Лекции по информатике (стр. 1 из 9)
Введение в проблему искусственного интеллекта (ИИ)
1. Понятие систем ИИ, их классификация области применения и перспективы развития.
2. Использование систем ИИ в организационном управлении.
1.Понятие систем ИИ, их классификация области применения и перспективы развития.
ИИ - это научно-исследовательское направление создающие модели и соответствующие программные средства, позволяющие с помощью ЭВМ решать задачи творческого, не вычислительного характера, которые в процессе решения требуют обращения к семантике (проблеме смысла). Исследования в области ИИ проводятся в течение 30 лет.
Началом работ в области ИИ считают создание ЭВМ, которая должна была имитировать процесс человеческого мышления. Разработка Розенблата. Машина-персептрон имела два вида нейтронов, которые образовывали нейтронную сеь.
Исследования в области ИИ разделились на два подхода:
1)Конекционистский
2)Символьный
Начало работ в (2) считают разработки университета Корнеги Меллона, а именно два программных комплекса:
а)логик-теорик;
б)общий решатель задач.
В конце 60-х изменилась методология решения задач ИИ, т.е. вместо моделирования способов мышления человека началась разработка программ способных решать человеческие задачи, но на базе Эффективных машинно-ориентированных методов.
Исследовательским полигоном этого периода явились головоломки и игры. Это объясняется замкнутостью пространства поиска решений и возможностью моделирования очень сложной стратегии поиска решения. В то же время делаются попытки перенести ИИ из искусственной среды в реальную. Возникает проблема моделирования внешнего мира. Это привело к появлению интегральных роботов, которые изначально должны были выполнять определенные операции в технологических процессах, работать в опасных для человека средах. С появлением роботов большое внимание уделяется реализации функции формирования действий, восприятие ими информации о внешней среде. Появление роботов считают вторым этапом исследований в ИИ.
В начале 70-х акценты в ИИ сместились на создание человеко-машинных систем, позволяющих комплексно на основе эвристических методов вырабатывать решения в рамках конкретных предметных областей на основе символьного подхода. В это же время стали развиваться бурными темпами экспертные системы (ЭС). ЭС - позволяет выявлять, накапливать и корректировать знания из различных областей и на основе этих знаний формировать решения , которые считаются если не оптимальными, то достаточно эффективными в определенных ситуациях.
ЭС используют знания группы экспертов в рамках определенной предметной области. В качестве экспертов используются конкретные специалисты, которые могут быть не достаточно знакомы с ЭВМ. В настоящее время в общем объеме доля ЭС составляет до 90%. Если проранжировать области применения по количеству созданных образцов:
1. Медицинская диагностика, обучение, консультирование.
2. Проектирование ЭС.
3. Оказание помощи пользователям по решению задач в разных областях.
4. Автоматическое программирование. Проверка и анализ качества ПО.
5. Проектирование сверхбольших интегральных схем.
6. Техническая диагностика и выработка рекомендаций по ремонту оборудования.
7. Планирование в различных предметных областях и анализ данных, в том числе и на основе статистических методов. Интерпретация геологических данных и выработка рекомендаций по обнаружению полезных ископаемых.
Первые образцы ЭС занимали по трудоемкости разработки 20-30 человеко/лет. В коллектив разработчиков входили: эксперты предметной области, инженеры по знаниям или проектировщики ЭС, программисты. В проектировании ЭС есть существенное отличие от проектирования традиционных информационных систем. Это объясняется тем, что в ЭС используется понятие “знание”, а в традиционной системе - “данные”. В ЭС отсутствует понятие жесткого алгоритма, а всевозможные действия задаются в виде правил, которые являются эвристиками, т.е. эмпирическими правилами или упрощениями. В процессе работы системы производится построение динамического плана решения задачи с помощью специального аппарата логического вывода понятий.
С появлением ЭС появилась новая научная дисциплина - инженерия знаний, которая занимается исследованиями в области представления и формализации знаний, их обработки и использования в ЭС. В настоящее время под термин ЭС попадает очень большой круг систем, которые можно отнести к ЭС только по используемым моделям и методам проектирования. Поэтому делается попытка более строгой классификации систем ИИ символьного направления.
В настоящее время при широком использовании символьного подхода усилилось внимание к использованию нейтронных сетей. Это объясняется тем, что предложены очень мощные модели нейтронных сетей и алгоритмы их обучения (метод обратного распространения ошибок).
Нейтронные сети используются в медицинской диагностике, управлении самолетом, налоговых и почтовых службах США.
Одной из составляющих успеха нейтронных сетей явилась совместная разработка компании Intel и корпорации Nestor микросхемы с архитектурой нейтронных сетей.
Тенденции развития средств вычислительной техники:
1. Развитие вычислительной базы: параллельные, нейтронные и оптические технологии, которые будут способны к распределенному представлению информации, параллельной ее обработки, обучению и самоорганизации.
2. Развитие теоретической основы для информационной обработки основанный на понятии ‘Softlogic’, поддерживающий как логический, так и интуитивный вывод понятий.
3. Разработка для реальных приложений системы когнетивных функций, таких как речь, звуковые эффекты, когнетивная графика и т.п.
ЭС как разновидность систем ИИ.
1. Структура ЭС.
2. Определение знаний и базы знаний (БЗ).
3. Определение понятий логического вывода.
4. Организация интерфейса с пользователем в ЭС.
1.Структура ЭС.
2.Определение знаний и базы знаний (БЗ).
Основным элементом БЗ являются знания о предметной области, в которой должна функционировать ЭС.
Знание - это совокупность сведений, образующих целостное описание соответствующее определенному уровню осведомленности об описываемой проблеме.
Основное отличие знаний от данных в том, что данные описывают лишь конкретное состояние объектов или группы объектов в текущий момент времени, а знания кроме данных содержат сведения о том как оперировать этими данными.
В БЗ ЭС знания должны быть обязательно структурированы и описаны терминами одной из модели знаний. Выбор модели знаний - это наиболее сложный вопрос в проектировании ЭС, так как формальное описание знаний оказывает существенное влияние на конечные характеристики и свойства ЭС.
В рамках одной БЗ все знания должны быть однородно описаны и простыми для понимания. Однородность описания диктуется тем, что в рамках ЭС должна быть разработана единая процедура логического вывода, которая манипулирует знаниями на основе стандартных типовых подходов. Простота понимания определяется необходимостью постоянных контактов с экспертами предметной области, которые не обладают достаточными знаниями в компьютерной технике.
Знания подразделяются с точки зрения семантики на факты и эвристики. Факты как правило указывают на устоявшиеся в рамках предметной области обстоятельства, а эвристики основываются на интуиции и опыте экспертов предметной области.
По степени обобщенности описания знания подразделяются на:
1) Поверхностные - описывают совокупности причинно- следственных отношений между отдельными понятиями предметной области.
2) Глубинные - относят абстракции, аналогии, образцы, которые отображают глубину понимания всех процессов происходящих в предметной области.
Введение в базу глубинных представлений позволяет сделать систему более гибкой и адаптивной, так как глубинные знания являются результатом обобщения проектировщиком или экспертом первичных примитивных понятий.
По степени отражения явлений знания подразделяются на:
1) Жесткие - позволяют получить однозначные четкие рекомендации при задании начальных условий.
2) Мягкие - допускают множественные расплывчатые решения и многовариантные рекомендации.
Тенденции развития ЭС.
М,Ж - мягкие, жесткие знания.
П,Г - поверхностные, глубинные знания.
I - медицина, управление
II - психодиагностика, планирование
III - диагностика неисправностей разного вида
IV - проектирование различных видов устройств
Обычно при проектировании БЗ проектировщик старается пользоваться стандартной моделью знаний (МЗ):
1 - продукционная модель знаний (системы продукции)
2 - логическая МЗ
3 - фреймовая МЗ
4 - реляционная МЗ
По форме описания знания подразделяются на:
1) Декларативные (факты) - это знания вида “А есть А”.
2) Процедурные - это знания вида “Если А, то В”.
Декларативные знания подразделяются на объекты, классы объектов и отношения.
Объект - это факт, который задается своим значением.
Класс объектов - это имя, под которым объединяется конкретная совокупность объектов-фактов.
Отношения - определяют связи между классами объектов и отдельными объектами, возникшие в рамках предметной области.
К процедурным знаниям относят совокупностиправил, которые показывают, как вывести новые отличительные особенности классов или отношения для объектов. В правилах используются все виды декларативных знаний, а также логические связки. При обработке правил следует отметить рекурсивность анализа отношений, т.е. одно правило вызывает глубинный поиск всех возможных вариантов объектов БЗ.