Шпаргалка: Лекции по информатике
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
совокупности правил, 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.
Граница между декларативными
и процедурными знаниями очень подвижна, т.е. проектировщик может описать одно и
то же как отношение или как правило.
Во всех видах моделей выделен
еще один вид знаний - метазнания, т.е. знания о данных. Метазнания могут
задавать способы использования знаний, свойства знаний и т.д., т.е. все, что
необходимо для управления логическим выводом и обучением ЭС.
3. Определение понятий логического вывода.
Аппарат логического вывода
предназначен для формирования новых понятий, т.е. решений в рамках определенной
предметной области. Как правило логический вывод тесно связан с конкретной
моделью знаний и оперирует терминологией этой модели. Есть несколько общих
понятий для всех МЗ:
1)
стратегия вывода
2)
управляющая структура
В ЭС применяется стратегия
вывода в виде прямой и обратной цепочек рассуждения. Прямая стратегия ведет
от фактов к гипотезам, а обратная пытается найти данные для доказательства или
опровержения гипотезы.
В современных ЭС применяются
комбинированные стратегии, которые на одних этапах используют прямую, а на
других обратную цепочки рассуждения.
Управляющая структура - это
способ применения или активизации правил в процессе формирования решений.
Управляющая структура полностью зависит от выбранной проектировщиком модели.
Например, для продукционной
модели наиболее часто используются такие управляющие структуры:
1 - последовательный перебор правил
2 - одно подмножество правил применяется для выбора
очередного правила
Независимо от формы
управляющей структуры в процессе поиска решений в некоторых точках поиска
возникает необходимость выбора последующего направления поиска. Используется
два метода:
1 - “сначала вглубь”
2 - “сначала вширь”
Важной проблемой, которая
требует обязательного решения в рамках аппарата логического вывода, является
подтверждение или оценка достоверности формируемых системой частичных или общих
решений. Трудность заключается в том, что ЭС как правило, работают с нечеткими,
часто неопределенными понятиями, которые должны быть строго оценены и иметь
четкую форму выражения.
Термин “нечеткость” в ЭС
недостаточно определен ив инженерии знаний используется такая классификация
нечеткости:
1 - недетерминированность вывода
2 - многозначность
3 - ненадежность знаний
4 - неполнота
5 - неточность
1 - Под недетерминированностью вывода подразумевается возможность формирования плана
решения задачи из определенных правил методом проб и ошибок, с возвратами при
необходимости для построения других, более эффективных планов. С целью
ускорения поиска эффективного плана в систему вводят оценочные функции разного
вид, а также эвристические значения экспертов.
2 - Многозначность
интерпретации знаний в процессе выработки решений устраняется за счет включения
в систему более широкого контекста и семантических ограничений.
Метод семантических
ограничений называется методом релаксации. Суть его в том, что с помощью
циклических операций применяются локальные ограничения, которые согласовываются
между собой на верхнем уровне.
3 - Ненадежность.
Для устранения ненадежности знаний, которая довольно часто используется в ЭС,
используются методы основанные на нечеткой логике: расчет коэффициентов
уверенности, метод Байеса и т.д. Нечеткая логика - разновидность непрерывной
логики, в которой логические формулы могут принимать значения не только 0 или
1, но и все дробные значения между 0 и 1 для указания частичной истины.
Наиболее слабое место в нечеткой логике - это реализация функции
принадлежности, т.е. присваивание предпосылкам весовых значений экспертами
(зависит от конкретного человека).
Страницы: 1, 2, 3, 4, 5, 6
|