- •Лекция 2
- •Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума
- •Луллий был автором многих трудов, однако в данном контексте интерес представляет его книга
- •Отом, насколько удачным оказался опыт использования этой машины, сказать трудно. Однако, попутно Луллий
- •В Англии XIX века были предприняты дальнейшие попытки построить логическую машину. Начало им
- •Основой этой машины является двумерная матричная конструкция, а потому с ее помощью можно
- •Еще одной интересной фигурой был хирург Альфред Сми (1818- 1877), увлекавшийся электробиологией (так
- •Русский ученый Семён Николаевич Корсаков в 1832 г. представил общественности своё изобретение —
- •В 1870 г. Уильям Стэнли Джевонс сконструировал ЛМ, позволяющую механизировать простейшие силлогистические выводы.
- •Джон Венн (1834-1923) работал в области логики классов, где создал особый графический аппарат
- •В 1883 г. Аллан Маркванд (1853-1924) взял за основу логическое пианино Джевонса и
- •В 1936 г. психолог Бенжамин Бурак построил первую электрическую ЛМ. Она была упакована
- •Слово «силлогизм» произошло от греческого syllogysmos, что означает «вывод». Очевидно, что силлогизм –
- •Посылок в силлогизме две. Они содержат три термина силлогизма, обозначаемые буквами S, P
- •Все боксеры – спортсмены.
- •Более известной была ЛМ, построенная в 1947 г. Уильямом Баркхартом и Теодором Калном.
- •После Второй мировой войны стало очевидным, что компьютерные программы могут достичь тех же
- •Термин "искусственный интеллект" - ИИ - (AI - artificial intelligence) был предложен в
- •Зарождение нейрокибернетики
- •Физиологами давно установлено, что основой человеческого мозга является большое количество (до 1021) связанных
- •Первые нейросети были созданы Розенблаттом и Мак-Каллоком в 1956-1965 гг. Это были попытки
- •Однако в 1980-х в Японии в рамках проекта "ЭВМ V поколения" был создан
- •Можно выделить 3 подхода к созданию нейросетей:
- •Откибернетики "черного ящика" к ИИ
- •Это направление искусственного интеллекта было ориентировано на поиски алгоритмов решения интеллектуальных задач на
- •В1956-1963 гг. велись интенсивные поиски моделей и алгоритмов человеческого мышления и разработка первых
- •Вконце 50-х годов родилась модель лабиринтного поиска. Этот подход представляет задачу как некоторое
- •Начало 60-х - это эпоха эвристического программирования. Эвристика - правило, теоретически не обоснованное,
- •Эвристические методы увеличивают вероятность получения работоспособного - но не всегда оптимального - решения
- •ПРИМЕР Для иллюстрации эвристического подхода может быть использован такой случай. Допустим, на Вашем
- •ПРИМЕР «Слишком много менеджеров позволяют себе долгую раскачку в процессе принятия решения, особенно
- •В 1963-1970 гг. к решению задач стали подключать методы математической логики. Робинсон разработал
- •Примерно в это же время выдающийся отечественный математик Ю. С. Маслов предложил так
- •Ньюэл, Саймон и Шоу создали программу
- •В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы (середина
- •В конце 70-х в Японии объявлено о начале проекта машин V поколения, основанных
- •История искусственного интеллекта в России
- •В 1954 г. в МГУ начал свою работу семинар «Автоматы и мышление» под
- •В 1965-1980 гг. происходит рождение нового
- •Только в 1974 году при Комитете по системному анализу при президиуме АН СССР
- •В 1988 г. создается АИИ — Ассоциация искусственного интеллекта. Ее членами являются более
- •Уровень теоретических исследований по искусственному интеллекту в России ничуть не ниже мирового.
- •Направления искусственного интеллекта
- •Другие направления
- •дедуктивные модели;многоагентные системы;онтологии;менеджмент знаний;
- •1. Представление знаний и
- •2. Программное обеспечение систем
- •2. Программное обеспечение систем ИИ (software engineering for Al)
- •Интеллектуальные роботы (robotics)
- •Интеллектуальные роботы (robotics)
- •Интеллектуальные роботы (robotics)
- •Интеллектуальные роботы (robotics)
- •Интеллектуальные роботы (robotics)
- •Интеллектуальные роботы (robotics)
- •Актуальность создания интеллектуальных мобильных роботов
- •Робот-вертолет Mantis (2003 г.)
- •Роботы-солдаты Talon,SWORDS (2004 г.)
- •Роботы-солдаты Talon,SWORDS (2004 г.)
- •Роботы-солдаты Talon,SWORDS (2004 г.)
- •Робот-солдат SWORD в действии
- •Робот-таракан InsBot (2003 г.)
- •Интеллектуальный робот-пылесос (2003 г.) 14.01.03 11:16
- •Обучение и самообучение.
- •онятие Data Mining
- •Неочевидных – это значит, что найденные закономерности не обнаруживаются стандартными
- •Традиционные методы анализа данных (статистические методы) и OLAP в основном ориентированы на проверку
- •Мультидисциплинарность
- •Задачи Data Mining
- •Методы Data Mining. Технологические методы.
- •Методы Data Mining. Статистические методы.
- •Методы Data Mining. Кибернетические методы.
- •Визуализация инструментов Data Mining.
- •Проблемы и вопросы
- •Области применения Data mining
- •Области применения Data mining. Продолжение.
- •Перспективы технологии Data Mining.
- •Деревья решений. История и основные понятия.
- •Деревья решений. Пример 1.
- •Деревья решений. Пример 2.
- •Деревья решений. Преимущества метода.
- •Data mining
- •Игры и машинное творчество.
- •Системы когнитивной графики.
- •Системы когнитивной графики.
- •Системы когнитивной графики.
- •Системы когнитивной графики.
- •Системы контекстной помощи.
- •Программное обеспечение систем ИИ
- •Программное обеспечение систем ИИ
- •Признаки ИИС
- •Признаки ИИС
- •Модели представления знаний
- •Трактовки знаний
- •Трактовки знаний
- •Классификация знаний
- •Классификация знаний
- •Классификация знаний
- •Концептуальные свойства знаний
- •Внутренняя интерпретация знаний
- •Внутренняя интерпретация знаний
- •Наличие внутренней и внешней структур связей
- •Шкалирование знаний
- •Шкалирование знаний
- •Шкалирование знаний
- •Шкалирование знаний
- •Многомерное семантическое пространство
- •Многомерное семантическое пространство
- •Активность знаний
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
- •Продукционная модель
- •Продукционная модель
- •Продукционная модель
- •Продукционная модель
- •Продукционная модель
- •Продукционная модель
- •Список литературы
Шкалирование знаний
Позволяет сопоставлять и упорядочивать качественно одинаковые, но различающиеся в количественном плане свойства и
отношения объектов ПрО. Мера этого различия называется интенсивностью
свойства или отношения.
111
Шкалирование знаний
112
Шкалирование знаний
Оппозиционные шкалы - разновидность порядковых шкал, концы которых соответствуют крайним, несовместимым интенсивностям свойств и отношений, обозначаемым парами слов-антонимов. Среднее, промежуточное положение на оппозиционных шкалах является нейтральным.
113
Шкалирование знаний
Например: быстрый—медленный, острый— тупой, сильный—слабый, добрый— злой и т. д. Применение оппозиционных шкал позволяет не только сопоставлять интенсивности свойств и отношений, но и прослеживать направления их потенциальных изменений, а также очерчивать границы этих изменений.
114
Многомерное семантическое пространство
Интеграция базовых оппозиционных шкал образует многомерное семантическое пространство, точки которого
соответствуют различным понятиям, а расстояния между точками — семантической дистанции между этими понятиями. Само понятие многомерной шкалы выходит за рамки традиционной математической интерпретации шкалы как чисто линейного (т. е. одномерного) объекта типа координатной оси.
115
Многомерное семантическое пространство
Вместе с тем, поскольку многие свойства и отношения могут изменяться в нескольких аспектах (интенсивностях), существование подобных шкал объективно. Так, например, звук принято характеризовать амплитудой, частотой и фазой (трехмерное представление), а положение точки на плоскости — значениями пары координат по осям X и Y (два измерения).
116
Активность знаний
При поступлении в систему новых знаний должна осуществляться их верификация с целью согласования новых знаний и уже содержащейся в БЗ информации. Результатом этой верификации может быть модификация новых знаний и (или) сведений из БЗ, генерация запроса на уточнение «сомнительных » положений или же полная фальсификация поступившей информации.
117
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
В логических моделях знания представляются в виде совокупности
правильно построенных формул какой- либо формальной системы (ФС),
которая задается четверкой:
ФС= {T,P,A,R},
где Т— множество базовых (терминальных) элементов, из которых формируются все выражения ФС;
118
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Р — множество синтаксических правил, определяющих синтаксически правильные выражения из терминальных элементов ФС;
А — множество аксиом ФС, соответствующих синтаксически правильным выражениям, которые в рамках данной ФС априорно считаются истинными;
R — конечное множество правил вывода, позволяющих получать из одних синтаксически правильных выражений другие.
119
ЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Простейшей логической моделью является
исчисление высказываний.
Высказыванием называется предложение, смысл которого можно выразить значениями: истина (Т) или ложь (F). Например, предложения «лебедь белый» и «лебедь чёрный» будут вы сказываниями.
Из простых высказываний можно составить более сложные:
«лебедь белый или лебедь черный»,
«лебеду белый и лебедь черный»,
«если лебедь небелый, то лебедь черный».
120
