Федеральное агентство по образованию

Государственное образовательное учреждение высшего профессионального образования

"ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ"

В. Г. Спицын, Ю.Р. Цой

ПРЕДСТАВЛЕНИЕ ЗНАНИЙ

В ИНФОРМАЦИОННЫХ СИСТЕМАХ

Учебное пособие

Издательство ТПУ

Томск 2007

УДК 681.3.016

C 72

Спицын В.Г., Цой Ю.Р.

C 72 Представление знаний в информационных системах:

учебное пособие. – Томск: Изд-во ТПУ, 2007. – 160 с.

В учебном пособии рассматриваются современные модели представления знаний в информационных системах и принципы построения экспертных систем; обсуждаются проблемы применения нечеткой логики, генетических алгоритмов и нейронных сетей в интеллектуальных информационных системах; содержатся методические указания и задания для выполнения лабораторных работ. Пособие подготовлено на кафедре вычислительной техники, соответствует программе дисциплины и предназначено для магистрантов направления “Информатика и вычислительная техника” по магистерской программе “Компьютерный анализ и интерпретация данных”.

УДК 681.3.016

Рекомендовано к печати Редакционно-издательским Советом

Томского политехнического университета

Рецензент

Доктор технических наук, профессор, заведующий

кафедрой автоматизированных систем управления ТУСУРа

А.М. Кориков

© Томский политехнический университет, 2007

© Оформление. Издательство ТПУ, 2007

© В.Г. Спицын, Ю.Р. Цой, 2007

Введение

В предлагаемом вниманию читателя учебном пособии приведены современные модели представления знаний, принципы построения экспертных систем (ЭС) и перспективные направления развития систем, основанных на знаниях. Первая глава посвящена краткому изложению истории возникновения систем искусственного интеллекта, процесса мышления человека, классификации систем, основанных на знаниях, а также методов извлечения знаний из экспертов инженером по знаниям.

Содержание следующих двух глав составляют современные модели представления знаний, архитектура и технология разработки ЭС, описание систем анализа и синтеза входных и выходных сообщений. В заключительных трех главах излагаются получившие широкое распространение методы решения неформализованных задач. К этим методам относятся нечеткая логика, генетические алгоритмы и искусственные нейронные сети.

В результате освоения изложенного материала студент сможет самостоятельно приступить к разработке ЭС в роли инженера по знаниям.

Глава 1 системы, основанные на знаниях

1.1. История создания искусственного интеллекта

Родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий. Он еще в XIII в. попытался создать механическую машину для решения различных задач на основе разработанной им всеобщей классификации понятий. В XVIII в. Лейбниц и Декарт независимо друг от друга предложили универсальные языки классификации всех наук. Эти работы можно считать первыми теоретическими работами в области искусственного интеллекта.

Появление искусственного интеллекта как научного направления произошло после создания ЭВМ в 40-х годах XX в. В это время Норберт Винер создал свои основополагающие работы по кибернетике. Вскоре после признания искусственного интеллекта (ИИ) отдельной отраслью науки произошло разделение его на два направления: нейрокибернетика и кибернетика “черного ящика”. Эти направления развиваются практически независимо, существенно различаясь как в методологии, так и в технологии. И только в настоящее время появились тенденции к их объединению [1].

Основная идея первого направления заключается в том, что единственный объект, способный мыслить, – это человеческий мозг. Поэтому любое “мыслящее” устройство должно каким-то образом воспроизводить его структуру. Нейрокибернетика ориентирована на программно-аппаратное моделирование структур, подобных структуре мозга. Как известно из физиологии, человеческий мозг содержит до взаимодействующих между собой нервных клеток – нейронов [1, 2]. В рамках нейрокибернетики создавались нейроноподобные элементы, которые объединялись в функционирующие системы, называемые нейронными сетями.

В основу второго направления ИИ, называемого кибернетикой “черного ящика”, был положен альтернативный принцип, суть которого заключается в том, что не имеет значения, как построено “мыслящее” устройство. Требуется, чтобы на заданные входные воздействия оно реагировало так же, как и человеческий мозг.

Это направление ИИ было ориентировано на поиски алгоритмов решения интеллектуальных задач на существующих моделях компьютеров. В 1963–1970-х годах решение задач стало основываться на методах математической логики. Робинсоном был предложен метод резолюций, на основе которого автоматически доказывались теоремы при наличии набора исходных аксиом. В это же время русский ученый Ю.С. Маслов предложил метод обратного вывода, решающий ту же задачу другим способом [1, 3]. На основе метода резолюций француз Албер Кольмероэ в 1973 г. создал язык логического программирования Пролог.

В США в середине 1970-х годов на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. Появились первые коммерческие системы, основанные на знаниях, или экспертные системы. Начиная с середины 1980-х годов, повсеместно происходит коммерциализация ИИ. Растут капиталовложения и создаются промышленные ЭС. Искусственный интеллект становится одной из наиболее перспективных и престижных областей информатики (computer science).

Следует отметить, что уровень теоретических исследований по ИИ в России сопоставим с мировым. Но, к сожалению, начиная с 1980-х годов, на прикладных работах начинает сказываться отставание в технологии. По оценкам специалистов, отставание в области разработки интеллектуальных промышленных систем составляет 3–5 лет [1].