Введение
ИИ – понимают то что моделирует то, что априори свойственно человеку(Если нечто подаётся на вход системы, то на выходе должен быть такой же результат, если эту задачу решал человек) и по большому счёту, необязательно чтобы процесс решения задачи был в стиле человека экспорта.
Расширим понятие задачи ИИ, задачами свойственными так же и другим высокоорганизованным существам и их сообществам.
ИИ
1. Когнитивная – моделирует в основном только 2 составляющих человеческой психики(психика и разум. Интеллект ближе к психике нежели к разуму)
a. Память
b. Умение рассуждать в символьном виде
i. Экспертные системы являются одним из самых практически востребованных типов программных систем в области инженерии знаний.
2. Бионическая
a. Искусственные нейронные сети наиболее хорошо преспасоблена для задач распознания образа.(Моделирует психофизические процессы мозга(электрохимические процессы))
b. ГА моделируют процесс эволюции по Дарвину, для решения задач многокритериальной оптимизации.(поиск минимума или максимума)
c. Эвристическое программирование – * К ЭКЗАМЕНУ ЗНАТЬ ОТЛИЧИЕ ОТ ЭВРЕСТИЧЕСКИХ МЕТОДОВ В ДРУГИХ ВЕТКАХ ИСКУСТВЕННОГО ИНТЕЛЕКТА
3. Мультиагентные системы
Мультиагентные системы – системы Распределённого ИИ, которые предназначены для решения таких задач, с которыми ни один агент самостоятельно справиться не может. И лишь возможно совместное решение задачи целой совокупностью агентов взаимодействующеих между собой по принципу 3КО.(координация, кооперация, коммуникации(*)) + НАДО ЗНАТЬ ЧЕМ АГЕНТ ОТЛИЧАЕТСЯ ОТ ОБЪЕКТА
Инженерия знаний – наука, занимающаяся изучением и использованием подходов к разработке программных систем на когнитивных принципах ИИ, то есть:
1. Извлечение(приобретение) знаний(из информационных ресурсов, из экспорта, из процесса)
2. Представление знаний
3. Организация логического вывода
4. Объяснение хода рассуждений
Экспертная система – специализированная программная система которая на основе расширяемой БЗ экспертов в некоторой узкой проблемной области способна тиражировать знания и консультировать пользователей при решении задач (НЕФОРМАЛЬНЫХ) типа:
1. Диагностики(медицинской, юридической, поиск неисправностей)
2. Интерпретации задачи
3. Прогнозирование
4. Проектирование
5. Мониторинг
6. Управление, принятие решений
7. Обучени
Под неформальностью понимается, не отсутствие формул, а то что для решения задач, требуется выполнение символьных рассуждений, на основе эвристик(то есть знаний основанных на опыте, которые невозможно формально доказать, но которые составляют значительную часть знаний).
Не путать с эвристическими формулами, которые не имеют формального обоснования и доказательства.
Замечание:
Выше классификация приведена по типам решаемых задачи потому что моделируется. Надо понимать, что к системам ИИ, по областям применения относится большое число разнообразных систем, в частности интеллектуальные ИС, включающие широковостребованные на практике Системы Помощи Принятия Решений, в которых помимо БД, имеются компоненты и БЗ и компоненты приобретения знаний, МЛВ(механизм логического вывода) и компонента объяснения, то есть все составные компоненты любой экспертной системы. Кроме того в современных СППР за частую компонента приобретения знаний автоматизирована и способна приобретать знания не только в диалоговом режими, но и автоматически извекать знания из сырых данных по принципам Дата Мананинга(DataManing)textmaning,webmaning.
Понятие треугольника Фреге
Т.к. в когнетивной ветви искусственного интелекта большое внимание уделяется этапу анализа знаний, результаты которого сначал предстваляются в виде словоря терминов, понятий, концептов, которыми пользуется эксперт при рассуждений, а затем рисуется канцептуальный граф отражающий связи между этими концептами(связи могут быть разными например причина-следствие, цель-подцель, часть-целое(is a)) и лишь потом знания представляются на некотором языке представления, то необходимо понимать что такое концепт. Треугольник Фреге как раз представляет концепт как единство 3 составляющих.
1. То что обозначаетя
2. То чем обозначается
3. То что под этим подразумевается
НЛП задача распознавания
Т.к. речь идёт об информатики, то мы здесь говорим только о таком представлении понятий, который способен обрабатывать компьютер в автоматическом режиме, а это обозначает, что на уровне представления некоторым образом должно храниться и обрабатываться вторая составляющая треугольника Фреге, поэтому в отличие от данных в самом способе представления знаний вместе с данными хранится некотарая избыточная информация, которая необходима для интерпретации этих данных(! А приложениях БД интерпритация данных интерпретация зашита не в их представлениях, а в прикладных программах и в хранимках)
Поэтому если приложение основано на БЗ и верно спроектировано и реализовано в соответствии с принципами инженерии, то при изменении БЗ, система начинает решать совсем другие задачи, демонстрирует другое поведение, хотя никаких изменений в программный код системы не вносятся.
За частую БЗ ЭС называют программной ЭС
Отличие знаний от информации данных, архитектура ЭС, отличие ЭС от традиционных программ
Отличие знаний от данных и информации.
Def Данные – любые сведенья, факты зафиксированные на некотором носителе без относительно цели их использования. Таким образом данные – низжая форма информация, т.к. они представляют собой потенциальную информацию.
Def Информация – результат обработки, переработки (иногда многократной) данных с некоторой целью.
Def Знания – не просто факты, а некоторая дополнительная информация к этим фактам(определение, исключение, описание взаимосвязей с другими понятиями вместе с некоторым способом их интерпритации, котороый обычно зашит в самом способе представления знаний). Таким образом, знания – высшая форма информации, и в указанном выше смысле, знания по сравнению с данными носят избыточный характер.
Не путать избыточный характер знаний, с избыточностью данных. При представлении данных, поддрживается принцип минимальной избыточности данных.
Например:
После нормализации данных, при проектировании БД, избыточными являются только ключи. Тогда как в БЗ, указанная выше избыточность является желаемой и позволяет интерпретировать знания, с учётом их смысла и цели использования, некоторым унифицированным образом.
! Именно потому что данные низ. А знания верх, зачастую в литературе и в учебниках, эти 3 понятия называются информацией, но необходимо учитывать контекст, потому что для представления и обработки данных, информации и знаний, используются разные информационные технологии.
Технология – процесс состоящий из определённой совокупности шагов предназначеных для достижения некоторой цели, с использованием определённых способо, методов и т.п. дл\ некоторых целей.
Определения:
Способ
Метод
Методика
Недетерминированый алгоритм
ИС
1. БД*
a. Фоторафическая
b. Документальная
c. Подтекстовая
2. Общее ПО БД
3. Прикладное ПО
4. Аппаратное обеспечение
5. Человеческий ресурс
a. Обслуживающий
b. Использующий
c. Разрабатывающий
Факторафические БД – полностью структурированные данные и поэтому степень релевантности и пертенентности информации практически 100%, однако, это именно запросы к данным, а не к информации, то есть не учитывается семантика взаимосвязи между данными, не учитываются обобщающие, конкретизирующие понятия, синонимы и т.д.
Документальная – лишь часть реквизитов документо струтурирована(например структура правовых актов, дата принятия, орган принятия, тип документа), а остальная часть неструктурирована.
Полнотекстовые БД – соотношение доли неструктурированой информации к структурированной, намного больше в пользу неструктурированной информации.(Например: Всемирная библиотека художественной литературы)
Интернет можно назвать полнотекстовой БД, но в любом случае это ИС, потому что запрос к интернету всегда выполняется с некоторой целью.
Def релевантность – степень соответствия информации, информационному запросу.
Пертинентность – степень соответствия информации, информационной потребности пользователя.
AMADO
Данные ->ИС->Информация
Только информационный запрос.
ИТ
1. Разработкой и тиражированием ПО
2. Коммуникационные сетевые технологии
3. ИС
Красная книга Перми
1. Красной нитью в книге ….. анонс книжки про юриспруденцию …. В Перми
В отличие от традиционных подходов, использование срдств интелекуального поиска основаны на БЗ типа:
Красная книга<БД краёв и областей>
На рисунке представлен фрагмент лингивистической БЗ онтологического типа, представленой в виде симантической сети Понятий, поддерживающая основные парадигматические классы вида класс подкласс, род вид, и т.д.
Семантическая сеть – один из основных способов представления знаний на ровне с продукциями, логикой и фреймами.(мультиграф)
Какая бы модель представления знаний не Использовалась в любом случае, подходы к разработки системы на принципе инженерии знаний, позволяют разработать такого рода интеллектуальное приложение, базирующееся на знаниях, когда на уровне внешнего интерфейса с пользователем, в удобной форме на естественном языке, и или используя графический интерфейс, возможны изменения БЗ таким образом, что автоматически изменится поведение системы и при этом не потребуется внесений изменений в системный программный код, что невозможно при традиционных подходах.(пример с когнитивной игрой про голодного мужика)
СБЗ – система базирующая на знаниях
ЕЯ – естественный язык
Онтология – система состоящая из 3 компонентов <T,R,G>
Где T – словарь терминов
R- набор поддерживаемых примеров связей
G – способы интерпритации понятий из T через другие поняти из T под средством R.
На пример в качестве G в логической парадигме, во мнойгих онтологических моделях используются аксиомы формальной системы и правила вывода.
Онтология – артефакт
Сем. Сети – взаимосвязи
Замечание. Указанное определение очень похоже на определение семантической сети, с учётом поддерживаемых типов связей, однако надо понимать, что сем. Сети это способ представления знаний, а онтология сама БЗ, и она может быть представлена как в виде сем.сети так и в виде фреймов.
FOL(логика предикатов первого порядка first ordered logic)
Замечание относительно оксиоматики. Существует большое колличество разнообразных логик, которые зачастую являются некоторым специализированым подмножеством FOL. Онтологии на уровне модели базируются на так называемых дискриптивных, дискриптуционных, дискриптивных которые являются разрешимым подмножеством FOL. В частности стандарт представления онтологий язык OWL базируется на синтаксисе XML, а модель зависит от разновидностей этого языка.
Пример утверждений
Для любого х (Человек(х) & Пол(жен)) - >женщина(х)
Для любого х (Женщина(х) &Имеет детей(х))->мать(х)
На такого рода простых утверждениях базируется логика + поддерживаются утверждения типа неперсекается, хотя бы один, входит и т.д. рода ограничения, которые описывают утверждения о проблемной области утверждаемой задачи в терминах T и утверждений R. От сюда следует, что задавая запросы к БД по типу SQL в терминах онтологии можно получать ответы на запросы к БЗ которая строитсся по типу логического вывода в FOL при этом учиттываются все утверждения и т.д. Самый популярный язык для OWL это SPARQL.
BigData В поисках должны использоваться сильные ресурсы типа частотных словорей и словорей синонимов, качество ответа во многом зависит, от того учитывают ли эти словори контекст, в котором используются эти синонимы, в частности в WordNet используется понятие SenSet при котором понятия считаются синонимами, только если они попадают в один SenSet, а SenSet это подмножество целой иерархии категории смыслов.
СБЗ,ЭС,онтологии