1_Основы ИС_Понятия и определения рус. Лекции Основная часть Заключение Основная часть Интеллектуальные системы понятия и классификация
 Скачать 1.21 Mb.
|
|
Интеллектуальные системы: понятия и классификация. Представление знаний. Экспертные и интеллектуальные системы План лекции Основная часть Заключение Основная часть Интеллектуальные системы: понятия и классификация Представление знаний Основные термины и понятия Интеллект - это способность мозга решать интеллектуальные задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам. Основные термины и понятия Знания – проверенный практикой и удостоверенный логикой результат познания действительности, отраженный в сознании человека в виде представлений, понятий, рассуждений и теорий. Знания формируются в результате целенаправленного педагогического процесса, самообразования и жизненного опыта. Основные термины и понятия Искусственный интеллект – свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий. Основные термины и понятия Алгоритм – точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. Основные термины и понятия Интеллектуальные задачи – это задачи, отыскание алгоритма решения которых связано с тонкими и сложными рассуждениями, логическими обобщениями и выводами, требующие большой изобретательности и высокой квалификации. Основные термины и понятия Интеллектуальная система – система или устройство с программным обеспечением, имеющие возможность с помощью встроенного процессора настраивать свои параметры в зависимости от состояния внешней среды. Основные свойства интеллектуальных систем
По коммуникативным способностям
По типу решаемых задач ;;;.
По способности к самообучению
По способности к самообучению База знаний – служит для представления эвристической и фактологической информации, часто в форме фактов, утверждений и правил вывода. В базе знаний ИС интегрируются знания, поступающие от экспертов в конкретной предметной области, а также фундаментальные, составляющие суть общеизвестных научных теорий и моделей. База данных –хранит форматированные данные, то есть конкретные факты и константы, касающиеся предметной области. Для хранения данных в ИС используются либо реляционные, либо для интегрированного хранения данных и знаний – объектно-ориентированные базы данных. Система интерпретации знаний (Машина вывода) – механизм, играющий роль интерпретатора, применяющего знания подходящим образом, чтобы получить результат. Система приобретения знаний – механизм формализации знаний эксперта, пополнения базы знаний и обучения (самообучения) ИС. Это реализуется с помощью инженера по знаниям и эксперта, а также машинного обучения. Система естественно-языкового интерфейса (СЕЯИ) – механизм, преобразующий запросы пользователя и выдающий ему решение задачи (результат) на естественном языке. СЕЯИ реализует дружественный к пользователю интерфейс. Система объяснения решения – механизм протоколирующий работу системы интерпретации знаний и выдающий его пользователю в виде цепочки логических выводов. Это позволяет «объяснить» пользователю найденное решение. Интеллектуальный интерфейс и методы рассуждений в Интеллектуальных системах Естественно-языковый интерфейс (СЕЯИ) – это совокупность программных и аппаратных средств, обеспечивающих общение ИС с пользователем на ограниченном рамками предметной области естественном языке. Словарь (отражает словарный состав и лексику языка) Лингвистический процессор (анализ текстов и синтез ответов пользователю) основные требования к Естественно-языковому интерфейсу
«Ваня встретил Машу на поляне с цветами» «Глокая куздра штеко будланула бокра и курдячит бокрёнка» Л.В.Щерба Проблема «смысл-текст» Пример
Пример
Пример
Пример
Пример
ПОЛЬЗОВАТЕЛЬ: Открыть MicrosoftWord. КОМПЬЮТЕР: Запускает приложение MicrosoftWord. ПОЛЬЗОВАТЕЛЬ: Открыть File. КОМПЬЮТЕР: Открывает диалоговое окно открытия файла. ПОЛЬЗОВАТЕЛЬ: Изменить путь.
ПОЛЬЗОВАТЕЛЬ: Я хотел бы поехать в Киев. DS: Когда вы хотите быть в Киеве? ПОЛЬЗОВАТЕЛЬ: 25 декабря.
Логический метод рассуждения – основан на применении логики Эвристический метод рассуждения – основан на применении правдоподобных рассуждений (эвристика) Дедукция - рассуждение от сложного к простому (получение частного правила на основе общего правила) Аналогия - рассуждение на основе прошлого опыта (скрытая закономерность, которая присуще многим на первый взгляд внешне различающимся объектам) Индукция - рассуждение от простого к сложному ( на основе частных примеров синтезируются общие правила) Эвристика - это алгоритм или таблица решений, которая базируется на опыте - причем качественном, прошлом и обширном, а не на научных данных или логическом выводе Дополнительно!!!
Интеллектуальные системы: понятия и классификация Представление знаний Данные, знания и база знаний Данные – это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства. Этапы трансформирования данных на ЭВМ при обработке: D1 — данные как результат измерений и наблюдений D2 — данные на материальных носителях информации (таблицы, протоколы, справочники) D3 — модели (структуры) данных в виде диаграмм, графиков, функций D4 — данные в компьютере на языке описания данных D5 — базы данных на машинных носителях информации Данные, знания и база знаний 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. Этапы трансформирования знаний на ЭВМ при обработке: Z1 — знания в памяти человека как результат мышления Z2 — материальные носители знаний (учебники, методические пособия) Z3 — поле знаний — условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих Z4 — знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы) Z5 — база знаний на машинных носителях информации. Данные, знания и база знаний База знаний – совокупность программных средств, обеспечивающих поиск, хранение, преобразование и запись в памяти ЭВМ сложно структурированных информационных единиц - знаний. Основные типы моделей представления знаний Логическая модель Семантическая сеть Продукционная модель Фреймовая модель Логическая модель – некоторое логическое исчисление как правило, исчисление предикатов первого порядка, когда предметная область или задача описывается в виде набора аксиом. Пример знания: Когда температура в печи достигает 120° и прошло менее 30 минут с момента включения печи, давление не может превосходить критическое. Если с момента включения печи прошло более 30 мин, то необходимо открыть вентиль №2. – предикат, становящийся истинным, когда температура достигает 120° – предикат, становящийся истинным по истечении 30 мин с начала процесса – утверждение о том, что давление ниже критического – команда открыть вентиль №2. ) И, (→ ) импликация, (=>) логическое следование Логическая модель представления знаний: недостатки
Общий вид продукции: «Имя продукции»: Имя сферы; Предусловие; Условие для ядра; Ядро: «Если А, то В»; Постусловие. Имя продукции может выражаться в виде номера или слова (словосочетания). Служит для определения местоположения в системе продукций. Имя сферы указывает ту предметную область, к которой относятся знания, зафиксированные в данной продукции. Предусловие определяет необходимые предпосылки применения условия для ядра продукции. Предусловия может и не быть вовсе. Условие для ядра определяет те ситуации, при выполнении которых можно (надо) проверять наличие или истинность А в ядре продукции. Ядро - основная часть продукции: «Если А, то В», где А и В могут иметь разные значения. Остальные элементы, образующие продукцию, носят вспомогательный характер. Постусловие определяет специфику ядра. Используется редко. Обычно содержит пояснения. Пример продукции декларативного знания: Пусть а, b, с – стороны треугольника и при выполнении равенства треугольник является прямоугольным. «Имя продукции»: №5 Имя сферы: Геометрия; Предусловие: Фигуры; Условие для ядра: a, b, c – стороны треугольника; Ядро: «Если А, то В»: Если , то треугольник прямоугольный; Постусловие: Теорема Пифагора. Продукционная модель представления знаний: достоинства
Пример знания: Иванов имеет личный автомобиль «Волга» красного цвета с мощностью двигателя 75 л.с. Семантическая сеть, показывающая взаимоотношения птицы и самолета Семантическая сеть знаний ихтиолога о биологии рыб Высказывание «Робот сверлит отверстие в детали с помощью сверла 10» Задание: Построить семантическую сеть, являющейся описанием объекта автомобиль и ряда связанных с ним понятий Семантическая модель представления знаний: достоинства
Фрейм – это структура для представления знаний, которая при заполнении ее соответствующими значениями превращается в описание конкретного факта, события или ситуации. Структура фрейма:
в виде цепочки:
в виде таблицы: Типы фреймов
Фрейм-прототип (протофрейм) – это фрейм, содержащий знания о самом понятии. фреймы-прототипы Фрейм-экземпляр (экзофрейм) - это фрейм, содержащий конкретное описание понятия или знания. Фреймовая модель представления знаний – это модель, в которой структура знаний предметной области формализуется в виде совокупности взаимосвязанных фреймов, описывающих объекты, а свойства этих объектов и факты, относящиеся к ним, описываются в структурных элементах фрейма. Закрепление результатов. Задача Представить декларативное знание о понятии «Квартира» четырьмя моделями представления знаний:
Средства программирования для ИИ и языки представления знаний Примеры широко известных ИС:
|