Состояние работ по новым напр-ям искусственного интеллекта

появление в последние годы коммерческих продуктов в области размытых логик, генетических алгоритмов и интеллектуальных средств извлечения знаний из баз данных. Практические успехи в этих направлениях:

ИС для размытой логики ( применение не только в секторе управления, но и в секторе бизнеса).

ИС для генетических алгоритмов ( для проведения исследований, рынка ориентировано на опытных программистов. будет иметь широкое распространение только при интеграции с другими технологиями.)

ИС для извлечения знаний . возможности: ЭС, машинного обучения (индуктивных методов и(или) НС), статистических методов и визуализации данных. должны решать задачи трансформации: данных (неструктурированные наборы чисел и символов) → информацию (описание обнаруженных закономерностей) → знания (значимые для пользователя закономерности) → решения (последовательности шагов, направленные на достижение потребностей пользователя).

6.Клас-ция эс

• 1.Системы с интеллектуальным интерфейсом (ИИС)

• Интеллектуальные базы данных

• Естественно-языковой интерфейс

• Гипертекстовые системы

• Системы контекстной помощи

• Системы когнитивной графики.

• 2. Экспертные системы

• Классифицирующие

• Доопределяющие

• Трансформирующие

• Мультиагентные

• 3. Самообучающиеся системы

• Индуктивные системы

• Нейронные сети

• Системы, основанные на прецедентах

• Информационные хранилища

• 4. Адаптивные информационные системы

• Основанные на CASE-технологии

• Основанные на компонентных (сборочных) технологиях

Признаками классиф-ции явл. следующие интел­л-ные функции:

• коммуникативные способности - способ взаимодействия конечного польз-ля с сист.;

• решение плохо формализуемых задач, которые требу­ют построения оригинального алгоритма решения в зависимости от конкретной ситуации, характеризующейся неопределенностью и динамичностью исходных данных и знаний;

• способность к самообучению — умение системы автоматичес­ки извлекать знания из накопленного опыта и применять их для решения задач;

• адаптивность — способность системы к развитию в соответствии с объективными изменениями области знаний.

7. Клас-ция инструм-ных ср-в

1. Ур-нь исп-мого языка

1. традиц-ные (в т.ч. объектно-ориентированные) языки прогр-ния (напр., Fox);

2. символьные языки прогр-ния (напр, Lisp, Prolog);

3. инструментарий, сод-щий многие, но не все компоненты ЭС.);

4. оболочки ЭС общ. Назнач-я, сод-щие все прогр-ные компоненты, но не имеющие знаний о конкрет)

5. проблемно-ориентир. Оболочки (среды):

• проблем.-ориент. Ср-ва, ориент-ные на некот класс решаемых задач, и имеющие в своем составе соотв-щие этому классу альтернативные функц-ные модули

• предметно-ориент. Ср-ва, вкл-щие знания о некот типах предм. Областей.

1. Парадигма прогр-ния

1. процедурное прогр-ние

2. прогр-е, ориент-ное на данные ( а не програм. )

3. прогр-е, ориент-ное на правила (это методы логического прогр-я)

4. объектно-ориент. Прогр-е

3. Способ предст-ния знаний

ЭС хар-ют моделями предст-я знаний:

1. правила продукции

2. фреймы/объекты

3. семантич. Сети

4. логические модели/исчисление предикатов

5. модели доски объявлений

6. модели прецедентов

4. Мех-мы вывода и моделир-я

Мех-мы получения реш-я и моделир-я реш-я. м. Охарактер-ть след. Пар-рами:

1. Стр-ра процесса получ-я реш-я:

• компиляция решений приобрет-я знаний в режиме дерева вывода из обучающей выборки (Выбор Из дерева)

• компиляция в режиме приобр-я знаний сети в сети вывода из специфич. Правил.( Поиск реш-я в режиме реш-я задачи)

• генерация сети вывода и поиск реш-я в режиме реш-я задач.

• в режиме реш-я задач ЭС осущ. Выработку правдоподобных предп-ний.

2. Поиск или выбор реш-я:

• направленность поиска (от данных к цели, от целей к данным, двунаправленный поиск)

• порядок перебора вершин в сети вывода (поиск «в ширину», поиск «в глубину»)

3. Процесс генерации предпол-ний и сетей вывода:

• режим генерации сетей в режиме приобрет-я знаний и в режиме реш-я задач

• опр-е полноты генер-мой сети вывода

4. Мех-м вывода для динамич. Проблем. Сред дополн. Содержит:

• планировщик, к-рый обеспеч. Функц-е ЭС в соотв. С приоритетами

• ср-ва, гарант-щие получение лучшего реш-я в усл-ях ограниченности рес-сов

• с-мы поддержания истинности значений переменных, измен-ся во времени

5. Ср-ва приобр-я знаний

I. Ур-нь языка, в к-ром осущ-ся приобр-е знаний:

• формализов. Язык

• огранич. Естест. Язык

• язык пиктограмм и изображений

• язык изобр-й и естест. Язык

II.Тип приобретаемых знаний

• данные в виде таблиц, сод-щие значения входных и выходного атрибута (дан. Тип исп-ся для ЭС с индуктивными методами обуч-я), напр. Нейронные сети

• специализиров. Правила

• общие и специализоров. Правила (формир-ся БД в виде правил)

III.Тип приобр-мых данных

• атрибуты со значениями

• об-ты (об-т опис-ся в целом с его хар-ками)

• классы структ-ных об-тов

6. Технологии разр-ки ЭС:

I.Подход, базирующийся на поверхностных знаниях

II.Стр-ный подход

III.Подход, базир-ся на глубинных знаниях

IV.Смешанный подход (исп-ся поверхн. И глубин. Знания)

В завис-ти от разл сочетаний методов бывают разл. Типы ЭС.