Тема 7 Системы искусственного интеллекта 7 1 Направления

Тема 7. Системы искусственного интеллекта. 7. 1. Направления использования систем искусственного интеллекта. Интеллект – это ум, рассудок, разум, мыслительные способности человека. отдельные интеллектуальные способности человека могут быть автоматизированы путем создания систем искусственного интеллекта. Искусственный (машинный) интеллект – свойство автоматизированных систем брать на себя отдельные функции интеллекта человека. Идею создания искусственного подобия человеческого разума для решения сложных задач и моделирования мыслительной способности философы и математики выражали еще несколько веков назад, но развитие искусственного интеллекта как научного направления стало возможным только после создания ЭВМ (в 40 -х годах XX века). Термин «искусственный интеллект» был предложен в 1956 году в Станфордском университете (США) на семинаре, посвященном разработке логических задач.

В настоящее время, искусственный интеллект (ИИ) – это одно из направлений информатики, цель которого разработка программно-аппаратных средств, позволяющих пользователю-непрограммисту ставить и решать свои задачи, традиционно считающиеся интеллектуальными, общаясь с ЭВМ на ограниченном подмножестве естественного языка. Основные направления использования систем ИИ: Ш Представление знаний и разработка систем основанных на знаниях. Ш Разработка естественно-языковых интерфейсов и машинный перевод. Ш Создание интеллектуальных роботов. Ш Распознавание образов. Ш Проектирование компьютеров новой архитектуры. Ш Игры и машинное творчество. Ш Разработка и применение генетических алгоритмов. Ш Создание систем распознавания и синтеза речи. Ш А также разработки во многих других областях науки и техники. 7. 2. Математические модели и аппаратно-программная реализация систем ИИ. После признания ИИ самостоятельной отраслью науки произошло разделение его на два направления: нейрокибернетика и «кибернетика черного ящика» . Основную идею нейрокибернетики можно сформулировать следующим образом: «Единственный объект, способный мыслить, – это человеческий мозг, поэтому «мыслящее» устройство должно каким-то образом воспроизводить его структуру» .

В основу «кибернетики черного ящика» был положен принцип, противоположный нейрокибернетике: «Не имеет значения, как устроено «мыслящее» устройство. Главное, чтобы на заданные входные воздействия оно реагировало так же, как человеческий мозг» . 21 Основой человеческого мозга является большое количество (до 10 ) связанных между собой взаимодействующих нервных клеток – нейронов. Каждый нейрон имеет примерно 100– 1000 входов (синапсов) и один выход (аксон), который разветвляется. Модель нейрона Каждый синапс характеризуется величиной синаптической связи или ее весом ( W i ), который по физическому смыслу эквивалентен электрической проводимости. Рис. 7. 1. Искусственный нейрон

конец 50 -х годов – модель 1956 -1965 гг. – создание лабиринтного поиска. первых нейросетей (США) Нейросеть – связанный начало 60 -х годов – эпоха эвристического программирования ориентированный граф, моделирующий организацию 1963 -1970 гг. – использование и функции нервных клеток методов математической логики. и центральной нервной системы в целом. середина 70 -х годов – середина 80 -х г. – коммерческие системы, основанные на знаниях (экспертные системы). создание нейрокомпьютера (Япония конец 70 -х годов – проект машин V ) поколения, основанных на знаниях.

Основная область применения нейрокомпьютеров сегодня – это задачи распознавания объектов по результатам аэрофотосъемки из космоса. Транспьютерная технология – один из новых подходов к аппаратной реализации нейросетей, которые моделируют иерархическую структуру мозга человека. / Транспьютеры – параллельные компьютеры с большим количеством процессоров / В настоящее время используются три подхода к созданию нейросетей: Ш Аппаратный – создание специальных компьютеров, нейрочипов, плат расширений, наборов микросхем, реализующих все необходимые алгоритмы. Ш Программный – создание программ и инструментариев, рассчитанных на высокопроизводительные компьютеры. Сети создаются в памяти компьютера, всю работу выполняют его собственные процессоры. Ш Гибридный – комбинация первых двух. Часть вычислений выполняют специальные платы расширения (сопроцессоры), часть – программные средства.

универсальные языки программирования высокого уровня (С, С++, Pascal, Fortran, Basic, Small. Talk и др. ) специализированные языки: языки ИИ (языки логического программирования) и языки представления знаний (LISP, SNOBOL, РЕФАЛ, PROLOG, KRL, FRL, OPS 5, KRL и др. ) средства автоматизированного создания ЭС – инструментальные системы и среды (LOOPS, ART, KEE, Knowledge Craft , G 2, CLIPS и др. ) системы-оболочки – оболочки ЭС, «пустые» ЭС (EMYCIN, 1 st. CLASS, EXSYS, GURU и др. )

7. 3. Использование ИИ в экономике. Нейронные сети применяются для решения следующих задач: 1. Прогнозирование на фондовом рынке. Колебания цен на акции – пример сложного, многомерного, но частично прогнозируемого явления. Многие финансовые аналитики используют нейронные сети для прогнозирования цен акций на основе многочисленных факторов (прошлого поведения цен этих и других акций в совокупности с другими экономическими показателями). 2. Предоставление кредита, автоматическое считывание чеков и финансовых документов, проверка достоверности подписей. 3. Служба безопасности, распознавание лиц, голосов, отпечатков пальцев. Они также находят широкое применение и в других областях, например, в медицине (распознавание состояния больного, анализ рентгенограмм и т. п. ). Важнейшим ресурсом современного предприятия, влияющим на повышение его конкурентоспособности, инвестиционной привлекательности и капитализации, являются корпоративные знания. Управление знаниями (Knowledge Management) – технологический процесс работы с информационными ресурсами для обеспечения доступа к знаниям, их объединения и генерации нового знания. Данная работа на современном этапе развития ИТ невозможна без применения систем ИИ. Хотя большая часть знаний находится в головах людей, немало полезного можно извлечь и из письменных источников, в первую очередь из электронных документов, обработка которых с помощью ИИ способна обеспечить оптимальное сочетание точности, полноты и скорости поиска информации.

Управление знаниями В рамках управления знаниями реализуются функции создания (выявления и формализации), распространения (обучения и обмена) и эффективного использования знаний. Эти функции формируют корпоративную систему управления знаниями (Knowledge Management System). Корпоративная система управления знаниями решает вопросы создания на предприятии единого информационного пространства, организации групповой работы сотрудников для приобретения, представления и обмена знаниями, предоставления доступа к единой корпоративной базе знаний. Система управления знаниями – это не просто "отдельно взятый продукт". Речь идет о стратегии предприятия, цель которой – выявить и обратить на пользу фирме всю имеющуюся у нее информацию, опыт и знания сотрудников с тем, чтобы повысить качество обслуживания клиентов и сократить время реакции на меняющиеся рыночные условия. Оценка знаний тесно связана с оценкой качества бизнес-процессов: чем выше качество бизнес-процесса, тем больше знаний в нем задействовано. На сегодняшний день, наряду с созданием специализированных программ по управлению знаниями, многие разработчики включают соответствующую компоненту (модуль) в разрабатываемые ими КИС (например, в системе «Галактика» используется компонента системы управления знаниями «Галактика – ZOOM» . Другим направлением развития систем Управление знаниями является использование специальных так называемых ЭКСПЕРТНЫХ СИСТЕМ.

7. 4. Понятие и назначение экспертной системы (ЭС). ЭС представляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристических правил. Экспертная система – это система искусственного интеллекта, которая включает в себя базу знаний с набором правил и механизмом вывода, позволяющую на основании этих правил и предоставляемых пользователем фактов распознавать ситуацию, ставить диагноз, формулировать решения или давать рекомендации для выбора действия. Экспертная система представляет собой программный комплекс, содержащий теоретические и практические знания специалистов из определенной предметной области, обеспечивающий консультациями менее квалифицированных пользователей и способный давать им рекомендации по проблемам в этой области с высокой степенью надежности на уровне лучших специалистов.

Ш управлении сложными диспетчерскими пультами; Ш постановке медицинских диагнозов; Ш поиске неисправностей (диагностики отказов) электронных приборах, контрольно-измерительного оборудования и другой техники; Ш проектировании интегральных микросхем; Ш управлении перевозками; Ш планировании и анализе хозяйственной деятельности; Ш формировании портфеля инвестиций, оценке финансовых рынков; Ш налогообложении; Ш прогнозировании развития экономики и различных бизнеспроцессов конкретного предприятия (корпорации); Ш прогнозировании экологической обстановки, различных природных явлений и т. п. ; Ш работе с персоналом и др.

– решение поисковых задач с помощью перебора вариантов (БЗ была по сути БД) – оптимальное решение поисковых задач (БЗ = БД + алгоритмы по работе с данными, заложенные экспертамиразработчиками) – включен «дружественный интерфейс пользователя» (работа без программиста) – не только поиск и расчеты, но и извлечение нужных данных, выдача рекомендации и обоснование принятого решения – прецендентные ЭС (кроме БЗ содержат базу прецендентов, которая пополняется в процессе работы ЭС)

Ш моделируют не столько физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека применительно к решению задач в этой области; Ш формируют (помимо вычислительных операций) определенные соображения и выводы, основываясь на тех знаниях, которыми они располагают; Ш используют для решения задач эвристические и приближенные методы, которые в обличие от алгоритмических, не всегда гарантируют успех, т. к. результы имеют вероятностный характер. Экспертные системы отличаются от систем обработки данных тем, что в них используется в основном символьный (а не числовой) способ представления информации. Экспертная система содержит знания в определенной предметной области, накопленные в результате практической деятельности человека и использует их для решения проблем, специфичных для этой области. Этим ЭС отличаются от прочих, «традиционных» систем, в которых предпочтение отдается более общим и менее связанным с предметной областью теоретическим методам, чаще всего математическим.

Приобретение знаний Представление знаний Управление процессом поиска решения Разъяснение принятого решения

Решатель Интерфейс пользователя БАЗА ЗНАНИЙ Подсистема объяснений Интеллектуальный редактор базы знаний

Экспертные системы по задаче ЭС интерпретации данных по связи с реальным временем ЭС диагностики квазидинами- ческие ЭС мониторинга динамические ЭС проектирования статистические ЭС прогнозирования ЭС планирование ЭС обучение ЭС управления ЭС поддержки принятия решений по типу ЭВМ ЭС на супер. ЭВМ ЭС на символьных процессорах ЭС на ЭВМ средней производительности ЭС на мини- и супермини-ЭВМ ЭС на ПЭВМ по степени интеграции автономные гибридные (интегрированные)

Режим приобретения знаний В этом режиме общение с ЭС осуществляет эксперт, либо самостоятельно, либо при посредничестве инженера по знаниям. Режим решения задач В этом режиме общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. В этом режиме ЭС позволяет пользователю самостоятельно (без эксперта) решать задачи из проблемной области.

v не быть специалистом высокого класса в предметной области – в этом случае он обращается к ЭС за результатом, который не может получить сам; v быть специалистом в предметной области – в этом случае он обращается к ЭС с целью ускорения получения результата, возлагая на ЭС рутинную работу либо за получением подтверждения полученного результата. Данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Машина логического вывода на основе входных данных, общих данных о проблемной области и правил из базы знаний формирует решение задачи. Хорошо построенная ЭС имеет возможность самообучаться на решаемых задачах, пополняя автоматически свою базу знаний результатами полученных выводов и решений.