Основание, становление и развитие Университета ИТМО

1. Об Университете ИТМО

1.1 Университет ХХI века

1.2 Управление Университетом ИТМО

2. Кафедра прикладного программирования и технологических инноваций

3. Переход от баз данных к базам знаний

3.1 Немного истории о базе знаний

3.2 В чём главное отличие баз данных и баз знаний?

3.3 Применение баз знаний Заключение Список литературы

Основание университета, становление и развитие

История университета началась в 1900 году, когда в Ремесленном училище цесаревича Николая открылось первое в Российской империи механико-оптическое и часовое отделение, готовившее специалистов по точной механике и оптике.

Постепенно отделение стало самостоятельным средним техническим училищем, основные классы которого в 1920 году были преобразованы в техникум точной механики и оптики, учебное заведение получило право подготовки инженеров узкой специализации и в 1931 году выпустило первых инженеров-приборостроителей. Производственное бюро техникума изготавливало сложные изделия точной механики и оптики широкой номенклатуры.

В 1930 году техникум преобразован в Учебный комбинат точной механики и оптики, а спустя три года от него отделился Ленинградский институт точной механики и оптики — ЛИТМО.

Первая научно-исследовательская лаборатория института была создана при кафедре технологий оптического стекла. Благодаря разработкам сотрудников этой лаборатории, СССР удалось освободиться от импорта дорогостоящих абразивов.

В 1937 году в ЛИТМО открылась одна из первых в СССР лаборатория счетно-решающих приборов, преобразованная впоследствии в кафедру математических и счетно-решающих приборов и устройств. Уже к осени 1939 года кафедра стала одной из ведущих в институте и занималась разработкой электромеханических вычислительных устройств и приборов управления.

Формирование направления компьютерных технологий в 1990 г.

В девяностых годах Университет ИТМО выступил инициатором и разработчиком сети RUNNet, объединившей все крупные научно-образовательные центры России. В это время был создан учебно-научный центр «Компьютерная оптика», а также открыт факультет компьютерных технологий и управления.

В 1992 году ЛИТМО был переименован в Санкт-Петербургский институт точной механики и оптики, в 1994 году институту присвоен статус университета.

В конце 1960;х и начале 1970;х гг. под руководством Э. Фейгенбаума в Стенфордском университете США была создана система DENDRAL, а позднее — MYCIN. Поскольку эти системы накапливают в памяти компьютера знания экспертов и используют эти знания для решения проблем, извлекая их при необходимости из памяти, то они получили названия экспертных, а профессор Э. Фейгенбаум, являющийся одним из создателей экспертных систем (ЭС), выдвинул для данной области техники название «инженерия знаний». Слово «engineering» в английском языке означает искусную обработку предметов, изобретение или создание чего-либо. Следовательно, работу по оснащению программ специальными экспертными знаниями из проблемной области, выполняемую человеком либо компьютером (программой), также можно назвать «инженерией знаний».

1. Об Университете ИТМО

Университет ИТМО — один из национальных исследовательских университетов России. Университет входит в число 15 российских университетов, участников программы Правительства Российской Федерации по повышению международной конкурентоспособности среди ведущих мировых научно-образовательных центров (прежние названия — ЛИТМО, СПбГУ ИТМО, НИУ ИТМО).

Научные приоритеты университета традиционно сосредоточены в области информационных и фотонных технологий.

В Университете ИТМО обучаются около 16 тысяч студентов, работают более 1000 преподавателей, из них около 800 докторов и кандидатов наук. В настоящее время в университете, в соответствии с федеральным государственным образовательным стандартом третьего поколения, реализуется многоуровневая система высшего профессионального образования с подготовкой бакалавров наук (4 года), дипломированных специалистов (5 лет) и магистров наук (2 года на базе подготовки бакалавра).

Образовательные программы Университета ИТМО обладают высокими конкурентными преимуществами на российском рынке за счет разработки собственных образовательных стандартов, формирования компетентностно-ориентированной образовательной среды, инновационных технологий обучения и оценки учебных достижений, актуального учебно-методического и информационного обеспечения.

1.1 Университет ХХI века

Активное развитие информационных технологий привело к серьезным изменениям в структуре Университета ИТМО: расширилась сфера научно-образовательной деятельности, появились новые подразделения и специальности.

В 2003 году вуз был переименован в Санкт-Петербургский государственный университет информационных технологий, механики и оптики.

В 2006;2008 годах в структуру университета вошли Академия методов и техники управления (ЛИМТУ), Институт международного бизнеса и права и Санкт-Петербургский колледж морского приборостроения.

В 2009 году Университет ИТМО получил статус национального исследовательского университета, что значительно расширило возможности студентов и сотрудников в научно-исследовательских работах по наиболее перспективным научным направлениям.

В 2011 году произошло объединение Университета ИТМО с Санкт-Петербургским государственным университетом низкотемпературных и пищевых технологий.

1.2 Управление Университетом ИТМО

С 1996 года ректором университета является заслуженный деятель науки Российской Федерации, председатель Совета ректоров вузов Санкт-Петербурга (с 2004 года), вице-президент Российского союза ректоров (с 2006 года), член-корреспондент Российской академии образования, член-корреспондент Российской академии наук, доктор технических наук, профессор Владимир Николаевич Васильев.

2. Кафедра прикладного программирования и технологических инноваций

Базовая магистерская кафедра прикладного программирования и технологических инноваций (далеекафедра ППТИ) Университета ИТМО создана в 2014 году на базе факультета Инфокоммуникационных технологий при высокотехнологичной организации ООО «Открытый код» (ведущего системного интегратора в области информационных технологий в Самарском регионе) с целью повышения качества образовательной, научной и инновационной деятельности Университета ИТМО, совместной подготовки специалистов и проведения совместных научных проектов отрасли информационных технологий и технологических инноваций.

С 2014 года на кафедре ППТИ Университета ИТМО и в Самарском государственном техническом университете реализуется уникальная магистерская программа «Программное обеспечение интеллектуальных систем и технологий» (направление подготовки 90 401 «Информатика и вычислительная техника»), студенты которой имеют возможность по модульной системе обучаться одновременно в двух ведущих университетах России и по итогам обучения получают дипломы двух вузов. В магистерской программе две специализации: «IT в медицине», «Интеллектуальные транспортные системы».

Конструирование системы подготовки современных специалистов осуществляется на основе оптимального сочетания традиционных и новых методов в логике построения занятий и тематических курсов. В целом обучение по совместной образовательной программе носит практико-ориентированный характер. Программа организована с применением инновационных образовательных технологий и методик обучения.

Магистранты совместной образовательной программы проходят обучение в ведущих российских вузах (Университет ИТМО и СамГТУ) под руководством опытных научных руководителей в современных научных лабораториях и имеют уникальную возможность работы по проблематике реальных проектов на современной технологической базе компании «Открытый код».

В учебном процессе также используются возможности Центра дистанционного обучения ООО «Открытого кода», которые позволяют на одном портале транслировать видеосессии, объединяющие две (и более) площадки: организовывать Интернет-телемосты: в режиме реального времени проводить мастер-классы, тренинги, видеоконференции, практические семинары-консультации.

Успешно освоив образовательную программу, лучшие выпускники магистерской программы трудоустраиваются в ООО «Открытый код» и в другие ведущие компании в сфере информационных технологий.

В настоящее время под управлением кафедры находятся следующие направления:

Разработка и внедрение интеллектуальных программных продуктов, построенных на собственной технологической платформе;

Поставка программного обеспечения и оборудования (от офисной техники до специализированного, ЦОДы, систем хранения данных и т. п.) от ведущих вендоров и производителей;

Информационная безопасность и защита гостайны;

Лаборатория информационной безопасности;

Центр обработки данных;

Комплексные услуги по созданию электронных архивов;

Универсальный Контакт-центр;

Учебный центр (в партнерстве с ведущими профильными ВУЗами страны);

Центр изучения новых перспективных технологий и разработок;

Центр компетенции свободного программного обеспечения;

Интернет-телевидение и медиа-проекты;

Социальные и общественно-значимые проекты.

Кафедра имеет все необходимые лицензии ФСБ и ФСТЭК на работы в сфере информационной безопасности, а также авторские свидетельства на инновационные решения.

Подтверждением высокой значимости и инновационности программных решений, разработанных кафедрой, являются также многочисленные награды и дипломы, полученные в рамках участия в российских и зарубежных конкурсах (таких как Softool, Инфофорум, Brussels Eureka, MS4 Doctors).

3. Переход от баз данных к базам знаний

база данных знание программирование Представление и тесно связанное с ним манипулирование знаниями — это два направления развития теории баз знаний, являющихся одним из основных элементов интеллектуальных информационных систем. В рамках собственно проблемы представления знаний решаются задачи, связанные с формализацией и представлением знаний в информационных системах. Для этого разрабатываются специальные модели представления знаний и языки для описания знаний, выделяются различные типы знаний. Изучаются источники, из которых интеллектуальная система может черпать знания, и создаются процедуры и приемы, с помощью которых возможно приобретение знаний для интеллектуальных систем. В рамках проблемы манипулирования знаниями разрабатываются способы обеспечения интеллектуальных систем возможностями, необходимыми при решении поставленных задач.

Представление знаний — совокупность методов и моделей отображения знаний в памяти ЭВМ. Знания представляются в виде различных логико-лингвистических и других моделей. Хранилищем знаний является база знаний.

База знаний — семантическая модель, предназначенная для представления в ЭВМ знаний, накопленных человеком в определенной области. Является основной составной частью интеллектуальных, в частности экспертных, систем. Для представления знаний используется ряд моделей, таких как семантическая сеть, процедуральная, фреймовая, продукционная и другие модели.

Знания — вид информации, хранимой в БАЗАХ ЗНАНИЙ и отражающей знания человека — специалиста (эксперта) в определенной области; множество всех текущих ситуаций в объектах данного типа и способы перехода от одного описания объекта к другому. Для знаний характерны внутренняя интерпретируемость, структурируемость, связность и активность. Образно говоря, «Знания = Факты + Убеждения + Правила»

Непосредственные знания — знания, полученные в результате прямого опыта, без помощи накопленных ранее знаний и правил логического мышления.

Информация — 1) совокупность знаний о фактических данных и зависимостях между ними. Является одним из видов ресурсов, используемых человеком в трудовой деятельности и в быту. 2) в вычислительной технике — содержание, присваиваемое данным посредством соглашений, распространяющихся на эти данные; данные, подлежащие вводу в ЭВМ, хранимые в её памяти, обрабатываемые на ЭВМ и выдаваемые пользователям.

Данные — информация, представленная в виде, пригодном для обработки автоматическими средствами при возможном участии человека

Язык — Совокупность символов, соглашений и правил, используемых для общения, отображения и передачи информации. В вычислительной технике — средство описания данных и алгоритмов решения задач.

Естественный язык — язык, правила которого основываются на текущем употреблении без точного предварительного описания

Искусственный язык — язык, правила которого точно установлены перед его использованием

Интеллектуальная (информационная) система — автоматическая или автоматизированная система, использующая в своей работе элементы или полностью построенная как система искусственного интеллекта. То есть, использующая в своей работе моделирование определенных сторон мыслительной деятельности человека или же решающая неформализованные (и не формализуемые) задачи, не имеющего известного алгоритма для их решения.

Предлагаемое учебное пособие состоит из шести разделов. В первом разделе приводится общая классификация подходов к представлению знаний и используемых моделей представления знаний. В последующих пяти разделах более подробно рассмотрены основные модели представления знаний: продукционные, логические, фреймовые модели, семантические сети, объектные модели представления знаний. При рассмотрении логических моделей представления знаний также приводятся основы нечеткой логики.

3.1 Немного истории о базе знаний

Коллектив программистов, сложившийся в конце 60-х годов в Институте проблем управления РАН, затем в Институте системного анализа РАН, где активно работает до сих пор, уже более 30 лет постоянно занимается разработками систем управления базами данных (СУБД). Часть достижений стали классическими, такие как AVL деревья, базовый динамический метод доступа, индексация сложных структур данных, применение форм документов для генерации схем баз данных, организации ввода, распознавания, поиска, вывода, обработки данных, представление сложно структурированных данных в виде последовательностей (аналог XML, но широко внедренный раньше XML). Сегодня эти научные результаты используются многими другими разработчиками информационных технологий. Специфика созданных систем — сложные структуры объектов и подобъектов, возможность динамического изменения структур без перезагрузки БД. То есть при необходимости пользователь может менять структуру и логику расположения данных в базе данных, что сложно или невозможно в СУБД других разработчиков. Это особенно важно при проведении исследовательской работы. Наши системы ориентированы на XML не только как на язык экспорта/импорта, но и как на аналог внутреннего представления данных. Созданы средства редактирования сколь угодно сложных и объемных документов, эффективные хранение, индексация и поиск XML документов, которые используют формы представления данных.

Этапы работ по созданию и развитию СУБД.

1978 г. Сдача 1-й версии СУБД ИНЭС (для ЕС ЭВМ) [1,2]. Система была принята представительной Государственной комиссией: Академия наук, Министерства обороны, приборостроения, морского флота, культуры, Госплан, ЦСУ (на уровне зам. министров, начальников ГВЦ). Председателем комиссии был академик Г. С. Поспелов, возглавлявший тогда отечественные исследования по проблемам искусственного интеллекта.

1979 г. Система используется в 50 Министерствах и ведомствах, более чем в 100 ведущих организациях страны.

1982 г. Выход Постановления ГКНТ, рекомендующего всем Министерствам и ведомствам применять ИНЕС в АСУ и ИПС.

1982 — 1990гг. Более 2000 ведущих организаций используют ИНЕС на более чем 50.000 рабочих местах.

1989 — 1995 гг. Разработка СУБД НИКА (аналог ИНЕС для IBM PC) и около 500 поставок.

С 1995 года распространение систем Евфрат — Архив и Евфрат ;

3.2 В чём главное отличие баз данных и баз знаний?

При изучении интеллектуальных систем традиционно возникает вопрос — что же такое знания и чем они отличаются от обычных данных, десятилетиями обрабатываемых ЭВМ. Можно предложить несколько рабочих определений, в рамках которых это становится очевидным.

Данные — это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.

При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы:

1. данные как результат измерений и наблюдений;

2. данные на материальных носителях информации (таблицы, протоколы, справочники);

3. модели (структуры) данных в виде диаграмм, графиков, функций;

4. данные в компьютере на языке описания данных;

5. базы данных на машинных носителях информации.

Знания основаны на данных, полученных эмпирическим путем. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.

Знания — это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.

При обработке на ЭВМ знания трансформируются аналогично данным.

1. знания в памяти человека как результат мышления;

2. материальные носители знаний (учебники, методические пособия);

3. поле знаний — условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;

4. знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы — см. далее);

5. база знаний на машинных носителях информации.

Часто используется такое определение знаний:

Знания — это хорошо структурированные данные, или данные о данных, или метаданные.

В базе данных идёт поиск по ключевому слову, условно говоря — это ответ на вопрос «что?». Например, задаём поисковый запрос «нанотрубки». База данных выдаст всё, что касается этого запроса: и синтез, и окисление, и биоразложение, и спектральные характеристики. Число ссылок перевалит за тысячи. Можно задавать поиск по двум, трём и более ключевым словам. Это сократит вал ссылок, но может отсечь нужные. В базе знаний поиск проводится по нескольким вопросам, например: «Что?», «Чем?», «Как?». При этом появляется следующий момент. В настоящее время написаны миллионы статей и патентов по всем областям знания. Но решений, отвечающих принципу базы знаний, только порядка 30 — 35 тысяч. Прирост числа решений, в отличие от прироста вала статей, протекает медленно. Подавляющее большинство статей — это лишь небольшие нюансы какого-либо решения. Например: закалка металла. Решение — что: металл, чем: охлаждающий материал, как: быстро. Это решение охватывает и все металлы и сплавы, и все типы закалочных жидкостей или газов, и все способы подачи хладагента. Далее из этого запроса может быть сформирована база данных, например, по типам хладагента (вода, масло, рассолы), вторая — по способам подачи материала (насосы, окунание детали, распыление раствора), третья — по маркам сталей. Может быть сформирована дополнительная база ссылок по второстепенным процессам: окислению поверхности металла, удалению нагара после закалки, специальным методам закалки. Поиск по базе знаний отличается от поиска по базе данных, для этого используются так называемые «ресурсы». Ресурсы в понимании баз знаний — это материалы, катализаторы, поля и воздействия, приводящие к получению решения. Базы знаний могут обрабатывать также поисковые вопросы. Например, запрос «синтезировать сложный эфир» заданный в базу данных будет истолкован только по ключевому слову «сложный эфир». В базе знаний можно также задать термины «синтез», «распад», «биоразложение» и семантические алгоритмы поиска по глаголам.

Теперь немного о минусах этой системы. Базы данных — это устоявшиеся правила формирования ключевых слов, единые (с небольшими вариациями) для всех научных изданий и унифицированные с алгоритмами поиска. Базы знаний необходимо будет создавать с нуля. Это немалая работа, ведь для того, чтобы вычленить ресурсы необходимо полное понимание процессов описанных в статье или патенте, что сильно усложняется при обработке мультидисциплинарных статей и защищённых от реинжиниринга патентов. Второй минус — базы знаний сейчас создаются «под инженеров», то есть в основном прикладной направленности. Фундаментальные исследования, таким образом, в них не попадают.

Теперь немного о плюсах. Создание базы знаний — это великолепный процесс обучения. «Побочным продуктом» является значительное повышение уровня знаний разработчиков и получение высококлассных специалистов, умеющих решать поставленные задачи. Второй плюс — при определённом алгоритме формирования запросов база знаний может быть источником новых решений, не описанных и ещё не созданных. Например, при запросе по закалке металла база знаний может выдать список ресурсов, которые обладают необходимыми свойствами (температура, текучесть) и подтолкнуть к созданию новых решений, таких как закалка в расплавах полимеров, закалка с одновременным окислением поверхности, точечная и неравномерная закалка. Третий плюс. Вероятно, многие даже не задумывались, что суть процессов изложенных в научной статье или патенте формулируется не более чем в сотне слов. В то же время, объём статей исчисляется минимум несколькими страницами, а патентов — до нескольких сотен страниц. Переработка материала под систему базы знаний позволит в дальнейшем не тратить время на чтение малозначащих подробностей и отличий от аналогов, непременно описываемых в исходных материалах.

Базы знаний исключительно полезны для прикладных разработок, особенно на передовых рубежах науки. Они позволяют получать готовые решения для той или иной задачи. Их создание в то же время, сильно повышает профессиональный уровень разработчиков и позволяет получать отличных специалистов.

3.3 Применение баз знаний

Простые базы знаний могут использоваться для создания экспертных систем и хранения данных об организации: документации, руководств, статей технического обеспечения. Главная цель создания таких баз — помочь менее опытным людям найти существующее описание способа решения какой-либо проблемы предметной области.

Онтология может служить для представления в базе знаний иерархии понятий и их отношений. Онтология, содержащая еще и экземпляры объектов не что иное, как база знаний.

Системы, основанные на знаниях, реализуются на базе следующих интеллектуальных алгоритмов:

· экспертные системы;

· нейронные сети;

· нечёткая логика;

· генетические алгоритмы.

База знаний учебного назначения представляет собой информационную систему, содержащую, во-первых, систематизированные сведения из определенной предметной области, во-вторых, модель конкретной предметной области (определенный объем учебной информации по этой дисциплине), а также данные о формируемых умениях обучаемого и способах использования этих умений.

Учебная информация в базах знаний может быть представлена в виде текста, графиков, иллюстраций, анимационных роликов, видеофрагментов. Данные о формируемых умениях обучаемого обрабатываются в системе управления базами знаний с помощью специальных языков, что позволяет контролировать процесс обучения и управлять им. По своим возможностям базы знаний представляют собой упрощенный вариант экспертной обучающей системы или ее часть.

Заключение

Научная стажировка в НИУ ИТМО на кафедре «Прикладного программирования и технологических инноваций» мне была очень полезна. Я узнала много интересного в области интеллектуальной системы и базы знаний. Выполняла рефераты и презентации на тему: Переход от баз данных к базам знаний, применение инженерии знаний и системного анализа в различных областях деятельности, применение инженерии знаний и системного анализа в различных областях деятельности, особенности баз знаний интеллектуальных систем и специфика создания интеллектуальной системы, основанной на знаниях. Познакомилась с профессорами, работающими в области программирования уже много лет и приобрела опыт, который поможет мне в дальнейшем изучении своей диссертационной работе. Научная зарубежная стажировка позволила мне увидеть пропуски в моих знаниях, которые следует восполнить. В ходе прохождения стажировки была ознакомлена с нормативными документами по организации учебного процесса. Ознакомилась с каталогами диссертационных исследований магистрантов, кандидатов, изучала выпускные квалификационные работы, авторефераты, диссертации на соискание ученной степени кандидатов наук по теме магистерской работы.

Участвовала в экскурсии по городу. Ознакомилась с достопримечательностями города, памятниками, историей города. Также посещала главный музей города «Эрмитаж». Город Санкт-Петербург мне очень понравился.

Список литературы

1. http://innovatika.boom.ru/UZ.htm

На сайте выложена первая глава книги В. П. Баранчеева «Управление знаниями». В. П. Баранчеев — доктор экономических наук, профессор Государственного университета управления (Институт инноватики и логистики, кафедра инновационного менеджмента). В книге рассматриваются современные концепции управления знаниями, неформализованное и формализованное знание, а также базы знаний.

2. http://www.knowbase.ru/

Сайт, посвященный базам данных. На странице вводятся понятия знаний, информации, управление знаниями, познание и т. д. Также описаны некоторые возможности баз знаний, а также рассказывается об их практическом применении и проблемах, связанных с их использованием. Каждому понятию отведена отдельная веб-страница.

3. http://lingvoworks.org.ua/index.php?option=com_content&view=article&id=57:2009;12−09−11−34−05&catid=2:misc&Itemid=3

В статье рассматриваются вопросы построения, структурирования, описания, классификации и использования онтологических баз знаний. Приведен обзор современных исследований, посвященных различным аспектам создания и использования онтологии. Пристальное внимание в работе уделено разграничению формальных и лингвистических онтологий. Также, предложена достаточно подробная методология построения ресурсов онтологического типа.

4. http://aimatrix.nm.ru/aimatrix/SemanticNetworks.htm

Статья, посвященная семантическим сетям. Описывается история создания семантических сетей, а также принципы построения и классификация.

5. http://bibl.tikva.ru/base/B1253/B1253Part12−59.php

Статья о когнитивных картах. Приводится несколько примеров использования когнитивных карт.

6. http://lsdis.cs.uga.edu/projects/glycomics/report/Report2006.html

Сайт научно-исследовательского центра. Можно найти пример визуализации биохимической и биологической онтологии.

7. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.41.1007

В статье дается обзор исследований в области инженерии знаний, описываются принципы и методы, а также два подхода, сформированные в данной области. Ссылка на статью в формате pdf содержится на веб-странице.