- •Федеральное агентство по образованию
- •Оглавление
- •Глава 1. Основные понятия искусственного интеллекта
- •§ 1.1. Основные термины и определения
- •§ 1.2. История развития систем ии
- •§ 1.3. Направления развития искусственного интеллекта
- •§ 1.4. Основные направления развития и применения
- •Вопросы для самоконтроля
- •Глава 2. Положения теории нечетких множеств
- •§ 2.1. Нечеткое множество. Операции над нечеткими множествами
- •§ 2.1.1. Основные операции над нечеткими множествами.
- •§ 2.2. Построение функции принадлежности
- •§ 2.2.1. Некоторые методы построения функции принадлежности.
- •§ 2.3. Нечеткие числа
- •§ 2.4. Операции с нечеткими числами (l-r)-типа
- •§ 2.5. Нечеткая и лингвистическая переменные
- •§ 2.6. Нечеткие отношения
- •§ 2.7. Нечеткая логика
- •§ 2.8. Нечеткие выводы
- •§ 2.9. Автоматизация обработки информации с использованием
- •Вопросы для самоконтроля
- •Глава 3. Основные интеллектуальные системы
- •§ 3.1. Данные и знания
- •§ 3.2. Модели представления знаний
- •Представление знаний
- •Классификация знаний
- •§ 3.3.1. Продукционные правила.
- •§ 3.3.2. Фреймы.
- •§ 3.3.3. Семантические сети.
- •Вопросы для самоконтроля
- •§ 3.4. Экспертные системы. Предметные области
- •§ 3.5. Назначение и область применения экспертных систем
- •§ 3.6. Методология разработки экспертных систем
- •§ 3.7. Основные экспертные системы
- •§ 3.8. Трудности в разработке экспертных систем и пути их
- •Вопросы для самоконтроля
- •§ 3.9. Назначение, классификация роботов
- •§ 3.10. Примеры роботов и робототехнических систем
- •§ 3.10.1. Домашние (бытовые) роботы.
- •§ 3.10.2. Роботы спасатели и исследовательские роботы.
- •§ 3.10.3. Роботы для промышленности и медицины.
- •§ 3.10.4. Военные роботы и робототехнические системы.
- •§ 3.10.5. Мозг как аналого-цифровое устройство.
- •§ 3.10.6. Роботы – игрушки.
- •§ 3.11. Проблемы технической реализации роботов
- •Вопросы для самоконтроля
- •§ 3.12. Адаптивные промышленные роботы
- •§ 3.12.1. Адаптация и обучение.
- •§ 3.12.2. Классификация адаптивных систем управления
- •§ 3.12.3. Примеры адаптивных систем управления роботами.
- •§ 3.12.4. Проблемы в создании промышленных роботов.
- •Вопросы для самоконтроля
- •§ 3.13. Нейросетевые и нейрокомпьютерные технологии
- •§ 3.13.1. Общая характеристика направления.
- •§ 3.13.2. Нейропакеты.
- •Вопросы для самоконтроля
- •§ 3.14. Нейронные сети
- •§ 3.14.1. Персептрон и его развитие.
- •3.14.1.1. Математический нейрон Мак-Каллока-Питтса.
- •3.14.1.2. Персептрон Розенблатта и правило Хебба.
- •3.14.1.3. Дельта-правило и распознавание букв.
- •3.14.1.4. Адалайн, мадалайн и обобщенное дельта-правило.
- •§ 3.14.2. Многослойный персептрон и алгоритм обратного
- •§ 3.14.3. Виды активационных функций.
- •Вопросы для самоконтроля
- •Список литературы
- •Основы искусственного интеллекта
§ 3.3.3. Семантические сети.
Термин семантическая сеть используется для описания модели представления знаний, основанной на сетевой структуре. Семантические сети были первоначально разработаны для применения их в качестве психологических моделей человеческой памяти. Семантические сети состоят из точек, называемых узлами, и связывающих их дуг, описывающих отношения между узлами. Узлы в семантической сети соответствуют объектам, концепциям или событиям. Дуги могут быть определены разными методами, зависящими от вида представляемых знаний. Обычно дуги, используемые для представления иерархии, включают дуги типа isa («является») и has-part («имеет часть»). Отношение «является» и другие типы отношений, устанавливает свойство иерархии наследования в сети. Это экономит память, поскольку информацию о сходных узлах не нужно повторять в каждом узле сети. Вместо этого она может размещаться в одном центральном узле сети.
Таким образом, в основе этого способа представления знаний лежит идея о том, что любые знания можно представить в виде совокупности понятий (объектов) и отношений (связей). Семантическая сеть представляет собой ориентированный граф, вершинами которого являются понятия, а дугами — отношения между ними. Сам термин «семантическая» означает смысловая. Пример семантической сети приведен на рис.3.5.
Рис. 3.5. Семантическая сеть
Семантические сети по организации похожи на фреймовую модель представления знаний и им присущи такие же достоинства и недостатки. Основным преимуществом этой модели является наглядность представления знаний, а также соответствие современным представлениям об организации долговременной памяти человека. Недостаток — сложность поиска вывода, а также сложность корректировки, т.е. удаления и дополнения сети новыми знаниями.
Вопросы для самоконтроля
1. Расскажите о данных и знаниях, применяемых в интеллектуальных системах.
2. В чем состоит разница в базах данных и базах знаний.
3. Приведите классификацию знаний.
4. Расскажите об особенностях моделей представления знаний.
5. Расскажите о структуре представления знаний в интеллектуальных системах.
6. Приведите классификацию логико-лингвистических моделей.
7. Расскажите о моделях представления знаний, основанных на правилах.
8. Расскажите о фреймовых моделях представления знаний.
9. Расскажите о сетевых моделях представления знаний.
§ 3.4. Экспертные системы. Предметные области
Знания, которыми обладает специалист в какой-либо области, можно разделить на:
хорошо формализуемые. Они излагаются в книгах и руководствах в виде законов, формул, моделей, алгоритмов. Формализуемые знания характерны для точных наук, таких как математика, физика, химия, астрономия.
слабо (плохо) формализуемые. Науки, которые принято называть описательными, обычно оперируют с слабо формализуемыми знаниями. К таким наукам можно отнести, например, зоологию, ботанику, экологию, социологию, педагогику, медицину и др.
неформализуемые, которые вообще не попадают в книги и руководства в связи с их неконкретностью, субъективностью, приблизительностью. Знания этого рода являются результатом многолетних наблюдений, опыта работы, интуиции. Они обычно представляют собой множество эмпирических и эвристических приемов и правил. Такие знания передаются из поколения в поколение в виде определенных навыков, ноу-хау, секретов ремесла. Есть также знания, которые не могут быть выражены ни в математическом виде, ни в терминах обычного человеческого языка. Такими знаниями обладают религиозные деятели, экстрасенсы, контактеры, шаманы.
В зависимости от того, какие знания преобладают в той или иной области; ее относят к формализуемым (если преобладают точные знания), к плохо формализуемым или к неформализуемым (если преобладают неточные знания) описательным областям. Знания, которыми обладает специалист в какой-либо области, можно разделить на три класса, указанные ранее.
Задачи, решаемые на основе этих знаний, можно также разделить на следующие группы:
хорошо структуризованные (формализуемые) задачи – задачи, в которых определены численные значения всех переменных;
плохо структуризованные (плохо формализуемые) задачи – задачи, в которых практически все переменные качественного порядка;
неформализуемые задачи – задачи, в которых преобладают неточные знания.
Класс задач, относящихся к неформализуемым и плохо формализуемым знаниям, значительно больше класса задач, для которых знания формализуемы. Этим объясняется особая популярность и широкое практическое применение экспертных систем, которые открыли возможность применения компьютерных технологий в предметных областях, в которых знания плохо формализуемы.
Основным направлением развития интеллектуальных систем в настоящее время является создание экспертных систем (ЭС).
Под экспертной системой понимают комплекс программных средств, обеспечивающих выдачу рекомендаций для решения плохо формализуемых и неформализуемых задач в условиях дефицита времени, противоречивой и недостоверной информации, в том числе и в непредсказуемых ситуациях, на основе обобщенного коллективного опыта, хранящегося в памяти ЭВМ (базе знаний).
Огромный интерес к ЭС вызван рядом причин.
Во-первых, они ориентированы на решение широкого круга задач в неформализованных областях, что значительно расширяет возможности по применению вычислительной техники.
Во-вторых, с помощью ЭС специалисты, не знающие программирования, могут самостоятельно разрабатывать интересующие их приложения, что также позволяет расширить сферу использования вычислительной техники.
В-третьих, ЭС при решении практических задач достигают результатов, не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащенных ЭС.
Применение ЭС является перспективным не только при автоматизации управления технологическими процессами, но и производством в целом. ЭС выступают как важное звено при выполнении работами, где присутствие человека невозможно или опасно для жизни, что делает их притягательными для применения во многих областях знаний.