интересно
Предыдущая | Содержание | Следующая

Технология внутрифирменного управления корпоративными знаниями

Представление знаний определяет интеллектуальные технологии управления в организации. Попытки формализации знаний начались еще в древней философии. Ученые Вавилона разработали сложную совокупность правил типа если — то для описания взаимосвязи явлений. Более 2 тыс. лет назад Аристотель начал развивать традиционную логику. Декарт доказывал, что эмпирическое знание может быть построено так же, как и математические теоремы.

Логика Д. Буля и де Моргана стала первой формальной логической системой со строгой аксиоматикой. На ее базе была построена система логики предикатов (1879 г.) и затем логическое программирование. Дополненная методом интерпретации, разработанным в 30-е гг. Дж. Эрбраном, логика предикатов стала использоваться для доказательств путем логического вывода.

До начала XX в. развитие логики и биологии привело к накоплению знаний о процессах мышления, развитию и утверждению логической и нейронной доктрин.

Появление вычислительных машин подтолкнуло разработки искусственного интеллекта. А. Тьюринг предполагал, что вычислительные машины должны не только обрабатывать данные, но и моделировать процесс рассуждения. Он ввел алгоритмические модели рассуждений. Термин искусственный интеллект был впервые введен в 1956 г. Дж. Маккарти, ученым из Массачусетского технологического института, что фактически определило появление новой науки. Через четыре года Дж. Маккарти представил язык функционального программирования LISP, предназначенный для решения сложных задач. В 1956 г. группа ученых университета Карнеги-Меллон предложила первую интеллектуальную систему типа GPS (General Problem Solver) на эвристических правилах, использующую принципы логического вывода. Концепция знаний начала развиваться с момента появления первой экспертной системы DENDRAL, созданной в Стэнфордском университете. В ней использовались знания в форме продукции Поста, а программирование проведено на LISP. Далее последовали разработки целевых экспертных систем: AMLInter (первая медицинская система), MYCIN (медицинская система на неточных знаниях), PROSPECTOR (географическая система на неточных знаниях) и др.

В 1972 г. А. Кальмероер и Руссель разработали язык логического программирования PROLOG, который в некоторых модификациях используется и в настоящее время для написания интеллектуальных программ. Язык отличается использованием развитого интепретатора логических программ, основанного на методе резолюции Робинсона, простотой программирования.

Следует признать, что стремление найти более интеллектуальную работу для компьютеров не так уж ново. Уже почти 50 лет существуют два альтернативных подхода, зародившихся почти одновременно. Один из них, Искусственный интеллект, приобрел особую популярность (можно сказать, был в моде) в 70—80-е гг.

Чуть раньше, чем искусственный интеллект, возникло направление, рассматривающее компьютер как инструмент, способный к самостоятельной деятельности. Оно родилось на семинарах Ноберта Винера в Массачусетском технологическом институте, а с его развитием связывают такие имена, как Джозеф Ликлайдер, Робер Тейлор, Даг Эн-гельбарт и многие другие. Именно их работы в конечном итоге привели к появлению современных интерактивных средств (экран, мышь, клавиатура и все остальное). Опубликованные в 60-е гг. статьи, посвященные проблемам взаимодействия человека с машиной и интерпретации компьютера как коммуникационного устройства, не потеряли актуальности и поныне. В них предвосхищена та роль, которую сегодня играют технологии, обеспечивающие КМ. Дж. Ликлайдер и Р. Тэй-лор значительно опередили свое время, ведь только сейчас появилась реальная возможность превратить компьютер в устройство, предназначенное помочь в интеллектуальной работе.

Разработка интеллектуальных систем, оперирующих с естественными языками, понятиями и смысловой информацией, началась в 70-х гг., что привело к представлению знаний в виде семантических сетей. Развитию этих систем способствовало предложение М. Минским в 1975 г. о представлении знаний в виде фреймов.

Появление в 80-е гг. объектно-ориентированного программирования: позволило создавать интеллектуальные системы со сложными базами знаний, имеющими сетевую структуру, в которой носителем знаний-был объект, объединяющий правила их связывания и процедуры их обработки. Такой подход явился принципиальным скачком и поз во -лил преодолеть ограниченные возможности фреймовых систем. Языки объектно-ориентированного программирования CLOS (Comon lisp Object Sistem), LOOPS (Lisp Oriented Object Programming Sistem) и другие специально ориентированы на работу со знаниями. Они позволяют разрабатывать объектные интеллектуальные системы с сложной структурой знаний. Но одновременно они стали ступенью при переходе к концептуальному программированию.

Из последних разработанных систем следует отметить японскую программу 1С ОТ, разработки японских ученых по усовершенствованию языка PROLOG, обучающуюся интеллектуальную систему IRISCO (1985 г.). Эти системы позволяют в процессе работы формировать новые знания в определенной предметной области. Как показывают многолетние исследования, интеллектуальные системы символьного типа требуют возможностей современных суперЭВМ, сетевой организации совместно работающих процессоров. В рамках совершенствования ЭВМ шестого поколения появляются системы, обеспечивающие решение задач без программирования за счет способности к обучению по примерам и самообучения но определенным критериям.

Documentum известна как один из ведущих поставщиков технологий индустриального управления документов для корпоративных информационных систем. Созданная в 1990 г., сегодня она имеет более 900 крупных заказчиков, большинство которых входят в список

Global 2000. Технологии Documentum изначально строились на использовании объектно-ориентированного подхода в реализации архитектуры информационных систем. Это позволило эволюционным путем расширять сферу применения ее продуктов, в динамике развития которых можно выделить несколько ключевых этапов: поддержку бизнес-процессов, интеграцию с ERP-системами, создание вертикальных решений.

В апреле 2000 г. компания представила на рынке новое поколение продуктов Documentum 4i, являющееся платформой для разработки законченных решений по управлению знаниями, документами и бизнес-процессами предприятия. Платформа позволяет объединить всю критически важную деловую информацию в едином хранилище, управлять процессами создания, обработки и распространения информации, ее жизненным циклом, публикацией документов на веб-сайтах и обеспечивать доступ к корпоративной информации через Интернет. Documentum 4i управляет электронными документами любого формата, имеет сертифицированные интерфейсы с ERP, CAD/CAM-систе-мами, обеспечивает поддержку web-технологий и прозрачную интеграцию с коммерческими приложениями электронного бизнеса.

Эти функциональные возможности обусловливают применение Documentum 4i для решения широкого спектра задач по обработке неструктурированной информации. Это задачи создания корпоративного хранилища электронных документов, управления организационно распорядительными документами, сбора и консолидации корпоративной отчетности, управления качеством продукции и услуг, управления конструкторской и проектной документацией, коллективной разработки проектов, динамического управления содержимого веб-сайтов, построения корпоративных информационных порталов и информационного обеспечения приложений электронного бизнеса. Решения на платформе Documentum 4i обеспечивают создание единой информационной среды, в которой независимо от географического места расположения взаимодействуют сотрудники и различные подразделения предприятия, его партнеры, поставщики и заказчики. Среди предприятий, внедряющих эти решения во всем мире, — промышленные, фармацевтические, телекоммуникационные предприятия, финансовые институты, конструкторские бюро, автомобильные и другие компании, где очень важно эффективное управление внешними и внутренними информационными потоками и обеспечение быстрого доступа ко всей совокупности управленческой, финансовой, инженерной, коммерческой и технической документации.

Все предприятия обладают огромным объемом данных и накопленным практическим опытом. Сегодня условием предпринимательского успеха становится прежде всего совокупность актуальных знаний. Узнать первым и узнать больше — это залог прибыльной работы. Экономическое лидерство многих предприятий объясняется главным образом приоритетом в использовании информационных технологий. Современные информационные технологии, построенные на базе компьютерного интеллекта, играют ключевую роль в развитии предприятий.

В число основных технологий, поддерживающих КМ, входят:

•               добыча данных и текстов (Data mining, Text Mining) — распозна вание образов, выделение значимых закономерностей изданных, находящихся в хранилищах или входных или выходных потоках. Эти методы основываются на статистическом моделировании, нейронных сетях, генетических алгоритмах и др.;

системы управления документооборотом (Document management) — хранение, архивирование, индексирование, разметка и публикация документов;

средства для организации совместной работы (Collaboration) — сети intranet, технологии группой работы, синхронные и асинхронные конференции;

корпоративные порталы знаний;

•               средства, поддерживающие принятие решений (Decision sup port), — экспертные системы, системы, поддерживающие дискус- сионные группы и т. д.

По данным одного из отчетов списка Fortune 1000, 40% компаний имеют специального сотрудника, ответственного за создание инфраструктуры и развитие культуры совместного использования знаний (Chief Knowledge Officer). Управление знаниями — это новое, бурно развивающееся направление менеджмента. За последние годы управление знаниями в различных публикациях отождествляли с информационными системами бизнеса, корпоративными порталами, экспертными системами, системами обучения и т. д.

Объем знаний организации не является стабильным. Имеющиеся знания требуют сохранения и обновления. Новые знания требуют поиска, формализации и сохранения. Поиск знаний непосредственно связан с повышением эффективности деятельности. Требуется отказаться от изобретения колеса, но постоянно обновлять и формировать новые знания.

Основными моделями организации доступа к знаниям являются: модель сокровищница, модель указатель.

Модель сокровищница ориентирована на накопление интеллектуального капитала и создание механизма доступности. В этих условиях предполагается, что знания могут успешно сохраняться, фиксироваться в документах и многократно использоваться. Инструментами модели сокровищница могут выступать базы данных, простые экспертные системы. Такая модель позволяет сохранить интеллектуальный капитал в случае ухода сотрудника, дает оперативный доступ к интеллектуальному капиталу компании.

Модель указатель ориентирована на объединение людей, заинтересованных в наращивании знаний. Аспекты знаний, которые не зафиксированы документально, можно получить только в процессе общения (конференции, встречи, электронные форумы, индивидуальные информационные сети). Некоторые эффективные методы тяжело зафиксировать документально. Необходимо говорить непосредственно с человеком — носителем знаний. Модель указатель не требует больших затрат на поддержание, дает оперативный результат, но требует постоянных усилий для кооперации персонала.

Каждая из моделей имеет свои преимущества и недостатки.

В технологии управления знаниями выделяются несколько ключевых потоков. Проектировщик разрабатывает машину, и ему необходимо найти соответствующую информацию, для чего привлекаются средства информационного поиска по запросу. В текущей инженерной деятельности при решении определенной задачи система управления знаниями предоставляет дополнительную информацию, выбирая ее по системе типовых ситуаций (поддерживая принятие решения). Используя машиночитаемые знания, экспертные системы подводят пользователя к рекомендованным решениям. Новая информация, поступающая в базу знаний организации, доводится до сотрудников в виде информационного сообщения с целью возможного использования и оценки полезности. В первом случае информация вытягивается из базы знаний, в остальных навязывается возможному потребителю.

Наращивание знаний предполагает пополнение базы за счет поиска вне организации и фиксирования материала в собственной базе информации или обучение персонала новым знаниям.

Система поиска информации — одна из трудно формализуемых процедур. В ее основе лежит, как правило, технология OLAP (online analytical processing). Для анализа важны не только показатели в виде цифр, но текстовая информация из различных файлов. Имеющиеся программные средства имеют двух-, трехуровневую структуру и базируются на четкой классификации знаний. Разведка знаний представляет собой новое направление, использующее методы искусственного интеллекта, математики, статистики, программирования. Фактически это нетривиальное извлечение точной, ранее неизвестной и потенциально полезной информации. Разработано множество решений для управления информационными ресурсами предприятия, но собрать воедино все составляющие — задача трудоемкая. Система управления знаниями должна стать частью повседневного трудового процесса, не требуя от сотрудников дополнительных знаний о самой системе, но она должна быть прозрачным объединительным элементом, органично интегрированным в рабочую среду предприятия.

Библиотека данных отличается от традиционной базы данных тем, что это скоординированная совокупность.

Документы являются контейнерами, которые заключают в себе значительную часть знаний организации и в целом представляют собой один из самых значимых активов. Однако только управление документами обеспечивает эффективное использование знаний и опыта; Документы могут не только ответить на вопрос: Что мы знаем? но также и на вопрос: Кто это знает?

Библиотека знаний проектируется для поддержки процесса принятия решения, а не просто для хранения совокупности данных. Знаний отличаются от данных специфической структурой и дополнительны-1 ми свойствами, основными из которых являются:

интерпретируемость;

наличие классифицирующих отношений (отношения типа элемент-множество, тип-подтип>>, ситуация-подситуация и др.);

наличие ситуативных связей.

Знания от просто набора информации отличаются наличием двух элементов в записи. Первый характеризует ситуацию и принятое решение, а второй — полученный результат. Совокупность оптимальных решений накапливается в процессе деятельности при решении конкретных задач. Если кто-то сталкивался с решением определенной проблемы, то ее решение можно обнаружить в базе знаний.

Знания в определенной предметной области при использовании их в системе объединяются в базы знаний подобно тому, как данные объединяются в базы данных. Знания не отвергают и не заменяют базы данных. Они оказываются разными уровнями представления информации.

Базы знаний разделяются по виду и характеру представления. По виду выделяют декларативные и процедурные знания. По характеру представления разделяют структурное и параметрическое представление.

Декларативные знания состоят из множества описаний состояний и условий перехода между ними, которые имеют синтактический (символьный) характер и не содержат в явном виде описания исполняющих процедур. Вывод и принятие решений осуществляется процедурами поиска в пространстве состояний, которые учитывают семантику (смысл) конкретной предметной области.

Процедурные знания включают исходные состояния и описания процедур, обрабатывающих исходные знания при необходимости получения состояния полного множества производных знаний. Семантика вводится в описание процедур, генерирующих синтаксические знания.

Структурное представление знаний характеризует отношение фактов или объектов. Структура знаний может изменяться, за счет чего обеспечивается конкретизация при описании конкретной проблемной области.

Параметрическое представление знаний характеризуется фиксированной структурой и изменяемыми параметрами в фактах или объектах. Конкретизация знаний под задачу достигается настройкой параметров. Часть параметров используется для настройки связей или отношений.

Модель знаний — это представление системы знаний с помощью формализма, универсального математического аппарата. Может использоваться функциональный, логический, алгоритмический (алгоритма Тьюринга) и объектный (теория акторов) формализм. Модели знаний можно разделить на реляционные, объектные и ассоциативные.

Реляционная модель знаний задается в виде

где R — система отношений;Т-множество базовых элементов; Р — множество синтаксических правил, позволяющих строить из множества элементов синтаксически правильные выражения; А — множество априорно истинных выражений (аксиом); F—семантические правила вывода, позволяющие расширить множество А за счет других выражений.

В основе реляционной модели лежат теория отношений и логика. Для их построения используют дедуктивную (вывод на основе заданной системы посылок), индуктивную (вывод на основе обобщения примеров) и предикатную логику. Предикатная форма является наиболее строгой и доказательной. Базируется она на универсальном языке программирования PROLOG — оболочки интеллектуальных систем. Продукционная форма менее строгая. Она используется для представления знаний в виде имшшкативпых отношений и связок типа и и или между фактами. Выводы в системе строятся через дедуктивную логику и процедуры эвристического поиска. Лингвистическая форма является развитием продукционной. Поодерживается она языками тина ATNL. Объектная модель знаний задается в виде

где N— сеть объектов, связанных разными отношениями; С — множество классов объектов, связанных отношениями классов; О — множество объектов, связанных отношениями объектов; S — структура классов и объектов, определяющих конкретные связи между ними; /— правила преобразования объектов и вывода на сети объектов.

Объектная модель знаний представляется в семантической, фреймовой или универсальной форме.

В простейшем случае объект знаний — это понятие в узле семантической сети, связанное с другими подобными объектами различными отношениями. Такая форма представления знаний поддерживается специализированными языками типа NETL, ATNL. В более сложном случае объект знаний — это фрейм, содержащий декларативные знания и процедуры, позволяющие выполнить некоторые действия над ними. Для поддержки фреймовых систем используют языковые средства типа LISP, FRL, FMS. Универсальным вариантом объекта знаний является объект, содержащий данные или знания любого вида и имеющий процедуры, выполняющие любые действия над ними. Эта форма используется при разработке мощных распределенных сетевых систем знаний для моделирования, управления, проектирования. Программная поддержка универсальной формы осуществляется с помощью языков типа CLOS, LOOS, Smaltalk, C+ + .

Ассоциативная модель знаний задается в виде

где Л — ассоциативная модель представления знаний; V— множество узловых элементов ассоциативной сети; С — множество контактных связей элементов; L — множество правил построения сети и определения параметров контактных связей; / — правила ассоциативного вывода.

В основе ассоциативной модели знаний лежит ассоциативная логика. Представляются знания в виде ассоциативной сети узловых элементов, имеющих контактные связи между собой в соответствии с решаемой задачей. Ассоциативный подход позволяет формировать знания путем обучения и обработки их в реальном масштабе времени.

Поиск знаний является неотъемлемым элементом работы каждого работника, занятого интеллектуальным трудом. Это может быть регулярный просмотр специальной литературы, знакомство с тематическими обзорами, поиск информации в информационных сетях и т. д. В рамках предприятия пополнение знаний строится как регулярная работа соответствующего программного обеспечения, которое прочесывает источники информации, производя логический анализ и выделяя необходимые сведения. Подобная система выполняет информационно-аналитическую работу. Она состоит из трех уровней. Первый уровень представляет собой файловый сервер, содержащий документы и классификаторы. Второй — состоит из пользовательского программного обеспечения, обеспечивающего доступ к системе. Третий — содержит логику, определяющую систему формирования документов и маршруты их доставки конкретным сотрудникам.

Выделение необходимых сведений может осуществляться через ключевые слова, типовые выражения, базовые числовые параметры.

Большинство современных методов поиска являются специальными инструментальными средствами. Широко известны средства поиска применяемые в системе Интернет ( Yahoo,Alta Vi$ta, Excite, Infoseek). Они могут быть адаптированы для внутрикорпоративных нужд.

Системы навязывания знаний работают по принципу эвристических методов. Они пытаются по ключевым фразам сообщений пользователя понять его задачу и затем находить документы и записи, предугадывая его запросы.