Архитектуры и модели программ и знаний
Лекция 24
Модели и классификация знаний. Способы представления знаний. Понятие об экспертной системе
Сафонов Владимир Олегович
Профессор кафедры информатики Заведующий лабораторией Java-технологии
(http://polyhimnie.math.spbu.ru/jtl)
Санкт-Петербургский государственный университет
Email: vosafonov@gmail.com
WWW: http://www.vladimirsafonov.org
Литература
1.Уотермен Д. (Waterman D.) Руководство по экспертным системам. – М.: Мир, 1989
2.Построение экспертных систем (сборник статей).
– М.: Мир, 1986
3.Попов Э. В. Экспертные системы. – М.: Наука,
1987
4.Гаврилова Т.В., Хорошевский В.Г. Базы знаний интеллектуальных систем. – М., 2000
5.Сафонов В.О. Экспертные системы – интеллектуальные помощники специалистов. – СПб.: Знание, 1992
6.Трехтомник (перевод с японского):
Представление и использование знаний. Обработка знаний. Приобретение знаний. – М.: Мир, 1989 – 1990.
7.http://www.brint.net/km/ - Knowledge Management portal
8.http://www.kmnetwork.com – another KM portal
9.http://ksl.stanford.edu - Stanford University,
Knowledge Systems Lab (expert systems – 1970s;
(C) Сафонов В.О. 2012
ontologies – 2003)
Основные понятия и термины
Искусственный интеллект (artificial intelligence – AI) –
совокупность научных и инженерных дисциплин, связанных с решением на компьютерах задач творческого характера, основанном на знаниях
Знания (knowledge) – особым образом
структурированные, активные, самоинтерпретируемые данные, используемые для представления фактов, концепций, их свойств, отношений, эвристик, типовых процедур, сценариев поведения и др.
Управление знаниями (knowledge management) –
представление, обработка знаний и их использование для решения различного рода задач - научных, бизнеса, электронной коммерции, экономики, военных и многих других
Инженерия знаний (knowledge engineering) – составная
часть knowledge management; представление (representation), обработка (processing), приобретение (acquisition)
Инженер знаний (knowledge engineer) – специалист по
инженерии знаний; играет роль посредника между интеллектуальной системой и пользователями
Онтология (ontology(C) Сафонов– Dr. ВTom.О. 2012Gruber, Stanford University)
История развития искусственного интеллекта (ИИ)
– 1950е гг.
Возникновение ИИ; постановка и попытки решения глобальных задач,
многие из которых до сих пор в общем виде не
решены:
управление роботами (роботика)
распознавание образов и анализ сцен
- алгоритмы сложных интеллектуальных игр (шахматы и др.)
анализ текста на естественном языке и “машинный
перевод” с одного языка на другой
(“the spirit is willing but the flesh is weak…”)
моделирование человеческого мышления путем
построения модели системы нейронов (~ 10 ** 10)
-> нейронные сети и нейрокомпьютеры 1980-х – 2000х годов;
перцептроны – perceptrons (Ф.Розенблатт)
(C) Сафонов В.О. 2012
История развития искусственного интеллекта (ИИ) – 1960е гг.
Разработка общих эвристических методов решения творческих задач
Эвристика (heuristic) – неформальное правило рассуждения, поведения, принятия решений. Имеет
общий вид: |
или: |
|
IF Condition THEN Action |
A -> S |
Пример: разбиение на подзадачи
(или поиск в глубину – depth-first search)
“Если имеется задача T, метод решения которой неизвестен, то следует разбить ее на подзадачи S1,
…, Sn, каждую из которых рассматривать как новую задачу (цель)”
Системы: LT (Logic Theorist), GPS (General Problem Solver)
Специалисты: N. Nilsson, A. Newell, Ed. Feigenbaum |
|
etc. |
(C) Сафонов В.О. 2012 |
|
|
История развития
искусственного интеллекта (ИИ) – 1970е гг.
Knowledge is power (“знание – сила”)
Общие методы оказались пригодны лишь для
решения “игрушечных” задачБыло осознано, что важнейшую роль в успехе
методов ИИ играют конкретные знания и удачный способ их представления
Появились первые экспертные системы (expert systems) – DENDRAL, MYCIN, PROSPECTOR –
интеллектуальные системы, играющие роль экспертов при решении одной специализированной
задачи или узкого круга задач, работа которых
основана на использовании и пополнении базы знаний (knowledge base), существующей отдельно от программной части (машины вывода – inference engine; по существу – интерпретатора базы знаний)
Первые ЭС имели огромный успех (оказались
конкурентноспособны с экспертами-людьми!)
=> бурное развитие ЭС в 1970 – 1980 х гг.
(C) Сафонов В.О. 2012
История развития искусственного интеллекта (ИИ) – 1980е гг.
Машинное обучение (machine learning) –
способность интеллектуальных систем к автоматическому самообучению и самооценкеМетазнания (meta-knowledge) - знания более
высокого порядка (“знания о знаниях” – знания, используемые для описания знаний)
Возникновение KDD / data mining (knowledge
discovery in databases – извлечения знаний из баз данных); KDD использует, главным образом, методы мат. статистики – поиск корреляций между
столбцами и т.д.
Knowledge acquisition systems – системы
приобретения знаний
Системы: TEIRESIAS, NEOMYCIN, KAS, AM, EURISKO |
|
The ubiquity of discovery – Douglas Lenat (автор |
|
AM / Eurisko) |
(C) Сафонов В.О. 2012 |
|
|
История развития искусственного интеллекта (ИИ) – 1990е гг.
Онтологии (ontologies) - спецификации концепций
(Tom Gruber – Stanford University)
По существу, это развитие языков и методов
спецификации знаний о предметных областях (domain-specific knowledge), известных еще с 1980-х гг., и их интеграция с методами представления знаний, используемыми в ИИ
Дальнейшее развитие KDD и Data Mining
(см. журналы “IEEE Transactions on Knowledge and
Data Engineering”; “IEEE Expert”)
Экспертные системы второго поколения (KADS) – ЭС,
основанные на моделях domain-specific knowledge
(C) Сафонов В.О. 2012
ИИ в 2000-х гг.
Управление знаниями – knowledge managementОнтологии – onthologies
Интеллектуальные агенты (intellectual agents) –
развитие понятия actor, введенного C. Hewitt – M.I.T. в конце 70-х гг.
Распределенные мультиагентские (multi-agent)
интеллектуальные системы
Интеграция методов управления знаниями с
решениями (solutions); интеллектуальные решения; реализация бизнес-логики (business logic) с использованием методов ИИ
Новый подъем интереса к Прологу – Visual Prolog
(www.visual-prolog.com) и его использование для создания intelligent solutions
Утверждение о “застое” и т.д. в области ИИ –
некомпетентно
Будущее – за интеллектуальными системами
(яркий пример – Deep Blue)
(C) Сафонов В.О. 2012
Структура ЭС (системы,
основанной на знаниях – knowledge-based system)
Пользовательский интерфейсБаза знаний (отдельно от программной
части системы) --knowledge baseПодсистема (машина) вывода -- inference engine
Подсистема объяснения – explanation engineПодсистема приобретения знаний – knowledge acquisition engine
База (базы) данных, к которым обращается
система -- DBMS
Пакеты прикладных программ, библиотеки
– domain-specific APIs
(C) Сафонов В.О. 2012