Лекции. Конспект лекций по дисциплине вгипу, 2009 Конспект лекций по дисциплине Автоматизированные системы управления на автомобильном транспорте
 Скачать 163.32 Kb.
|
|
Глава 8. Искусственный интеллект 8.1. Нейроподобных системы Над созданием искусственного интеллекта были сконцентрированы усилия ученых различных профессий и специальностей: философов, математиков, психологов, лингвистов, кибернетиков, инженеров, медиков. Основная идея заключается в том, чтобы создать устройство, способное выполнять некоторые мыслительные функции человека более рационально и с меньшими затратами времени и энергии. Проведенные исследования показали, что для создания искусственного интеллекта необходимо не только научиться имитировать работу человеческого мозга (работу взаимосвязанных нейтронов), но и познать процессы функционирования человеческого разума. К настоящему времени пришли к выводу, что искусственный интеллект должен уметь: - решать сложные задачи быстрее и находить наиболее оптимальные решения; - делать обобщения; - самообучаться. Таким образом, искусственный интеллект – программный комплекс, имитирующий на компьютере мышление человека. Для создания такой системы необходимо изучить процесс мышления человека, решающего определенные задачи или принимающего решение в конкретной области, выделить основные шаги этого процесса и разработать программное средство, воспроизводящее их на компьютере. Системы искусственного интеллекта имеют тесные взаимосвязи с логикой, психологией и лингвистикой, которые изучают явления, относящиеся к познанию и построению умозаключений. Создание искусственного интеллекта осуществляется по следующим направлениям: а) моделирование двигательных функций живых организмов, в том числе человека; б) моделирование работы человеческого мозга. Важнейшее направление разработки систем искусственного интеллекта связано с реализацией эвристического подхода к построению таких систем. Особенностью данного направления является полный отказ от моделирования интеллектуальной деятельности. Наибольшее распространение данное направление получило при решении различных игровых задач (шахматы, шашки и т. д.), а также в таких системах искусственного интеллекта, как системы общения, распознавания образов, робототехнические системы и т. д. При этом для каждой прикладной задачи составляются зависимости получения результатов, исходя из исходных данных. Особенностью робототехнических систем, является то, что эти системы не только воспринимают информацию из окружающего мира и анализируют ее, но и, исходя из проведенного анализа, преобразуют себя, свое состояние, преобразуют свое окружение (происходит самообучение). Основной проблемой для робототехнических систем является распознавание образов, или машинное зрение. Машинное зрение заключается в преобразовании всего многообразия наблюдаемых объектов к относительно небольшому и осмысленному описанию анализируемой проблемной ситуации, и поиску одной стандартной ситуации, хранящейся в базе данных. Нейронный подход к созданию искусственного интеллекта основан на моделирование работы головного мозга, который г является самой сложной из известных нам систем переработки информации. Достаточно сказать, что в нем содержится около 100 миллиардов нейронов, каждый из которых имеет в среднем 10000 связей. При этом мозг чрезвычайно надежен: ежедневно погибает большое количество нейронов, а мозг продолжает функционировать. Обработка огромных объемов информации осуществляется мозгом очень быстро, за доли секунды, несмотря на то, что нейрон является медленнодействующим элементом со временем реакции нескольких миллисекунд. Нервные клетки, или нейроны, представляют собой особый вид клеток в живых организмах, обладающих электрической активностью, основное назначение которых заключается в оперативном управлении организмом. Нейрон имеет тело (сому), дерево входов (дендриты) и выходов (аксон) и его окончания. Каждый нейрон реализует некоторую функцию, называемую пороговой, над входными значениями. Если значение функции превышает определенную величину – порог (что характеризует суммарную значимость полученной нейроном информации), нейрон возбуждается и формирует выходной сигнал для передачи его другим нейронам. Отдельные нейроны, соединяясь между собой, образуют новое качество, которое, в зависимости от характера межнейронных соединений, образует различные уровни биологического моделирования: группа нейронов, нейронная сеть, нервная система, мыслительная деятельность, мозг. Современные цифровые вычислительные машины способны с высоким быстродействием и точностью решать формализованные задачи с вполне определенными данными по заранее известным алгоритмам. Однако в тех случаях, когда задача не поддается формализации, а входные данные не полны, зашумлены или противоречивы, применение традиционных компьютеров становится неэффективным. Альтернативой им становятся специализированные компьютеры, реализующие нетрадиционные нейросетевые технологии. Сильной стороной этих комплексов является нестандартный характер обработки информации. Она кодируется и запоминается не в отдельных ячейках памяти, а в распределении связей между нейронами и в их силе, поэтому состояние каждого отдельного нейрона определяется состоянием многих других нейронов, связанных с ним. Следовательно, потеря одной или нескольких связей не оказывает существенного влияния на работу системы в целом, что обеспечивает ее высокую надежность. Приведенные выше преимущества нейросетевой обработки данных определяют области применения: обработка и анализ изображений, распознавание речи (ввод текста с голоса), обработка высокоскоростных цифровых потоков, перевод текста с одного языка на другой, автоматизированная система быстрого поиска информации, классификация информации в реальном масштабе времени, планирование применения сил и средств в больших масштабах, решение трудоемких задач оптимизации. С инженерной точки зрения, нейроподобная сеть представляет собой сильно распараллеленную динамическую систему с топологией направленного графа, которая может выполнять переработку информации при помощи изменения своего состояния в ответ на постоянный или импульсный входной сигнал. По мере развития элементной базы ЭВМ стало возможным реализовать модели нейронных сетей в компьютерах нового поколения – нейрокомпьютерах. Таким образом, можно сделать следующие выводы: Искусственный интеллект – научная дисциплина, изучающая процесс мышления человека: работу головного мозга и центральной нервной системы живых организмов. Цель – разработка моделей и методов решения задач, не поддающихся на современном этапе формализации и автоматизации, для аппаратной и программной реализации средствами вычислительной техники. Нейросетевые технологии дали мощный импульс новейшей отрасли науки и техники – биоэлектроники, изучающей принципы и методы обработки информации живыми организмами с целью создания высокопроизводительных, надежных и интеллектуализированных вычислительных средств. Одним из направлений бионического подхода к созданию интеллектуальных компьютерных систем являются исследования в области создания нейрокомпьютера, который представляет собой систему нечисловой информационно-логической обработки данных. Отличительной чертой нейронных сетей является их способность самообучаться в зависимости от изменения внешней среды, извлекая скрытые закономерности из потока данных. Принципы и идеи, закладываемые в системы искусственного интеллекта, имеют широкое практическое использование (от роботов, способных танцевать, играть в шахматы, футбол, теннис, ухаживать за больными до создания сложных интеллектуальных систем, способных к обучению и адаптации к изменяющимся внешним воздействиям). 8.2. Экспертные системы Экспертные системы – это первые системы искусственного интеллекта, доведенные до практического использования. В отличие от традиционных программ, предназначенных для решения задач по точным алгоритмам, с помощью экспертных систем решаются задачи, относящиеся к классу неформализованных или слабо формализованных (недетерминированных) задач. Алгоритмические решения таких задач или не существуют в силу неполноты, неопределенности, неточности, расплывчатости рассматриваемых ситуаций, или алгоритмы настолько сложны, что для их реализации не существует математического аппарата. Экспертные системы должны сыграть роль высококвалифицированных помощников, способных дать полезный совет управленцу, находящемуся в затруднительном положении. Им может оказаться молодой, имеющий недостаточный опыт врач, перед которым возникла необходимость провести сложную и необычную операцию. Им может быть биолог, которому срочно понадобились знания на уровне нейрофизиолога, или любой другой исследователь и специалист. Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличие от человека экспертные системы к любой информации подходят объективно, что улучшает качество производимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала. Экспертные системы распадаются на два класса: предназначенные для повышения уровня знаний, квалификации специалистов в различных областях деятельности (врачей, геологов, инженеров и т. д.); консультирующие и диагностирующие, используемые для оказания помощи управленческому персоналу в решении сложных, слабо формализованных задач. Основой функционирования экспертных систем является база знаний. Это информационный массив, состоящий из жестко установленных (декларативных) правил и факторов, включающих эвристические методы или правила решения задач, в том числе для выработки гипотез, обработки информации и логики получения выводов. В экспертную систему входят: лингвистический (языковой) процессор, предназначенный для общения пользователя с экспертной системой на понятном для него языке; база данных, предназначенная для хранения текущего состояния решаемой задачи: гипотез и результатов, к которым экспертная система обращается при решении задачи; в ней также хранится динамическая информация о меняющемся состоянии объекта управления; блок логического вывода, определяющий порядок выполнения правил; он предназначен для выбора правила выполнения того или иного действия экспертной системой; включает интерпретатор правил, ориентированный на их применение в конкретной ситуации и аппарат согласования, корректирующий процедуру оценки достоверности принимаемого решения. Пользователь – специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока, и поэтому он нуждается в помощи и поддержке своей деятельности со стороны экспертной системы. Интеллектуальный редактор осуществляет обработку новых знаний и дает возможность эксперту в диалоговом режиме пополнять базу знаний (данных). Лингвистический процессор обеспечивает комфортный интерфейс между пользователем и экспертной системой. В нем реализуются процедуры морфологического, синтаксического и семантического контроля запросов пользователя и приведения их к виду, «понятному» ЭВМ. Блок логического вывода обрабатывает запрос пользователя по базе данных. В случае поступления незнакомой (неизвестной) ситуации подготавливает запрос эксперту. Этим обеспечивается самообучение системы. В настоящее время разрабатываются специальные стандартные пакеты программ (оболочки экспертных систем), облегчающие создание и ведение базы данных экспертных систем. Этапы проектирования экспертных систем: - формулировка прикладной задачи (постановка задачи). - создание базы знаний (данных) в конкретной прикладной области: - сбор и систематизация различных управленческих ситуаций; - анализ экспертами управленческих ситуаций и выработка управленческих решений; - формализация знаний; - разработка моделей решения задач в данной предметной области. Область применения экспертных систем достаточно обширна: - медицинский диагноз и консультации по лечению; - оценка степени риска в экономике, политике; - космические исследования; - управление проектированием; - консультации и оказание помощи при решении задач в различных областях человеческой деятельности (ремонт оборудования, геологоразведка, планирование, прогнозирование и т. д.). Таким образом, экспертные системы в информационных технологиях – это знания экспертов, загруженные в компьютер и используемые всякий раз, когда в этом возникает необходимость. Это лучше, чем держать постоянно в штате экспертов. В этом случае экспертные системы представляют собой электронных экспертов в определенной области знаний или практики. |