47226 (Информционные технологии), страница 4

Развитие искусственного интеллекта в его центральном направлении, а именно моделирование рассуждений (в решении задач анализа и синтеза) вызывает необходимость соответствующего развития и машинного интеллекта, особенно в его когнитивном аспекте. И вполне естественным здесь является обращение к естественным механизмам мышления в смысле некоторого полезного их отражения в структурах ЭВМ. С такой целью и выработан у нас так называемый системно-бионический подход, который отличается от нейро-сетевого своей универсальностью и именно тем, что в нем производится спуск от мыслительных функций к реализующим их структурам, а не подъем от нижнего уровня структур к реализации уже ими этих функций. Такой подход аккумулирует оба кардинальных направления искусственного интеллекта (и соответственно и машинного интеллекта) - логическое и когнитивное (бионическое), а также символические и коннекционистические методы представления механизмов мышления (включая процессы в них).

Основными главнейшими чертами такой относительно простой концептуальной модели являются следующие: единая среда памяти и мыслительных процессов, происходящих в виде возбуждения в ней пространственных смысловых структур, ассоциативно связанных между собой; два уровня мышления - осознаваемое и интуитивное; первое - последовательное, определяется возбуждением ''полных'' структур, охватывающих всю иерархию рецепторных и символьных уровней среды (включая языковые ); второе -определяется произвольным распределением в среде возбуждением нейронных структур, передаваемым по ассоциативным связям; · целенаправленное мышление как образование цепи причинно-следственных отношений, соединяющих модели исходной и целевой ситуаций; · прохождение этого процесса как сочетание мышления на осознаваемом и интуитивном уровням и возникновение «неожиданного» результата как случайного замыкания цепи генератора проблемы; · пошаговый характер творческого процесса, в которой чередуются участки с превалированием либо осознаваемого, либо интуитивного мышления - как соответственно рассуждений и догадок.

Главное значение данной модели, пожалуй, познавательное - поскольку она объясняет множество нейро-психологических феноменов, но целесообразность и возможности некоторых технических воплощений ее особенностей, безусловно, имеются. К ним уже можно отнести «активную память» интеллектуально-развитых машин, сочетание последовательной - на высшем уровне и распределенной - на низшем уровне обработки информации в машине, возможность осуществления распараллельного поиска решений в достижении целевой ситуации и др.

5. Каково назначение экспертной системы?

Профессиональные экспертные системы достаточно широко используются в различных областях науки и техники. Такие системы позволяют автоматически выявлять причин ы сбоев в работе сложных технических систем (например, космических кораблей), распознать личность человека по его отпечаткам пальцев или радужной оболочке глаза и т. д. Основная задача экспертных систем - распознавание объектов или состояний объекта. В процессе обучения встречается достаточно много учебных ситуаций, когда приходится выступать в роли эксперта и распознавать тот или иной объект. Обычно такие задачи выполняются методом проб и ошибок, без осознания и фиксации стратегии поиска. Создание учебной экспертной системы позволяет осознать и зафиксировать последовательность рассуждений или действий, которая приводит к распознаванию того или иного объекта среди некоторой совокупности.

В качестве примера можно рассмотреть лабораторную работу по химии «Распознавание химических удобрений». Даются удобрения, химические реактивы и справочная таблица по взаимодействию шести различных удобрений с некоторыми реактивами. Предлагается распознать каждое из удобрений. Экспертная система может быть представлена в виде алгоритма, состоящего из последовательности шагов с использованием алгоритмической структуры «ветвление». Можно построить различные алгоритмы поиска, однако необходимо стремиться к выбору оптимальной стратегии распознавания (достижения цели за минимальное число шагов). Такая стратегия будет реализована, если каждый шаг будет максимально уменьшать неопределенность (нести максимальное количество информации).

Можно создать экспертную систему распознавания удобрений с использованием языка Visual Basic. Экспертная система будет задавать пользователю серии вопросов о результатах взаимодействия вещества с кислотой, щелочью и солью или о внешнем виде удобрений. Пользователь будет отвечать «да» или «нет» (на основании опытов или теоретических знаний). В результате нескольких серий вопросов будут определены названия всех удобрений. При разработке сложного алгоритма необходимо выделить в нем последовательности действий, которые реализуют решение каких-либо подзадач и могут вызываться из основного алгоритма. Такие алгоритмы называются вспомогательными и алгоритмических языках программирования реализуются в форме подпрограмм, которые вызываются из основной программы.

Значение работы экспертной системы, на примере распознавания удобрений, заключается в том, что данные экспертная система позволит более эффективно спланировать и провести распознавание удобрений в процессе выполнения лабораторной работы по химии в школе, либо в агропромышленных комплексах при подборе более необходимого удобрения. Принцип работы экспертной системы распознавания удобрения аналогичен принципам работы и других экспертных систем, облегчающих работу пользователей в различных сферах деятельности: правовой, финансово-хозяйственной, административной, поисковой и т.п.