В общем случае базы данных играют ту же роль и при оценке состояния здоровья человека - они предоставляют специалисту наиболее полную и конкретную информацию по данному вопросу, на основании чего он принимает необходимое решение.

База данных может содержать сведения по общей медицине, признаки различных заболеваний, основные методы профилактики и лечения и другую необходимую информацию. Фактически, к одной базе или банку данных может быть сведена целая медицинская библиотека, и осуществлять поиск необходимой информации в ней будет гораздо удобнее.

База данных может носить и вспомогательный характер. Такими, например, являются базы данных пациентов и медперсонала в поликлиниках. Сейчас эти базы данных уже получили широкое распространение в нашей стране, однако зачастую уровень их технического обеспечения очень низок.

1.2. Экспертные системы

Экспертными системами (ЭС) называют системы искусственного интеллекта, построенные на основе глубоких специальных знаний по некоторой предметной области, полученные от экспертов - специалистов в этой области.

Экспертные системы являются одним из немногих видов систем искусственного интеллекта, которые получили широкое распространение и нашли практическое применение. Повсеместное распространение экспертных систем сдерживается прежде всего тем, что они считаются весьма сложными, дорогими, а главное - узкоспециализированными программами.

Все экспертные системы имеют следующие особенности:

- компетентность, т.е. в конкретной предметной области экспертная система должна достигать того же уровня, что и специалисты-люди;

- символьные рассуждения, т.е. знания, на которых основана экспертная система представляются в виде понятий реального мира;

- глубина, т.е. экспертная система должна решать серьезные, нетривиальные задачи, отличающиеся сложностью знаний или обилием информации, что не позволяет использовать полный перебор вариантов как метод решения задачи, а заставляет прибегать к творческим и неформальным методам;

- самосознание, т.е. экспертная система должна включать в себя механизмы объяснения того, каким образом она приходит к решению задачи.

Экспертные системы могут решать следующие задачи:

· интерпретация;

· прогноз;

· диагностика;

· проектирование;

· планирование;

· обучение;

· наблюдение;

· управление.

Экспертные системы имеют в своем составе обширную базу данных - факты выбранной предметной области, а также базу знаний, в которой отражены профессиональные навыки и умения специалистов высокого уровня в данной области.

Основу квалификации эксперта, кроме формализованных знаний, составляют трудно формализуемые догадки, интуитивные суждения и умение делать выводы, которые сам эксперт может не вполне осознавать.

Типовая схема структуры экспертной системы представлена на рис. 1.

Рисунок 1. Структура экспертной системы

Одна из самых известных в мире консультационных экспертных систем - MYCIN, предназначенная для медицинской диагностики инфекционных заболеваний крови, сопоставляет симптомы исследуемой болезни с симптомами болезней, накопленных в базе знаний. Врач отвечает на вопросы ЭС о симптомах болезни, а затем, получив достаточно фактов, ЭС помогает врачу поставить диагноз и дает рекомендации по лечению.

В качестве примера российской разработки можно привести комплекс РОФЭС (Регистратор Оценки Функционально-Эмоционального Состояния). Система состоит из комплекса датчиков и программного обеспечения, с помощью которых производится диагностика и анализ состояния организма. Она может осуществить подбор препаратов для конкретного человека, провести частотную и цветотерапию (с использованием обратной связи), определить гормональный профиль и риск опасных видов заболеваний. Таким образом, РОФЭС производит не только оценку, но и управление состоянием здоровья.

К сожалению, по отношению к окружающей среде экспертные системы еще не получили достаточно широкого распространения. В качестве основной причины можно назвать отсутствие единой стандартизированной базы знаний. В этой области гораздо шире используются информационные системы, занимающиеся отбором необходимой информации, а принятие решений берут на себя люди.

1.3. Геоинформационные системы

Географические информационные системы (ГИС) появились в 60-х годах XX век как инструменты для отображения географии Земли и расположенных на ее поверхности объектов. Сейчас ГИС представляют собой сложные и многофункциональные инструменты для работы с данными о Земле.

Возможности, предоставляемые пользователю ГИС:

· работа с картой (перемещение и масштабирование, удаление и добавление объектов);

· печать в заданном виде любых объектов территории;

· вывод на экран объектов определенного класса;

· вывод атрибутивной информации об объекте;

· обработка информации статистическими методами и отображение результатов такого анализа непосредственным наложением на карту

Так, с помощью ГИС специалисты могут оперативно спрогнозировать возможные места разрывов трубопроводы, проследить на карте пути распространения загрязнений и оценить вероятный ущерб для природной среды, вычислить объем средств, необходимых для устранения последствий аварии. С помощью ГИС можно отобрать промышленные предприятия, осуществляющие выбросы вредных веществ, отобразить розу ветров и грунтовые воды в окружающей их местности и смоделировать распространение выбросов в окружающей среде.

В 2004г. президиумом Российской академии наук было принято решение о проведении работ по программе «Электронная Земля», суть которой заключается в создании многопрофильной геоинформационной системы, характеризующей нашу планету, практически - цифровой модели Земли.

Зарубежные аналоги программы «Электронная Земля» можно подразделить на локальные (централизованные, данные хранят на одном сервере) и распределенные (данные хранятся и распространяются различными организациями на разных условиях).

Безусловным лидером в создании локальных баз данных является ESRI (Environmental Systems Research Institute, Inc., США) Сервер ArcAtlas “Our Earth” содержит более 40 тематических покрытий, которые широко используются во всем мире. Практически все картографические проекты масштаба 1:10 000 000 и более мелких масштабов создаются с его использованием.

Наиболее серьезным проектом по созданию распределенной базы данных является «Цифровая Земля» (Digital Earth). Этот проект был предложен вице-президентом США Гором в 1998г., основным исполнителем является NASA. В проекте участвуют министерства и государственные ведомства США, университеты, частные организации, Канада, Китай, Израиль и Европейский союз. Все проекты распределенных баз данных испытывают серьезные трудности в вопросах стандартизации метаданных и совместимости отдельных ГИС и проектов, созданных разными организациями с применением разного программного обеспечения.

2. Моделирование

Моделирование - это один из основных методов познания. Оно широко применяется во всех отраслях науки, в том числе и в экологии. В ней часто требуется спрогнозировать изменения, которые могут происходить в окружающей среде вследствие воздействия каких-нибудь факторов. При этом модель позволяет подробно изучить проблему и найти оптимальный способ ее решения. Одной из задач экологии является также установление взаимосвязей между организмами и окружающей средой, описание законов, по которым протекают процессы в живой природе. В классической экологии рассматриваются взаимодействия нескольких типов:

· взаимодействие организма и окружающей среды;

· взаимодействие особей внутри популяции;

· взаимодействие между особями разных видов (между популяциями).

Математические модели в экологии используются практически с момента возникновения этой науки. И, хотя поведение организмов в живой природе гораздо труднее адекватно описать средствами математики, чем самые сложные физические процессы, модели помогают установить некоторые закономерности и общие тенденции развития отдельных популяций, а также сообществ. Кажется удивительным, что люди, занимающиеся живой природой, воссоздают ее в искусственной математической форме, но есть веские причины, которые стимулируют эти занятия. Вот некоторые цели создания математических моделей в экологии:

1. Модели помогают выделить суть или объединить и выразить с помощью нескольких параметров важные разрозненные свойства большого числа уникальных наблюдений, что облегчает экологу анализ рассматриваемого процесса или проблемы.

2. Модели выступают в качестве «общего языка», с помощью которого может быть описано каждое уникальное явление, и относительные свойства таких явлений становятся более понятными.

3. Модель может служить образцом «идеального объекта» или идеализированного поведения, при сравнении с которым можно оценивать и измерять реальные объекты и процессы.

4. Модели действительно могут пролить свет на реальный мир, несовершенными имитациями которого они являются.

При построении моделей в математической экологии используется опыт математического моделирования механических и физических систем, однако с учетом специфических особенностей биологических систем:

· сложности внутреннего строения каждой особи;

· зависимости условий жизнедеятельности организмов от многих факторов внешней среды;

· незамкнутости экологических систем;

· огромного диапазона внешних характеристик, при которых сохраняется жизнеспособность систем.

Привлечение компьютеров существенно раздвинуло границы моделирования экологических процессов. С одной стороны, появилась возможность всесторонней реализации сложных математических моделей, не допускающих аналитического исследования, с другой - возникли принципиально новые направления, и прежде всего - имитационное моделирование.

Развитие математико-экологических моделей можно проследить по эволюции тех научных и прикладных вопросов, для ответа на которые эти модели создавались. Вопросы эти усложнялись по мере развития экологии и совершенствования методики моделирования. Если вначале сами вопросы и результаты математического моделирования представляли отвлеченный теоретический интерес, то в дальнейшем они стали носить конкретный практический характер. Значительная часть работ по моделированию природных экосистем имеет прикладной характер. Эти работы ставят перед собой практические задачи - построение прогнозов поведения во времени реальных биологических систем. Так, например, предприятие, занимающееся разведением рыб в искусственных водоемах, заинтересовано в оптимальном регулировании отлова рыб, количества корма, параметров содержания водоемов и многих других, значимых для жизни и воспроизводства рыб факторов. Оно заинтересовано в привлечении экологов и их математических моделей для правильного ведения дел и получения наибольшей прибыли. Другой пример - прогнозирование развития эпидемических заболеваний. Системе здравоохранения нужно заранее планировать скорость распространения болезни, готовить запасы лекарственных препаратов, средств профилактики и защиты, медицинский персонал и проводить другие мероприятия. Этот список практических применений результатов математической экологии можно было бы продолжить.

Страницы: 1, 2, 3, 4