Основные направления ии.

Попов считал 2-мя глобальными, основными

н

ЕЯ

ЭС

аправления ми и .

Нарп. ИИ. №1 99г.

Поспелов Д.А., Осипов Г.С. «Десять горячих точек ИИ»:

1. П

   ЭС

   Понимание

   ЕЯ

   Машинное

   зрение

   Работы

   

   Распозн. речи

   зрение

   

   Искусственные

   нейрон. с-мы

   ереход от вывода к аргументации.

Дедукция → Индукция + Аргументация + Аналогия

2. Проблема обоснования (оправдания) justification.

3. Порождение объяснений.

4. Поиск релевантных знаний.

Data mining

Источник - склад, хранилище данных

– факто о ПО через сенсоры,

заинтерисовавшие

Данные

– данные, прошедшие к-либо отбор и полезные нам

Информация

5. Понимание текста.

6

– обработанная инф-ция, представляющая правила и закономерности

. Синтаксис текста. Знания

7. Когнитивная графика (Зенкин «К. г.»).

8. Мультиагентные с-мы (мас). Метод решения проблем

9. Сетевые модели (знаки-фреймы).

10. Метазнания

25.09.02

Основные этапы развития Интеллектуальных Систем. Направления ии. Направления

Бионическое моделир.

Возникло до ИС. Информационный подход.

ч

х

еловеческих органов «черн. ящик» (см. Тарасов) Персептрон (Perseptron)

R

AI

y

osenblat F.

Minsky Y.

Papert S. Х – нач. данные, у – решение, такое же, как у

Матрица-сетчатка(первые на реле). Каждая человека.

клеточка связана собрабатывающим элементом.

х

Как находится решение не важно,

φ₁

φ₂

φ_n

Σ

важно чтобы решение функционально получалось

Ψ

такое же, какое получает человек.

θ

С-ма должна выдавать 1 если образ совпал

С исходником, в противном случае – 0.

Если есть некий образ Х, то

Объединяют методы нечеткие множества и сети (SoftComputing), неклассические логики.

С появлением ВМ бионическое отошло на второй план. Сейчас два наравления соединяются и появляется понятие «мягкие вычисления» (softcomputing). Нейронные сети, нечеткие алгоритмы, правдоподобный вывод.

Развитие эс.

1. 60-е г.г.Логическая парадигма.

Погрузить задачу в ФС и решить ее, используя ФС (ИППП)

GSP ( Newell F., Show Y., Simon H.);

Prolog Lisp, Fuzzy Prolog; 1956-58 г.г. – с-ма логик-теоретик

1956 г. – появляется понятие ИИ.

2. 70-е г.г.С-мы, основанные на знаниях (СОЗ) и предназначенные для решения определенного класса задач. В основном использовались для решения плохо формализованных и слабоструктурированных задач.

Решение = Знания + Вывод (правдоподобный) на знаниях + Обоснования

Специфика формализованных и слабоструктурированных задач:

1. Качественная форма представления задачи.

2. Нет четкого определения целевой ф-ции.

Х¹, Х^*

3. Не сущ-ет априорного алгоритма решения задачи (алг-тм строится в процессе решения задачи) или он сущ-ет, но не реализован из-за сложности вычислений.

4. Наличие «не факторов» различного рода.

5. Динамичность данных и знаний, т.е. и данные, и знания могут изменяться в процессе решения.

6. Необходимость обращения за дополнительной информацией в процессе решения задачи.

7. Большие поисковые пространства.

Отказались от универсальных решателей, стали строить ЭС или системы, основанные на знаниях экспертов и способные решить проблему на их уровне.

Модели представления знаний:

• Логическое представление знаний, погружение в ФС (Prolog), реально ничего нет.

• Продукционная модель представления знаний (if…then…) , это определенные микро знания (chunk).

<УП> <Результат>,k

ситуация действие

состояние действие

состояние i состояние j

- степень принадлежности, уверенности

Логическая ампликация. (но возможно: Если Земля квадратная, то я - президент США)

Понятие – базовые факты знания.

Суждение – то, что строится из понятия с использованием различных грамматик (напр. Москва – столица).

Умозаключение – строится из суждений для получения процесса рассуждения.

MYCIN– разработана в 1973 г. для медицинской диагностики.

TEIRESIAS- Появились субъективные коэффициенты уверенности.

EMYCIN– Коммерческая система.

Prospector– для анализа наличия полезных ископаемых.

КАS - коммерческая разработка.

DENDRAL– для анализа химических соединений (спектральный анализ).

• Семантические сети фреймы.

• Объектно ориентированная модель ПЗ (фреймы + правила).

Р

R

аньше было: Решение = Д + Алг

Новая пардигма: Решение = Зн + Поиск + Обоснование

Трудно представить структурированные проблемные оьласти. Появились семантические сети, в которых можно строить структурированные системы и задавать сетевые продукции.

<O,R>

-фрагмент.

3. 80-е г.г.Гибридные ЭС.

02.10.02 г.

Определение: ЭС – системы ИИ, основанные на знаниях, предназначенные длярешения одного класса задач, на основе заложенных в них знаний специалистов и экспертов.

Статические ЭС.

2 этапа:

1. Этап проектирования (работает эксперт в паре с инженером знаний, БЗ проверяется на полноту и непротеворечивость)

2. Консультация (ППР)

Базовая архитектура статических ЭС

БЗ

(БП)

БД (РП)

Решатель

(БПР)

Интерфейс Эл. Табл., СУБД,

Прикладн. ПП

Блок объяснения

Интерфейс

с польз-лем

Блок накопления и преобразования знаний знаний

БПР – блок принятия решений

Традиционно блок объяснений имеет следующую схему:

R

Ci Cj

F1F2….. Fn

В основе проверки с-мы Iпоколения лежат два вопроса:

1. How? Как получено решение (движение по дереву вверх)

2. Why? Почему система запросила эту информацию (движ. по дереву вниз)

Пример: с-ма запрашивает температура. Мы ей задаем вопрос

«Почему?». Она говорит, я запрашиваю температуру, т.к.

предполагаю, что у больного след. заболевание.

Как получили результат R– системе надо спуститься вниз по дереву и привести как получено решение.

Конец 70-х г.г. – коммерциализация AI

R1/XCON – VAX (PDP)

Meta - Dendral

Rete- Alg

1980 – 1988 Lisp–Mach(Lispмашины)

проект реализации ЭВМ IV-го поколения с внутренним языкомProlog

KEE expert tools

CLIPS

tools (среды разработки, инструмент. среды)

GURU Kappa LevelObj

EXSYS Prokappa Bro Nexpert Art * Enterprise

NSTCLIPS

Основные временные этапы конструирования ЭС (ИС).

1956-58 г.г. 1965 г. 1968 г. 1969 г. 1970 г. 1971 г. 1973 г. … 1975 г. 1977 г. 1980 г. 90-е

Логик-теоретик (механизм эврестического поиска) Появление термина ИИ (J. McCarthy) Perceptron, GPS, Lisp DENDRAL Семантические сети MACSYMA Prolog (начало разработок языка) HEAR SAY I MYCIN EMYCIN shell для MYCIN HEAR SAY II – доска объявлений Фрейн OPS XCON/R1 Символические машины (Lisp машины) Были статические ЭС (Б№ и алгоритм вывода не меняются в процессе вычисления) Динамические ЭС (ИС): ЭС РВ (СППР РВ) Data Mining & Knowledge Discovery Soft Computing генетич. алг-мы., эволюционные алгоритмы, понимание ЕЯ, мультиагентные системы.

Интегрированные ЭС

• проблемно-ориентированные

• предметно-ориентированные

Динамические ЭС:

- ЭС реального времени. Проблема: совместимость знаний и сохранение истинности.

Базовая архитектура динамических ЭС

Интерфейс с внешним объектом

Даткики

СЭС

Имитатор

(блок модели-

рования)

Контроллеры

Функции имитатора:

1. Имитация состояний на объекте в случае отказа датчиков. Имитатор объекта (ПО) в режиме тренажера (обучение ЛПР).

2. Прогнозирование последовательности принятия решения (прогнозирование развития ситуации).

Интегрир. ЭС – совокупность более или менее автономных частей (объектов).

Гибридная ЭС – нечто более единое, целое; части менее автономны; смесь механизмов представления знаний.

И

Выч. модель

Экспертн. с-ма

СУБД, ППП

ППП – пакеты прикладных программ

ЭС:

Разновидности ИЭС:

• проблемно-ориентированные с-мы;

• предметно-ориентированные с-мы.

Динамические ЭС

Стадии разработки соответствующей инструментальной среды для реализации таких систем:

Статические ЭС Динамические ЭС

developmentcomplete

environmentenvironment

– процесс разработки и процесс выполнения происходит в одной среде, в процессе выполнения можно изменять среду.

Виды completeenvironment:

(Gensym)G2 – среда для конструир. ЭС РВ

GDA (G2 diagnostic system для моделиров.)

• NeurOnline(моделир. нелинейной зависим.)

• ReThink(бизнез – реинтениринг)

RT Works (Talarian)

Comdald X/C (Talarian)

Примеры: использ. G2 Nasa NORAD INTELSART SIRA

BusinessReingeering

Информационная составляющая Аналитическая составляющая

• оценка рисков;

• оценка надежности;

• прогнозы.

23.10.02

Основные достоинства ЭС:

1. Доступность ЭС;

2. Уменьшение стоимости экспертизы;

3. Возможность применения в опасных для человека средах;

4. Постоянство (ЭС не устают);

5. Возможность проведения множественной экспертизы;

6. Увеличение надежности;

7. Возможность объяснять найденное решение;

8. Быстрый отклик;

9. Устойчивость ответа, отсутствие эмоциональности;

10. Интеллектуальный учитель;

11. Интеллектуальный доступ к данным (интеллектуальный поиск).

Основной коммерческий эффект от применения ЭС:

• расширение круга задач, решаемых с помощью ЭВМ;

• устраняются недостатки традиционного программирования;

• объединение технологий интеллектуальных с-м и традиционного программирования (когнитивная графика).

23.10.02.