
- •1. Искусственный интеллект как направление знаний. Основные направления. Сильный и слабый ии. Критерий интеллектуальности. Тест Тьюринга. Критика теста Тьюринга.
- •2. Критерий интеллектуальности. Тест Тьюринга. Критика теста Тьюринга. Гипотеза Ньюэлла-Саймона и тезис Ады Лавлейс.
- •3. Философские аспекты ии. Теория симуляции реальности н. Бострома. Цифровая философия э.Фредкина. Эволюционная кибернетика в.Ф.Турчина
- •4. Понятие сингулярности. Трансгуманистическая философия: основные постулаты.
- •5. Модели памяти и мышления человека. Чанки. Структуры и процессы
- •6. Восходящий, нисходящий и эволюционный подходы к ии. Понятие о нейронных сетях.
- •7. Знания и информация. Понятие о представлении знаний. Статические и динамические знания. Явные и неявные представления знаний.
- •8. Процедурное представление знаний. Продукции. Деревья и-или. Деревья решений.
- •9. Сетевое представление знаний. Семантические сети. Концептуальные графы.
- •10. Фреймовое представление знаний. Основные операции логического вывода во фреймовом представлении.
- •11. Представление знаний на основе формальной логики. Пролог как возможный язык логического представления знаний.
- •12. Поиск в нагруженном графе. Алгоритм поиска с весовой функцией и его реализация на Прологе.
- •13. Понятие об эвристическом поиске. Допустимость, монотонность,
- •14. Алгоритм поиска a. Критерий допустимости a-алгоритма. Примеры.
- •15. Реализация алгоритма a* на Прологе.
- •16. Поиск с итерационным погружением (id).
- •17. Различные способы повышения эффективности алгоритмов поиска: поиск с использованием списка пар пройденных вершин, представление путей деревьями.
- •18. Экспертные системы. Структура экспертной системы. База знаний. Машина вывода.
- •19. Основные подходы к созданию экспертных систем. Оболочки экспертных систем. Роль инженера по знаниям.
- •20. Прямой логический вывод. Иллюстрация прямого вывода на деревьях и- или. Конфликтное множество. Связь с поиском в пространстве состояний. Применение различных алгоритмов поиска.
9. Сетевое представление знаний. Семантические сети. Концептуальные графы.
Представление знаний тройками объект-атрибут-значение.
Модель представления статических знаний. Формально семантическую сеть можно определить как граф, узлами которого являются понятия предметной области (концепты), а дугами отношения между ними. Сам термин семантическая сеть (т.е. смысловая сеть) восходит от науки семантики, которая изучает отношения между объектами. Наиболее значимые, виды связей в семантической сети: связь типа «это», «часть-целое», «элемент- подмножество», количественные отношения («больше», «меньше» и т.п.), пространственные отношения («далеко», «близко» и т.п.) и проч.
Вообще, для семантической сети характерны следующие типы отношений:
класс – множество по существу разных, но в то же самое время однотипных
объектов;
свойство – значение объекта;
экземпляр – элемент класса;
Кроме того, выделяют бинарные отношения и N-арные отношения. Бинарные отношения связывают два понятия, а N-арные отношения связывают понятие с группой понятий. Поиск решения в семантической сети сводится к поиску пути в графе и определению подсети, соответствующей запросу.
Например, если у нас задано, что Феликс является автором странички page1, а эта страничка рассказывает о кошках, то в виде графа это будет представлено так:
|
автор рассказывает
о
Феликс | page1 Кошки
И например, по запросу «в каком отношении являются Феликс и кошки?», мы получим ответ, что Феликс – автор странички page1, а эта страничка, в свою очередь, рассказывает о кошках.
10. Фреймовое представление знаний. Основные операции логического вывода во фреймовом представлении.
Модель представления статических знаний. Термин фрейм (англ. frame – каркас, рамка) предложен M. Minsky для обозначения структур знаний для описания абстрактных образов. Как и для семантической сети, во фреймовой модели представления знаний ключевой задачей является описание множества концептов и связей между ними. Для определения концепта используется фрейм. Фреймом называется формализованная модель отображения образа. Фрейм представляют как именованную структуру, объединяющую в себе конечный список свойств – слотов, таким образом, структура может иметь вид:
ИМЯ_ФРЕЙМА СЛОТ1: ЗНАЧЕНИЕ
СЛОТ2: ЗНАЧЕНИЕ2
…..
Любой из слотов может обладать значением. В качестве значения слота может выступать имя любого из слотов системы. С каждым слотом, в теории фреймов разрешено связывать процедуры и описания способа получения значений. Существуют следующие способы получения знаний во фрейме экземпляре:
по умолчанию от фрейма-образца;
через наследование, по имени фрейма, указанное в слоте наследования;
через присоединенную процедуру;
явно из диалога с пользователем;
из реляционной базы данных;
из объектной базы данных.
Слот наследования – связь между двумя фреймами, выполняющая функцию наследования. Слот указывает на фрейм более высокого уровня, откуда неявно переносятся значения и ассоциированные со слотом способы получения значений для аналогичных слотов (В случае, если фрейм уже содержит какой-либо слот объявленным, его значение обычно не подвергается изменению). В теории фреймов различают фреймы- образцы и фреймы-экземпляры. Фреймы-образцы хранятся в базе знаний в качестве прототипов, а для отображения конкретных ситуаций используют их структурные копии
– фреймы-экземпляры. База знаний во фреймовой модели состоит из множества фреймов и множества процедур, ассоциированных с слотами фреймов. Поиск решения в базе знаний для фреймовой модели аналогичен процедуре поиска в семантической сети.