пр 2. ПР №2 -Представление знаний - Семантическая сеть. Введение базовые понятия и основные направления исследований в области искусственного интеллекта
 Скачать 179.69 Kb.
|
ВВЕДЕНИЕБазовые понятия и основные направления исследований вобласти искусственного интеллектаИнтеллект – внутреннее свойство человеческой личности (или искусственной системы), позволяющее ей принимать правильные решения в условиях неопределенности внешней среды. Искусственный интеллект (англ. – artificial intelligence) – это искусственные программные системы, созданные человеком на базе ЭВМ и имитирующие решение человеком сложных творческих задач в процессе его жизнедеятельности. Термин искусственный интеллект (ИИ) был предложен в 1956 г. на семинаре в Дартмутском колледже. На сегодняшний день существует множество определений, описывающих данное понятие. Чтобы пояснить понятие «искусственный интеллект», необходимо понимать отличие интеллектуальной задачи от простой. Принято считать, если для задачи найден алгоритм еѐ решения, то она не относится к интеллектуальным. Это связано с тем, что, имея алгоритм, процесс решения данного класса задач становится таким, что его может в точности выполнить человек или компьютер, не имеющие ни малейшего представления о сущности самой задачи. С другой стороны, отыскание алгоритма для задач некоторого типа связано со сложными рассуждениями, требующими большой изобретательности и высокой квалификации. Таким образом, интеллектуальные задачи относятся к классу трудноформализуемых задач, т.к.: в этих задачах используется, помимо традиционных данных в числовом формате, информация в виде изображений, рисунков, знаков, букв, слов, звуков; предполагается сделать выбор между многими вариантами в условиях неопределѐнности; не существует алгоритмического решения задачи; алгоритмическое решение существует, но его нельзя использовать изза ограниченности ресурсов. Искусственный интеллект, как научное направление, в рамках которого ставятся и решаются задачи моделирования интеллектуальной человеческой деятельности, опирается на ряд дисциплин (рис. 1).  Рис. 1. Дисциплины, являющиеся основой ИИ. С конца 1970-х годов для поддержки решения интеллектуальных задач, традиционно выполнявшихся людьми, на основе исследований в области ИИ сформировалась новая отрасль компьютерной индустрии – разработка интеллектуальных информационных систем. Информационная система – взаимосвязанная совокупность средств, методов и персонала, используемых для хранения, обработки и выдачи информации в интересах достижения поставленной цели. Интеллектуальная информационная система (ИИС)должна уметь в наборе фактов распознать существенные и из имеющихся фактов и знаний сделать выводы с использованием дедукции, аналогии, индукции и т.д. Кроме того, она должны обладать средствами оценки результатов собственной работы. С помощью подсистем объяснения она может ответить на вопрос, почему получен тот или иной результат. Наконец, ИИС должна уметь обобщать, улавливая сходство между имеющимися фактами, и накапливать опыт. Примерами интеллектуальных информационных систем могут быть: Экспертные системы – системы, имитирующие образ действия высококвалифицированных специалистов в конкретных предметных областях; Системы общения с ЭВМ на естественном языке – специализированные диалоговые системы, обеспечивающие «дружественный» интерактивный диалог человека-оператора с ЭВМ; Системы обработки сигналов и изображений – информационные системы, осуществляющие сбор и обработку информации о состоянии объектов, ее анализ (распознавание, интерпретация), прогнозирование и т.д.; Системы управления – управляющие информационные системы, обеспечивающие оценку состояния управляемого объекта (процесса, системы) и принятие решений с целью достижения высокого качества или выбора стратегии функционирования объекта в условиях неопределенности. История попыток создания искусственного разума насчитывает более 700 лет. Первую зафиксированную в истории попытку создания машины, моделирующей человеческий разум, связывают с именем испанского изобретателя Раймунда Луллия. Развивая традиции учѐных своего времени, Луллий сконструировал машину, состоявшую из системы кругов, вращая которые можно было получить «формулу истины». По существу она представляла собой механическую экспертную систему. В XVIII в. Лейбниц и Декарт независимо друг от друга продолжили идеи, заложенные Луллием, предложив универсальные языки классификации всех наук. Эти работы можно считать первыми теоретическими работами в области ИИ. В 40-х гг. XX в. с появлением компьютера ИИ обрѐл второе рождение. Произошло выделение ИИ в самостоятельное научное направление. Исследования в области ИИ проводились в трѐх направлениях. В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Второй подход ориентирован на моделирование интеллектуальной деятельности с помощью компьютера. Третий подход основан на симбиозе возможностей естественного и искусственного интеллекта для создания интерактивных ИИС. На сегодняшний день методы ИИ позволили создать эффективные компьютерные программы в самых разнообразных, ранее считавшихся недоступными для формализации и алгоритмизации, сферах человеческой деятельности, таких как медицина, биология, зоология, социология, культурология, политология, экономика, бизнес, криминалистика и т.п. Среди важнейших классов задач, которые ставились перед ИИС, следует выделить: доказательство теорем, управление роботами, распознавание образов, машинный перевод и понимание текстов на естественном языке и игровые программы. Представление знаний в системах искусственного интеллектаДанными называют информацию фактического характера, описывающую объекты, процессы и явления предметной области, а также их свойства. Знания – это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области. Знания описывают не только отдельные факты, но и взаимосвязи между ними, поэтому знания иногда называют структурированными данными. База знаний – совокупность программных средств, обеспечивающих поиск, хранение, преобразование и запись в памяти ЭВМ сложно структурированных информационных единиц – знаний. Проблема представления знаний в ИИС чрезвычайно актуальна, поскольку их функционирование опирается на знания о проблемной области, хранящиеся на компьютере. В рамках этой проблемы решаются задачи, связанные с формализацией и представлением знаний в ИИС. Для этого разрабатываются специальные модели представления знаний и языки для описания знаний, выделяются различные типы знаний. Выделяют два вида моделей предоставления знаний: декларативные и процедурные. В декларативных моделях предметная область представляется в виде синтаксического описания еѐ состояния. Вывод решений основывается на процедурах поиска в пространстве состояний. В процедурном представлении знания содержатся в небольших программах (процедурах), которые определяют поведение ИИС. При этом можно не описывать все возможные состояния среды или объекта для реализации вывода. Достаточно хранить некоторые начальные состояния и процедуры, генерирующие необходимые описания ситуаций и действий. К типовым декларативным моделям относят семантические сети и фреймы, а типовым процедурным моделям – исчисления высказываний / предикатов, системы продукций, нечѐткая логика. На практике редко удаѐтся обойтись рамками одной модели при разработке ИИС, поэтому представление знаний получается сложным. Семантическая сеть представляет собой ориентированный граф, вершинами которого являются информационные единицы, имеющие индивидуальные имена. В качестве информационной единицы могут выступать события, действия, обобщѐнные понятия или свойства объектов. Вершины графа соединяются дугой, если соответствующие информационные единицы находятся в каком-либо отношении. Фрейм представляет собой структуру данных, дающую целостное представление об объектах, явлениях и их типах в виде абстрактных образов. Структура фрейма записывается в виде списка свойств (слотов). Каждый фрейм имеет специальный слот, заполненный наименованием представляемой сущности, а другие заполнены значениями разнообразных атрибутов, ассоциирующихся с объектом. Логика высказываний представляет собой формальную систему, элементами которой являются простые высказывания, из простых высказываний образуются сложные с помощью логических знаков (связок). В логике изучается строение сложных высказываний, выраженных формулами, вне зависимости от содержания составляющих их простых высказываний. Логика предикатов является расширением логики высказываний. Основным объектом здесь является переменное высказывание (предикат), истинность и ложность которого зависят от значения его переменных. Язык логики предикатов является более мощным по сравнению с языком логики высказываний. Он пригоден для формализации понятий многих проблемных областей. Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа ЕСЛИ (условие), ТО (действие). Количественные данные (знания) могут быть неточными. Для учѐта неточности лингвистических знаний используется формальный аппарат нечѐткой алгебры. Одно из главных понятий в нечѐткой логике – это понятие лингвистической переменной, которое определяется через нечѐткие множества. Нечѐткие множества позволяют учитывать субъективные мнения отдельных экспертов. Лабораторная работа 2 «Представление знаний. Семантическая сеть»Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними. Узлы в семантической сети обычно соответствуют объектам, концепциям, событиям или понятиям. Любой фрагмент сети, например одна вершина, две вершины и соединяющие их дуги, называют подсетью. Логический вывод (поиск решения) на семантической сети заключается в том, чтобы найти или сконструировать подсеть, удовлетворяющую некоторым условиям. Отношения, представляемые дугами, в семантической сети могут быть различными (таблица 2). Типы отношений выбираются в зависимости от вида семантической сети (таблица 3) и решаемой задачи. Таблица 2. Основные виды отношений в семантических сетях.
Таблица 3.Типы семантических сетей.
Пример решения задачиЗадача. Построить сетевую модель представления знаний в предметной области «Ресторан» (посещение ресторана). Описание процесса решения. Для построения сетевой модели представления знаний необходимо выполнить следующие шаги: 1) Определить абстрактные объекты и понятия предметной области, необходимые для решения поставленной задачи. Оформить их в виде вершин. 2) Задать свойства для выделенных вершин, оформив их в виде вершин, связанных с исходными вершинами атрибутивными отношениями. Задать связи между этими вершинами, используя функциональные, пространственные, количественные, логические, временные, атрибутивные отношения, а также отношения типа «являться наследником» и «являться частью». Добавить конкретные объекты и понятия, описывающие решаемую задачу. Оформить их в виде вершин, связанных с уже существующими отношениями типа «являться экземпляром», «есть». Проверить правильность установленных отношений (вершины и само отношение при правильном построении образуют предложение, например «Двигатель является частью автомобиля»). Решение. Ключевые понятия данной предметной области – ресторан, тот, кто посещает ресторан (клиент) и те, кто его обслуживают (повара, метрдотели, официанты, для простоты ограничимся только официантами). У обслуживающего персонала и клиентов есть общие характеристики, поэтому целесообразно выделить общее абстрактное понятие – человек. Продукцией ресторана являются блюда, которые заказывают клиенты. Исходя из этого, вершины графа будут следующими: «Ресторан», «Человек», «Официант», «Клиент», «Заказ» и «Блюдо». У этих объектов есть определенные свойства и атрибуты. Например, рестораны располагаются по определенным адресам, каждое блюдо из меню имеет свою цену. Поэтому добавим вершины «Адрес» и «Цена». Определим для имеющихся вершин отношения и их типы, используя таблицу 2. Добавим знание о конкретных фактах решаемой задачи. Пусть имеется два ресторана: «Вкуснятина» и «Вкусная еда», в первом работает официантка Марина, а во втором официант Сергей. Пѐтр решил пойти в ресторан «Вкусная еда» и сделал заказ официанту на 2 блюда: картофель фри за 30 р., бифштекс за 130 р. Также известны адреса этих ресторанов и их специфика. Исходя из этого, добавим соответствующие вершины в граф и соединим их функциональными отношениями и отношениями типа «например или являться экземпляром». Полученный в результате граф изображен на рис. 3. Осуществим проверку установленных связей. Например, возьмем вершину «Блюдо» и пройдем по установленным связям. Получаем следующую информацию: блюдо является частью заказа, примерами блюд могут служить картофель фри и бифштекс.  Рис. 3. Семантическая сеть предметной области «Ресторан». Для получения ответа на какой-либо вопрос по этой задачи, необходимо найти соответствующий участок сети и, используя связи, получить результат. Например, вопрос «Какова цена заказа Петра (сколько Петр заплатил за заказ)?» Из запроса понятно, что необходимо найти следующие вершины: «Цена», «Петр» и «Заказ» или «Заказ Петра». Часть семантической сети, находящаяся между этими вершинами, содержит ответ, а именно, частью заказа Петра являются картофель фри и бифштекс, которые стоят 30 и 130 р. соответственно. Больше информации о заказе Петра в модели нет, поэтому делаем вывод – Петр заплатил 160 р. Варианты заданийПостроить продукционную модель представления знаний в предметной области «Аэропорт» (диспетчерская). Построить продукционную модель представления знаний в предметной области «Железная дорога» (продажа билетов). Построить продукционную модель представления знаний в предметной области «Торговый центр» (организация). Построить продукционную модель представления знаний в предметной области «Автозаправка» (обслуживание клиентов). Построить продукционную модель представления знаний в предметной области «Автопарк» (пассажирские перевозки). Построить продукционную модель представления знаний в предметной области «Компьютерные сети» (организация). Построить продукционную модель представления знаний в предметной области «Университет» (учебный процесс). Построить продукционную модель представления знаний в предметной области «Компьютерная безопасность» (средства и способы ее обеспечения). Построить продукционную модель представления знаний в предметной области «Компьютерная безопасность» (угрозы). Построить продукционную модель представления знаний в предметной области «Интернет-кафе» (организация и обслуживание). Построить продукционную модель представления знаний в предметной области «Разработка информационных систем» (ведение информационного проекта). Построить продукционную модель представления знаний в предметной области «Туристическое агентство» (работа с клиентами). Построить продукционную модель представления знаний в предметной области «Зоопарк» (организация). Построить продукционную модель представления знаний в предметной области «Кухня» (приготовление пищи). Построить продукционную модель представления знаний в предметной области «Больница» (прием больных). Построить продукционную модель представления знаний в предметной области «Кинопрокат» (ассортимент и работа с клиентами). Построить продукционную модель представления знаний в предметной области «Прокат автомобилей» (ассортимент и работа с клиентами). Построить продукционную модель представления знаний в предметной области «Операционные системы» (функционирование). Построить продукционную модель представления знаний в предметной области «Информационные системы» (виды и функционирование). Построить продукционную модель представления знаний в предметной области «Предприятие» (структура и функционирование). | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||