1. Напрямки досліджень та розробок в галузі штучного інтелекту.

Розробка інтелектуальних систем, основаних на знаннях (експертних систем) - ядро експертних систем, виявленням та представленням знань експертів в експертних системах.

Розпізнавання образів. розв’язання проблем розпізнавання за ознаками, класифікації та ідентифікації об’єктів інформації. Використовується в системах читання рукописного тексту ін.

Ігри. Інтелектуальні системи для гри (у шахи, шашки та ін.) використовують лабіринтову модель та евристики, реалізують навчання, самонавчання й самоорганізацію.

Машинний переклад. Програми використовують і методи аналізу природної мови:

• аналіз слів у тексті;

• синтаксичний аналіз;

• семантичний аналіз;

• прагматичний аналіз - аналіз смислу речень в оточуючому контексті за допомогою бази знань.

Розробка природно-мовного. Висловам людської мови притаманна: неповнота; нечіткість; неточність; граматична некоректність; залежність від контексту; неоднозначність.

Інтелектуальні роботи. Роботи – це технічні пристрої, призначені для автоматизації людської праці. інтелектуальні роботи здатні до самонавчання і самоорганізації, можуть адаптуватися до змінюваного оточуючого середовища.

Комп’ютерні віруси.

Інтелектуальне математичне моделювання. включають бази знань з математичними теоремами, залежностями ,здатні до навчання за допомогою вчителя і до самонавчання.

2. Моделі подання знань в системах штучного інтелекту.

Знання — сукупність даних про світ, що включають інформацію про властивості об'єктів, закономірності процесів і явищ, а також правила використання цієї інформації для прийняття рішень. Знання – це сукупність фактів, закономірностей, відношень та евристичних правил, що відображають рівень обізнаності з проблемами деякої предметної області.

Знання можуть бути: декларативні, процедурні .

Декларативні знання містять в собі лише уявлення про структуру певних понять. Ці знання наближені до даних, фактів. Процедурні знання мають активну природу. Це алгоритми різного роду.

Моделі подання знань

. Як окрема область дослідження подання знань розвивається із середини 1960-х років.

Основні (класичні) моделі подання знань:

1. логічні:числення предикатів;

2. евристичні:продукційні правила, мережні моделі,фрейми.

Логічні моделі подання знань для опису розв’язуваної проблеми використовують твердження деякої формальної системи. Ціль проблеми формулюється у вигляді твердження, справедливість якого необхідно встановити або спростувати, виходячи з аксіом і правил виведення формальної системи.

Множину базових елементів логічних моделей подання знань складають логічні зв’язки, символи; синтаксичні правила. Останні визначають поняття: терм, атом, правильно побудована формула.

Системи продукцій. Під продукційною системою розуміють метод організації обчислювального процесу, при якому програма перетворення деякої інформаційної структури задається у вигляді множини правил-продукцій.

Кожне правило являє собою сполучення елементів: умова придатності - дія. Умова придатності специфікує деякі вимоги до поточного стану інформаційної структури, а дія містить опис операцій, які потрібно виконати у разі задоволення цих вимог.

У продукційних системах використовуються два основні методи логічного виведення: пряме і зворотне.

За прямого виведення правила досліджуються одне за одним у певній послідовності. Виходячи з початкових умов (даних), введених користувачем, для кожного правила оцінюється істинність чи хибність його умови придатності. Процедура виведення є ітеративною і може потребувати декількох прогонів через усю низку правил, поки буде визначене певне значення цільової змінної.

За зворотного виведення припускається істинність наслідку (дії) деякого правила, після чого потрібно, рухаючись низкою правил у зворотному напрямку, довести, що є підстави для такого твердження.

Переваги продукційних систем:

• універсальність методу програмування, що уможливлює створення різноманітних прикладних систем, що відрізняються способами подання правил і структур даних;

• природна модульність організації знань, коли кожна продукція являє собою закінчений фрагмент знань про предметну область, а множина продукцій природно структурується на підмножини, що належать до певних компонентів знань;

• незалежність кожної продукції від змісту інших продукцій забезпечує легкість їх формулювання та модифікації;

• декларативність продукційної системи, що забезпечує опис самої предметної області, а не відповідних процедур опрацювання.

Мережні моделі подають знання у вигляді мережі, вершинам якої відповідають поняття (об’єкти, події, процеси, явища), а дугам - відношення, що існують між поняттями.

Якщо вершини не мають власної внутрішньої структури, то відповідні мережі називають мережами простого типу. Якщо ж вершини мережі самі мають деяку структуру у вигляді мережі, то такі мережі називають мережами ієрархічного типу. Відношення між вершинами можуть бути однаковими -однорідними. Якщо ці відношення мають різноманітний зміст, то мережа неоднорідна.

Типи мереж:

1. Функціональні мережі, у яких дві з’єднані дугою вершини відповідають: одна - деякій функції, друга - аргументу даної функції.

2. Сценарії - однорідні мережі, у яких використовується єдиний тип відношень - відношення нестрогого порядку..

3. Семантичні мережі, у яких використовуються відношення різноманітного типу, а вершини можуть мати різну інтепретацію. Основними структурними одиницями, із яких будується семантична мережа, є фрейми.

Порівняно з іншими моделями, семантичні мережі мають переваги:

• більш ефективний інформаційний пошук, оскільки асоціації між об’єктами мережі визначають шляхи доступу, що проходять по базі знань;

• можливість явного відображення структур, властивих знанням про предметну область, наприклад, відношень «частка-ціле», «елемент-множина», «клас-підклас» та ін.

Фрейми. Фрейм - системно-структурний опис предметної області (подій, явищ, ситуацій, станів і т. ін.), який складається з порожніх аспектних (рольових) позицій (слотів), що відповідають змістовним ознакам предметної області й після заповнення конкретними даними перетворюють фрейм на носій конкретного знання.

В перекладі з англійської «фрейм» (frame) означає «каркас», «рамка».

З кожним фреймом може бути асоційована інформація різних видів. Одна її частина вказує, як варто використовувати даний фрейм, інша - які наслідки може мати його виконання, третя - що слід виконати, якщо ці очікування не підтвердяться.

Імена слотів часто називають рольовими мітками або просто ролями.

Для фреймових моделей подання знань основною операцією є пошук за зразком -фреймом, у якому заповнені не всі структурні одиниці, а тільки ті, за якими серед фреймів, що зберігаються в пам’яті комп’ютера, будуть відшукуватися потрібні фрейми. Також може бути задана деяка логічна функція від імені фрейма, деяких імен слотів і значень слотів.

Іншими процедурами, характерними для фреймових моделей, є процедури поповнення слотів даними, а також введення в систему нових фреймів і нових зв’язків між ними.Окремі фрейми можуть об’єднуватись у мережу за допомогою семантичних відношень. Прикладами пар відношень, у яких одне відношення є інверсією іншого, є такі:

• бути частиною / мати частину;

• мати вид / бути прикладом;

• бути елементом множини / включати;

• бути підмножиною / включати;

• бути наступним / передувати;

• мати суб’єкта / бути суб’єктом;

• мати об’єкт / бути об’єктом;

• бути причиною / бути наслідком.