Главная страница | Контакты | Случайная страница Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Искусственный интеллект давно стал источником новых технологических приемов, решений, которые широко вошли в практику программирования, так, в работах по искусственному интеллекту берут свое начало такие идеи, как разделение времени, обработка списков, редактиро­вание и отладка программ в диалоговом режиме, эвристическое программиро­вание, графический интерфейс, использование полиэкранного дисплея и ма­нипулятора типа 'мышь' и др.

С точки зрения решения основной задачи экспертных систем: кодирова­ния знаний о предметной области и их использования для решения проблем в этой области наиболее существен опыт исследователей искусственного ин­теллекта в решении задач представления знаний и распознавания образов.

Объем знаний, необходимых для любого значительного приложения экс­пертных систем, обычно очень велик и поэтому для выборки, обновления и поддержания таких больших объемов знаний экспертным системам необходимы хорошие модели представления знаний. Кроме того, удачная модель пред­ставления может значительно облегчить построение логического вывода. в экспертных системах наиболее часто используется представление знаний в виде продукционных правил, фреймов. Используются также семантические се­ти, предложения Пролога и комбинированные представления. Каждая из этих моделей имеет свои преимущества и недостатки, например, семантическая сеть хранит связанную информацию вместе, но в ней затруднено построение выводов из этой информации. С другой стороны. Пролог имеет готовый меха­низм для построения логических выводов, но не хранит связанную информа­цию вместе. Большие базы знаний хранятся обычно на дисках и только необ­ходимая в данный момент часть - в оперативной памяти. Создание эффективных баз знаний для хранения правил, фреймов и т.д. является ак­туальной задачей.

В целом представление знаний является наиболее важной проблемой при построении экспертных систем и более подробно она будет рассмотрена ни­же.

Традиционно процесс рас­познавания разделяется на два этапа: обучение и собственно распознава­ние. Первый этап индуктивный, второй - дедуктивный.

На первом этапе обрабатываются данные многочисленных наблюдений над отдельными представителями исследуемого класса объектов и на основе по­лученных результатов строится некоторое решающее правило.

Второй этап предполагает применение описанного привила для распоз­навания интересующих нас, но непосредственно не измеряемых свойств дру­гих объектов данного класса.

На этапе обучения выявляются некоторые закономерности, присущие ис­следуемому классу, и совокупность этих закономерностей служит далее мо­делью предметной области, которая в формализованном виде составляет ос­нову базы знаний, на основе модели решаются задачи распознавания свойств конкретных объектов, очевидна связь обучения и решения задач с описанны­ми ранее режимами работы ЭС. Описанная схема распознавания в той или иной мере характерна для многих задач, решаемых экспертными системами.

Экспертные системы ориентированы на решение широкого круга задач в неформализованных областях, решение задачи распознавания образов в таких областях предполагает составление описаний объектов и правил, определяю­щих по этим описаниям принадлежность объектов к тем или иным классам. Процедуры применения таких правил к каким-либо объектам в экспертных системах подчиняются различным стратегиям. Наиболее часто применяются стратегии прямого или обратного вывода. Используются также комбинирован­ные стратегии, стратегии на основе так называемой доски объявлений. Прямой вывод - это вывод, направляемый целями (правилами) к данным. Обратный вывод - это вывод, направляемый данными к целям. В сложных экспертных системах (например, понимания речи) ни один из источников знаний системы не может гарантировать единственности и пра­вильности получаемых им результатов, для того чтобы ошибка одного источ­ника знания не влияла роковым образом на работу других, источники знания должны рассматриваться как независимые. Однако, так как все источники знания решают общую задачу, от них требуется взаимодействие. Чтобы удов­летворить эти требования, был предложен механизм доски объявлений.

На доске объявлений записываются промежуточные гипотезы и результа­ты работы ЭС в виде плана, заявок, решений.

План описывает способ, которым ЭС будет искать решение задачи. Те­кущий план включает такие элементы, как цели, состояние задач.

Заявки содержат информацию о потенциальных действиях, ожидающих вы­полнения, которые обычно соответствуют правилам из базы знаний.

Решения представляют гипотезы и решения, выдвинутые в качестве воз­можных кандидатов, вместе с зависимостями, связывающими одно решение с другим.