6. Классификация интеллектуальных систем.

Для интеллектуальных информационных систем, ориентированных на гене­рацию алгоритмов решения задач, характерны следующие признаки:

• развитые коммуникативные способности;

• умение решать сложные плохо формализуемые задачи;

^• способность к самообучению;

^• адаптивность.

Коммуникативные способности ИИС характеризуют способ взаимодей­ствия (интерфейса) конечного пользователя с системой, в частности, воз­можность формулирования произвольного запроса в диалоге с ИИС на язы­ке, максимально приближенном к естественному.

Сложные плохо формализуемые задачи — это задачи, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, для которой могут быть характерны неопределенность и динамич­ность исходных данных и знаний.

Способность к самообучению — это возможность автоматического извле­чения знаний для решения задач из накопленного опыта конкретных ситуа­ций.

Адаптивность — способность к развитию системы в соответствии с объ­ективными изменениями модели проблемной области.

В различных ИИС перечисленные признаки интеллектуальности разви­ты в неодинаковой степени, и редко когда все четыре признака реализуются одновременно. Условно каждому из признаков интеллектуальности соответ­ствует свой класс ИИС:

^• системы с интеллектуальным интерфейсом;

^• экспертные системы;

^ самообучающиеся системы;

^• адаптивные системы.

Схема "классификация интеллектуальных систем компьютерного обучения"

7. Характеристика знаний. Отличия знаний от данных.

При изучении интеллектуальных систем традиционно возникает вопрос — что же такое знания и чем они отличаются от обычных данных, десятиле­тиями обрабатываемых ЭВМ. Можно предложить несколько рабочих опре­делений, в рамках которых это становится очевидным.

Данные — это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.

При обработке на ЭВМ данные трансформируются, условно проходя сле­дующие этапы:

^ D1 — данные как результат измерений и наблюдений;

^ D2 —данные на материальных носителях информации (таблицы, прото­колы, справочники);

^ D3 —модели (структуры) данных в виде диаграмм, графиков, функций;

^ D4 — данные в компьютере на языке описания данных;

^• D5 — базы данных на машинных носителях информации.

Знания основаны на данных, полученных эмпирическим путем. Они пред­ставляют собой результат мыслительной деятельности человека, направлен­ной на обобщение его опыта, полученного в результате практической дея­тельности.

Знания — это закономерности предметной области (принципы, связи, за­коны), полученные в результате практической деятельности и профессио­нального опыта, позволяющие специалистам ставить и решать задачи в этой области.

При обработке на ЭВМ знания трансформируются аналогично данным:

^ Z1 — знания в памяти человека как результат мышления;

^ Z2 — материальные носители знаний (учебники, методические пособия);

^• Z3 — поле знаний, т.е. условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;

^• Z4 — знания, описанные на языках представления знаний (продукцион­ные языки, семантические сети, фреймы — см. далее);

^• Z5 — база знаний на машинных носителях информации. Часто используется такое определение знаний.

Знания — это хорошо структурированные данные, или данные о данных, или метаданные.

Для хранения данных используются базы данных (для них характерны большой объем и относительно небольшая удельная стоимость информации), для хранения знаний — базы знаний (небольшого объема, но исключительно дорогие информационные массивы). База знаний — основа любой интеллек­туальной системы.

Знания могут быть классифицированы по следующим категориям.

1. Поверхностные знания — это знания о видимых взаимосвязях между от­дельными событиями и фактами в предметной области.

2. Глубинные знания —это абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и могут использоваться для прогнозиро­вания поведения объектов.

Модели представления знаний

Существуют десятки моделей (или языков) представления знаний для раз­личных предметных областей. Большинство из них может быть сведено к следующим классам:

^• продукционные модели; - или модель, основанная на правилах, позволяет пред­ставить знания в виде предложений типа «Если (условие), то (действие)». Продукционная модель чаще всего применяется в промышленных экс­пертных системах. Она привлекает разработчиков своей наглядностью, вы­сокой модульностью, легкостью внесения дополнений и изменений и просто­той механизма логического вывода.

^• семантические сети; - Термин «семантическая» означает «смысловая», а сама семантика — это на­ука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков.

Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними.

^• фреймы; - Термин фрейм (от английского frame, что означает «каркас» или «рамка») был предложен Марвином Минским, одним из пионеров ИИ, в 70-е годы двадцатого века для обозначения структуры знаний для восприятия про­странственных сцен. Эта модель, как и семантическая сеть, имеет глубокое психологическое обоснование.

Фрейм — это абстрактный образ для представления некоего стереотипа восприятия.

^• формальные логические модели. - Традиционно в представлении знаний выделяют формальные логические мо­дели, основанные на классическом исчислении предикатов I-го порядка, ко­гда предметная область или задача описывается в виде набора аксиом.

В основе логических моделей лежит понятие формальной теории, зада­ваемой четверкой S = (B, F, A, R), где ^ B — счетное множество базовых символов (алфавит) теории S;^ F — подмножество S, называемых формулами теории (под выражени­ями понимаются конечные последовательности базовых символов тео­рии S). Обычно существует эффективная процедура (множество синтак­сических правил), позволяющая строить из B синтаксически правильные выражения — формулы;^ A — выделенное множество формул, называемых аксиомами теории S, т.е. множество априорно истинных формул;^ R — конечное множество отношений г\,... , r_n между формулами, назы­ваемыми правилами вывода.