- •Содержание
- •Введение
- •Глава 1. Основные понятия
- •1.1. Понятие об искусственном интеллекте
- •1.1.1. Точка зрения Петрунина.
- •1.1.2. Интеллектуальные алгоритмы.
- •1.2. Основные направления исследования в области ии
- •1.3. Данные и знания. Основные модели представления знаний
- •Глава 2. Логические модели представления знаний
- •2.1. Логика высказываний
- •2.1.1. Булева алгебра.
- •2.1.2. Понятие о логическом следствии.
- •2.1.3. Метод резолюции в лв.
- •Имеет место теорема о полноте резолютивного вывода. Множество клозов противоречиво тогда и только тогда, когда из него методом резолюции можно вывести пустой клоз.
- •2.2. Логика предикатов первого порядка
- •2.2.1. Основные определения.
- •2.2.2. Метод резолюции в лппп.
- •2.2.3. Стратегии проведения резолюции.
- •2.2.4. Упорядоченный линейный вывод в лппп.
- •2.2.5.Применение поиска в пространстве состояний при реализации автоматизированного логического вывода.
- •2.2.6. Логический вывод на хорновских дизъюнктах.
- •Понятие экспертной системы и применение логического вывода при построении экспертных систем.
- •2.2.9. Запросы класса b.
- •2.2.10. Запросы класса c.
- •2.3. Понятие о нечетком выводе
- •2.4. Неклассические логики
- •2.4.1. Логики высших порядков.
- •2.4.2. Модальные логики.
- •2.4.3. Многозначные логики.
- •Глава 3. Продукционные модели представления знаний
- •3.1. Основные понятия
- •3.2. Стратегии управления
- •3.2.1. Поиск с возвратом.
- •3.2.2. Поиск в пространстве состояний.
- •3.3. Понятие о коммутативных системах продукций
- •3.4. Понятие о нечетком выводе на продукциях
- •3.5. Сравнение продукционных и логических моделей
- •Глава 4. Реляционные языки представления знаний
- •4.1. Основные элементы естественных языков
- •4.2. Дескрипторные модели
- •4.2.1. Понятие об ипс.
- •4.2.2. Линейная модель работы ипс.
- •4.2.3. Понятие о многоуровневом поиске.
- •4.2.4. Основные характеристики ипс.
- •4.4. Синтагматические цепи
- •4.4.1. Понятие синтагматических цепей.
- •4.4.2. Фреймы.
- •4.5. Сетевые модели представления знаний
- •4.5.1. Понятие семантической сети.
- •4.5.2. Структура интеллектуальной системы доступа к данным на основе семантической сети.
- •4.5.3. Задача поиска кратчайшего обхода образца в семантической сети.
- •4.5.4. Понятие о логическом выводе на семантических сетях.
- •Глава 5. Нейронные сети
- •5.1. Параллели из биологии
- •5.2. Базовая искусственная модель
- •5.3. Применение нейронных сетей
- •5.4. Обучение сети
- •Глава 6. Организация диалога с эвм на естественном языке
- •6.1. Элементы теории формальных языков
- •6.2. Обратная польская запись
- •6.3. Недостатки применения аппарата формальных грамматик
- •6.4. Элементы семиотики
- •6.5. Модель непосредственных составляющих
- •6.6. Многозначность в естественных языках
- •6.7. Расширенные сети переходов
- •6.8. Глубинные (семантические) падежи
- •Глава 7. Логическое программирование на языке пролог
- •7.1. Основные понятия в языке Пролог
- •7.2. Пакет Turbo Prolog
- •7.3. Структура программы
- •7.4. Поиск решений
- •7.5. Механизм отката
- •7.6. Операторы. Декларативный и процедурный смысл программы
- •7.7. Повторение и рекурсия
- •7.8. Повторение и откат
- •7.8.1. Метод отката после неудачи (опн).
- •7.8.2. Метод отсечения и отката (оо).
- •7.8.3. Метод повтора, определенный пользователем.
- •7.9. Методы организации рекурсии
- •7.10. Отладка программы и обнаружение ошибок
- •7.11. Графика в Turbo Prolog’е
- •7.11.1 Создание меню.
- •7.11.2. Создание графического режима.
- •7.11.3. Черепашья графика
- •7.12. Списки и их использование
- •7.12.1. Использование списка.
- •7.12.2. Поиск элементов в списке.
- •7.12.3. Создание нового списка путем слияния двух списков
- •7.12.3. Разделение на два списка.
- •7.13. Сортировки
- •7.13.1. Наивная сортировка.
- •7.13.2. Сортировка включением.
- •7.13.3. Метод «пузырька».
- •7.13.4. Быстрая сортировка.
- •7.14. Компоновка данных из базы в список
- •7.15. Работа с символами и строками
- •7.16. Специальные строки
- •7.17. Работа с файлами
- •7.18. Создание динамических баз данных
- •7.19. Библиотеки Turbo Prolog’а
- •7.19. Модульное программирование
- •7.20. Решение задачи о волке, козе и капусте
- •Глава 8. Введение в язык лисп
- •8.1. Основные особенности языка Лисп
- •8.2. Понятия языка Лисп
- •8.2.1 Атомы и списки.
- •8.2.2 . Внутреннее представление списка.
- •8.2.3 .Написание программы на Лиспе.
- •8.2.4. Определение функций.
- •8.2.5. Рекурсия и итерация.
- •В) maplist. Эта функция действует подобно mapcar, но действия осуществляет не над элементами списка, а над последовательными cdr этого списка.
- •8.2.6 . Функции интерпретации выражения.
- •8.2.7. Макросредства.
- •8.2.8. Функции ввода-вывода.
- •Список используемых источников
- •Перечень используемых сокращений
1.3. Данные и знания. Основные модели представления знаний
Как известно из дисциплины «Информационные системы» [ ], под данными понимаются факты или идеи, представленные в формализованном виде. Сами по себе данные не имеют смысловой нагрузки, она появляется в результате интерпретации этих данных.
Пример.
//здесь пример таблицы из базы данных (1)
|
|
|
ФИО студентов |
|
Иванов И.И. |
482 |
|
Иванов И.И. |
482 |
Петров П.П. |
482 |
|
Петров П.П. |
482 |
Сидоров С.С. |
482 |
|
Сидоров С.С. |
482 |
Итак, данные не дают информации, однако ситуация меняется, если мы подразумеваем, что в левой колонке фамилии студентов, а в правой – номера их групп.
Как мы помним, средство, позволяющее реализовывать интерпретацию данных и таким образом способствовать получению информации, называется моделью данных (МД), а совокупность данных, определенных с помощью модели данных, называется базой данных (БД). Отличительной особенностью баз данных является четкое разделение на интенсиональную часть (данные) и экстенсиональную (средства интерпретации данных). Особенностью моделей знаний (МЗ) является как бы совместное хранение интенсионала и экстенсионала базы данных, что открывает новые возможности. Модели знаний являются формальной основой для построения баз знаний. К сожалению, модели знаний в отличие от моделей данных не вписываются в какое-то одно общее формальное определение.
Примечание. Как мы помним модель данных можно формально определить, как тройку M={G, R, O}, где G – множество правил порождения структур данных (схемы), R – множество правил порождения ограничений целостности, О – множество допустимых операций над данными.
Тем не менее, существует несколько подходов к классификации моделей знаний. Согласно самому распространенному подходу выделяют логические, продукционные, сетевые и фреймовые модели. Эта классификация фактически основана на математическом аппарате, используемом в моделях. Так, в основе логического подхода лежит аппарат математической логики, в основе продукционных моделей формальные правила особого вида, называемые продукциями, в основе сетевого подхода – различные структуры на основе графов, а в основе фреймов – идея перехода от общего к частного за счет вычисления конкретных параметров.
Нам удобнее придерживаться иной классификации, более связанной с применимостью тех или иных моделей для решения того или иного класса задач. С этой точки зрения выделяют логические, продукционные, реляционные модели и нейронные сети.
Заметим, что реляционные модели представления знаний, отличающиеся «близостью» к естественным языкам, ни в коем случае нельзя путать с реляционной моделью данных, которая изучается в курсе «Информационные системы».
Глава 2. Логические модели представления знаний
В этой главе рассматриваются модели знаний, основанные на аппарате математической логики и их применение для решения ряда задач. К ним прежде всего относится автоматизированный логический вывод и построение экспертных систем. Одновременно рассматривается и структура этих систем.
Основное внимание уделяется классическим логикам – логике высказываний (ЛВ) и логике предикатов первого порядка (ЛППП), но дается и краткий обзор неклассических логик, в частности логик высших порядков, модальных и многозначных логик.
Материал главы излагается с расчётом на то, что студенты имеют представление об основах теории множеств, математической логики, программирования на языке высокого уровня, теории алгоритмов и теории графов. Приводимые алгоритмы описываются на обобщенном паскале.