Содержание
Введение
Учебные вопросы:
1.Современные информационные технологии на основе интеллектуальных систем.
2. Основные понятия информационных интеллектуальных систем.
3. Основные компоненты экспертных систем.
4. Концепция баз и логический вывод на знаниях.
Заключение
Введение
Начало 90-х годов XX столетия знаменуется рождением информационного рынка в СНГ. Современный рынок информации, основанный на компьютерных технологиях, можно разделить на следующие взаимосвязанные части:
1. рынок информационных технологий и информации (политическая, деловая, финансовая, демографическая, юридическая, научно-техническая, потребительская и другие виды информации);
2. рынок сделок на основе компьютерных технологий (банковские операции, электронные торги, покупка билетов на транспорт, заказ товаров и услуг);
3. рынок программного обеспечения ПЭВМ;
4. рынок услуг сетевых коммуникаций.
В настоящее время широкое распространение получили информационные технологии на основе интеллектуальных систем и экспертные системы.
Современные информационные технологии на основе интеллектуальных систем
Идея создания искусственного человеческого разума для решения сложных задач и моделирования мыслительной способности витала в воздухе с древних времен. Первый ее выразил Р. Луллий, который еще в XIV в. пытался создать машину для решения различных задач на основе всеобщей классификации понятий. В XVIII в. эту идею продолжили развивать Г. Лейбниц и Р. Декарт, предложив универсальные языки всех наук. Эти идеи легли в основу разработок в области создания искусственного интеллекта (ИИ).
Развитие ИИ как научного направления стало возможным только после создания ЭВМ. Это произошло в 40-х гг. XX в. В это время Н. Виннер создал свои основополагающие работы по новой науке – кибернетике.
Термин ИИ впервые появился на симпозиуме в США в 1956 году. В этот период интенсивно велись работы по созданию интеллектуальных программ для реализации на ЭВМ.
ИИ - комплексное научное направление, ставящее цель создания и применения программных и аппаратных средств, позволяющих моделировать процесс человеческого мышления (отдельные функции человеческой деятельности) и обеспечивать диалог человека с ЭВМ на естественном (или близком к естественному) языке.
Первой в США была разработана программа «Логик-Теоретик», предназначенная для доказательства теорем в исчислении высказываний математической логики (демонстрация состоялась 9 августа 1956 года). Почти одновременно в 1957 году была создана программа для игры в шахматы, получившая название NSS по начальным буквам фамилий разработчиков (американских ученых- Newell, Shaw, Simon). Структура последней и идеология программы «Логик-Теоретик» явились основой создания концепции, а позже и программы «Универсальный решатель задач», способной выполнять решение сложных логических задач и головоломок, вычислять неопределенные интегралы.
Середина 50-х годов двадцатого века - это становление научной дисциплины кибернетики и зарождения научного направления ИИ. Окончательно научное направление ИИ сформировалось в начале 60-х годов. В настоящее время существует две принципиально отличных научных школы: европейская и американская.
В США, на родине ИИ, многие ведущие ученые считают, что ИИ - это совершенно новое научное направление, которое должно отказаться от методов таких наук, как кибернетика, распознавание образов, математическая логика, и начинать все с самого начала. Американский математик и кибернетик Марвин Мински из лаборатории ИИ Массачусетского технологического института считает, что даже математика как универсальный язык науки в ИИ бесполезна, а языком ИИ должен стать язык интеллектуальных программ.
Европейская школа не придерживается столь радикальных взглядов и предлагает использовать в СИИ все достижения современной кибернетики, математики и других наук.
Умело, сочетая оба подхода, японские ученые успешно создают практические СИИ (роботы, компьютеры - переводчики), а также осуществляют проект создания интеллектуальных ЭВМ 5-го поколения.
В начале 70-х годов произошел качественный скачок в исследованиях по ИИ. Это объясняется двумя причинами: остро ставшей необходимостью обеспечения интеллектуальных программ глубокими знаниями в соответствующей предметной области и решения, задачи разработки механизма передачи этих знаний программе. Исследования по решению интеллектуальных задач и пониманию естественного языка объединяет основная проблема - представление знаний.
Основные понятия информационных интеллектуальных систем
Одно из актуальных направлений информатики – интеллектуализация информационных технологий. Это означает, что пользователь, применяя компьютерные технологии, сможет не только получать сведения на основе обработки данных, но и использовать по интересующей его проблеме накопленный опыт и знания профессионалов.
ИС и технологии применяются для тиражирования профессионального опыта и решения сложных научных, управленческих, производственных и экономических задач. Для обработки и моделирования знаний применяются специальные модели представления знаний - базы знаний (БЗ).
Понятие информационные интеллектуальные системы (ИИС) представляются как одно из направлений информатики, цель которого разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои задачи, традиционно считающиеся интеллектуальными, общаясь к ЭВМ с помощью интерфейса, использующего естественный язык.
В современных условиях системы, использующие методы и модели ИИ, получили развитие в ряде направлений:
- представление знаний и разработка систем, основанных на знаниях;
- игры и творчество;
- разработка естественно-языковых интерфейсов и машинный перевод;
- распознавание образов;
- новые архитектуры компьютеров;
- интеллектуальные роботы;
- специальное программное обеспечение;
- обучение и самообучение.
Основное направление исследований в интересах развития ИИС – это представление знаний и разработка систем, основанных на знаниях. Оно связано с разработкой моделей представления знаний, создания БЗ, образующих ядро ИС, в частности - экспертных систем (ЭС). В настоящее время данное научное направление включает в себя модели представления знаний, методы извлечения и структурирования знаний и объединяется крупной проблемной предметной областью инженерией знаний.
При разработке ИИС необходимо определиться с понятиями данные и знания. Данные в ИИС представлены в виде отдельных фактов, характеризующих объекты, процессы и явления предметной области, а также их свойства.
При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы:
- данные как результат измерений и наблюдений;
- данные на материальных носителях информации (таблицы, протоколы, справочники);
- модели (структуры) данных в виде диаграмм, графиков, функций;
- данные в компьютере на языке описания данных;
- БД на машинных носителях.
Знания связаны с данными и основываются на них, но представляют результат мыслительной деятельности человека, обобщают его опыт, полученный в ходе выполнения какой-либо практической деятельности. Они получаются эмпирическим путем.
Знания в ИИС – это выявленные закономерности предметной области (правила, законы, связи), позволяющие решать задачи в этой области.
При обработке в ЭВМ знания трансформируются аналогично данным:
- знания в памяти человека как результат мышления;
- материальные носители знаний (учебники, справочники, методические пособия и т.п.);
- поле знаний – условное описание основных объектов предметной области, их атрибутов и закономерностей, их связующих;
- знания, описанные на языке представления знаний (продукционные языки, семантические сети, фреймы, формальные логические модели);
- базы знаний.
Для хранения данных используют БД (для них характерны большой объем и относительно небольшая удельная стоимость информации). Для хранения знаний используются БЗ (для них характерны небольшой объем, но исключительно дорогие информационные массивы). БЗ – это основа любой ИС.
Знания могут быть классифицированы по следующим категориям:
- поверхностные – знания о видимых взаимосвязях между событиями и фактами в предметной области;
- глубинные – абстракции, аналогии, схемы, отображающие структуру и процессы в предметной области.
Кроме того, знания можно разделить на процедурные и декларативные. Исторически первыми были процедурные знания, т.е. знания, «растворенные» в алгоритмах. Они управляли данными. Для их изменения требовалось изменить программы. Однако с развитием ИИ приоритет данных постепенно изменялся, и все большая часть знаний сосредоточивалась в структурах таблиц (таблицы, списки, абстрактные типы данных), т.е. увеличивалась роль декларативных знаний.
Сегодня знания приобрели чисто декларативную форму. Знаниями считаются предложения, записанных на языках представления знаний, приближенных к естественному и понятным неспециалистам.
Существуют десятки моделей (или языков) представления знаний для различных предметных областей.
Большинство из них может быть сведено к следующим классам:
- продукционные;
- семантические сети;
- фреймы;
- формальные логические модели.
При использовании продукционной модели БЗ состоит из набора правил. Программа, управляющая перебором правил, называется механизмом вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели, для ее подтверждения, к данным). Соответственно такие процессы вывода иногда называют прямой и обратной цепочками рассуждений. Данные – это исходные факты, на основании которых запускается механизм вывода, т.е. программа, выбирающая правила из БЗ и реализующая логический вывод заключений (решений).
В случае больших объемов БД и БД – сложных моделей ИИ - применяется, так называемый, механизм упрощения. Это программа, отбрасывающая не относящиеся к данной задаче данные и правила их обработки. В противном случае, решение задачи могло бы затянуться на неопределенное время вследствие полного перебора всех имеющихся данных и относящихся к ним правил.
Следующая модель представления знаний в СИИ – это семантические сети. Термин «семантическая» означает смысловая. Семантическая сеть - это ориентированный граф, вершины которого – понятия, а дуги – отношения между ними. Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:
- класс – элемент класса;
- свойство – значение;
- пример элемента класса.
Основное преимущество этой модели состоит в соответствии современным представлениям об организации долговременной памяти человека. Недостаток модели – сложность поиска вывода на семантической сети.
Другая модель представления знаний в СИИ – это фреймы. Frame, в переводе с английского, означает каркас или рамка.
Под фреймом понимается абстрактный образ или ситуация. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:
- фреймы – структуры, для обозначений объектов и понятий;
- фреймы – роли, для описания выполняемых функциональных назначений;
- фреймы – сценарии, для описания сценариев поведения объектов;
- фреймы – ситуации, для описания режимов работы.
Основным преимуществом фреймов как моделей представления знаний является способность отражать концептуальную основу организации памяти человека, а также ее гибкость и наглядность.
Еще один класс моделей представления знаний в СИИ – это формальные логические модели.
Традиционно в представлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов I порядка, когда предметная область или задача описывается в виде набора аксиом. Эта модель в промышленных системах практически не используется из-за того, что в ней предъявляются очень высокие требования и ограничения к предметной области. Она применяется в основном в исследовательских системах.