Направления исследований в области систем искусственного интеллекта

В 1956 г. США была проведена конференция- по решению задач логики, там поя-я понятие Искусственного интеллекта

Направления ИИ:

1) Нейрокибернетика (исп-ся психологические нейрофизиологические исследования для моделирования функций мозга)

2)Кибернетика черного ящика (главное – получение реакций на входное изображение)

Основные модели кибернетики:

1. 50-е гг. –моделирование творческих процессов (шашки, шахматы, стихи…)

2. 60-е – эвристическое программирование (перцептрон – первая нейронная сеть, которая должна работать, как мозг)

3. до 70 г. – работы по математической логике (доказ-ва теорем, метод резолюций, т.е. доказ-во от обратного). ▪На основе метода резолюций в 173 г. был разработан язык ИИ Prolog. ▪Lisp – язык, ориентированный на символьное вычисление. ▪Минский разработал фреймовую модель представления знаний (нечеткая логика)

4. 1973 – доклад о рез-х ИИ

5. В США ведутся работы по созданию экспертных систем для ▪медицины (диагностика заболеваний), ▪нефтеразведки, ▪химии (синтез новых соединений).

6. к. 80-х гг – получение коммерческих продуктов с исп-ем ИИ.

7. В Японии программа разработки компов V поколения: ▪Lisp, ▪Prolog, ▪БД и БЗ

Для настоящего этапа характерно:

1. Фундаментальные исследования: ▪представление знаний, компьютерная лингвистика

2. Внешняя интеллектуализация компа (обеспечение компов существующей архитектуры программно-аппаратными интеллектуальными внешними средствами, кот. позволяют человеку общаться с ПК)

3. Внутренняя интеллектуализация компов на принципах ИИ.

Данные и знания. Способ определения понятий.

Данные –отдельные файлы, характеризующие объекты, процессы и явления предметной области. Схема получения данных: 1)Измерение и наблюдение → 2)Занесение в таблицу → 3)Графики и диаграммы для наглядного представления данных →4)БД и СУБД. Пункты 1-3 – методы представления данных(МПЗ).

Знанияоснованы на данных, полученных эмпирическим путем и представляют собой результат мыслительной деятельности на основе обобщения опыта, позволяющий выявить закономерности предметной области. Путь знаний: 1)Рез-т мышления и получения выводов → 2)Регистрация в виде текстов → 3)Модели представления знаний (формализация МПЗ)→ 4)БД+СУБЗ.

Знания – это хорошо структурированные данные или метаданные (данные о данных). В основе знаний лежат понятия.

Способы определения понятий:

Интенсионал понятия – соотношение его с понятием более высокого уровня абстракции с указанием специфических свойств (определения через знания). Интенсионалы формируют знания об объектах.

Другой способэкстенсионал, т.е. через соотнесение с понятиями более низкого уровня абстракции или через перечисление фактов, относящихся к данному объекту.

Различают знания:

- декларативные (аналог данных) и процедурные (изменяют декларативные знания).

- поверхностные (знания о видимых взаимосвязях между отдельными событиями и фактами предметной области) и глубинные (абстракции, схемы, отображающие природу и внутренние механизмы процессов, протекающих в предметной области).

Особенности знаний

Различают знания:

- декларативные (аналог данных) и процедурные (изменяют декларативные знания).

- поверхностные (знания о видимых взаимосвязях между отдельными событиями и фактами предметной области) и глубинные (абстракции, схемы, отображающие природу и внутренние механизмы процессов, протекающих в предметной области).

Основные свойства (признаки) знаний:

1) внутренняя интерпретируемость, т.е. это наличие у каждой информационной единицы уникального имени, по которому она идентифицируется в базе знаний – в реляционных БД.

2) Структурированность: информационные единицы должны обладать гибкой структурой, с возможностью установления между ними различных отношений: ▪Класс-подкласс; ▪Целое-часть.

3) связность. Знания связаны не только в смысле структуры, но и относительно процессов и явлений и причинно следственных отношений м\д ними.

4) Активность знаний. Неполнота знаний и (или) их противоречивость приводит к процессу появления новых знаний.

Семантические сети.

Основой формализации семантической сети является направленный граф с помеченными вершинами и дугами. Вершинам ставят в соответствие понятия, а дугам – семантические отношения на множестве. Отношения обеспечивают связность знаний.

С помощью семантической сети можно формализовать знания, представленные в текстах на естественном языке.

Формально семантическую сеть опис-т след. образом:

1)задается множество символов (атрибутов):

А={А₁,А₂,…., А_r}

2)множество отношений: R={R₁,R₂,…., R_m}

3)Вводится понятие интенсионала – множество пар «Атрибут – Домен атрибута»

INT (R_i)={….,[A_j, DOM(A_j)],….}

A_j – имя атрибута; DOM(A_j) – домен атрибута – это множество значений А_j отношения R_i

Множество всех доменов модели называют базовым. На базовом множестве задаются отношения R.

4) вводится экстенсионал отношении - множество фактов этого отношения.

EXT(R_i)={F₁,F₂,….,F_p}

Факт задается парами: атрибут – значение. Факт – это конкретизация определенного отношения между объектами.

Факты формируют экстенсиональную семантическую сеть, а интенсионалы отношений определяют интенсиональную семантическую сеть, соответствующую БЗ.

Недостатком семантических сетей является слишком произвольная структура и разнообразие типов объектов, что приводит к осложнению программного обеспечения.