Технологические барьеры развития геоинформационных технологий как предпосылки интеллектуализации

      Комментарии к записи Технологические барьеры развития геоинформационных технологий как предпосылки интеллектуализации отключены

Технологические барьеры развития геоинформационных технологий как предпосылки интеллектуализации

Современные тенденции геоинформационных разработок характеризуются наличием последовательности технологических барьеров на разных этапах обработки информации, что ставит вопрос о поиске новых подходов к построению ГИС. В данной работе предпринята попытка произвести анализ главных подходов к построению интеллектуальных геоинформационных совокупностей с позиции теории управления.

В случае если разглядеть процесс анализа данных с методологической позиции полной функции управления [5],  то возможно ввести понятие полной функции анализа данных, комплексно обрисовывающей всю цепочку преобразования информации: от получения данных до помощи принятия ответов (рис. 1). Понятие полной функции анализа данных основывается на том, что конечным результатом любого аналитического процесса есть принятие управленческого ответа.

Наряду с этим для принятия ответа возможно достаточно как поверхностного экспертного анализа данных, так и создания сложного программно-аппаратного комплекса, ориентированного на моделирование и принятия информационную поддержку решений разных сценариев развития объекта управления.

Рис. 1. Структурная схема полной функции анализа данных и главные тенденции ГИС на ее стадиях

На отечественный взор, существует две стратегические цели развития геоинформационных и информационно-аналитических совокупностей:

  • минимизация времени между измерением параметров объективной действительности и принятием управленческого ответа;
  • качества и повышение точности аналитического обеспечения принимаемых управленческих ответов.

Эти две цели определяют главной вектор развития информационно-аналитических разработок. В случае если разглядеть тенденции информационных совокупностей с позиции полной функции анализа данных на каждом из этапов, то возможно сделать следующие выводы:

  1. Отмечается стирание граней между такими классическими классами информационных совокупностей, как ГИС, совокупности бизнес-аналитики (Business Intelligence, BI), и разными типами информационно-аналитических совокупностей (ИАС). Этот факт подтверждается, с одной стороны, помощью пространственного анализа в совокупностях бизнес-аналитики, с другой -появлением разработок типа Spatial OLAP (пространственный многомерный анализ — разработка, характерная для BI-совокупностей). По сути, на рынке более четко выявляется потребность в комплексных информационно-аналитических совокупностях, разрешающих из громадных массивов любых разнородных данных формировать аналитический продукт.
  2. Измерения параметров объективной действительности характеризуется следующими тенденциями:
  • увеличение пространственного разрешения измерительного оборудования (применительно геоданным);
  • увеличение временного разрешения измерительного оборудования;
  • детальности и повышение точности регистрируемых значений.
  1. При работе с данными как исходной базой аналитического процесса кроме этого отмечается последовательность тенденций:
  • возрастание количеств данных (тенденция Big Data);
  • несоответствие между повышением стандартов предоставления и количества форматов данных и тенденцией к абстрагированию и унификации форматов данных;
  • потоковый темперамент данных.
  1. интерпретации и Этап анализа данных:
  • активное развитие разработок распределенных вычислений как следствие неприятности громадных данных;
  • автоматизация стандартных процессов анализа данных;
  • возрастание роли объектноориентированного подхода на интерпретации информации и этапах анализа;
  • возрастание эвристических подходов и роли моделирования.

Развитие информационно-аналитических разработок в любую секунду времени сталкивается с рядом ограничений — так называемых технологических барьеров, обусловленных состоянием развития науки. В соответствии с этапами полной функции анализа данных это:

  • объективные ограничения измерительного оборудования;
  • ограничения анализа информации и математического аппарата обработки;
  • сложность интерпретации аналитических материалов.

Преодоление указанных выше пределов и барьеров в развитии информационно-аналитических разработок вероятно за счет применения способов ИИ, разрешающего решать непростые неструктурированные задачи.

ПОНЯТИЕ ОБ НЕЕСТЕСТВЕННОМ ИНТЕЛЛЕКТЕ И ИНТЕЛЛЕКТУАЛЬНЫХ ИНФОРМАЦИОННЫХ СОВОКУПНОСТЯХ

Существуют разные определения понятия ИИ. Так, S. Russel и

  1. Norvig приводят классификационную таблицу определений данного понятия (табл. 1) [17], включающую четыре группы подходов, обрисовывающих предельные варианты интеллектуализации. В большинстве настоящих случаев внедрения разработок ИИ употребляется гибридный подход, включающий элементы всех четырех групп. В общем случае познание ИИ как научного направления начинается с двух концептуальных позиций — нисходящей (моделирование когнитивных качеств деятельности — машинное обучение, инженерия знаний и др.) и восходящей (построение структур данных и методов, моделирующих биологические совокупности — нейронные сети, генетические методы, эволюционные вычисления и др.).

Табл. 1. Классификация определений понятия «ИИ» [17]Применительно к информационным совокупностям направляться привести еще кое-какие из определений понятия «ИИ»:

1) «свойство интеллектуальных совокупностей делать творческие функции, каковые традиционно считаются прерогативой человека» [1];

2) «интеллектуальной именуется совокупность, талантливая целеустремленно, в зависимости от состояния информационных входов, изменять не только параметры функционирования, но и сам метод собственного поведения…» [10].

Неспециализированный обзор главных направлений ИИ приведен в работах [2, 6] (табл. 2).

Табл. 2. Главные направления ИИ [2, 6]В неспециализированном случае познание ИИ включает применение интеллектуальных видов деятельности (распознавание, обучение, память, рассуждение и др.). Так, среди главных задач интеллектуальных совокупностей возможно выделить:

  • Распознавание — свойство совокупности классифицировать объект либо явление, с которым она сталкивается при ответе собственных задач. Задача распознавания подразумевает наличие некоторых знаний об объектах, с которыми совокупность может встретиться либо виделась в течении периода функционирования. Задача распознавания есть одной из базисных задач ИИ и употребляется с целью автоматизированного определения стратегии сотрудничества с объектом либо явлением, с которым сталкивается информационная совокупность. Эта задача интеллектуальных совокупностей решается в рамках научного направления теория распознавания образов.
  • Обучение (в терминах научного направления «машинное обучение») — систематическое обучение систем и алгоритмов, из-за которого их знания либо уровень качества работы возрастают по мере накопления опыта [13]. Задача обучения в широком смысле подразумевает уточнения создания и возможность новых созданных моделей в ходе функционирования совокупности. Задача обучения решается в рамках направлений машинного обучения. Инженерия знаний — научное направление, изучающее методы и алгоритмы моделирования людских знаний, каковые смогут быть использованы в ходе обучения совокупности либо в ходе логического вывода. направляться подчернуть, что ответ перечисленных выше задач возможно использовано на любой стадии аналитического процесса.

ЗАДАЧИ ИНТЕЛЛЕКТУАЛИЗАЦИИ и ОСНОВНЫЕ Направления ГИС

Вопросы интеллектуализации геоинформационных совокупностей завлекают исследователей уже в течении достаточно продолжительного промежутка времени и рассмотрены в ряде отечественных и зарубежных работ [3, 6, 7, 8, 9, 12, 15, 16, 18].

В качестве базисного возможно привести определение В.В.Поповича: «Под интеллектуальной принято осознавать ГИС, которая включает инструменты и/либо системы ИИ» [16]. Интеллектуализация ГИС подразумевает применение способов ИИ на каком-либо одном или на всех этапах полной функции анализа данных, что разрешает выделить пара направлений:

Интеллектуализация сбора и процессов поиска данных. Включает распознавания и алгоритмы поиска данных, с которыми сталкивается совокупность. Эта несколько задач включает:

  • наличие базы знаний по ресурсам информации;
  • способы интеллектуального поиска информации в распределенных совокупностях (семантический веб и др.);
  • ответ задачи распознавания типов (моделей) данных.

Наличие базы знаний по ресурсам пространственных разрешённых позволяет собирать дополнительную данные для анализа и моделирования, повышать возможность применения эвристических подходов на базе автоматизированного сбора информации через внешние ресурсы (FTP, HTTP, API и т.д.). Стратегическим направлением развития базы знаний по ресурсам есть применение разработок анализа семантических сетей.

Определение стратегии предстоящей обработки данных основывается на распознавании типа (модели) данных. Необходимость ответа данной задачи связана с тем, что существуют методы анализа данных как более многих применения (растровая либо векторная модель данных), так и требующие более детального определения модели (тип сенсора для космического аппарата, уровень обработки). интерпретации процессов и Интеллектуализация анализа данных подразумевает применение эвристических методов управления данными и методами анализа, что на основании идентификаций модели данных разрешает:

  • в автоматизированном режиме выяснить сценарии и стратегию анализа (большая глубина извлечения информации из источника данных) в форме деревьев и цепочек методов с учетом логической последовательности и приоритетов методов;
  • подбирать самые оптимальные для тематических задач цепочки методов анализа данных;
  • решать задачу распознавания структур либо объектов в данных;
  • создавать интеллектуальную модель объекта управления;
  • осуществлять высокоуровневую объектноориентированную интерпретацию распознанных объектов либо явлений;
  • делать прогнозное и сценарное моделирование развития объекта управления.

Интеллектуализация процессов представления информации. есть достаточно новым и еще слабо распространенным направлением и включает моделирование и учёт когнитивных качеств восприятия информации человеком. Реализация данного направления осуществляется при помощи интеллектуальных интерфейсов.

Интеллектуальная ГИС, в отличие от классических подходов, характеризуется наличием интеллектуальной системы, центральными звеньями которой выступают машина и база знаний логического вывода. Применение построения инженерии и методов знаний баз знаний в ГИС основано на применении трехуровневой абстракции информации: «эти — информация — знания» [14] (рис. 2).

Эти — результаты исходных измерений объективной действительности (исходные факты), воображаемые в машиночитаемом виде.

Рис. 2. Соотношение понятий «эти», «знание» и «информация» в геоинформатике (с применением материалов [13])Применительно к геоинформационным совокупностям этому понятию соответствуют данные ДЗЗ, цифровые модели рельефа и др. Информация — обработанные данные, несущие отчетливую информационную нагрузку (эти, переведенные в значимую для пользователя форму).

Примером может служить вычисленный растр индекса NDVI либо поверхности у клона рельефа.

Знания — структуры информации/данных, обрисовывающие процессы и объекты объективной действительности, либо информация, разрешающая принять управленческое ответ [14]. Примером обнаружения знания может выступать построение модели развития суффозионных процессов в пределах агроландшафтов (рис. 3).

Построение аналогичной модели разрешает разбирать разные сценарии влияния негативных факторов на земельные ресурсы и принять оптимальное управленческое ответ.

Рис. 3. Пример распознанного знания — развитие суффозионных ландшафтных процессов (Среднехоперский южнолесостепной физико-географический район), разрешает оценить сценарии развития и выполнить планирование мелиоративных мероприятий

направляться подчернуть, что большинство современных ГИС до тех пор пока трудится на уровне абстракций «эти ? информация», построение основанных на знаниях совокупностей носит, за редким исключением, экспериментальный темперамент. Отмечается достижение определенных пределов в развитии современных ГИС.

Наряду с этим отмечается возрастающая потребность в создании интеллектуальных информационно-аналитических совокупностей, разрешающих решать задачи информационного обеспечения принятия управленческих ответов на как следует новом уровне. Помимо этого, построение интеллектуальных ГИС остро ставит задачу их методологического обеспечения. Согласно нашей точке зрения, в качестве методологической базы интеллектуализации геоинформационных совокупностей, не считая фактически ИИ, направляться разглядывать такие научные направления как неспециализированная теория геосистем [11] и геоинформационное моделирование ландшафта [4].

ПЕРЕЧЕНЬ ЛИТЕРАТУРЫ

Аверкин А.Н. Толковый словарь по неестественному интеллекту/ А.Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А.Поспелов. – Толковый словарь по неестественному интеллекту. ? М.: Радио и сообщение, 1992. ? 256 с.

Гаврилова Т.А. Интеллектуальные разработки в менеджменте: системы и инструменты: Учебное пособие 2-е издание/ Т.А. Гаврилова, Д.И. Муромцев. — СПб: «Верховная школа менеджмента «, 2008. ? 488 с. 3. Геоинформатика: Учеб. для студ. институтов / Е.Г. Капралов, А.В.

Кошкарев, В.С. Тикунов и др.; Под ред. В.С. Тикунова. ? М.: Издательский центр «Академия», 2005. ? 480 с.

Глотов А. А. Геоинформационное моделирование эволюции долинно-речных ландшафтов Воронежской области: автореферат диссертации кандидата географических наук/ А.А. Глотов. ? Воронеж, 2013. ? 24 с. Достаточно неспециализированная теория управления: постановочные материалы учебного курса факультета прикладной математики – процессов управления СПбГУ. ? СПб, 2003. ? 419 с.

Ивакин Я.А. Интеллектуализация ГИС. Способы на базе онтологий/ Я.А. Ивакин. – LAP Lambert Academic Publishing, 2010. ? 322 с.

Литвинов А.Г. Разработка разработки интеллектуальных геоинформационных совокупностей горнопромышленных комплексов/ А.Г. Литвинов//Диссертация кандидата технических наук. ? М., 2006 г. ? 152 с.

Попович В. В. Интеллектуальная ГИС в совокупностях мониторинга / В. В. Попович, С.Н. Потапычев, А.В. Панькин, С.С. Шайда, М.Н.Воронин//Труды СПИИРАН. ? СпБ., 2006. ?Т .1, No 3. ? С. 172-18 4.

Савиных В. П. Развитие способов ИИ в геоинформатике/ В.П. Савиных, В. Я. Цветков//Транспорт РФ, 2010. ? No 5. ? С. 41?43.

Смолин Д. В. Введение в ИИ: конспект лекций / Д. В. Смолин.? М.: ФИЗМАТЛИТ, 2004. ? 208 с.

Сочава В.Б. Введение в учение о геосистемах/В. Б. Сочава.? Новосибирск: Наука, 1978. ? 320 с.

Тикунов В. С. Изучения по неестественному интеллекту и экспертные совокупности в географии//Вестн. Москунта. — Сер.геогр. — 1989. — No 6. ? С. 3-9.

Cеминар Влияние развития информационных технологий на мышление Константин Фрумкин


Интересные записи на сайте:

Подобранные по важим запросам, статьи по теме: