Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Лекции А-13-07 / Лекции_1_Кохов.docx
Скачиваний:
13
Добавлен:
28.06.2014
Размер:
214.02 Кб
Скачать

Экспертные системы. Введение.

Интеллект – способность учиться, приобретать, модифицировать и пополнять знания в целях решения задач.

Интеллект (сл. Ожегова С.И.) – мыслительная способность, умственное начало, ум человека, определяющие его деятельность.

John McCarthy (автор языка LISP) ввел термин “искусственный интеллект”.

Задачи ИИ:

  • Оперирование символьными конструкциями.

  • Недетерминизм в процессе поиска решений.

  • Доказательство теорем в символьном виде (ппфи  ппфк) (Newell A., Show Y., Simon H.)

General Problem Solver (GPS) – универсальный решатель задач

  • Игровые задачи (шахматы (10120 вариантов), шашки (1050), “15”,…)

  • Понимание естественного языка (ЕЯ)

Пример: Студент Петров в 14ч. на лекции в МЭИ. Но система не сможет ответить где был студент в 13.55. Скорее всего около кабинета, но этот контекст знаем мы, а не система.

Архитип. Фраза “Показать кузькину мать”. Иностранцы не поймут. Как научить компьютер это понимать?

Семиотика

Def. AI

  1. Область информатики, связанная с разработкой интеллектуальных систем, т.е. систем, обладающих возможностью традиционно связываться с человеческим разумом. (Barr A., Feigenbaum E., 1981)

  2. Область Computer Science, занимающаяся автоматизацией поведения. (Luger G.)

(AIComputer Science)

Интеллектуальная система – система, позволяющая моделировать определенные свойства человеческого разума. (Финн В.К.)

Специфика интеллекта

  1. Способность выделять существенное в имеющейся информации (знаниях).

  1. Способность к целеполаганию и планированию действий.

“Цель  план  действие”, “Цель  средства  результат”.

  1. Способность к отбору знаний.

Понятия – из треугольника Frege.

Суждения – некоторые конструкции, имеющие статус истины, которые берем из понятий.

Умозаключения – рассуждения, которые имеют некоторый посыл и заключение (с некоторым коэффициентом уверенности).

  1. Способность рассуждать (извлекать следствия из имеющихся знаний).

  1. Способность к аргументированному принятию решений.

  2. Способность к рефлексии.

  3. Наличие познавательного любопытства.

  4. Способность и потребность находить объяснения (Отвечать на вопрос “Почему?”).

  5. Способность к синтезу познавательных процедур (образующих эвристики решаемых задач)

KAT = (Ax, H, RД, Rпр) – квази-аксиоматическая теория.

Ax – аксиомы,

H – гипотезы,

RД – правила вывода (строгие),

Rпр – правила вывода (правдоподобные).

  1. Способность к обучению и использованию памяти.

  2. Способность к рационализации идей.

  3. Способность к созданию целостной картины относительно нашей области рассуждений (проблемной/предметной области).

  4. Способность к адаптации в условиях изменения жизненных ситуаций и знаний  корректировка теории и поведения.

ИИ (ИС) – системы, которые реализуют часть этих свойств (по Финну).

ИС = Решатель задач + Информационная среда (БД, БЗ) + интеллектуальный интерфейс.

Горячие точки в “ии” (д.А. Поспелов; г.С. Осипов)

  1. Переход от вывода к аргументации.

Перход от достоверного вывода к правдоподобному. От вывода к аргументации. Дедукция => Индукция + Аналогии + Абдукция (+ Аргументация)

  1. Проблема объяснения (обоснования).

Классическая схема объяснений:

Для ответа на вопрос “Почему?”,

Системы поднимается на уровень выше (R).

Для ответа на вопрос “Как?”,

Системы опускается на уровень ниже.

(F1&F2->Ci)

  1. Поиск релевантных знаний.

Data Mining

KAT = <Tдост, Tправд>

Tдост – Ax, Rдост. вывода

Tправд – H, Rправд. вывода

  1. Понимание текста.

    1. Сопоставление: текстрисунок (образ)

Треугольник Frege

Переход от треугольника Frege к четырехугольнику Поспелова.

  1. Синтез текста.

  1. Когнитивная графика.

    1. Chernoff (формирование “лиц”).

Перебираются параметры, и выдается лицо. Если румяное, улыбающееся  все хорошо.

    1. Если предметная область (ПО) новая, то выделяются факторы, чтобы навести понятийный порядок. Факторы – базовые понятия. Далее связи между факторами.

Связи можно взвешивать. Можно, также, разбить на несколько множеств, далее проверяя на сильную, среднюю, слабую связность.

  1. Мультиагентные системы.

(Роевой интеллект – пчел, муравьев).

    1. Реактивные (на простых правилах “если .. то ..”, как у рептилии). Хорошо  лежи, хочешь есть  ищи пищу.

    2. Когнитивные (лимбическая система, есть некоторые знания, которыми могут оперировать).

    3. Интеллектуальные агенты (то, что рептилиям уже не свойственно, способен ставить цель, вести переговоры, входить в сообщество).

  1. Семантические сети. Фреймы Онтологии предметной/проблемной области.

(структурное описание предметной области).

  1. Работа с метазнаниями (знаниями о знаниях).

  2. Soft Computing

Нечеткая логика (Заде) + нейронные сети + эволюционная модель (генетические алгоритмы)

Соседние файлы в папке Лекции А-13-07