
- •Предисловие.
- •1. Основные задачи искусственного интеллекта.
- •1.1. История развития систем искусственного интеллекта.
- •1.2. Обзор основных направлений в области искусственного интеллекта
- •1.3. Решение задач и искусственный интеллект
- •1.3.1. Графовое представление задачи в пространстве состояний.
- •1.3.2. Стратегии поиска в пространстве состояний
- •2. Проблемная область искусственного интеллекта
- •2.1. Представление знаний
- •2.2 Модели представления знаний
- •2.2.1. Семантические сети
- •2.2.2. Фреймы
- •2.2.3. Формальные логические модели
- •2.2.4. Продукционная модель
- •2.2.5. Вывод на знаниях
- •3. Сильные методы решения задач. Экспертные системы
- •3.1. Структура экспертных систем
- •3.2. Классификация экспертных систем
- •3.3. Отличие эс от других программных продуктов
- •3.4. Цикл работы экспертных систем
- •3.5. Технология проектирования и разработки экспертных систем
- •4. Принятие решений в условиях неопределенности
- •4.1. Нечеткая логика
- •4.1.1. Нечеткие множества
- •4.1.2. Более строгое представление о нечетких множествах
- •4.1.3. Основные характеристики нечетких множеств
- •4.1.4. Примеры нечетких множеств и их характеристик
- •4.1.5. Операции над нечеткими множествами
- •4.1.6. Четкое множество α-уровня (или уровня α)
- •4.1.7. Нечеткая и лингвистическая переменные
- •4.1.8. Нечеткие числа
- •5. Машинное обучение на основе нейронных сетей
- •5.1. Биологический нейрон и его математическая модель
- •5.1.1. Биологический нейрон
- •5.1.2. Искусственный нейрон
- •5.2. Нейросети
- •5.2.1. Классификация и свойства нейросетей
- •5.2.2. Обучение искусственных нейронных сетей
- •5.3. Теорема Колмогорова
- •5.4. Персептрон
- •5.4.1. Алгоритм обучения персептрона
- •5.4.2. Линейная разделимость и персептронная представляемость
- •Логическая функция
- •Входы и выходы нейронов сети,
- •5.5. Сеть обратного распространения
- •5.5.1. Алгоритм обучения сети обратного распространения
- •5.6. Сеть встречного распространения
- •5.6.1. Сеть Кохонена. Классификация образов
- •5.6.2. Алгоритм обучения сети Кохонена
- •5. 6.3. Нейроны Гроссберга. Входные и выходные звезды
- •5.6.4. О бучение входной звезды
- •5.6.5. Обучение выходной звезды
- •5.6.6. Двухслойная сеть встречного распространения
- •5.6.7. Алгоритм обучения сети встречного распространения
- •5.7. Стохастические сети
- •5.7.1. Обучение Больцмана
- •5.7.2. Обучение Коши
- •5.8. Сети с обратными связями
- •5.8.1. Сеть Хопфилда
- •5.8.2. Правило обучения Хебба
- •5.8.3. Процедура ортогонализации образов
- •5.9. Сеть дап (двунаправленная ассоциативная память)
- •5.10. Сеть арт (адаптивная резонансная теория)
- •5.10.1. Алгоритм функционирования сети арт-1
- •Список иллюстраций
3.3. Отличие эс от других программных продуктов
Экспертные системы отличаются от прочих прикладных программ по следующим признакам:
1. Экспертные системы моделируют механизм мышления человека применительно к решению задач в некоторой проблемной области. Это существенно отличает ЭС от систем математического моделирования или компьютерной анимации.
2. Экспертная система формирует определенные соображения и выводы, основываясь на тех знаниях, которыми она располагает. Знания, как правило, хранятся в базе знаний отдельно от программного кода, который формирует выводы и соображения.
3. При решении задач основными являются эвристические и приближенные методы, которые не всегда гарантируют успех. Такие методы не требуют исчерпывающей исходной информации, и существует определенная степень уверенности (или неуверенности) в том, что предлагаемое решение является верным.
Экспертные системы отличаются от других систем из области искусственного интеллекта:
1. Экспертные системы имеют дело с предметами реального мира, операции с которыми требуют наличия большого опыта, накопленного человеком. Многие программы из области искусственного интеллекта имеют своей целью «повышение уровня интуиции», они носят исследовательский характер.
2. Одной из основных характеристик ЭС является ее производительность, т. е. скорость получения результата, его достоверность и надежность. ЭС должна найти решение за приемлемое время не хуже специалиста-эксперта в этой проблемной области. Программы ИИ могут быть очень медленно работающими, в них часто случаются отказы в отдельных ситуациях, и они являются инструментом исследования.
3. Экспертная система должна обладать способностью объяснить полученное решение, доказать его обоснованность. ЭС может взаимодействовать с разными пользователями, в то время как программа для ИИ взаимодействует только со своим создателем.
3.4. Цикл работы экспертных систем
Экспертная система работает в двух режимах: приобретения знаний и решения задач (режим консультации, или режим использования).
Приобретение знаний — это передача потенциального опыта решения проблемы от некоторого источника знаний и преобразование его в вид, который позволяет использовать эти знания в программе. В этом режиме общение с ЭС осуществляет эксперт проблемной области через посредничество инженера по знаниям.
Проблемная область описывается в виде фактов и правил. Факты определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования фактами, характерные для данной проблемной области. Эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области.
Важную роль в режиме приобретения знаний играет объяснительный компонент. Именно благодаря этому компоненту эксперт на этапе тестирования локализует причины неудачной работы ЭС. Термин «пользователь» является многозначным, так как кроме конечного пользователя применять ЭС может и эксперт, и инженер по знаниям, и программист.
В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ получения решения. В режиме консультации данные о задаче пользователя обрабатываются диалоговой компонентой, которая распределяет роли участников (пользователя и ЭС), организует их взаимодействие в процессе кооперативного решения задачи, преобразует данные пользователя о задаче во внутренний язык системы, преобразует сообщения системы, представленные на внутреннем языке, в язык пользователя. Таким образом, процесс работы ЭС в режиме консультации может быть представлен в виде схемы (рис. 3.2). После работы данные поступают в РП. На основе входных данных из РП, общих данных о проблемной области и правил из БЗ решатель (интерпретатор) формирует решение задачи. В отличие от традиционных программ ЭС в режиме решения задачи не только исполняет предписанную последовательность действий, но предварительно ее формирует. Если ответ не понятен пользователю, он может потребовать объяснения, как ответ получен.
Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.
В
любой момент времени в системе существуют
следующие типы знаний:
1. Структурированные статические знания — знания о предметной области. После того как эти знания выявлены, они уже не изменяются.
2. Структурированные динамические знания — изменяемые знания о предметной области. Они обновляются по мере выявления новой информации.