33. Основные направления исследований в области ии. Сист-а знаний. Модели представления знаний: логическая, сетевая, фреймовая, продукционная.

Интеллект (от лат.) – ум, рассудок.

ИИ - свойства автоматических сист- брать на себя отдельные функции интеллекта человека (принимать оптимальные решения на основе имеющегося опыта и анализа среды).

Интеллектуальные задачи нельзя решить с помощью алгоритма.

Исторически сложилось 3 основных направления модел-ния ИИ:

1. объектом исследования является структура и механизмы работы мозга человека; конечная цель заключ-ся в раскрытии тайн мышления;

2. в качестве объекта исследования рассматривают ИИ, те модел-ние интеллектуальной деятельности с помощью вычисл-ых машин. Цель работы: создание алгоритмического и ПО вычисл-ых машин, позволяющего решать интелл-ые задачи не хуже человека.

3. создание смешанных человеко-машинных интелл-ые сист-; важнейшими проблемами в исследовании явл-ся оптимальное распред-ние функций между естественным и искусственным интеллектами, а также организация диалога между человеком и машиной.

Выделяют 6 направлений использования ИИ:

1. интеллектуальные игры (1962-шашки, деловые, военные игры);

2. распознавание образов и ситуаций (физиологи, психологи, мат-ки, инженеры; например, создание читающих автоматов, разработка сист- мед. диагностики, проведение криминалистической экспертизы);

1957г. амер. физиолог Розенблатт – модель зрит-ого восприятия и распознавания – перцептрон. 2 режима: обучение: предъявлялись объекты и сообщалось какому классу принадлежат; распознавание: с/стоят-но классифицировать объекты.

3. перевод с одного языка на другой (с конца 60-х г.г., трудности с прогами, переводящими по смыслу);

4. автоматизация док-ва теорем (с 60-го г.г., успешно док-ют теоремы, часть не была известна ранее, не вывели новых теорем, имеющих большое значение для науки);

5. робототехника (организация целенаправленных движений и действий робота);

6. экспертные сист-ы – ЭС (прога, заменяющая эксперта в той или иной области).

Модели представления знаний:

1. Продуктивная: представление знаний в виде предложения типа «Если (условие), то (действие)». Условие – предложение, образец, по которому осущ-ся поиск в базе знаний (БЗ). Действие – действие, выполняемое при удачном исходе поиска. БЗ состоит из набора правил, прога, управляющая перебором правил – машиной вывода. Вывод прямой или обратный. Чаще применяется в промышленных ЭС.

2. Сетевая (семантические сети) – ориентированный граф, в вершинах которого понятия, а дуги – отношения между ними. Обязат-ное наличие след-их типов отн-ий:

   1. логич-их ( );

   2. теоретико-множественных ( часть-целое, мн-во-подмн-во, класс-элемент класса);

   3. функциональные (колич-ые, временные, пространственные и др. характеристики объектов и свойств);

   4. квантификационные ( , нелогические кванторы: много, несколько и др.).

СС подразделяются на:

• однородные (1 тип отношений);

• неоднородные: бинарные (связывают два объекта), n-арные (>2 понятий).

  3. Фреймовая – абстрактный образ или ситуация. 70-е гг Минский.

Фрейм – образ объекта. Слот – незаполненные значения некоторых атрибутов.

Различают фреймы-образцы (хранятся в БЗ) и фреймы-экземпляры (для отображения реальных ситуаций для конкретных данных). Важнейшее св-во – наследование св-в (происходит через АКО-слот, которая указ-т на фрейм более высокого уровня иерархии, откуда переносятся значения аналогичных слотов).

4. Логическая – основана на алгебре высказываний и предикатов, на с-ме аксиом этой алгебры, ее правилах вывода. Наиболее распространена модель предикатов первого порядка, базирующаяся на термах, т.е. аргументах предикатов, логических констант, переменных и функциях и предикатов-выражений с логическими операциями. Модель прим-ся в исследовательских и учебных сист-ах.

34. Понятие об ЭС. Общая характеристика ЭС. Виды ЭС и типы решаемых задач. Структура и режимы использования ЭС. Классификация инструм-ых средств ЭС и организация знаний в ЭС. Интеллектуальные инф-ионные ЭС.

ЭС – сложные прогр-ые комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультации менее квалиф-х пользователей.

Типы решаемых задач: интерпретация данных, мониторинг, проектирование, прогнозирование, планирование, обучение.

Экспертная сист-а работает в двух режимах: приобретения знаний и решения задач (режим консульта­ции или режим использования ЭС).

В режиме приобретения знаний общение с ЭС осуществляется через посредничество инженера по знаниям и эксперта. Эксперт описывает проблемную область в виде совок-ти данных и правил. Данные определяют объекты, их характеристики и зна­чения, существующие в области экспертизы. Правила определяют способы манипулирования данными. Эксперт, используя компонент при­обретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) ре­шать задачи из проблемной области. Благодаря объяснительному компоненту эксперт на этапе тестирования локализует причины неудачной работы ЭС, что позволяет эксперту модифицировать старые или вводить новые знания. Обычно объяснительный компонент сооб­щает следующее: как правила используют инф-ию пользова­теля; почему использовались или не использовались данные правила; какие были сделаны выводы и т.п. Все объяснения де­лаются на ограниченном естественном языке или языке графики. В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) сп-б по­лучения решения. Термин "пользователь" является многозначным, так как кроме конечного пользователя применять ЭС может и эксперт, и инженер по знаниям, и прог­раммист. В режиме консультации данные о задаче пользователя обра­батываются диалоговым компонентом, который распределяет роли участников (пользователя и ЭС) и орга­низует их взаимодействие в процессе кооперативного решения задачи; преобразует данные пользователя о задаче, представленные на привычном для пользователя языке, во внутренний язык сист-ы; преобразует сообщения сист-ы, представленные на внут­реннем языке, в сообщения на языке, привычном для пользова­теля (ограниченный естественный язык или язык графики). После обработки 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 операций, но и предварительно формирует ее. Если ответ ЭС не понятен пользователю, то он может потребовать объяснения, как ответ получен.

Структура экспертных систем. БЗ предназн. для хранения экспертных знаний о предметной области, используемых при решении задач Э системой.  БД предназн. для временного хранения фактов или гипотез, являющихся промежуточными решениями или результатом общения сист-ы с внешней средой, в качестве которой обычно выступает человек, ведущий диалог с ЭС.

Машина логического вывода - механизм рассуждений, оперирующий знаниями и данными с целью получения новых данных из знаний и других данных, имеющихся в рабочей памяти. Для этого обычно используется прогр-о реализованный механизм дедуктивного логического вывода или механизм поиска решения в сети фреймов или семантической сети.

Машина логического вывода может реализовывать рассуждения в виде: 1. дедуктивного вывода; 2. нечеткого вывода; 3. вероятностного вывода; 4. унификации (подобно Прологу); 5. поиска решения с разбиением на послед-ть подзадач; 7. монотонного или немонотонного рассуждения, 8. рассуждений с использованием механизма аргументации; 9. ассоциативного поиска с использованием нейронных сетей; 10. вывода с использованием механизма лингвистической переменной.

Подсист-а общения служит для ведения диалога с пользователем, в ходе которого ЭС запрашивает у пользователя необходимые факты для процесса рассуждения, а также, дающая возможность пользователю в какой-то степени контролировать и корректировать ход рассуждений экспертной сист-ы.

Подсист-а объяснений необходима для того, чтобы дать возможность пользователю контролировать ход рассуждений и учиться у ЭС. Если нет этой подсист-ы, ЭС выглядит для пользователя как "вещь в себе", решениям которой можно либо верить либо нет.

Подсист-а приобретения знаний - корректировка и пополнения базы знаний. В простейшем случае - это интеллектуальный редактор БЗ, в более сложных ЭС - средства для извлечения знаний из БД, неструктурированного текста, графической инф-ии и т.д.

Инструм-ыe средства ЭС: 1) традиционные языки программирования: СИ, Basic,.. 2) языки ИИ: ЛИСП, Пролог и т.д. 3) спец-ый прогр-ый продукт, который представляет библиотеки и надстройки над языками ИИ, позволяющие работать на более высоком уровне; 4) оболочки – готовые ЭС БЗ.

Примеры ЭС: MICIN - для мед. диагностики. PUFF – анализ нарушения дыхания. DENDRALL - с 1965г., для распозн-я химич. структур. PROSPECTOR - для содействия поиску коммерчески оправданных месторождений полезных ископаемых.

*35. Представление о логическом программировании. Представление о предметной области в виде фактов и правил базы знаний Пролога. Дескриптивный, процедурный и машинный смысл программы на Прологе. Рекурсия и структуры данных в программах на Прологе.

Особенности языков логического программирования (Пролог):

• программа на Прологе не является алгоритмом, а представляет собой запись условия задачи на языке формальной логики (т.е. это дескриптивный, описательный язык программирования);

• язык Пролог предназначен не для решения вычисл-ых или графических задач, а для решения логических задач, для модел-ния логического умозаключения человека;

• пролог требует особого стиля мышления программиста, что затрудняет изучение его теми, кто уже привык к процедурному программированию

В японском проекте создания в 1990-х гг. компьютеров пятого поколения Пролог положен в основу аппаратной организации и разработки прогр-го обеспечения, но пока не достиг нужного уровня (машинный смысл).

Пролог очень хорошо подходит для описания взаимоотношений между объектами. Поэтому Пролог называют реляционным языком. Причем "реляционность" Пролога значительно более мощная и развитая, чем "реляционность" языков, используемых для обработки баз данных. Часто Пролог используется для создания сист- управления базами данных, где применяются очень сложные запросы, которые довольно легко записать на Прологе.

В Прологе очень компактно, по сравнению с императивными языками, описываются многие алгоритмы. По статистике, строка исходного текста программы на языке Пролог соответствует четырнадцати строкам исходного текста программы на императивном языке, решающем ту же задачу. Пролог-программу, как правило, очень легко писать, понимать и отлаживать. Это приводит к тому, что время разработки приложения на языке Пролог во многих случаях на порядок быстрее, чем на императивных языках. В Прологе легко описывать и обрабатывать сложные структуры данных.

Области, для которых Пролог не предназначен: большой объем арифметических вычислений (обработка аудио, видео и т.д.); написание драйверов.

Факты - это предикаты с аргументами-константами, обозначающие отношения между объектами или свойства объектов, именованные этими константами. Факты всегда истинны.

Пример.

мать(анна, катя).

отец(вася, анна).

Это означает: мать Кати – Анна, Отец Анны – Вася.

Правила – это хорновские фразы с заголовком и одной или несколькими подцелями-предикатами. Правила имеют форму

<голова правила>:-<список подцелей>.

Правила позволяют определить новые отношения между объектами на основе уже объявленных с помощью фактов. В качестве аргументов наравне с константами могут использоваться и переменные.

Пример.

дед(Х) : - отец(Х,С), мать(С,В).

дед(Х) : - отец(Х,С), отец(С,В).

Это означает «Любой Х – дед, если он отец у С и С – мать (отец) у В».

Рекурсия – метод определения или вычисления функции, процедуры или решении задачи посредством той же функции, процедуры и т.п.

Пример: вычисление факториала натурального числа n.

1) 1! =1

2) n! = (n-1)! * n.

Программа: факт(1,1).

факт(N, X) : - факт(N-1, X), X is Y*N.

?- факт(3, А).

Р абота программы

?- факт(3, А0). ответ: А=6

? - факт(2, А1). Х1=2*3=6

? - факт(1, А2). Х2=1*2=2

?- факт(1, 1).

- сопоставление, - возврат и завершение отложенного вычисления.

Правило «факт» вызывает самого себя – происходит углубление рекурсии. При этом в памяти ЭВМ выделяется место для переменных А0, А1, А2 и N, N0, N1, N2, образующих стеки. При согласовании вопроса с предикатом факт(1,1) рекурсия прекращается и начинается возврат из рекурсии – выполнение отложенных на прямом ходе согласований. Предикат факт(1,1) имеет очень важную роль – это ограничение рекурсии, условие ее завершения.

В общем случае рекурсия на Пролог выглядит так:

P(1, …).

P(n, …) : - Q1, …, Qn, P(n-1, …), R1, … , Rm.

Правило Р обращается само к себе, при этом происходит углубление рекурсии. Предикаты Q1, …, Qn на прямом ходе рекурсии, R1, … , Rm на обратном; n - это некоторый условный параметр, входящий в условие продолжения рекурсии, P(1, …) – факт, завершающий процесс рекурсии.