4.Основные понятия экспертных систем и систем искусственного интеллекта.

Искусственный интеллект – это одно из направлений информатики, цель которого разработка аппаратно-программных средств, позволяющих пользователю непрограммисту ставить и решать свои задачи, традиционно считающиеся интеллектуальными, общаясь с ЭВМ на ограниченном подмножестве естественного языка. Данные – это отдельные факты, характеризующие объекты, процессы и явления в предметной области, а также их свойства. Знания – выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области.Системы ИИ. Классификация. По виду взаимодействия пользователя с системой (интерфейс): 1) неуправляемый сценарий (диалоговый режим, т.е. общение с помощью директив); 2) жестко запрограммированный сценарий (пользователь получает свободу выбора в определенных точках диалога); 3) гибкий сценарий (пользователь создает собственный механизм взаимодействия с системой); 4) интеллектуальный интерфейс (взаимодействие с системой на естественном языке). По применению механизмов логического вывода: 1) дедуктивный (от общего к частному, т.е. вывод частных утверждений из общих); 2) абдуктивный (вывод общих утверждений из общих); 3) традуктивный (вывод частных утверждений из частных); 4) индуктивный (вывод общих утверждений из частных). Структура систем ИИ состоит из трех комплексов вычислительных средств: 1) исполнительная система представляет собой совокупность средств, выполняющих программу, спроектированных для эффективного решения задач (проблемная ориентация); 2) база знаний – совокупность средств ИИ, имеющих гибкую структуру, обеспечивающая интересы конечных пользователей; 3) интеллектуальный интерфейс организует взаимодействие первого и второго комплекса, т.е. ИС и БЗ. ИС объединяет совокупность средств, обеспечивающих выполнение сформированной проблемы. Интеллектуальный интерфейс – система программных и аппаратных средств, обеспечивающих использование компьютера для решения задач без посредников, либо с незначительной их помощью. БЗ занимает центральное положение в вычислительной системе; осуществляет интеграцию средств вычислительной системы, участвующих в решении задач. Эвристическое программирование и моделирование. Эвристическое программирование исследует операционный уровень организации поведения (последовательность мыслительных операций, выполнение которых приводит к успешному решению той или иной задачи). Ход эвристического программирования: 1) испытуемый решает задачу, сопровождая размышление комментариями (устно); 2) рассуждения протоколируются; 3) протоколы анализируются, выявляется ход решения, характер операции, приемов, догадок; 4) составляется компьютерная программа – модель протокола; 5) исследуется работа модели, при необходимости дорабатывается. Пример: решатель задач. Цели создания решателей: а) являясь моделью поведения человека, решатель обладает объяснительной силой и может быть использован для предсказания действий; б) используют в системах автоматизации управления сложными объектами (роботами). Первый решатель GPS создан в 50-х гг. Ньюэллом и Шоу. Эвристическое моделирование. Пусть существует комплекс поведенческих актов, поведенческая функция F. Требуется построить модель этого поведения. Действия: поиск нейронной структуры (отвечает за F), изучение структуры, построение модели. Для этого: изучают нейронные механизмы, ответственные за формирование F; описывают существенные свойства нейронного аппарата; строят модель гипотезы. Модели представления знаний. Система знаний – математическая модель области прикладного неформализованного знания, которая отображает систему понятий и отношений прикладного знания и зависимости в нем. 1) Логическая модель2) Сетевая модель (семантические сети). Характерной особенностью семантических сетей является обязательное наличие трех типов отношений: 1) класс – элемент класса; 2) свойство – значение; 3) пример элемента класса. Основное преимущество этой модели – в соответствии современным представлениям об организации долговременной памяти человека. Недостаток – сложность поиска вывода на семантической сети. 3) фреймы. Под фреймом понимается абстрактный образ или ситуация. 4) Формальные логические модели основаны на классическом исчислении предикатов 1 порядка, когда задача описывается в виде аксиом.

Э кспертная система – прикладная система искусственного интеллекта, в которой база знаний представляет собой формальные знания специалистов (экспертов) в узкой предметной области. Структура ЭС. Пользователь – специалист предметной области, для которого предназначена система (низкая квалификация). Эксперт – человек, способный ясно выражать свои мысли, являющийся специалистом, умеющий находить правильное решение проблемы в предметной области. Инженер по знаниям – специалист по ИИ, промежуточное звено между экспертом и БЗ. Интерфейс – комплекс программ реализующих диалог пользователя и ЭС. БЗ – ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме понятной эксперту и пользователю. Решатель – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в БЗ. Подсистема объяснений – программа, позволяющая пользователю получить ответы: «Почему было принято именно такое решение?» Интеллектуальный редактор БЗ – программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. В коллектив разработчиков входят как минимум 4 человека: эксперт, инженер по знаниям, программист, пользователь. Классификация ЭС. Класс ЭС сегодня объединяет несколько тысяч программных комплексов. 1) Классификация по решаемой задаче2) По связи с реальным временем. 3) По типу ЭВМ: ЭС для уникальных стратегически важных задач на суперЭВМ; на ЭВМ средней производительности; на РС. 4) По степени интеграции с другими программами. Разработка ЭС. Скорее на уровне искусства, чем науки. Процесс можно разделить на 6 этапов: выбор проблемы; разработка прототипов; доработка до промышленной; оценка; стыковка; поддержка. 1) Выбор подходящей проблемы включает деятельность, предшествующую решению начать разрабатывать конкретную ЭС. Он включает: определение проблемной области и задачи; нахождение эксперта, желающего сотрудничать при решении проблемы; определение предварительного подхода к решению проблемы; анализ расходов и прибыли от разработки; подготовку подробного плана разработки. Характеристики подходящих задач: узкоспециализированные; не зависят от общечеловеческих знаний или соображений здравого смысла; не являются для эксперта не слишком лёгкими, не слишком сложными (решаются от 3 дней – до 3 недель); условия исполнения задачи определяются самим пользователем системы; имеет результаты, которые можно оценить. Ключевой шаг – найти подходящего эксперта. Инженер по знаниям позволяет структурировать эксперту знания. Задача определена и далее считаем расходы. Составляется план разработки. 2) Разработка прототипной системы. Идентификация проблемы – определяются необходимые ресурсы, источники знаний, аналоги существующих, цели, классы решаемых задач (1-2 недели). Извлечение знаний – получение инженерами по знаниям наиболее полного представления о предметной области и способах принятия решения в ней (1-3 мес.). Реализация – создается прототип ЭС, включающий БЗ и остальные блоки, при помощи программирования на С, Паскале (1-2 мес.). Тестирование. 3) Развитие прототипа до промышленной ЭС. Основное – добавление большего числа дополнительных эвристик. Эти эвристики обычно увеличивают глубину системы, обеспечивая большее число правил. Инженер и эксперт могут увеличить «охват системы». Далее инженер по знаниям приступает разработке интерфейсов. 4) Оценка системы. Тестирование в отношении критериев эффективности: критерии пользователей (понятность работы, удобность интерфейсов); критерии приглашенных экспертов (оценка советов-решений, предлагаемых системой и сравнение с собственными); критерии коллектива разработчиков (производительность, эффективность реализации, дизайн, кол-во тупиковых сит.). 5) Стыковка системы. ЭС стыкуется с др. программными средствами в среде, в которой она будет работать и обучать людей. 6) Поддержка системы. При перекодировании системы на язык подобный СИ, повышается её быстродействие и увеличивается переносимость, однако гибкость уменьшается. Это приемлемо для статических систем. Но, если система создана именно из-за того, что проблемная область изменяется, то необходимо поддерживать систему в инструментальной среде разработки.