- •Введение
- •1. Искусственный интеллект в роботах
- •1.1. Обеспечение взаимодействия системы управления с человеком
- •1.2. Схема интеллектуального управления в робототехнических комплексах
- •1.3. Интеллектуальное программирование и интеллектуальный интерфейс
- •1.4. Организация интеллектуальных систем
- •2. Экспертные системы
- •2.1. Структура экспертных систем
- •2.2. Технология разработки экспертных систем
- •2.3. Механизм вывода в экспертных системах
- •2.4. Методы поиска решений в экспертных системах
- •2.5. Поиск в одном пространстве состояний
- •2.6. Поиск решения методом редукции
- •2.7. Поиск решения во множестве факторизованных пространств
- •2.8. Поиск в фиксированном множестве пространств
- •2.9. Поиск в изменяющемся множестве пространств (метод нисходящего уточнения)
- •2.10. Поиск в альтернативных пространствах
- •2.11. Поиск с использованием нескольких моделей
- •3. Представление знаний в системах
- •3.1. Продукционные системы
- •3.2. Системы поиска на основе классической логики
- •3.3. Использование логики предикатов первого порядка при представлении знаний
- •3.4. Использование фреймов при представлении данных
- •3.5. Семантические сети
- •4. Нейронные сети в системах искусственного интеллекта
- •4.1. Области применения нейронных сетей
- •4.2. Персептронные нейронные сети
- •4.3. Обучение персептронных сетей
- •4.4. Сети встречного распространения
- •4.5. Обучение нейронных сетей методом обратного распространения ошибки
- •4.6. Обучение без учителя
- •4.7. Сети без обучения
- •4.8. Нейронные сети с радиальными базисными функциями (вероятностные сети)
- •4.9. Коллективы нейронных сетей
- •4.10. Аппаратно-программные средства реализации нейронных сетей для задач робототехники
- •2. Использование сетей для распознавания речи
- •3. Использование сетей для формирования законов управления
- •5. Методы нечеткой логики в интеллектуальных системах
- •5.1. Логические операции над нечеткими множествами
- •5.2. Получение выводов в нечеткой логике
- •5.3. Алгоритмы поиска решения в нечеткой логике
- •Заключение
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
1.1. Обеспечение взаимодействия системы управления с человеком
Большинство систем искусственного интеллекта при работе взаимодействует с человеком, обычно в части постановки задач и информирования о принятых решениях, правилах их принятия и текущих условиях выполнения. Интерфейс общения с человеком с точки зрения пользователя должен быть максимально простым. Поэтому разработка средств общения человека с системой является базовой задачей для систем искусственного интеллекта.
Для поддержки перечисленных функций системы искусственного интеллекта должны иметь:
Базы данных, в которых содержится максимум сведений о внешнем мире.
Базы знаний, содержащие информацию о действиях системы в зависимости от ситуации.
Интеллектуальный решатель, т.е. средство обработки данных и средство использования знаний.
Средства исполнения.
Несмотря на относительную новизну направления интеллектуального управления, в процессе исследований сформировались базовые понятия, которые определяют основные
требования к системам интеллектуального управления:
Система интеллектуального управления (СИУ) должна
поддерживать работу с базами данных и знаний.
СИУ должна обеспечивать возможность пополнения баз
данных и знаний.
5
СИУ должна быть обучаемой и самообучаемой.
СИУ должна обеспечивать собственное функционирование при отказе отдельных элементов.
1.2. Схема интеллектуального управления в робототехнических комплексах
П О
ИР
(ЛВ, З)
ИИ
РС
АУ
ИсУ
БП МП
ЭИИ
ИУ
Рис.1. Структура системы интеллектуального управления РТК
Типовая схема системы управления РТК (Рис.1) включает в себя несколько уровней управления, каждый их которых может иметь признаки интеллектуального управления. РТК взаимодействует с предметной областью (ПО). Это взаимодействие осуществляется через информационно-измерительную систему, которая поставляет в РТК измеренную информацию (ИИ). На основании этой информации выполняется распознавание сцены (РС). Информационной основой для распознавания является база данных, которая представляется в виде больших посылок (БП) и малых посылок (МП).
БП представляют собой описание классов объектов, т.е. содержат признаки, характерные для группы схожих объектов.
МП содержат информацию об индивидуальных признаках объ
6
ектов. Блоки РС на основании этих посылок формируются некоторое представление состояния предметной области, которая называется логическим описанием сцены. В зависимости от возможностей блока РС логическое описание сцены (ЛОС) может содержать информацию о том, что в предметной области ПО содержится конкретный объект (идентификация), или информацию о том, что в предметной области находятся несколько классов объекта (классификация), или информацию о том, сколько классов объектов представлено в ПО и сколько объектов в каждом классе (анализ).
ЛОС служит исходными данными для интеллектуального решателя (ИР), в котором формируется решение на действие в виде логического вывода (ЛВ), или заключения З. Перечисленные элементы представляют уровень интеллектуального управления (ИУ). Адаптивное управление (АУ) и исполнительное управление (ИсУ) обеспечивает выполнение решения, принятого на интеллектуальном уровне. Оба нижних уровня управления могут снабжаться элементами искусственного интеллекта (ЭИИ). В основном эти элементы применяются как элементы управления, т.е. оказывают воздействие на выбор действия: планирование траектории и условия ее отработки. В результате выполнения действий происходит модификация, т.е. изменение ПО, заключающееся в изменении положения объектов или робота в пределах рабочей зоны. В результате меняется ЛОС, и ИУ принимает новое решение.
Все СИИ по способу принятия решений в достаточной степени похожи, поскольку оперируют с наборами данных. Эти наборы, как правило, структурируются, т.е. разделяются на фрагменты со сходными признаками. При принятии решения система использует несколько фрагментов, которые обрабатываются в определенной последовательности. В зависимости от объема знаний о предметной области выделяют 3 метода принятия решений: дедукция; индукция; абдукция. Все методы используют 3 понятия: БП, МП, заключение. Методы отличаются наличием исходных знаний. При дедукции известны
7
большая и малая посылки, на основании которых делается заключение. При индукции известны БП и заключение, определяется МП. При абдукции для известных МП и заключения определяется БП.