Лекции
Описание файла
Документ из архива "Лекции", 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"
Текст из документа "Лекции"
Литература:
-
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
-
Лорьер Ж.Л. С-мы ИИ. Перевод с франц. Мир.
-
Статические м динамические ЭС. Попод Э.В., Фоменых И.Б. Радио и связь. 1996 г.
-
Гаврилова Т.А., Хорошевский В.Т. Базы знаний интеллектуальных с-м (учкбник). С.-Пб. Изд-во Питер. 2000 г.
-
Джексон П. Введение в ЭС. Учебн. пособие. Перевод с англ. М. Изд-во Вильямс 2001 г.
-
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 → ТI (ТI – 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»:
-
П
ЭС
Понимание
ЕЯ
Машинное
зрение
Работы
Распозн. речи
зрение
Искусственные
нейрон. с-мы
ереход от вывода к аргументации.
Дедукция → Индукция + Аргументация + Аналогия
-
Проблема обоснования (оправдания) justification.
-
Порождение объяснений.
-
Поиск релевантных знаний.
Data mining
Источник - склад, хранилище данных
– факто о ПО через сенсоры,
заинтерисовавшие
Данные
– данные, прошедшие к-либо отбор и полезные нам
Информация5. Понимание текста.
6
– обработанная инф-ция, представляющая правила и закономерности
. Синтаксис текста. Знания7. 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
φn
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.
-
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.
-
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:
-
Качественная форма представления задачи.
-
Нет четкого определения целевой ф-ции.
-
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.
-
Наличие «не факторов» различного рода.
-
Динамичность данных и знаний, т.е. и данные, и знания могут изменяться в процессе решения.
-
Необходимость обращения за дополнительной информацией в процессе решения задачи.
-
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 + АлгНовая пардигма: Решение = Зн + Поиск + Обоснование
Трудно представить структурированные проблемные оьласти. Появились семантические сети, в которых можно строить структурированные системы и задавать сетевые продукции.
-
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:
-
Этап проектирования (работает эксперт в паре с инженером знаний, БЗ проверяется на полноту и непротеворечивость)
-
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