24.Байесовский статистический метод.

При байесовском подходе степень достоверности каждого из фактов базы знаний оценивается вероятностью, которая принимает значения в диапазоне от 0 до 1. Вероятности исходных фактов определяют либо методом статистических испытаний, либо опросом экспертов. Рассуждения в условиях неопределенности имеют место и в системах наблюдения при наличии одновременно нескольких конкурирующих гипотез и их постоянной переоценке по мере поступления новых данных. В конечном счете, выделяется одна гипотеза, которая позволяет сделать соответствующий вывод.

Системы распознавания речи также используют этот метод. Распознавание речи - сложная задача, поэтому в ней должны присутствовать конкурирующие гипотезы, например, о том, какое конкретное слово употребляется в предложении. На основе имеющихся гипотез с помощью различных источников неполной информации делается опосредованный вывод. Если существует только одна применимая эвристика, то проблем нет. Но что делать, если два эвристических метода ориентируют программу в двух разных направлениях? А когда две эвристики указывают одно и то же направление поиска, должно ли это вызывать большее доверие, чем, если бы была только одна из них?

Существуют четыре важные проблемы, которые необходимо обсудить применительно к понятию неопределенности в автоматических системах вывода:

1. Как количественно выразить степень определенности при установлении истинности (или ложности) некоторой части данных?

2. Как выразить степень поддержки заключения конкретной посылкой?

3. Как использовать совместно две (или более) посылки, независимо влияющие на заключение?

4. Как быть в ситуации, когда нужно обсудить цепочку вывода для подтверждения заключения в условиях неопределенности? Во всех рассуждениях в условиях неопределенности используются четыре основных правила.

Условная вероятность события А при данном В – это вероятность того, что событие А наступит при условии, что наступило событие В.

Например, вероятность того, что пациент действительно страдает заболеванием А, если у него обнаружен только симптом В: р(А|В)=р(А и В)/р(В) или р(В|А)=р(А и В)/р(А).

Это - основная формула условной вероятности.

Если для каждой формулы вычислить величину р(А и В) и прировнять результаты, то получится: р(A)*р(В|А)=р(В)*р(А|В) Эта формула известна как правило Байеса. Следующее правило И/ИЛИ: р(А или В)-р(А)+ р(В)—р(А и В).

Еще одно правило называется правилом композиции. В нем утверждается, что вероятность события А есть среднее взвешенное двух других вероятностей: р(А)-р(А|В)*р(В)+ р(А|не В)*р(не В).

22.Выводимость одних знаний из других. Алгоритм вывода в системе формул f  (a V b V …V c).

Существует две группы определений понятия “знание”, даваемого толковыми словарями. Первая – ставит в основу научный подход и характеризует знание как “результат познания”. Вторая – ставит в основу логическую последовательность суждений и рассматривает знание как основанную на объективной закономерности систему суждений с принципиальной и единой организацией. Как многие фундаментальные понятия в других науках, в искусственном интеллекте понятие "знание" не имеет какого-либо исчерпывающего определения. Интуитивное понимание этого термина специалистами, по-видимому, близко к тем толкованиям, которые приводятся в философских словарях. Вот пример такого толкования: "Знание - обладание опытом и пониманием, которые являются правильными и в субъективном, и в объективном отношении и на основании которых можно построить суждения и выводы, кажущиеся достаточно надежными, для того чтобы рассматриваться как знание". С точки зрения ИИ и инженерии знаний знания следовало бы определить как представляемую в определенной форме информацию, ссылаясь на которую делают различные заключения на основании имеющихся данных с помощью логических выводов. Выделяют различные виды знания: научное, обыденное (здравый смысл), интуитивное, религиозное и др. Обыденное знание служит основой ориентации человека в окружающем мире, основой его повседневного поведения и предвидения, но обычно содержит ошибки, противоречия. Научному знанию присущи логическая обоснованность, доказательность, воспроизводимость результатов, проверяемость, стремление к устранению ошибок и преодолению противоречий. По типу представления знания могут быть: ·        декларативные знания содержат в себе лишь представление о структуре неких понятий. Эти знания приближены к данным, фактам. Например: высшее учебное заведение есть совокупность факультетов, а каждый факультет в свою очередь есть совокупность кафедр. ·        Процедурные знания имеют активную природу. Они определяют представления о средствах и путях получения новых знаний, проверки знаний. Это алгоритмы разного рода. Например: метод мозгового штурма для поиска новых идей. По способу приобретения знаний (с точки зрения решения задач в некоторой предметной области) знания следует разделять на факты и эвристику. Посредством фактов описываются хорошо известные в данной предметной области обстоятельства, эвристика основана на собственном опыте человека-эксперта.