Искусственный интеллект и базы знаний
Искусственный интеллект и базы знаний
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (ИИ) Как научное направление связано с попытками формализовать мышление человека. (Н. Винер «Кибернетика или управление и связь в животном и машине» ) Как строить системы ИИ? Два основных направления: n машинный интеллект (имитационное моделирование); n искусственный разум (структурное моделирование).
МАШИННЫЙ ИНТЕЛЛЕКТ n рассматривает продукт интеллектуальной деятельности человека; n изучает его структуру (выделяя различные направления интел лектуальной деятельности: решение задач, доказательство теорем, игры); n стремится воспроизвести этот продукт средствами современной техники.
ИСКУССТВЕННЫЙ РАЗУМ n рассматривает данные о нейрофи - зиологических и психологических меха - низмах интеллектуальной деятельности (более широко – разумное поведение человека); n пытается воспроизвести эти механизмы с помощью технических устройств.
ИССЛЕДОВАНИЯ В ОБЛАСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Искусственный интеллект Машинный интеллект Искусственный разум Моделирование результатов Моделирование биологических интеллектуальной деятельности систем Моделирование механизмов информационных процессов Нейроноподобные сети Комплексный подход Эвристическое программирование
ДАННЫЕ И ЗНАНИЯ Любая компьютерная программа работает с данными. A: =20; H: =15; данные S: =A*H*0. 5; знания Write(‘Площадь треугольника=‘, s, ’кв. см’);
ДАННЫЕ Данные – это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства. Существуют: n как результат измерений и наблюдений; n на материальных носителях информации: в таблицах, протоколах, справочниках; n в виде диаграмм, графиков, функций; n в памяти компьютера на языке описания данных; n в базе данных.
ЗНАНИЯ Основываются на данных, но представ-ляют собой результат мыслительной дея - тельности человека, обобщают его опыт, полученный в ходе практической деятельности или научных исследованиях. Существуют: n в памяти человека как результат обучения, воспитания, мышления; n на материальных носителях: в учебниках, инструкциях, методических пособиях, книгах; n как описания на языках представления знаний и помещенные в память компьютера; n в виде базы знаний.
ВИДЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ Знания, получаемые в результате выполнения программы, называются процедурными. Получение таких знаний требует изменения текста программы. Процедурные знания отвечают на вопрос: «Как получить знание? » Знания могут быть сосредоточены в отдельных структурах. Такие знания называются декларативными. Отвечают на вопросы: «Почему есть знание? » , «Какие связи имеются между знаниями? »
МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ nлогическая nпродукционная nфреймовая nсемантическая сеть
ЛОГИЧЕСКАЯ МОДЕЛЬ Представлена логическим исчислением. исчислением Все знания о предметной области описываются в виде формул этого исчисления и правил вывода. Описание в виде формул – декларативные знания. Правила вывода – процедурные знания. Недостатки: громоздкость записи, отсутствие Недостатки наглядности, удобочитаемости.
ПРОДУКЦИОННАЯ МОДЕЛЬ Продукция имеет вид: Если <условие>, то <действие>. Продукционные правила – это наиболее часто используемый способ представления знаний в современных экспертных системах. Основные преимущества таких экспертных систем: высокая модульность, легкость внесения изменений и дополнений, простота механизма логического вывода.
ФРЕЙМОВАЯ МОДЕЛЬ Фрейм – это модель абстрактного образа, которую программисты используют для хранения знаний о рассматриваемой предметной области. Фрейм состоит из отдельных единиц ( слотов). <Имя фрейма>: <слот1><слот2>…<слот N>. Слот=<название>: <значение>. В качестве значения слота может выступать имя другого фрейма. Таким образом фреймы объединяются в сеть. Основное преимущество фреймов – наглядность и гибкость в использовании. Фреймовая структура согласуется с современными представлениями о хранении информации в памяти человека.
ПРИМЕРЫ. ФРЕЙМОВАЯ МОДЕЛЬ Фрейм-прототип Конкретный (хранит знание о факт-описание понятии) «Взять» : (Субъект: Робот) (Субъект: Х 1) (Объект: Деталь) (Объект: Х 2) (Место: Приемный бункер) (Место: Х 3) (Время: Х 4) (Условие: В бункере есть (Условие: Х 5) деталь, а у робота ее нет)
ПРИМЕРЫ. ФРЕЙМОВАЯ МОДЕЛЬ «Человек» : «Ученик» : связь: млекопитающее Связь: человек Возраст: 0 – 120 лет Возраст: 7 – 17 лет Рост: 45 – 240 см Школа: 1 - 2000 Умеет: мыслить
СЕМАНТИЧЕСКИЕ СЕТИ Любые знания можно представить в виде совокупности понятий (объектов) и отношений (связей). Основное преимущество модели – наглядность. Недостатки – сложность поиска вывода, корректировки (удаления и дополнения сети) знаний.
СЕМАНТИЧЕСКИЕ СЕТИ Среднее учебное заведение это учится в работает в Ученик Школа это Человек это отвечает, сдает экзамены Учитель
ЭКСПЕРТНЫЕ СИСТЕМЫ Экспертная система – это программа, предназначенная для моделирования деятельности эксперта (специалиста) в какой- либо предметной области. Отличия экспертных систем от обычных компьютерных программ Характеристика Экспертные Традиционные системы компьютерные программы Тип обработки Символьная Числовая Метод Эвристический поиск Алгоритм Задание шагов решения Неявное Точное Искомое решение Удовлетворительное Оптимальное Управление и данные Перемешаны Разделены Знания Неточные Точные Модификации Частые Редкие
БЛОК-СХЕМА ЭКСПЕРТНОЙ СИСТЕМЫ Механизм логического вывода Интерфейс База Интерфейс пользователя знаний разработчика Подсистема Пользователь объяснений Программист Инженер по знаниям Эксперт
1 Искусственный интеллект.ppt
- Количество слайдов: 19