Помощничек
Главная | Обратная связь


Археология
Архитектура
Астрономия
Аудит
Биология
Ботаника
Бухгалтерский учёт
Войное дело
Генетика
География
Геология
Дизайн
Искусство
История
Кино
Кулинария
Культура
Литература
Математика
Медицина
Металлургия
Мифология
Музыка
Психология
Религия
Спорт
Строительство
Техника
Транспорт
Туризм
Усадьба
Физика
Фотография
Химия
Экология
Электричество
Электроника
Энергетика

Експертні системи (ЕС)

Системи штучного інтелекту Кургаєв О.П.

Основні поняття і визначення штучного інтелекту?

Штучний інтелект — розділ комп'ютерної лінгвістики та інформатики, що займається формалізацією проблем та завдань, які нагадують завдання, виконувані людиною. При цьому, у більшості випадків алгоритм розв'язання завдання невідомий наперед. Точного визначення цієї науки немає, оскільки у філософії не розв'язане питання про природу і статус людського інтелекту. Немає і точного критерію досягнення комп'ютером «розумності», хоча перед штучним інтелектом було запропоновано низку гіпотез, наприклад, тест Тюринга або гіпотеза Ньюела-Саймона. Нині існує багато підходів як до розуміння задач штучного інтелекту, так і до створення інтелектуальних систем.

 

Одна з класифікацій виділяє два підходи до розробки штучного інтелекту:

нисхідний, семіотичний — створення символьних систем, що моделюють високорівневі психічні процеси: мислення, судження, мову, емоції, творчість і т. д.;

висхідний, біологічний — вивчення нейронних мереж і еволюційні обчислення, що моделюють інтелектуальну поведінку на основі менших «неінтелектуальних» елементів.

 

Ця наука пов'язана з психологією, нейрофізіологією, трансгуманізмом та іншими. Як і всі комп'ютерні науки, вона використовує математичний апарат. Особливе значення для неї мають філософія і робототехніка.

 

Штучний інтелект — дуже молода область досліджень, започаткована 1956 року. Її історичний шлях нагадує синусоїду, кожен «зліт» якої ініціювався деякою новою ідеєю. На сьогодні її розвиток перебуває на «спаді», поступаючись застосуванню вже досягнутих результатів в інших областях науки, промисловості, бізнесі та навіть повсякденному житті.

Різнотипи систем обробки знань?

Способи опису та моделі представлення знань?

У штучному інтелекті основна мета представлення знань — навчитися зберігати знання так, щоб програми могли опрацьовувати їх і досягати подібності з людським інтелектом. Дослідники штучного інтелекту використовують теорії подання знань з когнітології. Проблема представлення знань є однією з найважливіших проблем, характерних для систем, що базуються на знаннях. Це пояснюється тим, що форма представлення знань впливає на характеристики і властивості системи. Центральним завданням побудови систем, що базуються на знаннях, є вибір форми (моделі, мови, методу) представлення знань.

 

Представлення знань — це множина синтаксичних і семантичних угод, що роблять можливим формальне вираження знань про предметну галузь у комп’ютерно-інтерпретованій формі. Найрозповсюдженішими є такі моделі представлення знань: логічні моделі, продукційні моделі, фреймові моделі, семантичні мережі.

Експертні системи (ЕС).

ЕС поклали початок розвитку "інженерії знань" (техніки використання знань), є новим підходом до створення високоефективних програмних систем, що несе революційні зміни.

ЕС не відкидають традиційного підходу до програмування, вони пропонують технологію й методи рішення неформалізованих задач. Ці методи практично не залежать від типів розв'язуваних завдань.

ЕС використаються у різних областях: медицині (діагностика й лікування), геології (визначення перспективності родовищ), хімії (прогнозування властивостей органічних сполук), військовій справі, електроніці, обчислювальній техніці, математиці, космосі, сільському господарстві, керуванні, фінансовій сфері, бізнесі тощо. Останнім часом ЕС активно використаються в Інтернет-торгівлі для допомоги покупцям у виборі товару. Найвідомішою є ЕС ГУРУ на Яндексі, що замінює кваліфікованого продавця-консультанта щодо найширшого переліку товарів.

ЕС - програма, що у змозі замінити людину-експерта в його професійній діяльності. Структурно складається з бази знань, машини виводу й інтерфейсів інженера по знаннях та користувача

ЕС переважно використаються для рішення тих задач, де не підходить традиційне програмування:

- алгоритмічне рішення задачі невідоме,

- задача не може бути визначена в числовій формі,

- ціль задачі не може бути виражена в термінах точної функції.

Зазвичай, такі задачі мають неповноту, помилковість, неоднозначність і суперечливість. ЕС має наступні властивості:

- алгоритм рішення задачі генерується динамічно;

- здатність аналізу й пояснення ходу рішення задачі й результатів;

- здатність придбання нових знань і зміни своєї поведінки;

- забезпечення, як правило, природно-мовного інтерфейсу.

ЗМІСТ ПРОБЛЕМ, ЩО ВИРІШУЮТЬ ЕС

Інтерпретація – побудова описів ситуацій згідно спостережуваних даних: розпізнавання, розуміння мови, аналіз зображень, сенсорних даних, структури хімічних речовин, інтерпретація сигналів тощо.

Прогноз – вивід імовірних наслідків з заданих ситуацій, прогноз поведінки системи (політичних відношень, ринку, погоди, врожаю, військових операцій).

Діагностика – висновок щодо порушень в системі, виходячи із спостережень, вимірів, іспитів, інтерактивної взаємодії в медицині, системах програмного забезпечення, технічних пристроях.

Проектування – побудова, синтез із наявних компонентів оптимальних проектних рішень об’єктів за заданих обмежень: електронних схем, архітектурних проектних рішень, дизайн приміщень тощо.

Планування – проектування плану дій щодо досягнення деякої мети: планування дій роботів, військових операцій, автоматизація програмування.

Моніторинг – порівняння спостережуваної й бажаної поведінки системи для виявлення порушень в її функціонуванні, запобігання небезпечних ситуацій: при керуванні атомною електростанцією, повітряним рухом, фінансами, лікуванням.

Системи навчання – визначення рівня знань і навчання.

Управління – інтерпретація, прогноз, моніторинг, не формальні задачі управління і ті, що не вирішуються традиційними математичними методами.

ФУНКЦІЇ ЕС

База знань містить знання, у тому числі окремі факти, правила, що описують відношення чи явища, а також, можливо, методи, евристики й ідеї щодо рішення задач у деякій ПО. База знань має той же зміст, що й у Пролозі, тобто складається з фактів і правил.

Машина логічного виводу (іnference engіne) використовує базу знань (knowledge base) і трансформує запит користувача у відповідь, при необхідності задаючи йому питання. Така структура дозволяє розвивати ЕС, додаючи нові знання без зміни програми.

Інтерфейс із користувачем здійснює обмін інформацією між ним і системою, надає можливість слідкувати за ходом рішення задач.

Машину виводу й інтерфейс зазвичай розглядають як один великий модуль - оболонку експертної системи, або, просто, оболонку (expert system shell), яка, в принципі, незалежна від додатку, та може використатись із базами знань багатьох ПО.

ХАРАКТЕРИСТИКИ ЕС

Насправді, можливо, більш корисним є наступний перелік характеристик ЕС:

1. ЕС обмежена певною сферою експертизи.

2. Здатна міркувати при сумнівних даних.

3. Здатна пояснити ланцюжок міркувань зрозумілим способом.

4. Факти й механізм виводу чітко відділені один від одного. (Знання не кодуються в дедуктивні процедури.)

5. Мається можливість поступового нарощування системи.

6. Найчастіше заснована на використанні правил.

7. На виході видає пораду - не таблиці із цифр, не гарні картинки на екрані, а чітку пораду.

8. Економічно вигідна. (Це вимога до її роботи.)

 

 

 

 




Поиск по сайту:

©2015-2020 studopedya.ru Все права принадлежат авторам размещенных материалов.