
- •История возникновения и развития искусственного интеллекта
- •2. Развитие искусственного интеллекта в России
- •3. Основные направления современных исследований в области искусственного интеллекта
- •Понятие знаний и данных
- •Классификация моделей представления знаний. Преимущества и недостатки каждой модели
- •Продукционные модели представления знаний
- •Преимущества и недостатки продукционных моделей. Классификация ядер продукции
- •Управление системой продукций. Вывод на продукционной базе знаний
- •Фреймовые модели представления знаний. Классификация фреймов
- •Фреймовые модели представления знаний. Конкретизация фрейма, связи между фреймами
- •Сетевые модели представления знаний
- •Представление знаний в виде семантических сетей
- •Механизмы вывода на семантической сети
- •-15. Логические модели представления знаний
- •Исчисление высказываний. Интерпретация и свойства высказываний
- •Исчисление высказываний как формальная система
- •Нормальные формы в логике высказываний. Алгоритм преобразования формулы в дизъюнктивную нормальную форму (днф)
- •19. Нормальные формы в логике высказываний. Алгоритм преобразования формулы в конъюнктивную нормальную форму (кнф)
- •20. Нормальные формы в логике высказываний. Алгоритм преобразования в сднф
- •21. Метод резолюций в логике высказываний
- •Предикаты и операции над ними
- •Исчисление предикатов 1-го порядка как формальная система
- •Логические эквивалентные преобразования в исчислении предикатов 1-го порядка. Алгоритм приведения к снф
- •Логические эквивалентные преобразования в исчислении предикатов 1-го порядка. Алгоритм приведения к пнф
- •Подстановка и унификация в логике предикатов 1-го порядка. Алгоритм нахождения наиболее общего унификатора
- •Алгоритм метода резолюций для проверки невыполнимости множества дизъюнктов в логике высказываний
- •Алгоритм применения метода резолюций в логике предикатов 1-го порядка
- •Стратегии метода резолюций
- •Назначение, определение и структура экспертных систем
- •Расширенная структура эс
- •Классификация экспертных систем (эс)
- •Основные этапы разработки экспертных систем
- •Выбор проблемы
- •Разработка прототипа эс
- •Доработка до промышленной эс
- •Оценка эс
- •Стратегии получения знаний при разработке экспертных систем. Подсистемы накопления знаний.
- •С применением эвм
- •Подсистемы объяснений в экспертных системах
- •Интеллектуальные подсистемы в современных сапр
- •Особенности и причины появления «мягких» вычислений. Основные направления «мягких» вычислений.
- •37. Эволюционное моделирование. Назначение и принципы построения генетических алгоритмов.
- •38. Назначение, определение и основные преимущества нечетких моделей представления знаний
- •Назначение и принципы работы искусственных нейронных сетей (инс)
Назначение, определение и структура экспертных систем
ЭС – это сложные программные продукты, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.
ЭС может применяться в качестве:
консультанта для неопытных или неквалифицированных пользователей;
ассистента эксперта-человека в процессах анализа вариантов решений;
партнёром для решения задач, требующих знания из различных областей знаний.
Плюсы:
постоянство;
лёгкость передачи или воспроизведения знаний;
устойчивость результатов;
стоимость (дорогая разработка, но дешёвая эксплуатация).
Процесс функционирования ЭС можно представить следующим образом:
п
ользователь, желающий получить необходимую информацию, через пользовательский интерфейс посылает запрос к ЭС;
р
Расширенная структура эс
ешатель, пользуясь базой знаний, генерирует и выдаёт пользователю подходящую рекомендацию, объясняя ход своих рассуждений при помощи подсистемы объяснений.
Пользователь – специалист предметной области, для которого предназначена ЭС.
Эксперт – специалист предметной области высокого уровня, с большим опытом, наполняет знаниями базу знаний.
Инженер по знаниям (когнитолог) – специалист в области ИИ, выступает в роли буфера между экспертом и БЗ.
Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с ЭС как на стадии ввода информации, так и при получении результатов.
База знаний (БЗ) – ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме понятной эксперту и пользователю. Параллельно используется также внутренний «машинный» язык (представление).
Решатель – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ.
Подсистема объяснений – программа, позволяющая пользователю получить ответы на вопросы: «Как была получена та или иная рекомендация? и «Почему система приняла такое решение?» Ответ на этот вопрос – это трассировка решения.
Интеллектуальный редактор БЗ – программа, представляющая инженеру по знаниям возможность заполнять БЗ в диалоговом режиме.
Классификация экспертных систем (эс)
ЭС – является типовым представителем систем, основанных на знаниях (СОЗ).
Классификация и область применения СОЗ:
по задаче:
интерпретация данных;
диагностика;
проектирование;
прогнозирование;
планирование;
обучение;
по связям с реальным временем:
статические;
квазидинамические;
динамические;
по типу ЭВМ:
на супер ЭВМ;
на ЭВМ средней производительности;
на символьных процессорах;
на рабочих станциях;
на ПЭВМ;
по степени интеграции:
автономные;
гибридные (интегрированные).
Интерпретация данных – это процесс определения смысла данных, результаты которого должны быть согласованны и корректными.
Диагностика – это процесс соотнесения объекта с некоторым классом объектов и/или обнаружение неисправностей в некоторой системе.
Мониторинг – это непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы.
Проектирование – подготовка спецификаций (чертежей, пояснительных записок и т.д.) на создание объекта с заранее определёнными свойствами. Основная проблема – получение чёткого структурированного описания знаний об объекте.
Прогнозирование – позволяет предсказывать последствия событий или явлений на основе анализа имеющихся данных. В прогнозирующих системах используют параметрические динамические модели.
Планирование – нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. Используются модели поведения реальных объектов.
Обучение – использование ЭВМ для обучения какой-то дисциплине или предмету. Системы диагностируют ошибки и подсказывают правильные решения, аккумулируют знания об ученике, его ошибках.
Управление – это функция организованной системы, поддерживающая определённый режим работы ЭС, осуществляет управление сложных систем в соответствии с заданными спецификациями.
Поддержка принятия решений – совокупность процедур, обеспечивающая лицо, принимающего решение, необходимой информацией и рекомендациями, облегчающими процесс принятия решений.