Существуют различные классификации интеллектуальных информационных систем. Рассмотрим одну из них предложенную в работе В.Б. Уткина и К.В. Балдина, рисунок 5.1.

Наиболее широкое распространение на практике в настоящее время получили системы искусственного интеллекта, основанные на знаниях (первое направление). Понятие «знания» для этих систем имеет принципиальное значение. Под «знанием» в системах искусственного интеллекта понимается информация о предметной области, представленная определенным образом и используемая в процессе логического вывода. По своему содержанию данная информация является некоторым набором суждений и умозаключений, описывающих состояние и механизмы (логику) функционирования в выбранной, как правило, весьма ограниченной предметной области. Указанные суждения и умозаключения высказываются экспертом (специалистом) в этой области, либо формулируются в результате анализа литературы по данному предметному направлению.

Способы получения и представления знаний в интересах проектирования систем искусственного интеллекта в настоящее время составляют предмет сравнительно нового научного направления – инженерии знаний.

Форма представления знаний имеет отличие от формы представления данных. Обычно под данными в ИС понимаются факты и идеи, представленные в формализованном виде, позволяющие (лишь) передавать, хранить или обрабатывать эти факты и идеи при помощи некоторого процесса. В отличие от данных знания предполагают сосредоточение не только фактов и идей (так называемых первичных данных), но и дополнительных данных, которые описывают (интерпретируют) первичные данные с точки зрения следующих составляющих: того, что собой представляют эти данные, какие между ними имеются связи, какие действия с ними и каким образом могут выполняться и т.п.

В системах, основанных на знаниях, предполагается, что исходные знания способны в соответствии с запросами пользователей к системе порождать новые знания. При этом сама процедура порождения новых знаний называется логическим выводом (или просто выводом). Термин «логический» в данном случае не случаен по двум причинам. Системы, основанные на знаниях, моделируют мыслительную деятельность людей лишь на логическом (а не на физиологическом) уровне, и, кроме того, основным математическим аппаратом, лежащим в основе систем этого типа, является аппарат математической логики.

К системам искусственного интеллекта, полностью основанным на знаниях, относятся два класса систем: экспертные системы и инструментальные пакеты прикладных программ (ИППП), в которых механизм сборки отдельных подпрограмм (решения частных задач) в общую программу решения требуемой задачи осуществляется автоматически, на основе механизма логического вывода. Основные идеи этого направления частично (или даже в значительной части) реализуются и в других системах искусственного интеллекта, в частности робототехнических системах распознавания и др.

В самоорганизующихся системах (второе направление) реализуется попытка осуществить моделирование интеллектуальной деятельности человека (или более простых живых существ) не на логическом, а на физиологическом уровне работы головного мозга. В данном случае мозг человека моделируется сетью идеальных нейронов. При воздействии на такую сеть некоторых раздражителей она начинает вырабатывать адекватную реакцию, т.е. способна к самообучению путем самоорганизации. Несмотря на значительную теоретическую перспективность этого направления в области искусственного интеллекта, практически значимых результатов этот путь пока не дал. Последнее объясняется технической нереализуемостью на современном уровне достаточного числа взаимосвязанных нейронов в искусственно создаваемой сети.

В то же время данное направление позволило получить весомые результаты в области исследования возможностей создания компьютеров сверхвысокого быстродействия и, тем самым, повысить возможности систем искусственного интеллекта, создаваемых на других принципах. Кроме того, реальные результаты получены в создании нейросистем распознавания образов.

Третье направление разработки систем искусственного интеллекта связано с реализацией эвристического подхода к построению таких систем. Главной особенностью, характерной для данного направления, является полный отказ от следования принципу аналогии при моделировании механизма интеллектуальной деятельности (ни на логическом, ни на физиологическом уровнях). Методологической основой систем эвристического поиска служит то утверждение, что любая интеллектуальная деятельность начинается с некоторых данных и завершается получением определенных результатов также в виде данных. Если техническое устройство позволяет по аналогичным исходным данным получить эквивалентные результаты, то оно может быть отнесено к классу интеллектуальных (согласно первому определение искусственного интеллекта). При этом механизм переработки исходных данных в результаты не оговаривается и, вообще говоря, может быть совершенно иным по сравнению с реальным. Системы этого типа выполняют функции, которые традиционно производятся человеком, однако реализуют их другими способами.

Широкое распространение данное направление получило при решении различных игровых задач (в шахматах, шашках и т.д.). Однако подходы, присущие этому направлению, нашли применение и в других системах искусственного интеллекта, в частности системах общения (особенно в части речевого общения), системах распознавания, робототехнических системах и др. В то же время следует заметить:

специфика эвристического подхода такова, что рецепты создания программ для решения интеллектуальных задач в одной области практики, как правило, неприменимы в другой области, а возникающая необходимость изменения характера учета факторов при решении прикладных задач вызывает существенную перестройку программы в целом.

При разработке интеллектуальных робототехнических систем основная задача состоит в решении теоретических и практических вопросов организации целесообразного поведения подвижных роботов, снабженных сенсорными и эффекторными (исполнительными) механизмами. Принципиальное отличие робототехнических систем от систем искусственного интеллекта других типов заключается в том, что эти системы не только воспринимают информацию из окружающего мира и вырабатывают на ее основе определенные оценочные выводы, но и, сообразуясь с этими выводами, вносят изменение в окружающий (анализируемый ими) мир.

К настоящему времени в практике находят применение робототехнические системы с относительно простыми сенсорными и эффекторными механизмами, которые способны выполнять действия только в простых средах с заранее зафиксированными свойствами.

Наиболее востребованными реализациями в экономической области интеллектуальных ИТ являются: экспертные системы, нейронные сети и промышленная робототехника.