1. Искусственный интеллект. Цели и задачи курса.
ИИ как наука насчитывает уже около 30 лет. Задача курса- воссоздание с помощью искусств устройств (в основном с помощью ЗВМ) различных рассуждений и действий. При этом возникают трудности:
1) в большинстве случаев, когда выполняем какие-то действия, нам неизвестен точный алгоритм, как именно происходит реш-е задачи, понимание текста и т.п.
2) ЭВМ априори далёк от человеческого уровня компетентности: до начала любой их работы необходимо составить соответствующие программы.
Цель курса – разработка новых теоретических построений и в создании для ЭВМ.
Основные направления ИИ.
1) экспертные системы (семантические системы, или системы, основанные на знаниях); основываясь на знаниях таких систем, можно сделать много полезных выводов и ответить на многие вопросы, знания здесь являются аксиомами, и из них можно выводить теоремы; ЭС бывают: а) работающие в реальном времени. б) статические базы знаний (наборы правил интерпретации, система-консультант).
2) нейронные сети (синтаксические системы, которые основываются на формальном подходе).
3) естественные языковые интерфейсы.
4) многоагентные системы, в которых взаимодействуют несколько интеллектуальных агентов, для их взаимодействия требуется метоуровень;
Агент – некоторый субъект, наделённый некоторыми полномочиями- это система ИИ, которая выполняет поручения.
5) генетические алгоритмы (искусственное выживание): а) виртуальные организмы, б) моделирование искусственного человека. Это системы в виртуальной реальности.
Всякая задача, для которой неизвестен алгоритм решения, априорно относится к ИИ.
2. Методы моделирования, основанные на знаниях.
В отличие от фактов знания интерпретируемы, их можно сформулировать в какой-то форме, которая будет являться правилом, с помощью знаний можно прогнозировать и т. д. Т. о. знания являются моделью.
Если привлечь эксперта, который обладает знаниями, и, отделив эти знания, объединить их, то получим семантическую, или экспертную, систему. Система, основанная на знаниях, является в полном смысле экспертной, если, используя эти знания, можно сделать много полезных выводов и ответить на многие вопросы. Т. е. знания являются аксиомами, и из них можно выводить теоремы. Любую математическую задачу можно сформулировать в виде экспертной системы. Также любая научная книга является экспертной системой, ее можно заложить в компьютер.
Для разных моделей используются различные экспертные системы. Рассмотрим классификацию экспертных систем.
1. По типу приложений. Приложения могут быть:
• изолированными, т. е. когда нет связей с другими системами (это для узких проблем);
• интегрируемыми, когда есть связь с другими системами;
• закрытыми, когда к системе нет доступа;
• открытыми (открытые системы позволяют наращивать мощность);
2. По стадиям существования:
• исследовательский проект (например, учебная программа);
• действующий проект (рабочая программа);
• промышленная система (внедренная программа);
• коммерческий продукт (дилерская сеть, документация);
3. По масштабности: масштабность программного продукта зависит от числа пользователей и магнитных платформ;
4. По типу проблемной среды. Проблемные среды бывают:
• динамические;
• статические;
• структурированные (в таких средах опр-ны рабочие пространства, в которых легко построить модели, н-р, непрерывная математика);
• неструктурированные (в них нет метрического прост-ва, а т/о объекты и связи между ними, н-р, дискретная мат-ка и информатика);
• среды, в которых решаются задачи анализа (разложение на части);
• среды, в которых решаются задачи синтеза (задачи образования системы);
• среды, работающие в жестком реальном времени (когда время измеряется в порядках секунд и долей секунд);
• среды, работающие в мягком реальном времени (когда время измеряется в порядках минут);
• среды, работающие в псевдореальном времени (когда время не измеряется, а важно только то, что оно есть как таковое);
5. По типу инструментальных средств (по типу ЯП и программных сред):
• процедурное программирование (основано на детерминированной последовательности действий, данные выполняют второстепенную роль);
• программирование, ориентированное на данные (здесь пассивную роль выполняют действия);
• программирование, ориентированное на продукцию (следит за возникновением некоторого сочетания данных, которое может породить другие данные);
• функционально программирование (программа является функцией или суперпозицией функций - Lisp);
• объектно-ориентированное программирование (когда объекты, представляющие собой некоторые структуры данных и методов, обладают своим поведением и взаимодействуют между собой - Smalltalk);
• логическое программирование (ориентировано на поддержание истинности - Prolog);
6. По форме представления знаний.
7. По механизмам вывода.
3. Элементы инженерии знаний
Инженерия знаний - это работа по оснащению программ спец. экспертными знаниями из проблемной области. Одной из важнейших проблем инженерии знаний является приобретение знаний, т.е. получение знаний в виде, пригодном для их использования компьютерами. В этом случае данными являются форма представления знаний и методы их использования. Такой процесс называется приобретением знаний в узком смысле. В ходе этого процесса часто выявляются недостатки понимания проблемной области, недостатки формы представления знаний и методов их использования. Поэтому на основе существующих баз данных производят пересмотр понятий проблемной области и повторное изучение систем. Этот процесс называется приобретением знаний в широком смысле. Процесс организации знаний в базу и построения экспертных систем называется также инженерией знаний.
Инженерия знаний: для разработки экспертной системы для некоторой предметной области нужно провести консультации с экспертами в этой области и многое узнать о ней (собрать информацию). Таким образом, будет достигнуто понимание предметной области. Затем нужно облечь это понимание в форму представления знаний в рамках выбранного формального языка. Этот процесс называется инженерией знаний.
Характеризуются следующими пунктами:
1. Описание некоторой области в некоторой формальной системе (иначе не возможно математическое моделирование).
2. Выбор представления знаний о предметной области. Надо выбрать формализм, в котором будем моделировать предметную область.
3. Извлечение знаний о предметной области.
4. Работа со знаниями. Надо иметь механизмы работы со знаниями (механизмы вывода).
4. В чем отличие знаний от данных?
Знания – выводы, сделанные на основе данных. Они более компактны, чем данные. Знания можно сформулировать в виде правил, т.е. изложить в форму.
Рассмотрим особенности знаний, которые отличают их от данных.
1)Интерпретируемость. Данные, помещенные в ЭВМ, могут содержательно интерпретироваться лишь соответствующей программой. В отрыве от программы, данные не несут никакой содержательной информации.
Знания отличаются тем, что в них возможность содержательной интерпретации всегда присутствует.
2)Наличие классифицирующих отношений. Несмотря на разнообразие форм хранения данных, ни одна из них не обеспечивает возможности компактного описания всех связей между различными типами данных. При переходе к знаниям между отдельными единицами знаний можно установить такие отношения, как “элемент-множество”, “тип-подтип”, “ситуация-подситуация”, отражающие характер их взаимосвязи. Это позволяет записать и хранить отдельно информацию, одинаковую для всех элементов множества. При необходимости эту информацию можно автоматически передать описанию любого элемента множества. Такой процесс передачи называют “наследованием” информации.
3)Наличие ситуативных связей. Эти связи определяют ситуативную совместимость отдельных событий или фактов, хранимых или вводимых в память, а также отношения, как одновременность, расположение в одной области пространства, нахождение в состоянии механического взаимодействия.
Ситуативные связи помогают строить процедуры анализа знаний на совместимость, противоречивость, которые трудно реализовать при хранении традиционных массивов данных.
Появление знаний как информационных объектов для обработки на ЭВМ определило переход от баз данных к базам знаний. Система управления базами знаний (СУБЗ) являются развитием систем управления базами данных (СУБД). CУБЗ представляют пользователю более мощные процедуры, чем СУБД. Например, пользователь может работать не только с теми структурами информации, которые реализованы в базе знаний, но и создавать свои. СУБЗ автоматически обеспечивают связь между структурами пользователя и структурами, хранимыми в базе знаний. Тем не менее, база знаний не отвергает и не заменяет базу данных.