Лекции 1 Кохов
Описание файла
Документ из архива "Лекции 1 Кохов", который расположен в категории "". Всё это находится в предмете "экспертные системы (эс)" из 9 семестр (1 семестр магистратуры), которые можно найти в файловом архиве НИУ «МЭИ» . Не смотря на прямую связь этого архива с НИУ «МЭИ» , его также можно найти и в других разделах. Архив можно найти в разделе "лекции и семинары", в предмете "экспертные системы" в общих файлах.
Онлайн просмотр документа "Лекции 1 Кохов"
Текст из документа "Лекции 1 Кохов"
Экспертные системы.
Введение.
Интеллект – способность учиться, приобретать, модифицировать и пополнять знания в целях решения задач.
Интеллект (сл. Ожегова С.И.) – мыслительная способность, умственное начало, ум человека, определяющие его деятельность.
John McCarthy (автор языка LISP) ввел термин “искусственный интеллект”.
Задачи ИИ:
-
Оперирование символьными конструкциями.
-
Недетерминизм в процессе поиска решений.
-
Доказательство теорем в символьном виде (ппфи ппфк) (Newell A., Show Y., Simon H.)
General Problem Solver (GPS) – универсальный решатель задач
-
Игровые задачи (шахматы (10120 вариантов), шашки (1050), “15”,…)
-
Понимание естественного языка (ЕЯ)
Пример: Студент Петров в 14ч. на лекции в МЭИ. Но система не сможет ответить где был студент в 13.55. Скорее всего около кабинета, но этот контекст знаем мы, а не система.
Архитип. Фраза “Показать кузькину мать”. Иностранцы не поймут. Как научить компьютер это понимать?
Семиотика
Def. AI
-
Область информатики, связанная с разработкой интеллектуальных систем, т.е. систем, обладающих возможностью традиционно связываться с человеческим разумом. (Barr A., Feigenbaum E., 1981)
-
Область Computer Science, занимающаяся автоматизацией поведения. (Luger G.)
(AI Computer Science)
Интеллектуальная система – система, позволяющая моделировать определенные свойства человеческого разума. (Финн В.К.)
Специфика интеллекта
-
Способность выделять существенное в имеющейся информации (знаниях).
-
Способность к целеполаганию и планированию действий.
“Цель план действие”, “Цель средства результат”.
-
Способность к отбору знаний.
Понятия – из треугольника Frege.
Суждения – некоторые конструкции, имеющие статус истины, которые берем из понятий.
Умозаключения – рассуждения, которые имеют некоторый посыл и заключение (с некоторым коэффициентом уверенности).
-
Способность рассуждать (извлекать следствия из имеющихся знаний).
-
Способность к аргументированному принятию решений.
-
Способность к рефлексии.
-
Наличие познавательного любопытства.
-
Способность и потребность находить объяснения (Отвечать на вопрос “Почему?”).
-
Способность к синтезу познавательных процедур (образующих эвристики решаемых задач)
KAT = (Ax, H, RД, Rпр) – квази-аксиоматическая теория.
Ax – аксиомы,
H – гипотезы,
RД – правила вывода (строгие),
Rпр – правила вывода (правдоподобные).
-
Способность к обучению и использованию памяти.
-
Способность к рационализации идей.
-
Способность к созданию целостной картины относительно нашей области рассуждений (проблемной/предметной области).
-
Способность к адаптации в условиях изменения жизненных ситуаций и знаний корректировка теории и поведения.
ИИ (ИС) – системы, которые реализуют часть этих свойств (по Финну).
ИС = Решатель задач + Информационная среда (БД, БЗ) + интеллектуальный интерфейс.
Горячие точки в “ИИ”
(Д.А. Поспелов; Г.С. Осипов)
-
Переход от вывода к аргументации.
Перход от достоверного вывода к правдоподобному. От вывода к аргументации. Дедукция => Индукция + Аналогии + Абдукция (+ Аргументация)
-
Проблема объяснения (обоснования).
Классическая схема объяснений:
Для ответа на вопрос “Почему?”,
Системы поднимается на уровень выше (R).
Для ответа на вопрос “Как?”,
Системы опускается на уровень ниже.
(F1&F2->Ci)
-
Поиск релевантных знаний.
KAT = <Tдост, Tправд>
Tдост – Ax, Rдост. вывода
Tправд – H, Rправд. вывода
-
Понимание текста.
-
Сопоставление: текст рисунок (образ)
-
-
Треугольник Frege
Переход от треугольника Frege к четырехугольнику Поспелова.
-
Синтез текста.
-
Когнитивная графика.
-
Chernoff (формирование “лиц”).
-
Перебираются параметры, и выдается лицо. Если румяное, улыбающееся все хорошо.
-
Если предметная область (ПО) новая, то выделяются факторы, чтобы навести понятийный порядок. Факторы – базовые понятия. Далее связи между факторами.
Связи можно взвешивать. Можно, также, разбить на несколько множеств, далее проверяя на сильную, среднюю, слабую связность.
-
Мультиагентные системы.
(Роевой интеллект – пчел, муравьев).
-
Реактивные (на простых правилах “если .. то ..”, как у рептилии). Хорошо лежи, хочешь есть ищи пищу.
-
Когнитивные (лимбическая система, есть некоторые знания, которыми могут оперировать).
-
Интеллектуальные агенты (то, что рептилиям уже не свойственно, способен ставить цель, вести переговоры, входить в сообщество).
-
Семантические сети. Фреймы Онтологии предметной/проблемной области.
(структурное описание предметной области).
-
Работа с метазнаниями (знаниями о знаниях).
-
Soft Computing
Нечеткая логика (Заде) + нейронные сети + эволюционная модель (генетические алгоритмы)
Основные отличия данных от знаний.
Данные (Ожегов) – сведения, необходимые для какого-либо вывода, решения, основания для чего-либо.
Знания – проверенный практикой результат познания действительности, верное ее отражение в мышлении человека.
Данные – отдельные факты, характеризующие объекты, процессы, явления предметной области, а также, их свойства.
Знания – закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, и, позволяющие специалистам ставить и решать задачу в этой предметной области.
-
Данные – пассивны. Знания – активны.
Системы, основанные на данных (СОД): Решение = данные + алгоритм.
СОЗ: Решение = знания + поиск вывода (рассуждения) + обоснования.
-
Интерпретируемость знаний.
Для знания обязательно 3 составляющих – треугольник Frege.
-
Структурируемость знаний (данные не структурированы или плохо структурированы).
Отношение ISA, моделирует состояние:
класс – подкласс
множество – подмножество
род – вид
A ISA B Ext(A) Ext(B)
Ext(A) – экстенсионал, в данном случае – денотат.
Например: PC ISA Компьютер (Ext(PC) Ext(Компьютер)
Отношение Part of (часть - целое)
A Part of B A B
Например: Голова Part of Человек
-
Ситуативность знаний. (Динамичность).
Отношение “быть рядом”.
a r b b r a ?
Относительно горы муравей рядом.
Относительно муравья – он далеко от горы.
Данные – не ситуативные.
-
Наличие статуса истинности.
Данные достоверны. Знания правдоподобны.
(5’) Шкалируемость знаний
Иногда надо работать с черно-белыми шкалами появляется точка разрыва.
Логика знаний.
- традиц. модальность («необходимость»).
p p – возможность
-
Множество всех теорем AB (логических высказываний).
-
Схема аксиом дистрибутивности (K - схема).
- L
K: L(p q) (Lp Lq)
Если необходимо, что p влечёт q, то необходимость p влечёт необходимость q.
-
Modus Ponnens
p: p q
q
-
Модальное правило необходимости.
p
p
- M L
-
Схема аксиомы знаний.
“То что известно, то верно”.
T: Lp p
-
Схема аксиом позитивной интроспекции.
4: Lp LLp
Если что-то известно, то известно, что это известно.
-
Схема аксиом негативной интроспекции.
5: Mp LMp L p p
Если возможно какое-то p, то известно, что это возможно.
Логика KT4 (S4) в 7 нет, Логика KT45 (S5) – для моделирования сомнений, рассуждений.
-
Левополушарное мышление – рациональное (вычислитель). Дедукция.
Или класс. аргументация. arg+ - arg-
-
ПП – творческое (образное, рассуждатель)
Индукция, абдукция, аналогия. расстановка весов субъективна. Преценденты (ситуация, которая имела место в прошлом) case based reasoning
-
Common sense reasoning
Рассуждение на основе здравого смысла.
-
Belief – вера, убеждение. КАТ – Финн В.К. (Ax, Rдост.выв., H, Rправд.выв.)
Ретроспектива развития ИИ
бионический подход | информационный подход | ||||||||||||||||||||
построение моделей человеческих органов; попытка моделирования сетчатки глаза, распознавания образов. Perseptron(Персептрон) Rosenblat, Minsky, Papert 1 Data Mining Σх ИИ Бионическое (коллекционное) Символьное (логич., инф.) х 1 n n |
y ? Не важно как устроена, важно чтобы решение получалось такое же, какое получает человек. |
Эволюц. модерниз. ψ(x)=1 →
Prolog – семиотические модели. Интарированные модели.
Эволюционная модель = НС + НЛ + ГА.
НС – нейронные сети, НЛ – нечеткая логика. ГА – генетические алгоритмы.
смешанный подход |
Soft computing: нейронные сети + нечеткие алгоритмы+генетические алгоритмы |
1956 г. Дартлизская школа по ИИ.
Развитие ИИ
Симв.
(логич.)