Понятие интеллекта и интеллектуальности системы. «Шкала интеллекта».
Интеллект(по Барановичу) - способность кибернетической системы в процессе автономного адаптивного управления собственным существованием во внешней среде эффективно (по вполне определенным критериям) оперировать информационными моделями ОР.
Интеллектуальная система - это сложная система, способная воспринимать, сравнивать, преобразовывать, создавать и хранить внутри себя модели определенных объектов.
Интеллектуальная система — совокупность взаимодействующих между собой относительно элементарных структур и процессов, объединенных в целое выполнением функции интеллекта (целенаправленного, опосредованного и обобщенного познания, активного отражения объективной реальности, логического и творческого мышления), несводимой к функции ее компонентов.
Шкала интеллекта Векслера.
Вербальные субтесты:
1. Субтест общей осведомленности. Исследует запас относительно простых сведений и знаний.
2. Субтест общей понятливости. Оценивает полноту понимания смысла выражений, способность к суждению, понимание общественных норм.
3. Арифметический субтест. Оценивает концентрацию внимания, легкость оперирования числовым материалом.
4. Субтест установления сходства. Оценивает способность к формированию понятий, классификации, упорядочиванию, абстрагированию, сравнению.
5. Субтест повторения цифровых рядов. Направлен на исследование оперативной памяти и внимания,
6. Словарный субтест. Направлен на изучение вербального опыта (понимания и умения определить содержание слов). Предлагается объяснить значение ряда слов.
Невербальные субтесты:
7. Субтест шифровки цифр. Изучает степень усвоения зрительно-двигательных навыков.
8. Субтест нахождения недостающих деталей. Изучает особенности зрительного восприятия, наблюдательность, способность отличить существенные детали..
9. Субтест кубиков Коса. Направлен на изучение сенсомоторной координации, способности синтеза целого из частей.
10. Субтест последовательности картинок. Исследует способность к организации фрагментов в логическое целое, к пониманию ситуации и предвосхищению событий.
11. Субтест составления фигур. Направлен на изучение способности синтеза целого из частей.
2. Универсально-эволюционный подход к систематизации и структуризации интеллектуальных систем. Эволюции материальных систем объективной реальности. Основные эволюционные классы материальных систем объективной реальности.
Структура интеллектуальной системы включает три основных блока — базу знаний(содержит структурированную информацию, покрывающую некоторую область знаний, для использования кибернетическим устройством (или человеком) с конкретной целью), решатель и интеллектуальный интерфейс.
3. Антропные, антропоморфные и антропогенные интеллектуальные системы. Принципиальные особенности интеллектуальных систем антропоморфного типа. Абстрактное мышление в ИС.
Система антропоморфная (по Барановичу) - ИС, имеющая в своем составе механизмы абстрактного мышления, а именно механизмы оперирования метамоделями ОР различного уровня иерархии.
Антропоморфный – человекоподобный.
Антропогенный – созданный человеком.
Абстрактное мышление (по Барановичу) - имманентное свойство ИС, заключающееся в способности оперирования в процессе собственного существования метамоделями ОР различного уровня иерархии.
Естественные и искусственный интеллекты (ИИ). Тест А. Тьюринга. Логическое и бионическое (нейрокибернетическое) направления в ИИ.
Искусственные системы создаются по желанию человека или какого-либо общества для реализации намеченных программ или целей. Представляет собой объединение элементов, предназначенное для выполнения основной функции и создающее своим объединением новое системное свойство.
Естественные системы создаются природой или обществом.
Тест Тьюринга – это тест для определения обладает ли машина интеллектом. Основан на том, что поведение объекта, обладающего искусственным интеллектом, в конечном итоге нельзя будет отличить от поведения таких бесспорно интеллектуальных сущностей, как человеческие существа. Компьютер успешно пройдет тест Тьюринга, если человек-экспериментатор, задавший ему в письменном виде определенные вопросы, не сможет определить, получены ли письменные ответы от другого человека или от некоторого устройства. На данный момент составление программы для компьютера, чтобы он прошел тест Тьюринга, требует большого объема работы. Запрограммированный таким образом компьютер должен включать в себя:
· средства обработки текстов на естественных языках, позволяющие успешно общаться с компьютером;
· средства представления знаний, с помощью которых компьютер может записать в память то, что он узнает или прочитает;
· средства автоматического формирования логических выводов, обеспечивающие возможность использовать хранимую информацию для поиска ответов на вопросы и вывода новых заключений;
· средства машинного обучения, которые позволяют приспосабливаться к новым обстоятельствам, а также обнаруживать и экстраполировать признаки стандартных ситуаций.
Логический подход к созданию систем искусственного интеллекта направлен на создание экспертных систем с логическими моделями баз знаний с использованием языка предикатов.
Бионическое направление. Искусственное воспроизведение тех структур и процессов, которые характерны для живого человеческого мозга и которые лежат в основе процесса решения задач человеком. Это направление имеет четко выраженный фундаментальный характер, и его интенсивное развитие невозможно без одновременно глубокого изучения мозга нейрофизиологическими, морфологическими и психологическими методами.
5. Универсальная функциональная модель самообучаемой системы антропоморфного типа. Сенсориум, подсистемы восприятия и распознавания информации, знаний уровня сознания и подсознания, логического вывода и формирования решений, коллективной семантической коммуникации.
Сенсориум - способность к ощущению.
6. Формы существования и представления информации. Сигналы, данные, знания. Прагматические и семантические атрибуты информации.
Данные могут существовать в виде упорядоченной последовательности значений конкретного показателя (таблицы). Такие данные называются структурированными.
Но данные не всегда можно представить в виде упорядоченной последовательности значений конкретных параметров. Такие данные называют неструктурированными.
Основные формы представлений информации:
· графический
· числовой
· символьный
7. Продукционная модель, правила формирования условий и действий. Механизмы реализации исполняемых утверждений. Прямой и обратный логический вывод при использовании правил-продукций.
Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если (условие), то (действие)».
Под условием понимается некоторое предложение — образец, по которому осуществляется поиск в базе знаний, а под действием — действия, выполняемые при успешном исходе.
Способы реализации механизма исполняемых утверждений часто называют парадигмами программирования. К основным парадигмам относят:
• процедурное программирование. Активная роль отводится процедурам, а не данным; причем любая процедура активизируется вызовом. Подобные способы задания поведения удобны для описаний детерминированной последовательности действий одного процесса или нескольких взаимосвязанных процессов.
• программирование, ориентированное на данные. Активная роль принадлежит данным, а не процедурам. Здесь со структурами активных данных связывают некоторые действия (процедуры), которые активизируются тогда, когда осуществляется обращение к этим данным.
• программирование, ориентированное на правила. Поведение определяется множеством правил вида «условие-действие». Условие задает образ данных, при возникновении которого действие правила может быть выполнено. Правила в данной парадигме играют такую же роль, как и операторы в процедурной парадигме. Подход, ориентированный на правила, удобен для описания поведения, гибко и разнообразно реагирующего на большое многообразие состояний данных.
• объектно-ориентированное программирование. Программа организуется вокруг сущностей, называемых объектами, которые включают локальные процедуры (методы) и локальные данные (переменные).
Существуют два типа продукционных систем - с прямыми и обратными выводами. Прямые выводы реализуют стратегию «от фактов к заключениям». При обратных выводах выдвигаются гипотезы вероятных заключений, которые могут быть подтверждены или опровергнуты на основании фактов, поступающих в рабочую память. Существуют также системы с двунаправленными выводами.
8. Представлений знаний на основе формальных систем. Логические концепции представления знаний. Аристотелева логика, логика предикатов первого порядка, логика Хорна, модальные и многозначные логики, логика возможного-необходимого, физические и псевдофизические логики.
Основная идея подхода при построении логических моделей представления знаний — вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода
Основу аристотелелвой логики составляют 4 соотношения.
· Все A являются B.
· Никакие A не являются B.
· Некоторые A являются B.
· Некоторые A не являются B.
Главная идея логики предикатов заключается во взаимно-однозначном сопоставлении каждого уникального объекта с индивидуальной объектной константой, обозначаемой именем объекта, а класс однотипных объектов – с объектной переменной, значением которой являются объектные константы. Предикатом называют высказывательную функцию, определенную на множестве наборов значений объектных переменных.
Модальная логика — логика, в которой кроме стандартных логических связок, переменных и/или предикатов есть модальности (модальные операторы). Модальности бывают разные; наиболее распространены временные и пространственные.
Многозначная логика — тип формальной логики, характерный наличием более чем двух возможных истинностных значений (истинности и ложности).
Особенности псевдофизических логик: переменные в моделях являются лингвистическими, т.е. имеют в качестве своих значений либо слова естественного языка, либо функции принадлежности, соответствующие этим словам; все переменные измеряются в порядковых шкалах с отношением строгого порядка (для лингвистических переменных используются порядковые шкалы, для нелингвистических — метрические); правила, используемые в псевдофизических логиках, учитывают порядковые или метрические шкалы и расположение на них фактов и событий.
Семантические сети (метасети). Представление знаний в виде фреймов. Фреймы-прототипы и фреймы-примеры, процедуры-демоны и процедуры-слуги. Концептуальные структуры, онтологии и таксономии.
СЕМАНТИЧЕСКАЯ СЕТЬ — информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (рёбра) задают отношения между ними. Объектами могут быть понятия, события, свойства, процессы
ФРЕЙМ имеет определенную внутреннюю структуру, состоящую из множества элементов, называемых слотами, которым также присваиваются имена. За слотами следуют шпации, в которые помещают данные, представляющие текущие значения слотов. Каждый слот в свою очередь представляется определенной структурой данных. В значение слота подставляется конкретная информация, относящаяся к объекту, описываемому этим фреймом.
ФРЕЙМ-ПРОТОТИП - фрейм, в котором значения слотов не определены.
ПРОЦЕДУРА-ДЕМОН. Демоном называют процедуру, которая автоматически запускается при выполнении определенного условия.
ПРОЦЕДУРА-СЛУГА – Запускается только по специальному запросу.
КОНЦЕПТУАЛЬНЫЕ СТРУКТУРЫ— понятие, обобщающее различные виды структур научного знания. Концептуальные структуры наглядно описывают теоретические представления о последовательности причинно-следственных связей, которая в итоге приводит к возникновению определенной проблемы или, если подойти с положительной стороны, к достижению определенного конечного результата. Концептуальная структура обычно прослеживает несколько уровней причинно-следственных связей, а также горизонтальные связи.
ОНТОЛОГИЯ — это попытка всеобъемлющей и детальной формализации некоторой области знаний с помощью концептуальной схемы. Обычно такая схема состоит из структуры данных, содержащей все релевантные классы объектов, их связи и правила (теоремы, ограничения), принятые в этой области.
ТАКСОНОМИЯ — учение о принципах и практике классификации и систематизации Математически таксономией является древообразная структура классификаций определенного набора объектов. Вверху этой структуры — объединяющая единая классификация — корневой таксон — которая относится ко всем объектам данной таксономии. Таксоны, находящиеся ниже корневого, являются более специфическими классификациями, которые относятся к поднаборам общего набора классифицируемых объектов.
10. Нечеткие знания, их природа и классификация, способы обработки. Виды нечеткости знаний, способы их устранения и/или учета в интеллектуальных системах.
Виды нечеткости знаний:
· Недетерминированность выводов. Недетерминированность означает, что заранее путь решения конкретной задачи в пространстве ее состояний определить невозможно. Поэтому в большинстве случаев методом проб и ошибок выбирается некоторая цепочка логических заключений, согласующихся с имеющимися знаниями, а в случае если она не приводит к успеху, организуется перебор с возвратом для поиска другой цепочки и т.д.
· Многозначность. При понимании естественного языка серьезными проблемами становятся многозначность смысла слов, их подчиненности, порядка слов в предложении и т.п. Проблемы понимания смысла возникают в любой системе, взаимодействующей с пользователем на естественном языке. Распознавание графических образов также связано с решением проблемы многозначной интерпретации.
· Неточность. В основном связана с объективными причинами: несовершенство измерительных, несоблюдения условий проведения.
· Ненадежность знаний в большей степени связана с субъективными причинами: отсутствием формальных процедур получения точных данных, вероятностной природой поступающих данных, недостаточной математической (логической) обоснованностью используемых правил и т.д.
· Неполнота знаний и немонотонная логика. Абсолютно полных знаний не бывает, поскольку процесс познания бесконечен.
Способы устранение и/или учета:
· Учет недетерминированности вывода. Способы учета - метод перебора с возвратами и метод частичного (неявного) перебора.
· Распознавание образов — это научное направление, связанное с разработкой принципов и построением систем, предназначенных для определения принадлежности рассматриваемого объекта к одному из заранее выделенных классов объектов.
· Учет неточности и ненадежности знаний и выводов.
o Коэффициент уверенности (КУ) – это неформальная оценка, которую эксперт добавляет к заключению
o Нечеткая логика
11. Нечеткие множества и нечеткие выводы. Лингвистические переменные. Функции принадлежности. Алгебра нечетких множеств.
Лингвистическая переменная — в теории нечётких множеств, переменная, которая может принимать значения фраз из естественного или искусственного языка. Например, лингвистическая переменная «скорость» может иметь значения «высокая», «средняя», «очень низкая» и т. д. Фразы, значение которых принимает переменная, в свою очередь являются именами нечетких переменных и описываются нечетким множеством.
Функция принадлежности нечёткого множества — обобщение индикаторной (или характеристической) функции классического множества. В нечёткой логике она представляет степень принадлежности каждого члена пространства рассуждения к данному нечёткому множеству.
12. Понятие экспертной системы (ЭС). Структура и классификация ЭС. Основы методологии экспертных систем. Архитектура экспертных систем.
Экспертная система (ЭС) - это компьютерная система, которая моделирует рассуждения человека-эксперта в некоторой определенной области и использует для этого базу знаний, содержащую факты и правила об этой области, специальную процедуру логического вывода.
Структура
· Интерфейс пользователя
· Пользователь
· Интеллектуальный редактор базы знаний
· Эксперт
· Инженер по знаниям
· Рабочая (оперативная) память
· База знаний
· Решатель (механизм вывода)
· Подсистема объяснений
Классификация экспертных систем
Для классификации ЭС можно использовать различные критерии.
1. По назначению ЭС можно условно разделить на консультационные (информационные), исследовательские и управляющие. Консультационные ЭС предназначены для получения квалифицированных ответов; исследовательские - для помощи пользователю квалифицированно решать научные задачи; управляющие - для автоматизации управления процессами в реальном масштабе времени.
2. По сложности и объему базы знаний - неглубокие и глубокие.
Неглубокие (простые) ЭС имеют относительно малые БЗ. Доказательства их заключений обычно коротки, большинство выводов являются прямыми следствиями информации, хранимой в базе знаний. Такие ЭС в основном предназначены для решения относительно простых задач типа ответов на запросы по требуемой информации.
Глубокие ЭС делают свои выводы обязательно из моделей происходящих процессов, хранящихся в базах знаний. Сама модель процесса представляет собой набор правил, предназначенных для объяснения большого количества эмпирических данных. В глубоких ЭС доказательства выводов значительно длиннее, основываются на знаниях, выведенных из моделей.
3. По области применения ЭС делятся следующие классы.
1) Диагностика.
2) Прогнозирование.
3) Планирование и проектирование..
4) Интерпретация. Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения (например, местоположение и тип судов в океане по данным акустических систем слежения).
5) Контроль и управлени.
6) Обучение.
4. По связям с реальным миром.
1) Статические ЭС разрабатываются в предметных областях, в которых БЗ и интерпретируемые данные не меняются во времени. Они стабильны. Например, диагностика неисправностей в автомобиле.
2) Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени. Например, микробиологические ЭС, в которых снимаются лабораторные изменения с технологического процесса один раз в 4 -5 часов и анализируется динамика полученных показателей по отношению к предыдущему измерению.
3) Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацие поступающих в систему данных. Например, управление гибкими производственными комплексами, мониторинг в реанимационных палатах.
На этапе идентификации определяются задачи, подлежащие решению, выявляются цели разработки, ресурсы, эксперты и категории пользователей.
На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
На этапе формализации определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решения, средств представления и манипулирования знаниями.
На этапе выполнения осуществляется наполнение экспертом базы знаний системы. Процесс приобретения знаний разделяют на получение знаний от эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном экспертной системе. Эвристический характер знаний приводит к тому, что процесс их приобретения является весьма трудоемким. На данном этапе создаются прототипы экспертной системы, которые решают задачи предметной области. Затем по результатам этапов тестирования и опытной эксплуатации создается конечный продукт, пригодный для промышленного использования. Разработка прототипа состоит в программировании его компонентов или выборе их из имеющихся интеллектуальных систем и наполнении базой знаний.
На этапе тестирования эксперт в интерактивном режиме, используя диалоговые средства, проверяет адекватность экспертной системы. Процесс тестирования продолжается до тех пор, пока эксперт не даст окончательной оценки о готовности системы к эксплуатации.
На этапе опытной эксплуатации проверяется пригодность экспертной системы для конечных пользователей.
13. Инструментальные средства разработки экспертных систем. Оболочки экспертных систем. Языки программирования экспертных систем. Инструментальные средства разработки ЭС (на примере Multi Studio).
Инструментальное средство разработки экспертных систем – это язык программирования, используемый инженером знаний или (и) программистом для построения экспертной системы. Этот инструмент отличается от обычных языков программирования тем, что обеспечивает удобные способы представления сложных высокоуровневых понятий.
Оболочки экспертных систем. Системы этого типа создаются, как правило, на основе какой-нибудь экспертной системы, достаточно хорошо зарекомендовавшей себя на практике. При создании оболочки из системы-прототипа удаляются компоненты, слишком специфичные для области ее непосредственного применения, и оставляются те, которые не имеют узкой специализации. Примером может служить система EMYCIN, созданная на основе прошедшей длительную «обкатку» системы MYCIN. В EMYCIN сохранен интерпретатор и все базовые структуры данных – таблицы знаний и связанные с ними механизм индексации. Оболочка дополнена специальным языком, улучшающим читабельность программ, и средствами поддержки библиотеки типовых случаев и заключений, выполненных по ним экспертной системой.
Языки программирования высокого уровня. Инструментальные средства этой категории избавляют разработчика от необходимости углубляться в детали реализации системы – способы эффективного распределения памяти, низкоуровневые процедуры доступа и манипулирования данными. Одним из наиболее известных представителей таких языков является OPS5. Этот язык прост в изучении и предоставляет программисту гораздо более широкие возможности, чем типичные специализированные оболочки. Следует отметить, что большинство подобных языков так и не было доведено до уровня коммерческого продукта и представляет собой скорее инструмент для исследователей
14. Области приложения ИИС. Интеллектуальные роботы. Их обобщенная структура.
Области применения ИС:
1. Решение проблем в диалоге с человеком. Человек сообщает сведения о текущей обстановке и решаемой задаче. Система уточняет, при необходимости, нужные ей сведения, и выдает решение проблемы так, как это бы мог сделать высококвалифицированный специалист – эксперт в этой области.
2. Интеллектуальный поиск информации. В современных ИС объемы информации все более и более разрастаются. В корпоративных ИС информация может храниться в разных местах, в разном виде и различных форматах. А для принятия решений может потребоваться и поиск, выходящий за границы собственно КИС. Интеллектуализация поиска становится одним из актуальных направления развития ИС.
3. Поддержка принятия (исполнения) решений. Интеллектуализация процессов автоматизированного принятия решений связана с возможностью генерации компьютером альтернатив действий (в том числе, с учетом потребностей и предпочтений лица, принимающего решения), выработкой рекомендаций и планов по реализации решений с учетом имеющихся ресурсов, а также отслеживанием процессов реализации решений с анализом их качества.
4. Интерпретация (объяснение), анализ данных и текстов, прогнозирование. Эта область деятельности связана с исследованием данных и текстов как в самих ИС, так и в глобальных телекоммуникационных сетях.
5. Распознавание образов. Задача распознавания состоит в отнесении объекта к тому или иному классу – образу. Наиболее актуальным для ИИС является распознавание визуальных образов (печатных, рукописных знаков и символов, текстов), а также аудиобразов. Все это необходимо для автоматизации ввода данных в информационную систему (например, считывание рукописных текстов, перевод данных из табличных форм), а также для «бесклавиатурного» общения человека с компьютером.
6. Управление знаниями. Обучение. Организация сбора, хранения и последующего использования корпоративных знаний относится к одному из современных направлений развития корпоративных систем.
Интеллектуальный робот – это робот, в состав которого входит интеллектуальная система управления. Способен решать задачи, сформулированные в общем виде.