Ответы на вопросы. Ответы на контрольные вопросы. 1. Что такое ии

• Название: 1. Что такое ии
• Анкор: Ответы на вопросы
• Дата: 02.03.2023
• Размер: 205.41 Kb.
• Имя файла: Ответы на контрольные вопросы.docx
• Тип: Исследование; #963736

1. ЧТО ТАКОЕ ИИ?
Искусственный интеллект (ИИ) — область научного знания, объединяющая большое число направлений, занимающихся исследованием принципов и закономерностей мыслительной деятельности и моделированием задач, которые традиционно относят к интеллектуальным.

Искусственный интеллект разделяют на два основных направления:

• Символьное (логическое, семиотическое, нисходящее) основано на моделировании высокоуровневых процессов мышления человека, на представлении и использовании формализованных знаний - классический ИИ;

• Нейрокибернетическое (нейросетевое, бионическое, восходящее) основано на моделировании структур мозга, состоящих из нейронов (нейронных сетей) – нейроинформатика

• Есть еще:

– Гибридное направление в ИИ (гибридные интеллектуальные системы),

– Когнитивные системы (обучающиеся понятиям),

– Коллективный интеллект (swarm intelligence),

– Генетические алгоритмы (эволюционное моделирование),

– Распознавание образов, – Иммунные системы и т.д.
2. КАКИЕ СУЩЕСТВУЮТ НАПРАВЛЕНИЯ ИССЛЕДОВАНИИ В ОБЛАСТИ ИИ? [Л1]

• 
  Алгоритмы решения сложных (интеллектуальных) задач (1950-е годы)
  
• 
  Представление и обработка формализованных знаний (1960-1970 г). Сейчас – онтологии и распределенный интеллект в Интернет
  
• 
  Искусственные нейронные сети (с 1943г.)
  
• 
  Техническое зрение и распознавание образов (с 1956г.)
  
• 
  Промышленные роботы и заводы-автоматы (с 1960г.)
  
• 
  Artificial General Intelligence (AGI) – универсальный ИИ (2000 - сейчас)
  
• 
  Интеллектуальные и когнитивные роботы (2000 - сейчас)
  
• 
  Киборги (2000 - сейчас)
  
• 
  Интеллектуальное окружение (2000 - сейчас)
  
• 
  Нейроморфные технологии (2007-сейчас)
  

3. КАК ВЫ ПОНИМАЕТЕ «МАШИННЫЙ ИНТЕЛЛЕКТ»?
Машинный интеллект - это нечто иное, как внутренний интеллект ЭВМ, который обеспечивается ее собственным оборудованием.

Машинный интеллект состоит из трех главных аспектов: восприимчивости к языкам пользователей; реализации методов и средств обработки знаний как сложных структур данных (ССД); автоматизированной организации вычислительного процесса во взаимодействии с пользователями.

МАШИННЫЙ ИНТЕЛЛЕКТ

• 
  рассматривает продукт интеллектуальной деятельности человека;
  
• 
  изучает его структуру (выделяя различные направления интеллектуальной деятельности: решение задач, доказательство теорем, игры);
  
• 
  стремится воспроизвести этот продукт средствами современной техники.
  

9. ЧТО ТАКОЕ НЕЙРОННЫЕ СЕТИ?
Нейронная сеть — это последовательность нейронов, соединенных между собой синапсами. Структура нейронной сети пришла в мир программирования прямиком из биологии. Благодаря такой структуре, машина обретает способность анализировать и даже запоминать различную информацию. Нейронные сети также способны не только анализировать входящую информацию, но и воспроизводить ее из своей памяти. Заинтересовавшимся обязательно к просмотру 2 видео из TED Talks: Видео 1, Видео 2). Другими словами, нейросеть это машинная интерпретация мозга человека, в котором находятся миллионы нейронов передающих информацию в виде электрических импульсов.

10. НАЗОВИТЕ ОСНОВНЫЕ ПРОБЛЕМЫ СОЗДАНИЯ СИСТЕМ ЗНАНИЙ.

https://cyberleninka.ru/article/n/problemy-proektirovaniya-i-razrabotki-bazy-znaniy/viewer
http://www.maksakov-sa.ru/Iskustven_intelekt/Sist_znan/index.html

Одной из ключевых проблем создания ИИ является проблема представления и использования знаний, разработка осуществляет­ся различными направлениями ИИ.

Прежде всего необходимо формализовать соответствующую об­ласть прикладного знания. Это трудная задача, поскольку решается она вручную и требует совместной работы специалистов-прик­ладников и математиков. Для проведения формализации требуется выбрать или построить концептуальную схему модели. Разработка методологии всех этих операций и составляет содержание первой проблемы—проблемы формализации.

Вторая проблема — проблема представления знаний - разработка формального аппарата для описания способов их фикции в памяти ЭВМ.

Разработка теории вычислений и других преобразований, проводимых в построенных моделях, составляет третью проблему — проблему использования знаний.

И, наконец, четвертая, технологическая проблема, решением кс торой занимаются системные программисты,— это проблема paзработки средств программной поддержки моделей, т. е. создания знаний и систем управления ими.

11. ПЕРЕЧИСЛИТЕ ТРЕБОВАНИЯ К СИСТЕМАМ ЗНАНИЙ.

https://works.doklad.ru/view/x4GS1bfvoXM/all.html

1. 
   Терпимость к противоречиям;
   
2. 
   Обеспечение вывода, т.е. система значений должна быть способна к логическому выводу, как из имеющейся информации, так и из поступающей вновь.
   

Различают два типа вывода:

• 
  свободный (вывод связан с поступлением новой информации);
  
• 
  направленный (вывод связан с поступлением конкретного запроса).
  

3. Критичность к новой информации – способность проверить достоверность новой информации и согласовать её с имеющимися значениями.

4. 
   Дробность системы знаний – знания в системе должны быть разбиты на фрагменты, каждый из которых может быть использован.
   
5. 
   Обучаемость и способность к переструктуированию знаний.
   

12. РАССКАЖИТЕ О ДЕКЛАРАТИВНЫХ И ПРОЦЕДУРНЫХ ЗНАНИЯХ.
Декларативные знания состоят из множества описаний состояний и условий переходов между ними, которые носят синтаксический (символьный) характер и не содержат в явном виде описания исполняющих процедур.

– Вывод и принятие решений осуществляется процедурами поиска в пространстве состояний, которые учитывают семантику (смысл) конкретной предметной области. Универсальность и общность декларативных знаний обеспечивается разделением синтаксических и семантических знаний.

Процедурные знания включают исходные состояния и явные описания процедур, обрабатывающих исходные знания при необходимости получения состояния полного множества производных знаний.

– Это позволяет отказаться от хранения всех состояний БЗ, требуемых при выводе и принятии решений. Здесь семантика вводится в описания процедур, генерирующих синтаксические знания. Так экономится память при хранении знаний, но возможности выполнения процедур ухудшаются.

Процедурные и декларативные знания

• Чисто процедурные знания – описание алгоритма на каком-то алгоритмическом языке

• Если в этой программе есть описание переменных, а особенно, таких как массивы, структуры, объекты, то это уже декларативная составляющая знания

• Чисто декларативные знания – реляционная база знаний в простой СУБД (без встроенных процедур, не в MS Access), например, в MySQL.

13. ДАЙТЕ КРАТКУЮ ХАРАКТЕРИСТИКУ МОДЕЛЯМ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ.[Л2 стр.15-29]

• 
  Модель знаний является представлением системы знаний с помощью определенного формализма, т.е, универсального математического аппарата для корректного формального описания и построения процедуры решения задачи.
  
• 
  Могут использоваться такие формализмы, как функциональный, основанный на λ-исчислении, логический на исчислении предикатов первого порядка, алгоритмический на базе формальной машины Тьюринга и объектный — на базе теории факторов.
  

Модели знаний можно разделить на: (причём каждая модель может иметь ряд форм, определяющих ее конкретные реализации!)

• 
  Реляционные - в основе реляционной модели лежат теория отношений и логика.
  

Эта модель использует понятие формальной системы, задаваемой как

R = (Т, Р, А, F), где

R - система отношений,

Т - множество базовых элементов,

Р – множество синтаксических правил, позволяющих строить из множества элементов Т синтаксически правильные выражения;

А - множество априорно истинных выражений (аксиом);

F - семантические правила вывода, позволяющие расширить множество А за счет других выражений.

Формы реляционной модели

Предикатная форма	является наиболее строгой и доказательной. Она имеет мощную программную поддержку в виде универсального языка логического программирования PROLOG, фактически применяемого как оболочку для разработки логических интеллектуальных систем.
Продукционная форма	менее строгая, но более популярная, используется для представления знаний в виде импликативных отношений и связок И и ИЛИ между фактами. Вывод в такой системе знаний осуществляется на основе дедуктивной логики и процедур эвристического поиска. Продукционная форма также поддерживается программно, но специализированными средствами типа языка разработки систем продукций (OPS-5 и пр.).
Лингвистическая форма	является развитием продукционной для применения в естественно-языковых системах (общение с ЭВМ, машинный перевод), Она поддерживается специализированными языками типа ATNL.

• 
  Объектные - в основе объектной модели лежат теория семантических и фреймовых сетей, а также теория акторов.
  

Эта модель использует понятие формальной системы, задаваемой как:

N = (C, O, S, I),

где: N — сеть объектов, связанных разными отношениями;

С - множество классов объектов, связанных отношениями классов;

О - множество объектов, связанных отношениями объектов;

S - структура классов и объектов, определяющая конкретные связи между ними;

I – правила преобразования объектов и вывода на сети объектов.

При построении интеллектуальных систем используются семантическая, фреймовая и универсальная формы объектной модели знаний.

Наиболее простая форма семантической сети	часто применяется для отображения системы понятий в про6лемной области и вывода в этой системе. Она поддерживается специализированными языками семантических сетей, таких как NETL, ATNL.
• Фреймовая форма	является мощным средством построения больших иерархических систем знаний при обработке изображений, речевых образов, процессов управления, диагностирования и пр. Для поддержки разработки фреймовых систем используются основанные на LISP языковые средства типа FRL, FMS и др.
• Универсальная объектная форма	в настоящее время развивается и часто используется в практических разработках мощных распределенных сетевых систем знаний для моделирования, управления, проектирования и пр. Программная поддержка этой формы знаний обширна: основанные на LISP языки типа CLOS, LOOPS и др., объектно-ориентированные языки типа Smalltalk, С++ и др.

• 
  Ассоциативные - в основе ассоциативной модели знаний лежат ассоциативная логика, нейродинамика и когнитология.
  

Эта модель использует понятие формальной системы, задаваемой как

A = (U, C, L, I),где

А — ассоциативная сеть представления знаний;

U - множество узловых элементов ассоциативной сети;

С — множество коннекций (контактных связей) элементов;

L - множество правил построения сети и определения параметров коннекций;

I — правила ассоциативного вывода (процедуры процессирования знаний).

Разные проявления ассоциативной модели вылились в ассоциативные логическую, нейронную формы:

Логическая форма ассоциативной модели знании	основана на использовании в узловых элементах сети логических вычислительных базисов: предикатного, продукционного, семантического. Наиболее часто процессирование информации в элементах сети осуществляется в нечетко-логическом, вероятностно логическом базисах. При этом в узлах вычисляются оценки в виде степеней принадлежности к нечетким множествам или вероятности фактов событий с учетом силы коннекций. Такие системы находят применение при управлении динамическими объектами, распознавании образов и пр. • Примеры – байесовы сети, цепи Маркова.
Нейронная форма ассоциативной модели знании	предполагает использование в узловых элементах (формальных нейронах) сети мультипликативноаддитивного базиса с пороговым или линенйно ограниченным выходом. • Сила коннекций трактуется здесь как сила синаптических связей нейронов и определяется только путем обучения. • Нейронная форма ассоциативного отображения знаний по сравнению с простой нейросетью всегда структурирована, т. е. состоит из связанных локальных нейросетей, объединенных иерархически. Такая сложная структура может обладать свойством когнитивности, что отражается в названиях нейромоделей: COGNITRON, NEOCOGNITRON и пр. • Развитие таких моделей происходит в рамках коннективистского направления в искусственном интеллекте. Нейронные системы эффективны при решении задач классификации и аппроксимации.
Универсальная форма ассоциативной модели знаний	использует базис узловых элементов сети, настраиваемый из условий наилучшего отображения системы знаний. • Как правило такая форма применяется для представления сложных систем знаний, поэтому она имеет средства структуризации. Компонентом структуры может быть объект, содержащий локальную систему знаний, средства наполнения или коррекции ее путем обучения и интерфейсные средства вводы-вывода и обмена с другими объектами. Такой объект может быть назван когнитивным, а сами системы — когнитивными системами. В настоящее время когнитивные системы на ассоциативной модели знаний интенсивно изучаются.

Программная поддержка ассоциативных интеллектуальных систем осуществляется только специализированными инструментальными средствами такими, как – пакет для разработки ассоциативной памяти STARAN, – нейросетевой пакет ВRAINMAKER, – пакет для разработки нечетких систем FUZZY ТЕСН и др.

14. КАК ВЫ ПОНИМАЕТЕ ЛОГИЧЕСКУЮ И СЕТЕВУЮ МОДЕЛИ ЗНАНИЙ?

15. ЧТО ТАКОЕ ФРЕЙМ?
«Фрейм — это структура данных, представляющая стереотипную ситуацию, вроде нахождения внутри некоторого рода жилой комнаты или сбора на вечеринку по поводу дня рождения ребенка. К каждому фрейму присоединяется несколько видов информации. Часть этой информации — о том, как использовать фрейм. Часть о том, чего можно ожидать далее. Часть о том, что следует делать, если эти ожидания не подтвердятся».

Эта структура представляет собой некий шаблон, извлекаемый из памяти при возникновении новой или изменении содержания существующей ситуации, который может быть адаптирован под сложившуюся реальность.