Методический аппарат формирования кортежа ценности информации в интеллектуальной системе информационного обеспечения управления
В статье представлена технология формирования кортежа ценности информации и связанная с ней методика обучения и дообучения интеллектуальных агентов в интеллектуальной системе информационного обеспечения управления (ИСИОУ). Показано, что интегральная оценка эффективности ИСИОУ не позволяет в полной мере объяснить при- чины изменения системных показателей без формализованного учета качества и движения самих информационных объектов в мультиагентном контуре. Предложен кортеж ценности информации, включающий релевантность, достоверность, своевременность, полноту, но- визну и потенциальную эффективность информационного объекта относительно целей аген- та и текущего тактического контекста. На основе интегральной оценки ценности вводятся правила фильтрации, приоритизации и маршрутизации сообщений, а также контур обратной связи, корректирующий веса атрибутов ценности и профили доверия источников. Показано, что устойчивое улучшение этих параметров требует формализованной процедуры обучения и дообучения интеллектуальных агентов. Для этой цели рассматриваются параметро-эффек- тивное дообучение, обучение по предпочтениям и механизмы предотвращения катастрофи- ческого забывания. The article presents the technology of forming the information value tuple and the related methodology of training and retraining intelligent agents in the intelligent information management system (ISIOU). It is shown that the integrated assessment of the effectiveness of ISIOU does not fully explain the reasons for changes in system indicators without formalized consideration of the quality and movement of information objects themselves in a multi-agent circuit. A tuple of information values is proposed, including relevance, reliability, timeliness, completeness, novelty, and potential effectiveness of an information object relative to the agent's goals and current tactical context. Based on the integral value assessment, rules for filtering, prioritizing, and routing messages are introduced, as well as a feedback loop that adjusts the weights of value attributes and source trust profiles. It is shown that the steady improvement of these parameters requires a formalized training procedure and additional training of intelligent agents. For this purpose, parametric-effective retraining, preference-based learning, and mechanisms for preventing catastrophic forgetting are considered.