок) и синтаксис языка запросов – остальное находится в компетенции пользователя. Это свойство превращает реляционные базы данных в мощный инструмент исследований, добывания нового знания из существующего набора данных.

Поиски путей согласования системного подхода с компьютерными технологиями хранения, поиска и обработки данных привели к разработке еще двух технологий: объектно-реляционной модели организации хранения данных и модели гетерогенных хранилищ данных.

В объектно-реляционных моделях объектом являются данные (именно для манипуляций над ними разрабатываются методы), а не семантика связей. Это позволяет, с одной стороны, использовать механизмы наследования и переопределения, обращения к объектам с применением специализированных методов, а с другой – решать сложные аналитические задачи, связанные с логическим анализом значений атрибутов.

Идея хранилищ данных впервые была предложена Б. Инмоном. Практика построения хранилищ данных доказала необходимость переноса идеологии виртуальных таблиц, реализованной в реляционных базах данных, на крупномасштабные приложения и развития ее до технологии витрин данных, позволяющих сделать прозрачным доступ к данным, хранимым в технологически неоднородных средах.

За прошедшее десятилетие было разработано около десятка различных архитектур корпоративных информационных систем на основе хранилищ и витрин данных, предназначенных для поддержки принятия решений и аналитических исследований. Основная задача хранилищ данных – организация прозрачного доступа к данным, размещенным в БД, функционирующих под управлением различных СУБД. По существу, хранилище данных – это система более высокого уровня, нежели база данных, такая система могла бы назваться базой баз данных. В хранилище содержатся объектные описания правил манипулирования информационными объектами включенных в хранилище БД, а также метаданные, описывающие систему логических отношений между объектами учета и их атрибуты.

В последнее время в современной аналитике нашли широкое применение экспертные системы. Экспертные системы являются инструментом, способным оперировать, в том числе и знаниями, еще не прошедшими процедуру научного обобщения и формализации – кроме экспертных систем это может делать только человек. Но способности человека по оперативному извлечению необходимых знаний и данных из памяти ограничены и подвержены влиянию целого ряда внешних условий (например, стрессовые ситуации, колебания физических параметров среды обитания и т. п.).

В качестве иллюстрации приведем курьезный пример. В 1990-е годы в Италии провели интересный эксперимент: специально отобранной группе девушек были предложены для решения два идентичных задания, первое из которых они решали, будучи одеты в одежду делового стиля, а второе – в бикини. Второе задание было решено в два раза худшими результатами, чем первое. А ведь это всего лишь изменение стиля одежды. Чего же ожидать от человека, если поместить его в действительно экстремальные условия?

В последние десятилетия направление экспертных систем оформилось в самостоятельную отрасль теоретических и прикладных исследований в рамках теории искусственного интеллекта.

В настоящее время экспертные системы применяются в различных областях человеческой деятельности: медицинского, технологического, юридического назначения, экспертные системы, ориентированные на поддержку процессов проектирования в архитектуре, электронике и электротехнике.

Новизна в данном случае состоит в том, что в результате применения тех или иных средств синтеза (например, морфологических методов, основанных на комбинаторных процедурах) могут быть синтезированы новые варианты распределения стандартных процедур во времени.

В зависимости от типов решаемых задач, экспертные системы можно разделить на следующие классы: системы классификации и распознавания объектов, интерпретации данных, диагностики, проектирования, прогнозирования, планирования, мониторинга, отладки, обучения и управления.

Для взаимодействия с пользователем могут использоваться интерфейсы, обеспечивающие взаимодействие с пользователем на подмножестве естественного языка, графические средства, шаблоны ввода/вывода и формальные знаковые системы.

Основное отличие экспертных систем от систем искусственного интеллекта заключается в том, что экспертные системы используют (а иногда и логически достраивают) совокупность знаний, полученных от экспертов, но сами не способны создать нового знания. Новое знание может появиться только при условии, что система располагает комплектом средств сбора информации, может управлять им, способна к самообучению, самоорганизации, а также различает «полезное» и «вредное» для нее или ее пользователя, а экспертные системы в классическом варианте такими качествами не наделяются.

Системы же искусственного интеллекта, как правило, обладают всеми этими функциями или их частью. Благодаря этому, системы искусственного интеллекта способны выявлять отклонения от текущего эталона, накапливать «черновые» гипотезы и через цепь обратной связи устанавливает их статус и полезность.

В рамках теории искусственного интеллекта можно выделить два мощных направления: логическое направление и направление нейронных и нейроподобных сетей.

Направление систем искусственного интеллекта на базе нейронных и нейроподобных сетей «ближе к природе»: если логика – это порождение человеческого интеллекта, формальная система, выведенная на основе научного обобщения закономерностей человеческого мышления, то нейронные и нейроподобные сети – это попытка сымитировать не процесс мышления, а «процесс чувствования». В основе построения таких систем лежит принцип действия нейрона и нейронной сети, имитирующей строение центральной нервной системы человека.

Нейрон – это нервная клетка, состоящая из довольно крупного (до 0,1мм) тела, от которого отходят несколько отростков – дендритов, дающих начало все более и более тонким отросткам, подобно ветвям дерева. Кроме дендритов, от тела нервной клетки отходит еще один отросток – аксон, напоминающий длинный тонкий провод. Аксоны бывают очень длинны – до метра – и заканчиваются, подобно дендритам, древовидным разветвлением, На концах веточек, отходящих от аксона, можно видеть маленькие пластинки или луковички. Луковички одного нейрона близко подходят к различным участкам тела или дендритов другого нейрона, почти прикасаясь к ним. Эти контакты носят название синапсов; через них нейроны взаимодействуют друг с другом. Число луковичек, подходящих к дендритам одного нейрона, может исчисляться десятками и даже сотнями. Таким образом, нейроны очень тесно связаны друг с другом; они образуют нервную сеть. Нейроны могут пребывать только в двух состояниях: возбужденном состоянии или в покое. При возбуждении на поверхности клетки образуется электрический потенциал, который передается через синапсы других нервных клеток и либо переводит, либо не переводит их в состояние возбуждения. Поэтому исходят из допущения, что нервная сеть – это дискретная система, состоящая из элементарных подсистем – нейронов, способных пребывать в одном из двух состояний. Такой взгляд на нейронную сеть, как иерархически организованную совокупность однотипных элементов со сложным поведением позволяет говорить о том, что это инструмент параллельной обработки данных, в различных сочетаниях поступающих от различных источников. Нейроны обладают способностью к обучению, заключающейся в том, что «проводимость синапса увеличивается после первого прохождения через него возбуждения и нескольких следующих прохождений. В результате этого повторяющиеся комбинации данных обучают сеть – настраивая ее на восприятие и распознавание образов ситуации. Как следствие, нейронная сеть, получающая данные об обстановке, поступающие от органов чувств, а также данные о внутреннем состоянии и взаимном расположении частей организма, оказывается в состоянии распознавать множество самых разнообразных состояний.

Преимуществом нейронной или нейроподобной сети перед чисто логической системой искусственного интеллекта заключается в гибком сочетании параллельной и последовательной обработки информации, обусловленном иерархической структурой нейронной сети. Пока нейроподобные сети (созданные на искусственных нейронах – перцептронах) и нейронные сети (созданные на нейронах, полученных у простейших организмов), как правило, на этапе манипулирования логической компонентой используют традиционную или несколько модифицированную логику, то есть, переходят от параллельной обработки данных к последовательной обработке. Используются системы искусственного интеллекта от анализа финансовых котировок и мультисенсорных систем сбора информации до систем распознавания словоформ в компьютерной лингвистике, от систем декодирования помехоустойчивых кодов и криптообработки до систем производства приближенных вычислений – диапазон применения их крайне широк.

Существуют ли примеры систем искусственного интеллекта, которые можно пощупать руками, не вставая из-за рабочего стола? Да, достаточно запустить компьютер, на котором установлена всем знакомая операционная система Microsoft Windows, как вы окажетесь в интеллектуальной среде, которая отслеживает массу событий, контролирует состояние множества запущенных процессов и способна выдавать рекомендации, направленные на стабилизацию параметров функционирования операционной системы и компьютера. Если у вас на компьютере установлена система автоматизированного перевода, то это еще один пример системы искусственного интеллекта, если вы используете сканер и программу автоматического распознавания текста – вот вам и еще один пример.

Одной из основных проблем, существующей в ИАР, является сам процесс синтеза модели, так и не получивший технологического обеспечения. Наиболее весомым достижением в этой сфере стало создание средств визуального моделирования объектов, процессов и отношений. Благодаря этой технологии инструментарий аналитика составили средства, предоставляющие наборы конструктивных элементов, располагающих совместимыми интерфейсами. Их комбинирование позволяет достаточно легко построить логико-графическую интерпретацию модели. Применение средств визуального моделирования и проектирования на первичном этапе формализации положительно сказывается на процессе моделирования, так как оно:

• стимулирует мыслительные усилия эксперта-аналитика за счет придания абстрактному мыслительному процессу наглядной формы;

• способствует формированию и развитию системного мышления;

• способствует проявлению скрытых логических конфликтов, а также логической неполноты модели (системы умолчаний эксперта);

• позволяет за счет протоколирования процесса построения модели осуществлять обучение системы моделирования, а также адаптировать ее интерфейс к конкретному пользователю, его аналитическим приемам;

• способствует развитию методологии моделирования, поскольку протоколирование процесса синтеза модели позволяет перейти на уровень металогики модели, т.е. анализировать процесс анализа или моделировать процесс моделирования.

Технологий создано множество. Но все же, самое ценное в аналитике – это те методики, которые прошли многократную апробацию, доказали свою эффективность при решении конкретных задач. В аналитике практика тесно переплетена с теорией, а технические науки и информатика – с философией.


Схожі:

Лекция Аналитический режим потребления информации iconЛекция 7 Тема особенности возобновимых ресурсов и моделирования их эффективного использования
Наиболее важным моментом в классификации природных ресурсов является то, насколько текущий уровень потребления этого ресурса влияет...
Лекция Аналитический режим потребления информации iconЛекция №8 Классификация и кодирование информации
Классификация объектов это процедура группировки на качественном уровне, направленная на выделение однородных свойств. Применительно...
Лекция Аналитический режим потребления информации iconДокументи
1. /Лекция 1. Основы РС.docx
2. /Лекция...

Лекция Аналитический режим потребления информации iconТема Информатика и информация
Понятие информации, свойства информации. Объекты и их свойства. Информационные процессы. Информационные технологии. Способы передачи...
Лекция Аналитический режим потребления информации iconУдк 304. 444 А. В. Голозубов Национальный технический университет «Харьковский политехнический институт»
«критическую массу» общества, т н. «средний элемент», с одной стороны, и какими средствами поддерживается установленный порядок,...
Лекция Аналитический режим потребления информации iconЛекция 6 Тема: Экономика невозобновимых ресурсов
Тот факт, что ресурс, потребленный сегодня, уже не доступен для будущего потребления, означает, что текущее потребление создает «межвременную...
Лекция Аналитический режим потребления информации iconЛекция Компьютерные преступления Вопросы лекции: Несанкционированный доступ к информации, хранящейся в компьютере
Преступная небрежность в разработке, изготовлении и эксплуатации программно-вычислительных комплексов
Лекция Аналитический режим потребления информации iconЛекция №1. Формы существования библиографической информации
И так, действия по отчуждению сведений о документе от самого документа есть исторически и логически исходный пункт всякой библиографической...
Лекция Аналитический режим потребления информации iconДокументи
1. /XML-Лекция 1. концепция Семантического Веб.doc
2. /XML-Лекция...

Лекция Аналитический режим потребления информации iconМіж авторитаризмом та демократією: політичний режим в Україні після “Помаранчевої революції”
Демократизацію І поступальний рух України до консолідованої демократії. У статті обґрунтовується думка про те, що зі зміною влади...
Лекция Аналитический режим потребления информации iconЗразок надання даних в урж джерело м орской экологический журнал, 2004, Т. 3, №. 4
Авс-модель морской экосистемы и экономическая модель потребления морских ресурсов, содержащая логические операторы (агенты) управления....
Додайте кнопку на своєму сайті:
Документи


База даних захищена авторським правом ©zavantag.com 2000-2013
При копіюванні матеріалу обов'язкове зазначення активного посилання відкритою для індексації.
звернутися до адміністрації
Документи