Системы искусственного интеллекта

221

Интерфейс пользователя — комплекс программ, реализующих диалог пользо-

вателя с ЭС как на стадии ввода информации, так и при получении результатов.

Искусственный интеллект (ИИ) — имитация некоторых видов интеллекту-

альной человеческой деятельности в электронных системах. Целью искус-

ственного интеллекта как науки является создание компьютерных устройств и технологий, способных выполнять действия, которые требуют человеческого интеллекта.

Искусственная нейронная сеть (Artificial neural network)– это система, состо-

ящая из многих простых вычислительных элементов (нейронов), работающих параллельно, функция которых определяется структурой сети, силой взаимных связей, а вычисления производятся в самих элементах или узлах.

З.

Знания — 1) теоретическое понимание предмета или явления и проверенный практикой опыт познания окружающего мира, отражение действительности в мышлении человека; 2) совокупность сведений у индивидуума, общества или у интеллектуальной системы о мире (конкретной предметной области, совокуп-

ности объектов или объекте), включающих в себя факты, убеждения, информа-

цию о свойствах объектов, закономерностях процессов и явлений, эвристиче-

ские правила использования этой информации для принятия решений. Суще-

ственным отличием знаний от данных является их интерпретируемость

К.

Кибернетика - наука об управлении, связи и переработке информации. Основ-

ным объектом исследования кибернетики являются абстрактные кибернетиче-

ские системы: от компьютеров до человеческого мозга и человеческого обще-

ства.

222

Класс (лат. разряд) — термин, используемый в объектно-ориентированном программировании для обозначения группы предметов со сходными характе-

ристиками.

Кластеризация (Сlustering) – это один из методов анализа данных, позволяю-

щих классифицировать многомерные наблюдения, каждое из которых описыва-

ется набором переменных X1,X2…Xn. Целью кластеризации является образо-

вание групп схожих между собой объектов.

Когнитология, когнитивная наука — Cognitivescience(от лат. познание) —

междисциплинарная наука, изучающая процессы восприятия, познания, пони-

мания, представления, мышления и обучения, и моделирующая принципы организации и работы естественных и искусственных интеллектуальных си-

стем. Когнитология основывается на искусственном интеллекте, психологии,

лингвистике, философии, нейрофизиологии и образовании.

Когнитолог. Инженер по знаниям — специалист в области искусственного ин-

теллекта, выступающий в роли промежуточного буфера между экспертом и ба-

зой знаний. Синонимы: инженер-интерпретатор, аналитик.

Консеквент (от лат. следствие) — заключение или действие в правой части правила. Эта часть правила содержит описание действий, которые должны быть совершены над БД в случае выполнения соответствующих условий. В

простейших продукционных системах они только определяют, какие элементы следует добавить (или иногда удалить) в БД.

223

Концепт (от лат. понимание) — описательная схема для класса вещей или конкретный пример такой схемы, в которой некоторые из ее общих свойств конкретизированы так, чтобы охарактеризовать конкретный подкласс или эле-

мент, который является примером описания класса.

Л.

Лингвистическая переменная (от лат. язык) — переменная, которая может иметь значения в виде элементов языка, таких как слова и фразы. В нечеткой логике термины лингвистическая переменная и нечеткая переменная являются синонимами.

Логика высказываний, пропозициональная (от лат. слово, мысль; лат.

суждение, высказывание) — формальная логическая система рассуждений, в

которой заключения выводятся из ряда утверждений в соответствии со строгим множеством правил.

Логика предикатов (от лат. слово, мысль; лат. сказанное) — логическая си-

стема рассуждений, используемая в программах ИИ для обозначения отноше-

ний между группами данных. Логика предикатов является расширением логики высказываний, так как основным объектом здесь является переменное выска-

зывание (предикат), истинность и ложность которого зависят от значений его переменных.

М.

Мета (от гр. после, за) — приставка, означающая рефлексивное применение соответствующего понятия.

224

Метод резолюций (от лат. решение) — метод рассуждения и вывода в логи-

ческих системах, используемый в системах искусственного интеллекта. Метод предложен Робинсоном.

Механизм вывода — это та часть интеллектуальной системы, которая факти-

чески исполняет функции рассуждения. Используя необходимые знания из БЗ и соответствующие данные, интеллектуальная система с использованием этого механизма может делать логический вывод, получая нужное знание, зачастую не хранящееся в явном виде в БЗ. В экспертных системах, основанных на пра-

вилах, его также называют управляющая структура или интерпретатор пра-

вил. Механизм вывода имеет два главных элемента: интерпретатор, который выполняет выбранные позиции агенды, используя соответствующие правила БЗ; планировщик, который поддерживает управление агендой. Механизм вы-

вода реализует общую встраиваемую схему поиска решений.

Многослойный персептрон — наиболее общая топология ИНС, в которой персептроны связаны вместе для формирования слоев. Многослойный персеп-

трон имеет входной слой, по крайней мере, один скрытый слой и выходной слой. Наиболее популярным методом обучения многослойного персептрона яв-

ляется обратное распространение.

Мобильный интеллектуальный агент (от лат. подвижный; умный; дей-

ствующий) — интеллектуальный программный агент, который перемещается в Интернет от одного сайта к другому с целью поиска и доставки требуемой ин-

формации.

225

Модель (от лат. мера, образец) — материальный или идеальный аналог ори-

гинала, создаваемый для хранения и расширения знания о нем. Это абстракт-

ное представление, которое поясняет компоненты или связи явления.

«Мягкая» информация — нечеткая, неофициальная, субъективная, неясная,

подразумеваемая и неопределенная информация.

«Мягкие» вычисления — Softcomputing— когнитивная методология, объ-

единяющая такие современные направления искусственного интеллекта, как искусственные нейронные сети и нейрокомьютинг, нечеткую логику, индук-

тивную логику, эволюционные вычисления, генетическое программирование,

теорию адаптации, интеллектуальный анализ данных, вычисления при помощи слов и обработку восприятий.

Мультиагентная система — система с многочисленными сотрудничающи-

ми интеллектуальными программными агентами

Н.

Нейробионическое направление. Это направление в развитии систем искус-

ственного интеллекта, связанное с моделированием интеллектуальных способ-

ностей человеческого мозга.

Нейрокибернетика - научное направление, изучающее основные закономерно-

сти организации и функционирования нейронов и нейронных образований. Ос-

новным методом нейрокибернетики является математическое моделирование,

при этом данные физиологического эксперимента используются в качестве ис-

ходного материала для создания моделей.

227

обладающий естественной способностью сохранять экспериментальные знания и делать их доступными для последующего использования. Он похож на мозг в двух отношениях: сеть приобретает знания в результате процесса обучения и для хранения информации используются величины интенсивности межнейрон-

ных соединений, которые называются синаптическими весами.

Нейронные вычисления — вычислительный подход к моделированию чело-

веческого мозга, который основывается на соединении большого количества простых процессоров для генерации сложного поведения. Нейронные вычисле-

ния могут быть выполнены специализированным техническим обеспечением или программным обеспечением, называемым искусственные нейронные сети,

которые имитируют структуру и функции человеческого мозга на компьютере.

См. Нейрокомпьютинг.

Неопределенность является неотъемлемой частью процессов принятия реше-

ний. Их принято разделять на три класса: - неопределенность, связанная с не-

полнотой наших знаний о проблеме, по которой принимается решение; - Не-

определенность, которая возникает в связи с непредсказуемостью реакции окружающей среды на наши действия; неопределенность – неточно понимаются цели непосредственно самим ЛПР.

Нейротрансмиттеры (от гр. нерв + от лат. пересылать) — химические веще-

ства в биологической нейронной сети, высвобождаемые при достижении им-

пульса между аксоном и дендритом синаптического окончания. Нейротранс-

миттеры диффундируют через синапс, возбуждая или затормаживая, в зависи-

мости от типа синапса, способность нейрона-приемника генерировать импуль-

сы.

228

Нечеткий вывод — процесс рассуждения, основанный на нечеткой логике.

Нечеткая логика — способы рассуждения, которые могут справлять с не-

определенностью и неполной информацией. Эта логическая система разрабо-

тана для представления условий, которые не могут быть просто описаны при помощи бинарных терминов «истина» и «ложь». Была предложена Л. Заде в

1965 г. В отличие от Булевой логики, нечеткая логика является многозначной и обращается с понятием частичной истинности (значение истинности между

«полностью истинно» и «полностью ложно»). Относится к теории нечетких множеств.

Нечеткая переменная — величина, которая может принимать лингвистиче-

ские значения. Например, нечеткая переменная «скорость» может принимать такие значения, как «малая», «небольшая», «средняя», «высокая».

Нечеткая система — множество нечетких правил, преобразующих входные данные в выходные. В простейшем случае эксперт устанавливает эти правила словами или символами. В сложных нейро-нечетких системах нейросетевая си-

стема обучается правилам по данным или по наблюдениям за действиями лю-

дей-экспертов. На каждый пример входных данных в некоторой степени откли-

каются все правила в массивной ассоциативной памяти. Чем ближе сходство входного примера с частью «Если» нечеткого правила, тем больше отклик ча-

сти «Тогда».

Нечеткое правило — условное высказывание вида «Если X есть А, Тогда Y

есть В», где А и В — нечеткие множества. Правило есть связь между нечет-

кими множествами. Каждое правило определяет нечеткую область (декарто-

229

во произведение А х В) в «пространстве состояний» системы. Чем обширнее нечеткие множества А и В, тем обширнее и более неопределенная нечеткая область. Нечеткие правила нечетких систем являются блоками для построения знаний.

Нечеткая логика (Fuzzy logic). Умозаключение с использованием нечетких множеств или множеств нечетких правил. Это направление восходит к первым работам по нечетким множествам, выполенным Лофти Заде (Lofti Zaden) в

ставляет собой некоторую субъективную меру соответствия элемента нечетко-

му множеству и может принимать значения от нуля, который обозначает абсо-

лютную не принадлежность, до единицы, которая, наоборот, говорит об абсо-

лютной принадлежности элемента х нечеткому множеству А.

Нечетким логическим выводом называется получение заключения в виде не-

четкого множества, соответствующего текущим значениях входов, с использо-

ванием нечеткой базы знаний и нечетких операций.

Нечеткой базой знаний называется совокупность нечетких правил "Если - то",

определяющих взаимосвязь между входами и выходами исследуемого объекта.

Обобщенный формат нечетких правил такой: Если посылка правила, то заклю-

чение правила.

230

Нечеткое правило - условное высказывание вида «если X есть A, то Y есть B»,

где A и B нечеткие множества

Нечетким числом называется выпуклое нормальное нечеткое множество с ку-

сочно-непрерывной функцией принадлежности, заданное на множестве дей-

ствительных чисел.

Нечеткая система - множество нечетких правил, преобразующих входные дан-

ные в выходные. В простейшем случае эксперт устанавливает эти правила, в

более сложном, - например, нейросеть.

О.

Оболочка — Shell— развитое программное обеспечение для разработки ин-

теллектуальных и экспертных систем, которое содержит базовую структуру си-

стемы, без деталей, относящихся к специальной задаче. Сложная экспертная система, лишенная своих специфических знаний (например, EMYCIN — EmptyMYCIN).

Обучающий алгоритм — обучающая процедура, используемая в искусствен-

ных нейронных сетях.

Оптимальное решение {от лат. наилучший) — наилучшее возможное реше-

ние моделированной задачи. Т.е. это решение, при котором степень достижения цели, связанная с ним, является наивысшей. Например, общая доходность мак-

симизирована. Оптимальное решение может быть получено с использованием специального алгоритма.