1.3 Классификация систем искусственного интеллекта.
Для систем искусственного интеллекта характерны следующие признаки [2]:
развитые коммуникативные способности;
умение решать сложные задачи;
способность к самообучению;
адаптивность.
В соответствии с данными признаками, системы искусственного интеллекта, можно разделить на классы, представленные на рис.1.1 [2].
Рис.1.1 Классификация систем искусственного интеллекта
1.3.1 Системы с интеллектуальным интерфейсом
Базы знаний (БЗ)позволяют в отличии от традиционных баз данных (БД) обеспечивать выборку необходимой информации, не хранимой явно, а выводимой из совокупности хранимых данных.
Естественно-языковые интерфейсыприменяются для доступа к БЗ, контекстного поиска текстовой информации, голосового ввода команд, машинного перевода с иностранных языков.
Гипертекстовые системыиспользуются для реализации поиска по ключевым словам в БД с текстовой информацией.
Системы контекстной помощиявляются частным случаем гипертекстовых систем и естественно-языковых систем. В отличие от них пользователь сам описывает проблему, а система выполняет поиск относящихся к ситуации рекомендаций.
Системы когнитивной графикиориентированы на общение с пользователем посредством графических образов, которые генерируются в соответствии с изменениями параметров моделируемых или наблюдаемых процессов.
1.3.2 Экспертные системы
Область исследования ЭС называется инженерией знаний.Экспертные системы предназначены для решения неформализованных задач, то есть задач, решаемых с помощью неточных знаний, которые являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Неформализованные знания обычно представляют собой эвристические приемы и правила. ЭС обладают следующими особенностями:
алгоритм решения не известен заранее, а строится самой ЭС с помощью символических рассуждений, базирующихся на эвристических приемах;
ясность полученных решений, то есть система «осознает» в терминах пользователя, как она получает решение;
способность анализа и объяснения своих действий и знаний;
способность приобретения новых знаний от пользователя-эксперта, не знающего программирования, и изменения в соответствии с ними своего поведения;
обеспечение «дружественного», как правило, естественно-языкового интерфейса с пользователем.
ЭС охватывают самые разные предметные области, среди которых преобладают медицина, бизнес, производство, проектирование и системы управления.
Классифицирующие ЭСрешают задачи распознавания ситуаций. Основным методом формирования решений в них является дедуктивный логический вывод.
Доопределяющие ЭС используются для решения задач с не полностью определенными данными и знаниями. В качестве методов обработки неопределенных знаний могут использоваться байесовский вероятностный подход, коэффициенты уверенности, нечеткая логика.
Трансформирующие ЭСреализуют преобразование знаний в процессе решения задачи. В ЭС данного класса используются различные способы обработки знаний:
генерация и проверка гипотез;
логика предположений и умолчаний;
использование метазнаний для устранения неопределенности.
Мультиагентные системы – это динамические ЭС, основанные на интеграции разнородных источников знаний, которые обмениваются между собой полученными результатами в процессе решения задач. Системы данного класса имеют следующие возможности:
реализация альтернативных рассуждений;
распределённое решение проблем, разделяемое на параллельно решаемые подзадачи;
применение различных стратегий вывода заключений;
обработка больших массивов информации из БД;
использование математических моделей и внешних процедур для имитации развития ситуаций.