Шпоры / 1. СИИ

1. Системы, содержащие элементы искусственного интеллекта.

Искусственный интеллект (ИИ) – раздел информатики, изучающий методы, способы моделирования и воспроизведения с помощью ЭВМ различной деятельности человека, связанной с решением слабоформализуемых задач.

Системы, содержащие элементы ИИ:

1. Системы автоматизированного проектирования (САПР):

2. Системы автоматизированного перевода текста

3. Системы обработки визуальной информации:

4. Система речевого общения

5. Системы естественного языкового общения

6. Экспертные системы

2. Назначение экспертных систем. Основные требования, предъявляемые к ЭС.

Назначение: решение задач, которые в отсутствие эксперта невозможно правильно решить.

Требования:

1. Интегрированность.

2. Использование языков программирования и рабочих станций.

3. Архитектура клиент-сервер.

4. Проблемно-ориентированные средства систем искусственного интеллекта.

3. Основные участники создания ЭС.

В разработке ЭС участвуют представители следующих специальностей:

• эксперт проблемной области – обеспечивает полноту и правильность введенных в ЭС знаний.

• инженер по знаниям - специалист по разработке ЭС

• программист по разработке инструментальных средств (ИС) – разрабатывает ИС, содержащее все основные компоненты ЭС.

4. Архитектура статических и динамических ЭС.

Типичная статическая ЭС состоит из следующих основных компонентов:

• решателя (интерпретатора);

• рабочей памяти (РП), называемой также базой данных (БД);

• базы знаний (БЗ);

• компонентов приобретения знаний;

• объяснительного компонента;

• диалогового компонента.

 База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи.

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.

Объяснительный компонент объясняет, как система получила решение задачи и какие знания она при этом использовала.

Диалоговый компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

В архитектуру динамической ЭС вводятся два компонента: подсистема моделирования внешнего мира и подсистема связи с внешним окружением. Последняя осуществляет связи с внешним миром через систему датчиков и контроллеров. 

5. Основные этапы разработки ЭС.

   1. Прототип

   2. Промышленный прототип

   3. Коммерческий продукт

1. Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

2. Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

3. Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.

4. Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

5. Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.

6. Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

7. Модели представления знаний.

1. логическая модель

2. продукционные модели – модели, основанные на правилах, позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие»;

3. сетевые модели или семантические сети – как правило, это граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами;

4. фреймовые модели – основывается на таком понятии как фрейм. Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.

8. Механизмы вывода в ЭС.

Бывают механизмы с прямым и обратным выводом.

Прямой вывод – опорной точкой служат предоставляемые данные.

Обратный вывод – строится обратная цепочка рассуждений. Недостатки обратного вывода: необходимо большое количество данных, не имеющих прямого отношения к заключению.

В двунаправленном выводе сначала оценивается небольшой объем полученных данных и выбирается гипотеза, а затем запрашиваются данные, необходимые для принятия решения о пригодности данной гипотезы.

9. Разработка базы знаний. Дерево решений.

База знаний - единое информационное хранилище, основное пространство для обмена данными между пользователями внутри организации.

Дерево решения используется для описания подобных задач и позволяет проследить весь ход рассуждений. Окружности и прямоугольники называются вершинами, линии, соединяющие вершины, называются дугами или ветвями. Окружности – вершины решений. Прямоугольники – вершины логических выводов. Логические выводы могут быть частными или общими. Если вершина логического вывода имеет более одной ветви, то она является локальным выводом.

Разработка:

1. Выбрать из дерева решений прямоугольник, такая вершина называется текущей.

2. Найти окружность, расположенную по соседству с текущей вершиной логического вывода.

3. Повторять шаг 2 до тех пор, пока не будут исчерпаны все вершины решений или не встретится новая вершина логического вывода.

4. Каждую из найденных вершин решения необходимо преобразовать в один из операндов условной части правил, при этом значения, связанные с ветвью, представляют собой условия для этого операнда.

5. Выбранный логический вывод необходимо преобразовать в результирующую часть правил.

10. Системы обработки визуальной информации.

Обработка визуальной информации

В этом научном направлении решаются задачи обработки, анализа и синтеза изображений. Задача обработки изображений связана с трансформированием графических образов, результатом которого являются новые изображения. В задаче анализа исходные изображения преобразуются в данные другого типа, например в текстовые описания. При синтезе изображений на вход системы поступает алгоритм построения изображения, а выходными данными являются графические объекты (системы машинной графики).