Абдикеев Н.М. Когнитивная бизнес-аналитика [DJVU] — Все для студента

Ежедневно в мире генерируется более 500 млн твитов и 55 млн записей в Facebook. В одном только Нью-Йорке датчики и камеры наблюдения за сутки создают более 520 ТБ данных. Каждое современное месторождение нефтегазовой индустрии с числом сенсоров порядка 80 тыс. генерирует за срок своего существования в среднем 15 ПБ данных. И это – только капля в современном информационном цунами.

Люди постепенно учатся хранить и распределять все эти данные. Определенный прогресс наметился благодаря успехам в развитии облачных технологий. Менее заметны достижения в области полезного использования огромных массивов данных, их эффективного анализа. Сложность заключается в том, что у порядка 80% всей генерируемой сегодня информации отсутствует структура. Более того: согласно прогнозам, количество неструктурированных данных в общем потоке новой информации достигнет отметки более 93% к 2020 г.

По данным IBM Research, порядка 2,5 квинтильонов (миллион триллионов, число с 18 разрядами) новой информации появляется ежедневно. Порядка 90% всей информации в мире появились в последние два года. При общей численности населения Земли в 7,3 млрд, на каждого человека приходится примерно 1,7 МБт данных, создаваемых каждую минуту.

Астрофизики зачастую используют в своих теориях определение так называемой «темной материи». Эту материю невозможно увидеть или определить ее истинные границы, но в то же время она доказывает свое существование и присутствие гравитационным воздействием. Точно такая же ситуация сегодня складывается с огромными массивами накопленных данных. Большинство информации, собранной на сегодня человечеством, полностью подпадает под определение «темных данных». Число решений, генерирующих данные, устройств и систем, хранящих эти данные, превышают все мыслимые границы. Разнообразие форматов записи и представления приводят к потере смысла этих данных, к тому, что огромные массивы ценной информации по сути превращаются в скопище бесполезного цифрового шума.

Искусственный интеллект

Любые попытки построить систему анализа данных по принципу футуристического «Мегаразума», где искусственный интеллект представляет собой масштабированный в несколько раз человеческий интеллект, заведомо обречены на провал. Эффективная работа с огромными массивами неструктурированной информации возможна только с привлечением искусственного интеллекта на базе когнитивных вычислений.

Когнитивные вычисления лишь частично повторяют особенности работы человеческого мозга – главным образом в области обработки и структуризации поступающей информации. Помимо этого когнитивные технологии используют принципы глубокого машинного обучения, сопоставления различных данных и правил, применения собственного и стороннего опыта, разработки новых правил и алгоритмов работы с данными непосредственно в процессе проведения вычислений.

Эффективная работа с огромными массивами неструктурированной информации возможна только с привлечением искусственного интеллекта на базе когнитивных вычислений.

Человеческий интеллект обладает рядом преимуществ, до сих пор не превзойденных машиной, таких как интуиция, чувство вкуса, оценочное суждение, здравый смысл. В свою очередь, машины имеют «идеальную память», способны быстро производить сопоставление и проверку фактов, программируются на глубокое обучение, и вдобавок мгновенно производят крупномасштабные математические вычисления.

Техническая реализация

Системы когнитивных вычислений разрабатываются не для противопоставления машинного и человеческого интеллекта и не для замены человека, но для более тесного взаимодействия человека и машины. Искусственный интеллект, способный эффективно обрабатывать неструктурированные данные, должен научиться распознавать визуальные образы и понимать человеческую речь.

По определению, когнитивная вычислительная система должна обладать чрезвычайно высокой производительностью. Чтобы такие вычисления имели действительную практическую ценность, результаты должны появляться молниеносно. Именно по этой причине все компоненты когнитивной ИТ-инфраструктуры, включая модули искусственного интеллекта, системы хранения, API, программное обеспечение, сервисы и многое другое, должны быть максимально быстрыми и гарантировать минимальные задержки при передаче данных между собой.

ИТ-инфраструктура для когнитивных вычислений, гарантирующая результаты обработки неструктурированных данных за считанные миллисекунды, строится на серверах транзакционной аналитики, с привлечением аппаратных ускорителей и самых современных систем хранения данных на флеш-технологиях.

Использование открытых архитектур и открытых экосистем для когнитивных вычислений обеспечивает возможность быстрого обновления при постоянно высоком уровне конкурентоспособности. Список приемлемых открытых экосистем, в зависимости от потребностей предприятия, может включать Blockchain, Docker, Linux, OpenPower и другие.

Оптимально выбранная ИТ-инфраструктура предприятия для высокоэффективных когнитивных вычислений в последнее время все чаще ассоциируется с гибридными облачными платформами. Уход от традиционного представления ИТ в качестве набора серверов и систем хранения к распределенным, программно-определяемым и облачным технологиям с когнитивными рабочими нагрузками в значительной мере определяет правильный вектор для инвестиций в будущее предприятия.

Когнитивные технологии в действии

Примером успешного развития универсальной когнитивной системы, является IBM Watson. Эта система изначально разработана для масштабирования под любой формат и размер современного бизнеса, адаптирована к облачным технологиям, успешно интегрируется с открытыми экосистемами и флеш-системами хранения данных IBMFlashSystem. Разработчики IBM создали пакет сервисов, позволяющих быстро создавать с нуля собственную когнитивную облачно-ориентированную систему Watson на предприятиях, работающих в самых различных областях.

Подобные системы могут применяться в здравоохранении, где, по предварительным оценкам, совсем скоро каждый пациент на протяжении своей жизни будет генерировать более 1 млн ГБ информации о своем здоровье. Для обработки всей этой информации на предмет постановки корректного диагноза или профилактического лечения пригодятся такие когнитивные технологии, как аналитика и распознавание образов (МРТ, рентген и пр.) и машинное обучение. Система Watson уже сегодня может анализировать неструктурированные медицинские данные за весь период наблюдения пациента, предоставляя рекомендации за считанные минуты.

Заглядывая в будущее

Ожидается, что уже к 2020 г. около 75% всех транспортных средств в мире будут подключены к интернету, и каждое из них сможет генерировать до 350 МБ данных каждую секунду. Здесь также не обойтись без когнитивных вычислений, позволяющих принимать мгновенные решения в реальном времени с учетом многоплановой информации о дорожной обстановке и особенностях поведения водителей, получаемой одновременно из множества источников.

Сейсмология будущего будет полностью завязана на обработку огромных массивов неструктурированной информации. Благодаря анализу этих данных появится возможность прогнозировать потенциальный ущерб от бурения очередных скважин или предсказывать землетрясения с большой точностью.

Когнитивные системы могут стать отличным решением для индивидуального обучения. В дошкольном возрасте системы класса IBM Watson можно будет приспособить для быстрого расширения кругозора, разговорных навыков, словарного диапазона. В средней школе когнитивные системы помогут быстрее усваивать разнообразный учебный материал. Высшая школа может получить отличную помощь в деле углубленного обучения различных дисциплин с учетом индивидуальности студента.

В свое время машины позволили человечеству избавиться от рутинного физического труда. Затем компьютеры избавили людей от рутинных вычислений. Следующий этап развития – повсеместное внедрение когнитивных вычислений – в какой-то степени можно рассматривать как избавление человечества от рутинных «черновых» мыслительных процессов.

Владимир Бахур

Книга
65 К571

Когнитивная бизнес-аналитика : Учебник / Под науч.ред. Н.М.Абдикеева. – М. : ИНФРА-М, 2010. – 509 с. : ил. + Прил.1 электрон.-опт.диск (CD-ROM). – (Высшее образование) . – 32,0 . – ISBN 978-5-16-004247-3 : 469.90.

Рассматривается концепция, методология и технологии когнитивного бизнес-анализа.

Настала эра когнитивного бизнеса

Впервые в консолидированном виде представлены передовые технологии, ведущие пользователя в направлении от информации к знаниям, тенденциям и решениям. Отличие данной книги от других, посвященных различным частным проблемам бизнес-анализа, состоит в том, что в основу поставлена цель — дать возможность пользователю выявить скрытые закономерности, сильные и слабые стороны своего синтеза эффективных решений с использованием когнитивного анализа. Сочетание системности изложения с наглядностью и большим количеством практических примеров позволяет применить на практике описанные методы и технологии. Для менеджеров высшего звена, бизнес-аналитиков, ИТ-специалистов, слушателей программ МВА по стратегическому менеджменту, технологиям принятия решений и другим направлениям, студентов старших курсов и магистров вузов по направлениям «Менеджмент», «Экономика», «Прикладная информатика в экономике», «Бизнес-информатика», аспирантов и преподавателей в области когнитивного менеджмента и корпоративных информационных систем.

ББК 65.050.9(2Рос)253я73

Предметные рубрики = Информационно-аналитические системы : Учебники и пособия
Предметные рубрики = Бизнес-анализ : Учебники и пособия
КОНКУРСный = апрель 2012
КОНКУРСный = Учебник с грифом УМО
1114292 Уч.ф. 65 К571
1114293 Уч.ф. 65 К571
1114294 Уч.ф. 65 К571
1114295 Уч.ф. 65 К571
1114296 Уч.ф. 65 К571
1114297 Уч.ф. 65 К571
1114298 Уч.ф. 65 К571
1114299 Уч.ф. 65 К571
1114300 Уч.ф. 65 К571
1114301 Уч.ф. 65 К571
1114302 Уч.ф. 65 К571
1114303 Уч.ф. 65 К571
1114304 Уч.ф. 65 К571
1114305 Уч.ф. 65 К571
1114306 Уч.ф. 65 К571
1114307 Уч.ф. 65 К571
1114308 Уч.ф. 65 К571
1114309 Уч.ф. 65 К571
1114310 Уч.ф. 65 К571
1114311 Уч.ф. 65 К571
1114312 Уч.ф. 65 К571
1114313 Уч.ф. 65 К571
1114314 Уч.ф. 65 К571
1114315 Уч.ф. 65 К571
1114316 Уч.ф. 65 К571
1114317 Уч.ф. 65 К571
1099103 Ф.б. 65 К571
1099104 Ф.б. 65 К571
1114291 Уч.ф. 65 К571
1098999 Чит.зал 65 К571

Описание деятельности компании

Cognitive Technologies является ведущей российской компанией в области разработки и внедрения программного обеспечения. Компания была создана на базе института системного анализа РАН в 1993 году. Основа коллектива разработчиков компании Cognitive Technologies была сформирована еще во второй половине 60-х годов прошлого века на базе коллектива лаборатории искусственного интеллекта. Сегодня в компании работают более 1000 человек, из них 43 кандидата и 4 доктора наук.

Компания является единственной в России, где академическая наука тесно взаимодействует с бизнесом. Cognitive Technologies непрерывно ведет научные исследования и разработки в перспективных областях искусственного интеллекта. Среди них:

  • системы машинного зрения;
  • разработка искусственных нейронных сетей;
  • системы понимания документов;
  • системы обработки изображений.

Cognitive Technologies являлась одним из инициаторов важнейших, структурообразующих направлений инфокоммуникационного сектора экономики, таких как электронная торговля. С ее участием были реализованы многие крупные проекты в сфере автоматизации деятельности государственных структур: МЧС, МВД, ФСБ, Минкомсвязи России, Минэкономразвития России, ЦБ России, Пенсионный фонд РФ, Сбербанк России и др. А также коммерческих организаций: ОАО Газпром, КБ Газпромбанк, ОАО Ростелеком, ОАО Сибнефть и др.

Cognitive Technologies являлась одним из инициаторов организации программы экспорта информационных технологий.

Как когнитивные вычисления и облака решают проблемы анализа больших данных

Компания является инвестором одного из крупнейших отечественных проектов в области строительства ИТ-парков – «ИТ-парк в г.Черноголовка».

Компания принимала участие в создании многих концептуальных документов сферы ИТ и инноваций. В их числе Концепция развития информационного общества России, Концепция региональной информатизации России, Концепция «Умный город «Сколково». Cognitive Technologies являлась акционером одной из пяти ведущих электронных торговых площадок ОАО «ЕЭТП», получивших право проведения госзакупок в рамках 44 ФЗ (ранее 93 ФЗ).

Компания является попечителем команды по спортивному программированию МИСиС – неоднократного финалиста чемпионата мира по программированию.

Компания является разработчиком системы искусственного интеллекта в первом российском проекте по созданию беспилотного автомобиля на базе КАМАЗ, а также проекте по созданию беспилотных транспортных средств для агропромышленного комплекса России, совместно с «Ростсельмаш» и «Союз-Агро» на базе АО «ОЭЗ «Иннополис» (Республика Татарстан).

Разработки компании в области робототехники

Компания Cognitive Technologies является разработчиком робототехнических систем и системы искусственного интеллекта в первом российском проекте по созданию беспилотного автомобиля на базе КАМАЗ, а также проекте по созданию беспилотных транспортных средств для агропромышленного комплекса России, совместно с «Ростсельмаш» и «Союз-Агро» на базе АО «ОЭЗ «Иннополис» (Республика Татарстан).

Cognitive Technologies также является разработчиком роботизированных систем управления бизнес-процессами.

Упоминания на Robogeek.Ru

Все компании

Аспирант Юдин Т.С.

Киевский национальный университет имени Тараса Шевченко

Построение и исследование когнитивных архитектур для задач искусственного интеллекта

 

Исследование когнитивных архитектур актуально тем, что оно развивает основную задачу искусственного интеллекта и когнитивной науки, цель которой создать искусственного агента с возможностями, которые аналогичны человеческим. Исследование конкретной архитектуры можно условно разделить на две части. Первая направлена на моделирование инвариантных аспектов человеческого познания, во второй в рамках принятых утверждений непосредственно разрабатывается интеллектуальный агент.

Когнитивная архитектура определяет базовую инфраструктуру для интеллектуальной системы, охватывает те аспекты когнитивного агента, которые постоянны во времени и разных областях применения. Обычно эти аспекты включают в себя следующие элементы:

·Краткосрочная и долгосрочная памяти, которые хранят информацию об убеждениях, целях и знаниях агента;

·Представление элементов, которые содержатся в этих памятях, и их организация в крупномасштабных интеллектуальных структурах;

·Функциональные процессы, которые оперируют этими структурами, в том числе производительные механизмы, которые их используют, и механизмы обучения, которые их изменяют.

Такой подход позволяет интерпретировать разные убеждения, цели и знания на базе одной когнитивной архитектуры. В какой-то степени когнитивные архитектуры представляют собой антитезис экспертным системам, которые обеспечивают квалифицированное поведение в узконаправленных контекстах. В отличие от них, архитектурное исследование направлено на покрытие целого множества разнообразных задач и областей. Важно понимать, что в нашем случае разумное поведение должно быть обеспечено на уровне системы, а не на уровне компонентов методов, предназначенных для решения специализированных задач.

Любая интеллектуальная система предназначена для осуществления определенных видов деятельности, которые в совокупности и составляют ее функциональные возможности. Способность распознавания и принятия решений – это основные возможности, которыми должна обладать качественная архитектура, этого набора вполне достаточно, чтобы покрыть весь спектр интеллектуальных свойств жизнедеятельности человека.

Центральный вопрос, который обязательно встанет перед разработчикомкогнитивной архитектуры – это как дать агентам доступ к различным источникам знаний. Например, знания об окружающей среде приходит через восприятие, знания о последствиях текущей ситуацииприходит через планирование, обоснование и прогнозирование, знание от других агентов должно приходить по внутреннему каналу связи. В общем, система должна предусматривать как можно большее количество таких источников, это поможет более четко информировать поведение когнитивного агента.

Другой ключевой вопрос, будет ли архитектура поддерживать свои возможности напрямую, через встроенные процессы, или же поддержка будет выстраиваться в терминах существующих и полученных знаний.

Интеллектуальный агент должен осуществлять некий контакт между окружающей средой и собственными знаниями, чтобы ситуации или события рассматривались как случаи известных или знакомых моделей. Однако распознавание не должно касаться только статических ситуаций. Можно привести массу примеров как в реальном мышлении мы часто ориентируемся на динамические события.

Распознавание тесно связано с классификацией, которая сопоставляет объекты, ситуации и события известным понятиям и категориям.

Для поддержки когнитивной архитектурой этих возможностей, нужно обеспечить способ представления паттернов и ситуаций в памяти. Архитектура должна включать некий распознавательный процесс, который бы идентифицировал к какому паттерну отнести ту или иную ситуацию, а также, по возможности, измерять степень соответствия. Для полной картины в системе должны быть реализованы средства для узнавания новых понятий и категорий из опыта и самообучения, изменения уже существующих заготовок.

Чтобы работать в среде, интеллектуальной системе также понадобиться способность принимать решения, выбирать между альтернативами.

Для этих функций когнитивная архитектура должна обеспечить способ предоставления альтернативных вариантов и действий, будь то внешние или внутренние когнитивные операции. Это предоставление можно реализовать в два этапа. На первом этапе система отбирает всевозможные допустимые варианты выбора в сложившейся ситуации, используя сохраненные в памяти паттерны и знания. На втором этапе происходит выбор между отобранными альтернативами путем вычисления качественных оценок. В идеале когнитивная архитектура должна постоянно улучшать свои решения на основе обучения.

Интеллектуальный агент не должен воспринимать ситуацию в рамках отдельных объектов и событий, а смотреть на нее комплексно. Оценка ситуации требует объединить восприятие информации о разных сущностях и событиях из разных источников, чтобы составить более полную модель текущей среды.

Когнитивная архитектура способна исследовать и прогнозировать ситуации и события. Принимая решения для достижения поставленных целей, система обязана генерировать свои планы действия, при обучении должна происходить перепланировка этих самых действий. Решение проблем тесно связано с рассуждениями, для поддержки этой функции когнитивная архитектура должна иметь механизм представления связей между убеждениями.

Когнитивные вычисления – работа быстрее мысли

Общим формализмом для кодирования таких взаимосвязей может быть логика первого порядка, но также широко используются другие обозначения, начиная от порождающих правил в нейронных сетях до байесовских сетей.

Когнитивные архитектуры должны поддерживать механизмы для преобразования знаний в форму, способную обмениваться информацией с другими знаниями. В идеале обмен информации должен протекать в виде диалога, аналогичного разговорному диалогу в естественной среде.

Особое внимание уделяется запоминанию – способности кодировать и запоминать результаты когнитивных процессов в памяти для воспроизведения или доступа к ним в будущем. Структура данных для этой функциональности является таким же фундаментальным вопросом как моменты с воспроизведением, организацией и использованием знаний.

Как и любая научная теория, когнитивные архитектуры требуют оценки. Однако, поскольку архитектурное исследование проходит на уровне системы, возникает больше проблем, чем при оценке компонентов структур знаний и методов. Способность объяснять психологические явления является важным аспектом, по которому можно оценивать когнитивные архитектуры. Кроме этого, важно продемонстрировать, что архитектура поддерживает ту же качественную устойчивость, что и человек.

Как видно, построение качественной когнитивной архитектуры – это комплексный процесс проработки функциональностей и сложных структур данных. Качество будущей системы напрямую зависит от количества проработанных функций и уровня проработки каждого элемента и его деталей.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *