- •Восходящий и нисходящий методы построения систем искусственного интеллекта.
- •2.Понятие системы, основанной на знаниях.
- •3.Автономная и гибридная соз.
- •4. Оболочка соз и ее основные компоненты.
- •5. Базовые свойства, отличающие знания от данных.
- •6. Логические модели представления данных.
- •7. Сетевые модели представления знаний.
- •8. Представление знаний в виде иерархической структуры фреймов.
- •9.Продукционное правило как форма представления знаний.
- •10. Основные компоненты соз продукционного типа.
- •11. База знаний в соз продукционного типа.
- •12. Описание знаний на инфологическом уровне в виде графа решений
- •13.Механизм вывода в соз продукционного типа.
- •14. Прямой, обратный и комбинированный вывод в соз продукционного типа.
- •15. Стратегия поиска (вывода) в ширину.
- •16. Стратегия поиска в глубину.
- •17. Подсистема объяснения в соз продукционного типа.
- •18. Подсистема приобретения знаний в соз продукционного типа
- •19. Понятие искусственной нейронной сети.
- •20. Искусственный нейрон. Активационная функция нейрона и ее основные виды.
- •21. Межнейронные синаптические связи. Веса связей. Обучение инс.
- •22. Многослойный персептрон и его обучение с помощью алгоритма обратного распространения ошибки.
- •24. Сеть Хопфилда.
5. Базовые свойства, отличающие знания от данных.
Внутренняя интерпретируемость – свойство знания отображать в свей структуре всю информацию, необходимую для его содержательной интерпретации, т.е. семантику (содержательный смысл) знания.
Структурированность и связность – предполагает возможность представления информационных единиц знания в виде иерархических (рекурсивно вложенных) структур, установления между ними внешних связей, выражающих различные типы отношений:
- отношения структуризации;
- каузальные (причинно-следственные);
- пространственные и временные;
- отношения ситуационной близости;
- и т.д.
Эти связи позволяют эффективно решать проблемы наследования информации, использования обобщенных процедур, сужения пространства поиска знаний, релевантных рассматриваемой ситуации и т.д.
Шкальная и ассоциативная упорядоченность – для взаимного упорядочения информационных единиц могут быть использованы различные шкалы:
- метрические (относительные и абсолютные);
- порядковые (оценки успеваемости и пр.);
- нечеткие порядковые («никогда» – «всегда» с рядом промежуточных значений);
- апозиционные («добрый» – «злой» с единственным промежуточным (нейтральным) значением «никакой»).
Помимо шкал используются ассоциативные связи, выделяющие в структуре знаний типовые ситуации (сцены) и определяющие степень близости (отношение релевантности) к ним конкретных информационных единиц.
Частота возникновения тех или иных ситуаций или проявления в них конкретных элементов знания может служить основой для выделения информационных структур – заготовок для быстрого реагирования системы в условиях дефицита времени.
Активность знаний – определяет способность знания активизировать систему на выполнение тех или иных действий.
В системах предписывающего типа знания сосредоточены в программах и активизируются с запуском этих программ. В СОЗ (декларативного типа) активация знаний, а через них и программных составляющих системы (МВЗ, ППЗ), может быть вызвана появлением в базе исходных фактов для рассуждений или описаний новых фрагментов знаний.
6. Логические модели представления данных.
Опр: Логические МПЗ – один из формализмов представления знаний, в основе которого лежит понятие формальной системы, заданной как:
M = < T, P, A, F > , где
T – множество базовых элементов системы;
P – множество синтаксических правил построения из элементов множества T синтаксически-правильных выражений;
A – множество аксиом (априорно-истинных выражений);
F – множество семантических правил (правил вывода), позволяющих получать из аксиом другие истинные в рамках данной системы выражения.
Классы формальных систем (по специфике применения правил вывода):
Исчисление – позволяет применять любое из предусмотренных в нем правил вывода к любой уже выведенной формуле, если последняя допускает применение этого правила.
Продукционные системы – каждое правило вывода (продукционное правило) имеет свои условия применимости (условия активации), которые могут меняться в процессе рассуждения из-за появления новой информации. Это характерно для систем с немонотонным выводом.
Алгоритмы – последовательность применения правил вывода определена однозначно.
В СОЗ, как в системах декларативного типа, логические МПЗ базируются на 1. и (или) 2. системах.
Классический пример формальных систем, используемых для представления знаний в моделях дедуктивного вывода:
Исчисления высказываний;
Исчисления предикатов I порядка.
Причем, 2. является более предпочтительным по сравнению с 1., т.к. исчисление предикатов обеспечивает большую гибкость и органичность связей интеллектуальной надстройки с проблемной областью через предметные переменные предикатов. Так же в исчислении предикатов знания о предметной области описываются множеством общезначимых (истинных в любых интерпретациях) формул (аксиом).
Цель конкретной поставленной проблемы представляется синтаксически-правильной формулой, и процесс решения сводится к доказательству общезначимости этой формулы на основании аксиом, посылок и правил вывода формул системы (к доказательству теоремы).
Методы представления и интерпретации знаний, основанные на исчислении предикатов I порядка отличаются высокой степенью формализации и универсальностью подхода. Однако, эти модели оказываются громоздкими для принятия решений в обширных пространствах поиска реальных предметных областей. Это объясняется неспособностью моделей учитывать должным образом смысловое содержание (семантику) предметной области и применять эвристические процедуры для управления процессом вывода с целью придания ему направленного, рационального для данной предметной области, характера.