Контрольная Искусственный интеллект

Целью контрольной работы является углубленное изучение теоретического материала и решение практических индивидуальных заданий, позволяющих развить навыки проектного мышления.
Контрольная работа состоит из четырех заданий:
1) Теоретическая часть работы, системы искусственного интеллекта.
2) Построение продукционного вывода.
3) Преобразование формулы в дизъюнктивную нормальную форму.
4) Перевод выражения естественного языка в формулу логики предикатов.
...

СОДЕРЖАНИЕ 2
ВВЕДЕНИЕ 3
1 СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 4
2 ЭКСПЕРТНЫЕ СИСТЕМЫ 7
ПРАКТИЧЕСКАЯ ЧАСТЬ РАБОТЫ 11
ЗАКЛЮЧЕНИЕ 14
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 15

Целью контрольной работы является углубленное изучение теоретического материала и решение практических индивидуальных заданий, позволяющих развить навыки проектного мышления.
Контрольная работа состоит из четырех заданий:
1) Теоретическая часть работы, системы искусственного интеллекта.
2) Построение продукционного вывода.
3) Преобразование формулы в дизъюнктивную нормальную форму.
4) Перевод выражения естественного языка в формулу логики предикатов.

7) Когнитивное моделирование.
Это не исчерпывающий список СИИ. В данной работе рассмотрим подробно экспертные системы, так как они составляют самую существенную часть систем искусственного интеллекта.
2 ЭКСПЕРТНЫЕ СИСТЕМЫ
В середине семидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название экспертные системы. Цель исследований по экспертным системам состоит в разработке программ (устройств), которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. В большинстве случаев экспертные системы решают трудно формализуемые задачи или задачи, не имеющие алгоритмического решения. Экспертные системы составляют самую существенную частьсистем искусственного интеллекта.
Экспертная система – программно-техническое средство, позволяющее пользователю в диалоговом режиме получать от компьютера консультационную помощь в конкретной предметной области, где сконцентрированы опыт и знания людей-экспертов (специалистов в данной области).
Классифицируют экспертные системы по следующим признакам:
способ формирования решения;
способ учета временного признака;
вид используемых данных;
число используемых источников решения знаний.
По способу формирования решения ЭС можно разделить на анализирующие и синтезирующие. В системах первого типа осуществляется выбор решения из множества известных решений на основе анализа знаний, в системах второго типа решение синтезируется из отдельных фрагментов знаний.
В зависимости от способа учета временного признака ЭС делят на статические и динамические. Статические ЭС предназначены для решения задач с неизменяемыми в процессе решения данными и знаниями, а динамические ЭС допускают такие изменения.
По видам используемых данных и знаний различают ЭС с детерминированными и неопределенными знаниями. Под неопределенностью знаний и данных понимаются их неполнота, ненадежность, нечеткость.
Экспертные системы могут создаваться с использованием одного или нескольких источников знаний.4
Экспертные системы применяются во многих областях. Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.
Рассмотрим типовую структуру экспертной системы.
Обобщенная структура экспертной системы представлена на рисунке 1.
Рисунок 1 – Обощенная структура ЭС
Рассмотрим основные блоки структуры экспертной системы.
Интерфейс пользователя
Интерфейс пользователя - это система программных и аппаратных средств, обеспечивающих для конечного пользователя использование компьютера для решения задач, которые возникают в среде его профессиональной деятельности либо без посредников либо с незначительной их помощью. Это совокупность средств интеллектуального интерфейса, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечных пользователей.
Подсистема приобретения знаний
Подсистема приобретения знаний предназначена для добавления в базу знаний новых правил и модификации имеющихся. В ее задачу входит приведение правила к виду, позволяющему подсистеме вывода применять это правило в процессе работы. В более сложных системах предусмотрены еще и средства для проверки вводимых или модифицируемых правил на непротиворечивость с имеющимися правилами.
База знаний
База знаний - важная компонента экспертной системы, она предназначена для хранения долгосрочных данных, описывающих рассматриваемую предметную область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области. В качестве предметной области выбирается узкая (специальная) прикладная область. Далее доя создания ЭС в выбранной области собираются факты и правила, которые помещаются в базу знаний вместе с механизмами вывода и упрощения. В отличие от всех остальных компонент ЭС, база знаний - "переменная " часть системы, которая может пополняться и модифицироваться инженерами знаний и опыта использование ЭС, между консультациями (а в некоторых системах и в процессе консультации). Существует несколько способов представления знаний в ЭС, однако общим для всех них является то, что знания представлены в символьной форме (элементарными компонентами представления знаний являются тексты, списки и другие символьные структуры). Тем самым, в ЭС реализуется принцип символьной природы рассуждений, который заключается в том, что процесс рассуждения представляется как последовательность символьных преобразований. Существуют динамические и статические базы знаний. Динамическая база знаний изменяется со временем. Ее содержимое зависит и от состояния окружающей. Новые факты, добавляемые в базу знаний, являются результатом вывода, который состоит в применении правил к имеющимся фактам. В системах с монотонным выводом факты, хранимые в базе знаний, статичны, то есть не изменяются в процессе решения задачи. В системах с немонотонным выводом допускается изменение или удаление фактов из базы знаний. В качестве примера системы с немонотонным выводом можно привести ЭС, предназначенную для составления перспективного плана капиталовложения компании. В такой системе по вашему желанию могут быть изменены даже те данные, которые после вывода уже вызвали срабатывание каких-либо правил. Иными словами имеется возможность модифицировать значения атрибутов в составе фактов, находящихся в рабочей памяти. Изменение фактов в свою очередь приводит к необходимости удаления из базы знаний заключений, полученных с помощью упомянутых правил. Тем самым вывод выполняется повторно для того, чтобы пересмотреть те решения, которые были получены на основе подвергшихся изменению фактов.5
Практическая часть работы
Задание 2
Задана база знаний, состоящая из фактов и правил.
Построить (там, где это возможно) прямой и обратный вывод высказывания из запроса.
2.4 Факты: ¬A, ¬C, D;
Правила: A→B, B&¬C→D, D→F
Запрос: ¬A
Решение:
1. Имеются факты ¬A, ¬C, D.
2. В фактах есть ¬A, следовательно, данный факт доказан.
Задание 3
Преобразовать формулу в конъюнктивную нормальную форму.
3.4. (A→¬B)&(A→D)&(D→F)
Решение:
Применив формулу
- КНФ