44. Интеллектуальные системы. Нейрокибернетика и кибернетика «черного ящика». Направления развития искусственного интеллекта.

История: Г.Лейбниц (1646-1716) и Р.Декарт предложили универсальные зыки классификации всех наук. Развитие Искусственного интеллекта стало возможным после создания ЭВМ. Существует 2 направления:

1. Нейрокибернетика

2. Кибернетика «черного ящика»

Идея Нейрокибернетики: любое «мыслящее устройство» должно каким-то образом воспроизводить структуру человеческого мозга. Условия: сосредоточение на создании нейронов, объединение их в нейросети. Первые нейросети созданы в 50-ых г.г. Розенблаттом и МакКаллопом.

3 подхода к созданию нейросети:

1. Аппаратный

2. Программный

3. Гибридный

Кибернетика «черного ящика»: не важно, как устроено «мыслящее устройство», главное, чтобы на заданные входные воздействия оно реагировало так же, как и человеческий мозг.

Модели и подходы киб. «черного ящика»:

1. Модель лабиринтного

2. Модель эвристическое программирование (начало 60)-теория, позволяющая сократить количество переборов в пространстве.

3. Методы математической логики ( конец 60)

4. Метод революций (1973)

В США появились первые системы, основанные на знаниях или экспертных системах.

И.И. - одно из направлений информатики, цель которого разработка аппаратно-программных средств, позволяющих пользователю ставить и решать свои задачи.

Направления:

1. Распознание образов

2. Игры и творчество

3. Разработка машинных переводов и естественно-языковых интерфейсов

4. Интеллектуальные роботы

5. Обучение и самообучение

6. Новые архитектуры компьютера

45. Данные и знания. Базы знаний. Экспертные системы.

Данные- это отдельные факты, характеризующие объекты, процессы, явления в предметной области и их свойства.

Этапы обработки данных:

1. Данные, как результат изменений и наблюдений.

2. Материальные носители знаний

3. Поле знаний – условное описание основных предметов области

4. Базы знаний

Базы данных - хранение данных( большой объем, небольшая стоимость данных)

База знаний - для хранения знаний 9 небольшой объем, дорогие информационные массивы, основа любой интеллектуальной системы.

Знания: глубинные, поверхностные.

Классы моделей представления знаний:

1. Продукционные (9 состоит из набора знаний). Программа перебора правил – машина ввода (обратный или прямой)

2. Семантические сети

3. Фреймы (модели для отображения образов)

4. Формальные логические модели – основаны на исчислении предикатов 1 порядка, когда область или задача описываются в виде набора аксиом.

Экспертная система- это сложные программные комплексы.

3 коллектива разработчиков ЭС: эксперт,программист, инженер по знаниям. Пользователь – специалист предметной области, для которого предназначена система.

База знаний - ядро ЭС, совокупность знаний предметной области, записанной в форме, понятной эксперту и пользователю.

Этапы разработки ЭС:

1. Выбор проблемы

2. Разработка прототипной системы

3. Развитие прототипа до промышленной ЭС.

4. Оценка системы

5. Стыковая система

6. Поддержка системы

Стадии разработки ЭС:

1. Идентификация проблемы.

ПРОБЛЕМА.

2. Получение знаний.

Знания.

3. Структурирование.

Поле знаний

4. Формализация

База знаний

5. Реализация прототипа

Программа прототип ЭС.

6. Тестирование.

46.

47.