Лекции

Литература:

1. Справочник ИИ в 3-х томах:

Том 1. ЭС и с-мы общения под ред. Попова Э.В.

Том 2. Модели и методы под ред. Поспелова Д.А.

Том 3. Программные и аппаратные средства. Захаров В.И., Хорошевский В.Т. Издат. Радио и связь

1. Лорьер Ж.Л. С-мы ИИ. Перевод с франц. Мир.

2. Статические м динамические ЭС. Попод Э.В., Фоменых И.Б. Радио и связь. 1996 г.

3. Гаврилова Т.А., Хорошевский В.Т. Базы знаний интеллектуальных с-м (учкбник). С.-Пб. Изд-во Питер. 2000 г.

4. Джексон П. Введение в ЭС. Учебн. пособие. Перевод с англ. М. Изд-во Вильямс 2001 г.

5. Новости Искусственного Интеллекта.

Введение

Международный конгресс «ИИ в XXI веке»:

• Конф. I. «Знания: обнаружение, представление и обработка»

Секц. 1. «Знания и рассуждения»

Секц. 2. «Интеллект и анализ инф-ции» (data mining, knowledge discovery)

• Конф. II. «ИС: теория и приложение»

Секц. 1. «Многоагентные и динамич. с-мы»

Секц. 2. «Прикладные ИС»

Секц. 3. «С-мы поддержки принятия решений» (СППР)

• Конф. III. «Эволюционное моделирование и гибридные ИС»

Секц. 1. «Гибридные ИС»

Секц. 2. «Генетич. алгоритм»

Секц. 3. «Эволюционное моделирование»

Введение

Artificial Intelligence (AI) – символьные вычисления (J. McCarthy автор LISP) – способность машины (ЭВМ) решать задачи, которые относятся к творческим.

Информатика – наука, связанная с компьютерной оьработкой информации. AI – область информатики, связанная с разработкой интеллектуальных компьютерных систем, то естьсистем, связанных с человеческим разумом:

* понимание языка;

* способность рассуждать;

* обучение и т.д.

Возможность считать нечисловые, творческие задачи. Специфика:

• Оперирование символьными данными;

• Недетерминизм в процессе поиска решений;

Примеры таких задач:

а) Док-во Th в формальных системах (системах предикатов), теорема представляется в символьном вид.

Специалисты Newell, Show, Simon

системы: логик-теоретик ее развитие – General Problem Solver (GPS) – неэффективный.

б) Игровые задачи, шахматы, шашки,крестики-нолики (большие переборные пространства)

Попытки сокращения перебора, введения эврестических функций.

в) Естественно-Языковые (ЕЯ) проблемы – формализация, понимание, синтаксис ЕЯ

3 состовляющих языковой системы:

Синтаксис формализуется

Е Я Семантика слабо, не полностью формализ.

Прагматика (цель использования, назначение) практически не формализ.

Т → Т^I (Т^I – отображения текста)

Иногда для понимания необходим контекст.

текст

Архетипы – вещи для того, чтобы объяснить японцу, в чьем

контекст

языке нет слова «ведьма», что означает это слово через

архетип

понятные ему термины.

М

менталитет

енталитет – для понимания необходимо знать мнение автора,

иначе смысл может разниться.

Вообще, количество колец не определено, их может быть много.

В семиотике есть понятие знака (символа), содержащего все 3:

Десигнат – Концепт – Детонат

(дом, (раскрывает (раскрывает образ,

автомобиль) смысл) множество понятий)

Треугольник Фрике дополняется до четырехугольника Поспелова. (+ прагматика). Можно договорно менять все элементы. Моделируют при помощи фреймов.

Основные направления ИИ.

Попов считал 2-мя глобальными, основными

н

ЕЯ

ЭС

аправления ми и .

Нарп. ИИ. №1 99г.

Поспелов Д.А., Осипов Г.С. «Десять горячих точек ИИ»:

1. П

   ЭС

   Понимание

   ЕЯ

   Машинное

   зрение

   Работы

   Распозн. речи

   зрение

   Искусственные

   нейрон. с-мы

   ереход от вывода к аргументации.

Дедукция → Индукция + Аргументация + Аналогия

1. Проблема обоснования (оправдания) justification.

2. Порождение объяснений.

3. Поиск релевантных знаний.

Data mining

Источник - склад, хранилище данных

– факто о ПО через сенсоры,

заинтерисовавшие

Данные

– данные, прошедшие к-либо отбор и полезные нам

Информация

5. Понимание текста.

6

– обработанная инф-ция, представляющая правила и закономерности

. Синтаксис текста. Знания

7. Когнитивная графика (Зенкин «К. г.»).

8. Мультиагентные с-мы (МАС). Метод решения проблем

9. Сетевые модели (знаки-фреймы).

10. Метазнания

25.09.02

Основные этапы развития Интеллектуальных Систем.

Направления ИИ.

Н аправления

Бионическое моделир.

Возникло до ИС. Информационный подход.

ч

х

еловеческих органов «черн. ящик» (см. Тарасов)
Персептрон (Perseptron)

R

AI

y

osenblat F.

Minsky Y.

Papert S. Х – нач. данные, у – решение, такое же, как у

Матрица-сетчатка(первые на реле). Каждая человека.

клеточка связана собрабатывающим элементом.

х

Как находится решение не важно,

φ₁

φ₂

φ_n

Σ

важно чтобы решение функционально получалось

Ψ

такое же, какое получает человек.

θ

С-ма должна выдавать 1 если образ совпал

С исходником, в противном случае – 0.

Если есть некий образ Х, то

Объединяют методы нечеткие множества и сети (Soft Computing), неклассические логики.

С появлением ВМ бионическое отошло на второй план. Сейчас два наравления соединяются и появляется понятие «мягкие вычисления» (softcomputing). Нейронные сети, нечеткие алгоритмы, правдоподобный вывод.

Развитие ЭС.

1. 60-е г.г. Логическая парадигма.

Погрузить задачу в ФС и решить ее, используя ФС (ИППП)

GSP ( Newell F., Show Y., Simon H.);

Prolog Lisp, Fuzzy Prolog; 1956-58 г.г. – с-ма логик-теоретик

1956 г. – появляется понятие ИИ.

1. 70-е г.г. С-мы, основанные на знаниях (СОЗ) и предназначенные для решения определенного класса задач. В основном использовались для решения плохо формализованных и слабоструктурированных задач.

Решение = Знания + Вывод (правдоподобный) на знаниях + Обоснования

Специфика формализованных и слабоструктурированных задач:

1. Качественная форма представления задачи.

2. Нет четкого определения целевой ф-ции.

Х¹, Х^*

1. Не сущ-ет априорного алгоритма решения задачи (алг-тм строится в процессе решения задачи) или он сущ-ет, но не реализован из-за сложности вычислений.

2. Наличие «не факторов» различного рода.

3. Динамичность данных и знаний, т.е. и данные, и знания могут изменяться в процессе решения.

4. Необходимость обращения за дополнительной информацией в процессе решения задачи.

5. Большие поисковые пространства.

Отказались от универсальных решателей, стали строить ЭС или системы, основанные на знаниях экспертов и способные решить проблему на их уровне.

Модели представления знаний:

• Логическое представление знаний, погружение в ФС (Prolog), реально ничего нет.

• Продукционная модель представления знаний (if … then …) , это определенные микро знания (chunk).

 ,k

ситуация  действие

состояние  действие

состояние i  состояние j

- степень принадлежности, уверенности

Логическая ампликация. (но возможно: Если Земля квадратная, то я - президент США)

Понятие – базовые факты знания.

Суждение – то, что строится из понятия с использованием различных грамматик (напр. Москва – столица).

Умозаключение – строится из суждений для получения процесса рассуждения.

MYCIN – разработана в 1973 г. для медицинской диагностики.

TEIRESIAS - Появились субъективные коэффициенты уверенности.

EMYCIN – Коммерческая система.

Prospector – для анализа наличия полезных ископаемых.

КАS - коммерческая разработка.

DENDRAL – для анализа химических соединений (спектральный анализ).

• Семантические сети фреймы.

• Объектно ориентированная модель ПЗ (фреймы + правила).

Р

R

аньше было: Решение = Д + Алг

Новая пардигма: Решение = Зн + Поиск + Обоснование

Трудно представить структурированные проблемные оьласти. Появились семантические сети, в которых можно строить структурированные системы и задавать сетевые продукции.

-фрагмент.

1. 80-е г.г. Гибридные ЭС.

02.10.02 г.

Определение: ЭС – системы ИИ, основанные на знаниях, предназначенные длярешения одного класса задач, на основе заложенных в них знаний специалистов и экспертов.

Статические ЭС.

2 этапа:

1. Этап проектирования (работает эксперт в паре с инженером знаний, БЗ проверяется на полноту и непротеворечивость)

2. Консультация (ППР)

Базовая архитектура статических ЭС

БЗ

(БП)

БД (РП)

Решатель

(БПР)

Интерфейс Эл. Табл., СУБД,

Прикладн. ПП

Блок объяснения

Интерфейс

с польз-лем

Блок накопления и преобразования знаний знаний