ИИСиТ вопросы и ответы. ИИСиТ - вопросы 2018 ответы. Вопросы к экзамену Искусственный интеллект, понятие интеллектуальной информационной технологии
 Скачать 0.71 Mb.
|
|
Методы приобретения и извлечения знаний. Рассматривая методы приобретения знаний, будем использовать следующие термины: извлечение, получение, формирование, приобретение знаний и обучение БЗ. Определим сущность указанных терминов. Под извлечением знаний будем понимать процесс приобретения материализованных знаний из текстологических источников информации с помощью некоторой совокупности методов и процедур, позволяющих переходить от знаний в текстовой форме к их аналогам для ввода в базу знаний СИИ. Получение знаний — это процесс приобретения вербализуемых и невербализуемых знаний эксперта, основанный на использовании непосредственно им самим или инженером по знаниям соответствующих приемов, процедур, методов и инструментальных средств. Формирование знаний — это процесс автоматического приобретения (порождения) системой искусственного интеллекта или инструментальным средством нового и полезного знания из исходной и текущей информации, которое в явном виде не формируют эксперты, в целях освоения новых процедур решения прикладных задач на основе использования различных моделей машинного обучения. Под приобретением знаний будем понимать процесс, основанный на переносе знаний из различных источников в базу знаний путем использования различных методов, моделей, алгоритмов и инструментальных средств. Понятие получение знаний соотносится с понятиями извлечение, приобретение, формирование знаний как часть — целое. То есть включает в себя процессы извлечения, приобретения и формирования знаний. Обучение базы знаний (БЗ) — это процесс ввода (переноса) приобретенных знаний в систему искусственного интеллекта (СИИ) на основе применения совокупности методов, приемов и процедур в целях ее заполнения, расширения и модификации. Примерами задач приобретения знаний являются: - выявление причинно-следственных связей между атрибутами реляционной базы данных и формирование их в виде правил в продукционной экспертной системе; - формирование программы (или правил) решения задачи (например, планирования производственного процесса или поведение робота) на основе примеров удачного планирования, вводимых в компьютер; - выявление информативных признаков для классификации объектов, существенных с точки зрения решаемой задачи. Классификация интеллектуальных систем, характерные признаки ИИС. Для интеллектуальных информационных систем характерны следующие признаки: − развитые коммуникативные способности; − умение решать сложные плохо формализуемые задачи; − способность к самообучению; − адаптивность. Способность к самообучению – это возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций. Адаптивность – способность к развитию системы в соответствии с объективными изменениями модели проблемной области. В соответствии с перечисленными признаками ИС делятся на (данная классификация – одна из возможных): − системы с коммутативными способностями (с интеллектуальным интерфейсом); − экспертные системы (системы для решения сложных задач); − самообучающиеся системы (системы, способные самообучению); − адаптивные системы (адаптивные информационные системы).  Классификация интеллектуальных систем, решаемые задачи. Интеллектуальные базы данных отличаются от обычных баз данных возможностью выборки по запросу необходимой информации, которая может явно не храниться, а выводиться из имеющейся в базе данных. Гипертекстовые системы предназначены для реализации поиска по ключевым словам в базах текстовой информации. Системы контекстной помощи можно рассматривать как частный случай интеллектуальных гипертекстовых и естественно-языковых систем. В отличие от обычных систем помощи, навязывающих пользователю схему поиска требуемой информации, в системах контекстной помощи пользователь описывает проблему (ситуацию), а система с помощью дополнительного диалога ее конкретизирует, и сама выполняет поиск относящихся к ситуации рекомендаций. Системы когнитивной графики позволяют осуществлять интерфейс пользователя с ИС с помощью графических образов, которые генерируются в соответствии с происходящими событиями. Такие системы используются в мониторинге и управлении оперативными процессами. Экспертные системы предназначены для решения задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в рассматриваемой проблемной области. Многоагентные системы – это динамические системы, для которых характерна интеграция в базе знаний нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе. Самообучающиеся системы основаны на методах автоматической классификации примеров ситуаций реальной практики. Индуктивные системы используют обобщение примеров по принципу от частного к общему. Нейронные сети представляют собой устройства параллельных вычислений, состоящие из множества взаимодействующих простых процессоров. Адаптивная информационная система – это информационная система, которая изменяет свою структуру в соответствии с изменением модели проблемной области. Классификация интеллектуальных систем, используемые методы.  Если классифицировать интеллектуальные информационные системы по критерию «используемые методы», то они делятся на жесткие, мягкие и гибридные.  Мягкие вычисления (Soft Computing) – это сложная компьютерная методология, основанная на нечеткой логике, генетических вычислениях, нейрокомпьютинге и вероятностных вычислениях. Жесткие вычисления – традиционные компьютерные вычисления. Гибридные системы – системы, использующие более чем одну компьютерную технологию (в случае интеллектуальных систем – технологии искусственного интеллекта). Отсутствие четкой классификации также объясняется многообразием интеллектуальных задач и интеллектуальных методов, кроме того, искусственный интеллект – активно развивающаяся наука, в которой новые прикладные области осваиваются ежедневно. |