- •Экспертные системы. Введение.
- •Специфика интеллекта
- •Горячие точки в “ии” (д.А. Поспелов; г.С. Осипов)
- •Основные отличия данных от знаний.
- •Логика знаний.
- •Ретроспектива развития ии
- •1956 Г. Дартлизская школа по ии. Развитие ии
- •Статические эс
- •Модели представления знаний (мпз).
- •Преимущества эс.
- •Инструментальные средства
- •Статические проблемные области
- •Недостатки схемы (метода) Байеса.
- •Тернарная логика
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
Область информатики, связанная с разработкой интеллектуальных систем, т.е. систем, обладающих возможностью традиционно связываться с человеческим разумом. (Barr A., Feigenbaum E., 1981)
Область Computer Science, занимающаяся автоматизацией поведения. (Luger G.)
(AIComputer Science)
Интеллектуальная система – система, позволяющая моделировать определенные свойства человеческого разума. (Финн В.К.)
Специфика интеллекта
Способность выделять существенное в имеющейся информации (знаниях).
Способность к целеполаганию и планированию действий.
“Цель план действие”, “Цель средства результат”.
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).
Способность рассуждать (извлекать следствия из имеющихся знаний).
Способность к аргументированному принятию решений.
Способность к рефлексии.
Наличие познавательного любопытства.
Способность и потребность находить объяснения (Отвечать на вопрос “Почему?”).
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).
Способность к обучению и использованию памяти.
Способность к рационализации идей.
Способность к созданию целостной картины относительно нашей области рассуждений (проблемной/предметной области).
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)
Переход от вывода к аргументации.
Перход от достоверного вывода к правдоподобному. От вывода к аргументации. Дедукция => Индукция + Аналогии + Абдукция (+ Аргументация)
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)
Поиск релевантных знаний.
Data Mining
KAT = <Tдост, Tправд>
Tдост – Ax, Rдост. вывода
Tправд – H, Rправд. вывода
Понимание текста.
Сопоставление: текстрисунок (образ)
Треугольник Frege
Переход от треугольника Frege к четырехугольнику Поспелова.
Синтез текста.
Когнитивная графика.
Chernoff (формирование “лиц”).
Перебираются параметры, и выдается лицо. Если румяное, улыбающееся все хорошо.
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.
Мультиагентные системы.
(Роевой интеллект – пчел, муравьев).
Реактивные (на простых правилах “если .. то ..”, как у рептилии). Хорошо лежи, хочешь есть ищи пищу.
Когнитивные (лимбическая система, есть некоторые знания, которыми могут оперировать).
Интеллектуальные агенты (то, что рептилиям уже не свойственно, способен ставить цель, вести переговоры, входить в сообщество).
Семантические сети. Фреймы Онтологии предметной/проблемной области.
(структурное описание предметной области).
Работа с метазнаниями (знаниями о знаниях).
Soft Computing
Нечеткая логика (Заде) + нейронные сети + эволюционная модель (генетические алгоритмы)