Лекции для студентов

Теория СУБД

РАЗВИТИЕ ТЕХНОЛОГИЙ БД

Несмотря на всю привлекатель­ность реляционной системы, и она имеет ряд недостатков. Она идеально подходит для традиционных приложе­ний типа сохранения данных о клиен­те у порнодилера. Но применение та­ких систем в интеллектуальных систе­мах обучения оказывается проблема­тичным. После окончания проектиро­вания реляционной БД многие зна­ния проектировщика остаются на бу­маге. А всему виной простота струк­тур данных, лежащих в основе реля­ционной модели. В нетрадиционных приложениях в базе данных появля­ются тысячи таблиц, над которыми постоянно выполняются сложные операции соединения, характерные для предметной области.

Перспективное направление — объект­ные СУБД (языки работы с реляцион­ными БД — процедурные, а не объект­ные). При занесении сложного объекта в реляционную БД приходится разме­щать его по множеству различных таб­лиц (происходит процесс декомпозиции объекта). А при чтении его приходится снова собирать из кучи данных в раз­личных таблицах. Согласись, неудобно.

Современные СУБД постоянно со­вершенствуются, появляются новые требования к их работе, и неизвестно, что придумают завтра.

КИБЕРНЕТИЧЕСКОЕ БУДУЩЕЕ ЗА БАЗАМИ ЗНАНИЙ

Рассмотрим в качестве примера интернет-мага­зин товаров самого разного рода. Для эф­фективной работы та­кого предприятия ценной является информация, например, о совершен­ных покупателями закупках (содержа­щиеся обычно в базе данных CRM-приложений), о накопленном опыте сотрудников магазина. Только опыт человека-работника может подска­зать, к примеру, что под Новый год выгодно увеличить ассортимент шам­панского и лыж, а летом — пива и мо­роженого. С другой стороны, грамот­ный анализ данных, в том числе о со­вершавшихся покупках, поможет вы­яснить, что вместе с пивом очень час­то приобретают чипсы или арахис. Взаимосвязи такого рода позволяют более точно определить потребности покупателей и в ненавязчивой форме рекомендовать приобретение сопут­ствующих товаров, что в конечном счете повышает объемы продаж.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Сведения о таких глубинных взаи­мосвязях существуют только в нема­териальном виде: в навыках и знани­ях, полученных опытным сотрудни­ком. Такую информацию сложно зап­рограммировать в компьютерной сис­теме, именно поэтому во многих об­ластях деятельности опытные специа­листы ценятся намного больше, чем хорошие базы данных. Сбор ценных сведений из опыта специалистов-экс­пертов и создание на этой основе компьютерных систем принятия реше­ний — проблема, решение которой ожидаемо в сфере бизнеса.

Решением такой проблемы занима­ется искусственный интеллект (далее в статье — ИИ) — направление инфор­матики, занимающееся автоматизаци­ей деятельности людей. Как научное и прикладное направление, результа­ты развития ИИ имеют мало общего с тем, что изображают в фантастичес­ких фильмах и романах: существа-ро­боты, которые активно соперничают с человеком в плане уровня интеллек та. Попытки создать именно такие "мыслящие программы" можно срав­нить с мучительными поисками фило­софского камня алхимиками Средне­вековья. В наши дни основное внима­ние исследователей сосредоточено на методах, применение которых воз­можно на практике, — на так называе­мом "слабом" ("практическом") ИИ. Современные методы ИИ активно применяются в жизни: в разработке стиральных машин и пылесосов ис­пользуются интеллектуальные моду­ли управления, основанные на нечет­кой логике. Яркий примеры тому — сов­ременные роботы-пылесосы Trilobyte, способные выполнять уборку без участия человека. Экспертные систе­мы позволяют получать консульта­ции (которые могут сравниться с по­лученными от специалистов) в неко­торых предметных областях. Системы машинного перевода позволяют по­нимать смысл текстов на иностранном языке не владея им.

ДАННЫЕ И ЗНАНИЯ

Системы искусственного интел­лекта часто называют системами, ос­нованными на знаниях, поскольку их функционирование связано с опери­рованием знаниями, полученными от человека-эксперта и представленны­ми в некотором машинном виде. Именно знания представляют ту са­мую ценность, которая помогает кор­порациям вести конкурентную борьбу на достойном уровне.

Попробуем разобраться, что отлича­ет накопленные знания от обычного хранилища данных. В нашем примере с интернет-магазином основные дан­ные, которые накапливаются в ходе работы, — это сведения о покупках, со­вершенных покупателями магазина. При этом информация о покупках должны быть соотнесена с информа­цией о покупателях. Сами по себе эти данные еще не являются знаниями о вкусах и приоритетах покупателей, поскольку фиксируют лишь факты совершения покупки, которые в неко­торых случаях могут и не отражать истинные интересы потребителя (нап, если мы покупаем путеводи­тель по городу для приехавшего в гости знакомого). Такие данные также могут содержать весьма ценные све­дения общего характера (например, перед Рождеством многие покупатели подарочных изданий книг в дополне­ние заказывают открытки), однако эти сведения не содержатся в массиве данных в явном виде, поэтому не мо­гут считаться знаниями.

Переход от данных к знаниям проис­ходит тогда, когда глубинные зависи­мости, известные только человеку-эксперту, становятся представленны­ми в явном электронном виде. Техно­логии машинного обучения или бесе­да программиста со специалистом-экс­пертом может помочь в решении этой сложной проблемы (на самом деле за получение знаний от экспертов обыч­но отвечает отдельный специалист -инженер по знаниям).

Знания, представленные в явном ви­де, с некоторой точностью описывают представления человека о какой-либо части реального мира, при этом поз­воляют делать на основе такого опи сания выводы, решать конкретные за­дачи. Вернемся к нашему примеру: после обработки статистики покупок возможно получение правила, соглас­но которому с подарочными издания­ми в 80% случаев приобретают также и открытки, в том случае если покупка была совершена в течение месяца пе­ред Рождеством. Нет нужды подчер­кивать, что такое правило будет чрез­вычайно полезным для работников интернет-магазина, поскольку помо­жет с помощью автоматизированных средств предлагать приобретение отк­рыток всем покупателям подарочных изданий в указанный период време­ни. Консультируясь у эксперта, можно получить и более подробные знания в виде множества правил такого вида:

ЕСЛИ покупатель интересуется философией И он интересуется точными науками И он старше 30-ти лет

И (имеет ученую степень ИЛИ работает в вузе) ТО ему, вероятно, будут интересны книги по синерге­тике, вышедшие за последний год. В свою очередь тот факт что покупатель интересует­ся точными науками, может быть получен из другого правила:

ЕСЛИ покупатель купил более трех книг по математи­ке ИЛИ физике, ТО он интересуется точными науками