
- •1. Искусственный интеллект как научное направление.
- •2. Эпистемологическая полнота представления знаний.
- •Эвристически эффективные стратегии поиска решения задач.
- •Методика и процедуры поиска решений неформализованных задач.
- •Многоагентные интеллектуальные системы.
- •Данные и знания. Отличия между знаниями и данными.
- •7. Классификации знаний и их моделей.
- •8. Стратегии получения знаний. Приобретение, формирование и извлечение знаний.
- •9. Классификация методов извлечения знаний.
- •10. Структурирование знаний.
- •12. Модель представления знаний: фреймы.
1. Искусственный интеллект как научное направление.
Достаточно трудно дать точное определение, что такое интеллект человека, потому что интеллект - это сплав многих навыков в области обработки и представления информации. Интеллект ( intelligence ) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека. С большой степенью достоверности интеллектом можно называть способность мозга решать (интеллектуальные) задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам. Искусственный интеллект (ИИ) - совокупность научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ. Искусственный интеллект - одно из направлений информатики, целью которого явлвется разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка. Системы искусственного интеллекта (СИИ) — это системы, созданные на базе ЭВМ, которые имитируют решение человеком сложных интеллектуальных задач. Знания: в общем случае знание — проверенный практикой результат познания действительности, верное ее отражение в мышлении человека, обладание опытом и пониманием, которые являются правильными и в субъективном, и в объективном отношении, на основании которых можно по-строить суждения и выводы, кажущиеся достаточно надежными для того, чтобы рассматриваться как знание. Поэтому в контексте ИТ термин зна-ния - это информация, присутствующая при реализации интеллектуальных функций. Обычно это отклонения, тенденции, шаблоны и зависимости, обнаруженные в информации Другими словами, интеллектуальные системы являются в то же время системами обработки знаний
2. Эпистемологическая полнота представления знаний.
Общим термином которым обозначается использование опыта для решения некоторых задач является Эвристика конкретные примеры эвристического опыта принято называть рассуждениями на основе прецедентов. Это поиск решения задачи по данным встречающимся ранее в аналогичных случаях. Наука о знаниях называется Эпистемологией. В рамках этой науки рассматривают характер, структуру и происхождение знаний.
Категории эпистемологии:
Философские знания
Априорные знания
Апостериорные знания
Существуют различные способы и иерархии представления знаний, основная из них основана на информации
мудрость
Метознания
знания
информация
Данные
ШУМ
Эвристически эффективные стратегии поиска решения задач.
Эристический поиск осуществляется с помощью совокупности правил для выбора тех ветвей из пространства состояний которые снаибольшей вероятностью приведут к приемлемому решению проблем. Эвристика это только тредположение следующего шага который будет сделан на пути решения проблемы. Эврестические алгоритмы состоят их двух частей: эвристичекой меры и алгоритма который использует для ее поиска в пространстве состояний. Одним из самых распостроненых эвристичеких алгоритмов является процедура поиска экстремума.
Стратегии основанные на поисках экстремума оценивают не только текущее состояние поиска но, и его потомков при этом о его братьях и родителях просто забывают. Поиск прекращается когда достигается состояние которое лучше чем любой из его наследников.
В локальном максимуме стратегия поиска экстремума остонавливается. Этот факт является его основным недостатком поэтому такой алгоритм не преминим для решения задачи однако этот алгоритм может быть очень эффективным если оценивающая функция позволяет избежать локального максимума и заклинивания алгоритма.