Интеллектуальные информационные системы Обзорная лекция Вопросы госэкзамена

Интеллектуальные информационные системы Обзорная лекция

Вопросы госэкзамена 1. Понятие интеллектуальной информационной системы, особенности функционирования, области применения. 2. Назначение, области применения, структура, особенности функционирования экспертных систем. 3. Продукционная модель представления знаний в интеллектуальных системах. Прямая и обратная стратегии вывода.

Искусственный интеллект — это Самообучающийся инструмент, усиливающий деятельность человека по генерации и принятию решений. Научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными. Свойство интеллектуальных систем выполнять функции (творческие), которые традиционно считаются прерогативой человека.

Интеллектуальная информационная система объединяет в себе 1. возможности СУБД, лежащих в основе ИС, 2. технологию искусственного интеллекта, хранение информации сочетается с обработкой и подготовкой для использования принятии

Особенности ИИС Позволяют получать решения трудно формализуемых слабо структурированных задач (требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, характерны неопределенность и динамичность исходных данных и знаний). Способность к самообучению - это возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций. Адаптивность — способность системы к развитию в соответствии с объективными изменениями области знаний. Коммуникативные способности - возможность формулирования произвольного запроса в диалоге с ИИС на языке, максимально приближенном к естественному.

Особенности функционирования ИИС способна изменять параметры функционирования и способ поведения в зависимости от 1. текущего состояния информационных входов 2. от предыдущих состояний системы. В традиционной программе алгоритм достижения цели задан изначально, а в интеллектуальной — строится по ходу достижения цели с учетом складывающейся ситуации.

Технологии ИИ 1. 2. 3. 4. 5. 6. Нейронные сети Мягкие вычисления (генетические алгоритмы, эволюционное программирование) Интеллектуальные роботы Интеллектуальные агенты Интеллектуальный анализ данных Обработка естественного языка (распознавание и синтез речи)

Классификация задач, решаемых с помощью ИИ

Интеллектуальная информационная система содержит базу знаний, интерпретатор правил или машину вывода, компоненты приобретения и объяснения знаний, интерфейс, обеспечивающий диалог пользователя и системы с переменным переходом инициативы.

Знания - можно определить как отношения между элементами данных. - получаются в результате применения к исходным данным (декларативной информации) некоторых методов обработки (процедурной информации). Работа программы ИИ заключается в «выводе на знаниях» или «выводе новых знаний» . Реализация конкретных систем происходит в рамках одной из моделей представления знаний или языка представления знаний.

Модель представления знаний - описание знаний в базе знаний. - делятся на логические и эвристические. Логические: логика предикатов, теория нечетких множеств, лингвистические переменные. Эвристические: семантические сети, сети фреймов, продукционные сети, онтологии, деревья решений.

Продукционная модель знания представляются в виде совокупности правил типа «ЕСЛИ-ТО» . Системы обработки знаний, использующие такое представление, получили название продукционных систем. Cостав продукционной системы: 1. база правил типа ЕСЛИ (условие), ТО (действие). 2. рабочая память, в которой хранятся исходные данные к задаче и выводы, полученные в ходе работы системы. 3. механизм логического вывода, использующий правила в соответствии с содержимым рабочей памяти.

Продукционная модель Продукционное правило состоит из двух частей: 1. Антецедент (условная часть) состоит из элементарных предложений, соединенных логическими связками И, ИЛИ. 2. Консеквент (заключение) включает одно или несколько предложений, которые выражают либо некоторый факт, либо указание на определенное действие, подлежащее исполнению.

Продукционная модель Примеры правил: ЕСЛИ «двигатель не заводится» И «стартер двигателя не работает» , ТО «неполадки в системе электропитания стартера» ; ЕСЛИ «животное имеет перья» , ТО «животное – птица» .

Продукционная модель Способы хранения: 1. В виде пар «атрибут-значение» 2. В виде триплетов: Собака – кличка – Граф; Собака – порода – ризеншнауцер; Собака – окрас – чёрный.

Продукционная модель В базе правил экспертной системы имеются правила. В рабочей памяти продукционной системы хранятся пары атрибут-значение, истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Механизм вывода сопоставляет образцы из условных частей правил с образцами, хранимыми в рабочей памяти. Если образцы из условной части имеются в рабочей памяти, то условная часть считается истинной, в противном случае — ложной. Содержимое рабочей памяти изменяется в процессе решения задачи.

Продукционная модель

Типы продукционных систем Системы с прямым выводом реализуют стратегию «от фактов к заключениям» . Системы с обратным выводом: выдвигаются гипотезы вероятностных заключений, которые могут быть подтверждены или опровергнуты на основании фактов, поступающих в рабочую память. Системы с двунаправленными выводами.

Экспертная система — это интеллектуальная система, предназначенная для оказания консультационной помощи специалистам, работающим в некоторой предметной области. Предметная область — это область человеческой деятельности, к решению задач которой применяется ИИС.

Экспертная система решатель (интерпретатора); рабочая память база знаний; компоненты приобретения знаний; объяснительный компонент; диалоговый компонента.

Применение экспертных систем - проектирование (бюджета предприятия, портфеля инвестиций), - прогнозирование, - диспетчерование - распределение работ, составление расписаний, - планирование, - мониторинг, - управление.

Применение экспертных систем Порядка 30% экспертных систем служат для диагностики, 15% - интерпретации, также 15% - рекомендаций, 12% - планирования, 9% - мониторинга, 8% управления. Примеры: PROSPECTOR - ЭС для консультаций при поиске залежей полезных ископаемых; POMME - ЭС для выдачи рекомендаций по уходу за яблоневым садом; набор экспертных систем для управления планированием, запуском и полетом космических аппаратов типа "челнок"; ЭСПЛАН - ЭС для планирования производства на Бакинском нефтеперерабатывающем заводе; МОДИС - ЭС диагностики различных форм гипертонии.

Экспертная система Системы первого типа предназначены для специалистов, чей профессиональный уровень не слишком высок. В базах знаний таких систем хранятся знания, полученные от специалистов экстракласса. Системы второго типа призваны помогать специалистам высокой квалификации, выполняя для них значительную часть рутинных операций и просмотр больших массивов информации. Особенностью экспертных систем является наличие в них системы объяснений, повышающей консультационную способность системы

Этапы разработки - идентификация проблемной области; концептуализация проблемной области; формализация базы знаний; реализация базы данных; тестирование базы знаний; опытная эксплуатация.

Этапы разработки

Этапы разработки 1. Наблюдение – разработчик наблюдает, не вмешиваясь, за тем, как эксперт решает реальную задачу 2. Обсуждение задачи - разработчик на представительном множестве задач неформально обсуждает с экспертом данные, знания и процедуры решения 3. Описание задачи - эксперт описывает решение задач для типичных запросов 4. Анализ решения - зксперт комментирует получаемые результаты решения задачи, детализируя ход рассуждений 5. Проверка системы - эксперт предлагает разработчику перечень задач для решения (от простых до сложных), которые решаются разработанной системой 6. Исследование системы - эксперт исследует и критикует структуру базы знаний и работу механизма вывода 7. Оценка системы - разработчик предлагает новым экспертам оценить решения разработанной системы