Экономикалық қызметте АЖ-ны технологиялық қамтамасыз ету

SOA мен Web-сервистер  арасындағы айырмашылық – бұл  қосымшаларды біріктіру үдерісінің  стратегиялық әдісі мен бұл  біріктіруді жүзеге асырудың (уақыттың  дәл осы кезеңінде) нақты тактикасы  арасындағы айырмашылық. SOA – сервистердің  қалай өзара әрекет жасау қажеттігін  нақты көрсетпейтін, олардың бірін-бірі  түсініп, бірігуі үшін не қажет  екендігін және оған қалай  қол жеткізуге болатынын айтпайтын  тұжырымдама. Web-сервистердің өздері  қандайда бір архитектуралық  шешімді болжамайды, архитектура  өзара әрекет ету үдерістерінің  стилін анықтайды.

Қосымшаларды  бағдарламалауға, API-ді (Applications Programme Interface) Web-сервистердің өздерін бағдарламалаудың қолданбалы интерфейсіне арналған тиімді нұсқаулықтардың тәжірибелік тәсілдері  мен әзірлемелерінің күрделілігін төмендету қажеттігіне байланысты қазіргі кезде SOA мен Web-сервистер  кең таралмай отыр.

2.4.3. Объектік-бағдарланған технологиялар

Объектік-бағдарланған ДҚ-лы жүйені әзірлеу 1980 жылдардың ортасында  басталды. Автоматтандырылған жобалау (computer aided design, CAD), автоматтандырылған өндіріс (computer aided manufacturing, CAM), бағдарламалау  технологиялары, білімдерге негізделген  жүйелер, мультимедиялық және басқа  жүйелер сияқты реляциялық ДҚ (РДҚ) технологияларын пайдалану әрекеттері РДҚ-ны пайдалануға бағытталған  жүйелерге тән маңызды шектеулерді  анықтады. Объектік-бағдарланған ДҚ (ОБДҚ) мен объектік-бағдарланған ДҚБЖ (ОБДҚБЖ) пайда болуына нақты әлемнің  мәндерін толық әрі жақын көрсету  және модельдеу қажеттігі себеп  болды, өйткені олар дәстүрлі РДҚ-ға қарағанда деректердің айтарлықтай  дамыған модельдерін қамтамасыз етуге қабілетті болды.

ОБДҚБЖ-ның  қазіргі кезеңдегі даму өзектілігі көбіне Интернет желілерінде жүзеге асқан технологияларды кең пайдаланумен байланысты болды; Web-беттер арқылы көрсетілген  әртекті деректердің (мәтіндер, графика, видео және дыбыс) ірі ауқымдарын пайдалануға дайындалған объектілер жиынтығы ретінде ОБДҚ-да сақтаған дұрыс. Бұл кезекті Web-беттердің сұрауын орындау уақытын азайтуды қамтамасыз етеді.

Деректердің объектік-бағдарланған модельдерінде  нақты әлемнің кез келген мәні бір ғана барабар категория –  объектімен көрінеді. Объектімен оның жай-күйі және қылығы байланыстырылады. Объектінің жай-күйі оның қасиеттерінің (атрибуттарының) мәнімен немесе объектілер арасындағы байланыстармен және басқа  объектілермен анықталады. Объектінің қылығы объектіден немесе объектінің өзімен орындалуы мүмкін операциялар  жинақталымымен анықталады. Ұқсас қасиеттері мен қылықтары бар объектілер сыныптарға топтастырылады; сонымен  қатар объект бірі немесе бірнеше  сыныптың данасы болуы мүмкін. Сыныптар сыныптар сатысында ұйымдастырылады.

ОБДҚБЖ ДҚ-ға қызмет көрсетеді, олардың әрқайсысы  объектілердің белгілі бір көп  бөлігін қамтиды. ОБДҚБЖ-ның негізі бастапқы кезден-ақ объектілермен байланысты операцияларды (қол жетімділік құқығын  нақты объектілерге бөлу, объектілер болжамдарын жасау, іріктеудің берілген шарттарына сәйкес, объектілерден деректерді іріктеу) тиімді орындау үшін оңтайландырылған. Объектік-реляциялық ДҚБЖ үшін жүйенің  негізі реляциялық болып қала береді, ал оның объектілік қасиеттері реляциялық ДҚБЖ-дағы мамандандырылған қондырма ретінде жүзеге асырылады. Жалпы  алғанда, өзара байланысты деректерді іріктеу қажеттігі қосымша ішкі операцияларды орындауға әкелетін ДҚБЖ-мен салыстырғанда ОБДҚБЖ-ға объект ішіндегі деректерді алу мен  қол жеткізуді талап ететін операцияларды  орындау кезінде айтарлықтай  жылдам әрекет ету тән.

ОБДҚ-мен  жұмыс жасаған кезде сұрау  салу тілінің екі тобы пайдаланылады. Бір топқа SQL (мысалы, OQL – Object Query Language тілі) тілінің мүмкіндіктерін дамытатын  тілдер біріктіріледі. Сұрау салу тілінің  салыстырмалы түрде жаңа тобы XML QL (немесе XQL) XMLтіліне негізделеді.

Объектік-бағдарланған жүйелер бірқатар ерекшеліктерге ие:

• пайдаланушылардың  күрделі міндеттердегі деректер құрылымдарын көрсететін жаңа объектілерді анықтау мүмкіндіктеріне;

• ОБДҚ-дағы объектілер құрылымдары бойынша  навигацияны оңайлататын объектілердің  сатылы салынымдығынан туындайтын айқын  емес байланыстар есебінен объектілер арасында байланыс орнату қажеттігіне;

• кейбір қосымшаларды орындау кезіндегі айтарлықтай  жоғары өнімділікке (мысалы, объектімен байланысты негізгі жадыға жүктелген  көп дүркін навигациялы қосымшалар бойынша);

• жобаның  түрлі нұсқаларын қолдауға және т.б.

Сонымен қатар  мұндай жүйелерге келесі кемшіліктер  тән:

• сұрауларды қамтамасыз ету мен сұрауларды оңтайландырудың  дамыған аз әдістері, көбіне қолданылатын деректердің объектік-бағдарланған модельдерінің күрделілігімен түсіндіріледі;

• ақпараттық қауіпсіздікпен қамтамасыз етудің күрделілігі;

• жүйе әкімшісі және т.б. тарапынан жүйенің өнімділігін  басқарудың шектеулі мүмкіндіктері.

Объектік-бағдарланған технологиялар қазіргі кезеңдегі CASE-құралдарды пайдалана отырып жүзеге асатын АЖ-ны жобалауда кең қолданылады.

Қазіргі таңда  ОБДҚБЖ-ның 200-ден астам жүйесі рынокқа  шығарылған: GemStone, ONTOS, ObjectStore, Versant, Jasmine, ODB-Jupiter (бірінші отандық әзірленім) және т.б. Шын мәнінде, қолданыстағы ОБДҚ-ның басым көпшілігі объектік-бағдарланған ДҚ емес, олардың көпшілігі бағдарламалаудың кейбір объектік-бағдарланған тілі үшін деректерді тұрақты сақтау жүйесі болып  табылады.

Жалпы алғанда, деректердің объектік-бағдарланған модельдерінің әлеуетті мүмкіндіктері  объект ерекшеліктерін біршама табиғи түрде сипаттайды және нақты әлемнің  үдерістері көптеген сарапшыларға объектік-бағдарланған жүйелерді қызметтің әр түрлі  салаларында пайдаланудың үлкен  келешегі туралы негізді пікірлерін білдіруге мүмкіндік береді.

2.4.4. Жасанды интеллект жүйелері

Күрделі жүйелердің, соның ішінде экономикалық жүйелердің тәртібін зерттеуге қатысты қазіргі  кезеңдегі әдістер, көбіне классикалық  интегралдық-дифференциалдық математикалық  аппаратқа емес, әр түрлі құралдар: нейрон жүйелері, генетикалық алгоритмдер, нақты емес логика жүйелері арқылы жүзеге асатын жасанды интеллект  әдістеріне негізделеді. Нақты емес деректермен жұмыс жасау мүмкіндігі жасанды интеллект әдістеріне тән  ерекшелік болып табылады; сонымен  қатар тәжірибелік қажеттілік үшін жеткілікті нақтылыққа қол жеткізіледі, әдетте, пайдаланушылардың арнайы математикалық  білімдерін қажет етпейді. Жасанды  интеллект әдістерін жүзеге асыратын мамандандырылған пакеттердің көпшілігі  пайдаланушыларға нақты пән саласындағы  терминология аясында олармен  жұмыс  жасауға мүмкіндік береді.

Нейрокомпьютерлік технологиялар  негізіндегі жүйелер. Нейрон компьютерлер мен процессорлар, сондай-ақ мамандандырылған алгоритмдер (ары қарай нейрожүйелер) тобы ретіндегі нейрон жүйелер нейротехнологиялардың компоненті болып табылады. Нейрожүйелер адам миында жұмыс жасайтын нейрондарға ұқсас нейрондардың өзара әрекеттесуін модельдеуді жүзеге асыратын жүйелердің үлкен тобын қалыптастырады.  Зерттеулер көрсеткендей, әрбір нейрон дененің жасушасынан және дендрит деп аталатын көптеген ену өсінділерінен тұрады. Дендриттер аталмыш жасушаның денесінен басқа нейрондарға қарай жүреді, бұл жерде олар синапс деп аталатын өршу нүктесінде белгіні қабылдайды. Синапстар қабылдаған ену белгілері нейронның денесіне салынады, мұнда олар алгебралы жиынтықталады. Нейронның денесіндегі жиынтықты өршу шектен асқан кезде, ол қозып, өзінің белгісін басқа нейрондарға жібереді.

Жасанды нейрожелілерді құру негізінде өзара қарапайым  элементтермен байланысқан үлкен  сандардан тұратын қисынды әрекет етуші жүйені жүзеге асыратын әдіс қолданылады. Мұндай жүйені жоғары деңгейде ықшамдауды өзара әрекет ететін жасанды  нейрондар жиынтығы ретінде қарастыруға  болады. Әрбір осындай нейрон алдыңғы  деңгейдегі нейрондардан шыққан салмақталған белгілер енетін сумматор түрінде жүзеге асады. Жиынтықтау нәтижесі нейрон адеквацияларының кейбір функциялары бар шекті  элементке келіп түседі.

Сонымен, нейрожелілерді күйге келтіру нақты нейрондар  арасындағы байланыстардың тереңдігін анықтайтын нейрондардың құрылымдалған  жиынтықтары мен коэффициент  мәндерін анықтауға келіп тіреледі. Желілерді ары қарай пайдалану  үшін, оны ең алдымен, ену параметрлерінің  мәндері мен оларға сәйкес келетін  шығу параметрлерінің мәндерін (яғни, дұрыс жауаптарды) қамтитын бұрын  алынған деректер ауқымында дайындау керек.

Желінің шығу белгілерінің белгілі дұрыс жауаптарға барынша жақындығын қамтамасыз ететін нейронаралық байланыстар «салмағының» мәнін (нейронаралық байланыстардың коэффициентін) анықтау бұл үйретудің нәтижесі болып табылады. Тәжірибеде синаптикалық картаны құру үдерісінде іздеудің градиенттік  алгоритмі кеңінен қолданылатындықтан, шешім іздеудің жаңа циклінің басталуына, сәйкесінше, желіні үйрету ұзақтығын  арттыруға әкеліп соғатын градиент векторының нольге жақын мәнімен  жергілікті экстремумға түсуі ықтимал.

Мамандардың бір қабатты құрылымнан көп қабатты  құрылымға, тіке тарайтын белгілері  бар желілерден кері байланысы бар  біршама күрделі желілерге қарай  дамитын нейрожелілердің мүмкіндіктерін зерттеу бойынша көп еңбектері  жарық көрді. Нейрожелілер құрылымының  күрделенуі оның атқарымдық мүмкіндіктерінің ұлғаюына себепші болды, нәтижесінде, ол желілерді күйге келтіруде  пайдаланылатын қолда бар көрсеткіштер ауқымының өзара байланыстарының  ерекшеліктерін айтарлықтай нақты  сипаттайтын модельдерді табуды қамтамасыз етеді. Алайда, нейрожелілер күрделілігінің ұлғаюы және кері байланыстарды  енгізу нейрожелілердің тұрақтылығын және динамикалық қасиеттерін зерттеу  мәселелерінің өзектілігін арттырады.

Қазіргі уақытта  әр түрлі нейрожелілік шешімдер: көпқабатты персептрондар, Хопфилд желілері, RTF-желілер, ықтималдық (байесовтік) желілер, Кохоненнің өздігінен ұйымдастырылатын карталары  және т.б. қолданылады. Олар бір-бірінен  көлемдері және құрылымдарымен, талдауға арналған деректерді іріктеу әдістерімен, оқыту уақыты және алгоритмдерімен, нақтылығымен, қорытындылауға қабілеттілігімен ерекшеленеді.

    Тұтастай нейрожелілер  үшін мынадай ерекшеліктер сипатты  болады: күрделі есеп айырысулар  талап етілмейді, өңдеудің (болжамның)  нәтижелері тек толықтық пен  бар мәліметтерді қолайлы қалыпқа  келтіру  уақытына байланысты  болады; нейрожеліні пайдаланған  уақытта оны қалыпқа келтіру  үшін оқытылатын мәліметтерді іріктеудің қомақты көлемі қажет.                                                                                                 Нейрондық желілер,  дәстүрлі әдістер қолайлы шешім табу мүмкін емес уақытта, іздеген үлгі туралы нақты бастапқы білім болмағанда желілі емес заңдылықтарды айқындау үшін тиімді. Нейрожелілерді қолдану қаржылық нарықтың серпінділігін зерттеу кезінде, құнды қағаздардың оңтайлы қоржынын анықтауда, қаржы мекемелерінің банкроттыққа ұшырауын болжауда, кредиттік тәуекелді және т.б. жеткілікті жоғары тиімділік көрсетеді.                                                                                                                                                                Қаржы мәліметтерімен жұмыс кезінде болжау міндеттерін шешу үшін кең тараған пакеттердің бірі – Brain Maker Professional пакеті болып табылады.                Генетикалық алгоритмдер негізіндегі жүйелер. Бұл жіктің жүйелері түрлі бейнеліқ қиындастырылған міндеттер мен оңтайландыру міндеттерін шешуде қуатты құрал болып табылады. Міндеттерді шешу кейбір берілген өлшемдердің шағындатылуына  сәйкес жүзеге асырылады. Әрбір мүмкін шешім атрибуттардың кейбір топтамасымен толықтай суреттеледі. Мысалы, егер оның серпіні мен мүмкін  шығуына неғұрлым көбірек әсер ететін, жағдай параметрлерінің тіркелген сандарының жиынтығын іріктеу қажет болса, онда осы параметрлер олардың аттарының жиынтығы болып табылады. Аттар кейбір сәйкестілікпен ұсынылады, ал оларды анықтайтын шешімнің мәні тек сияқты осындай үлгіде түсіндіріледі. Тектердің сәйкестілігімен ұсынылатын хромосома, бұл үлгіде бір нұқсалы шешімнің кодталған ұсынылымы ретінде қарастырылады. Оңтайлы шешім іздеу үш тетік қолданылатын эволюция үдерісі ретінде қарастырылады.

• Кейбір туу туралы куәлік негізінде тәртіптелген ең жақсы шешімдерге сәйкес келетін «күшті» хромосомдар жиынтығын іріктеу.
• Будандасу операциясы, яғни іріктелген индивидтердің хромосомаларының жиынтығынан будандасу көмегімен жаңа индивидтер  өндірісі.
• Мутация операциясы, кейбір индивидтердің кеңінен таралуынан    тектердің оқыстан өзгеруіне жауап береді.                                                                                                                        

   Ұрпақтар  ауысуы нәтижесінде (яғни, шешім  іздеу итерациясына сәйкес үдерісті  орындау) эволюция үдерісінде  қойылған осындай шешім әзірлегенде,  одан әрі  іздеу (одан әрі  эволюция) үдерісінің жақсаруы аса  байқалмайды. Хромосоманы іріктеу  өлшемі және кеңінен таратуда  жаңа ұрпақтарды тудыру үдерісінің  өзі эвристикалық болып табылады  және ең жаңа шешімдер табылатынына  әрқашан кепілдік бермейді.Оның  үстіне,бұл алгоримтдер және  олардың  жүзеге  асырушы жүйелері  экономикалық жүйені үлгілеуде  жеткілікті көпшілікке танымал.                                                                                                    Тектік эволюция парадигмасын (үлгісін)  пайдаланатын жүйенің жарқын  мысалы, GeneHunter жүйесі болуы мүмкін. Тектік алгоритмдер инвестициялық қоржынды қалыптастыруда табысты оңтайландыру мен тәуекел есебімен, пайданы оңтайландырумен бизнес-жоспар және әлеуетті шығындарды әзірлеуде, болашақ табыстардың есебіндегі салық төлемақыларын оңтайландырумен  қаржыны жоспарлауда қолданылады. Логикасы айқын емес жүйелер. Логикасы айқын емес жүйелер аппаратын пайдаланудағы қажеттілік нақтылы уақытша шектеулердің жағдайында міндеттерді шешуді серпінді басқаруда әлеуетті мүмкін ережелердің мәнді сандарынан сол немесе басқа шешуші ережелерді қолданулардың мақсатқа сай талдауының қажеттігімен түсіндіріледі. Айқын емес логиканы қолдану мәнді белгісіздік жағдайында нақтылықтың қолайлы деңгейін қамтамасыз етуге және басқару жүйесін қалыпқа келтіру уақытын қысқартуға мүмкіндік береді.                                                                                                                                               Айқын емес логика аппаратын жүзеге асыратын ең белгілі пакеттердің бірі CubiCalc пакеті болып табылады. Ол экономика және қаржыда оқиғалы үлгілеу үдерістерінде, қаржылық жоспарлауды серпінді басқару міндеттерін шешуде және басқа да ақпараттардың қайшылығы мен толық еместігі жағдайларында пәндік аймақтарда, сондай-ақ параметрлердің сапалық (қомақты мәнді) өзгерістерінде қолданылады.