Будь умным!


У вас вопросы?
У нас ответы:) SamZan.net

Тема 10 Интеллектуальные информационные системы Исследования в области искусственного интеллекта ведут

Работа добавлена на сайт samzan.net:

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 6.11.2024

Тема 10. Интеллектуальные информационные системы

Исследования в области искусственного интеллекта ведутся достаточно давно, начиная с середины прошлого века. К настоящему моменту можно сказать, что в развитии ИИ выделяются два мощных направления:

  •  Нейрокибернетика. Изучает устройства подобные человеческому мозгу – нейроны и нейронные образования. Пытается смоделировать процессы мышления и восприятия. Результаты: Теория перцептронов, нейронные сети.
  •  Кибернетика «черного ящика». Исходит из принципа, что принцип действия мыслящего устройства не имеет значения, главное, чтобы оно реагировало на входную информацию так же как человеческий мозг.

Основные задачи ИИ

  1.  Представление знаний и разработка систем, основанных на знаниях;
  2.  Разработка естественно-языковых интерфейсов;
  3.  Разработка систем машинного перевода;
  4.  Распознавание образов (идентификация неизвестного объекта по его признакам);
  5.  Создание обучающихся и самообучающихся систем;
  6.  Программное обеспечение интеллектуальных систем (развитие существующих ЯП PROLOG, LISP, SMALLTALK и разработка новых);
  7.  Разработка компьютеров новой архитектуры (параллельные вычисления, суперкомпьютеры);
  8.  Развитие робототехники (манипуляторы, роботы способные к адаптации, самоорганизующиеся робототехнические системы);
  9.  Игры и машинное творчество.

Соотношение понятий «данные» и «знания»

Ранее мы уже говорили о том, что феномен информации обычно рассматривается в трех аспектах:

  •  Синтаксический
  •  Семантический
  •  Прагматический

Данные представляют собой информацию, рассматриваемую в синтаксическом аспекте, то есть безотносительно к ее содержанию (семантике) и использованию (прагматике). Данные – это набор отдельных фактов, зарегистрированных на каком-либо носителе и представленных в определенной синтаксической форме.

Данные, проинтерпретированные с использованием тезауруса (осмысленные данные) становятся собственно информацией и рассматриваются в единстве синтаксического и семантического аспектов.

Наконец, знания – это система информации, включающая в себя не только фактические сведения, но и проверенные на практике принципы, связи, законы и закономерности предметной области, и обеспечивающая увеличение вероятности достижения какой-либо конкретной цели. В отличие от данных, знания носят активный характер, поскольку содержат в себе не только ответы на вопрос «что нужно», но и «как нужно», то есть фактически являются технологией достижения определенного результата.

Схематически соотношение между данными и знаниями можно отобразить так:

Данные;

Данные + Смысл = Информация;

Данные + Смысл + Цель  = Информация + Цель =  Знание.

Понятие Интеллектуальной Информационной Системы (ИИС)

Интеллектуальная информационная система – это информационная система, которая основана на концепции использования базы знаний для генерации алгоритмов решения прикладных задач.

Выделяют четыре основных признака интеллектуальности:

  •  Развитые коммуникативные способности;
  •  Умение решать сложные плохо формализуемые задачи;
  •  Самообучаемость;
  •  Адаптивность – адекватное отражение действительности.

Структура ИИС

Структура ИИС должна обязательно включать следующие три комплекса вычислительных средств:

  •  интеллектуальный интерфейс – система программных и аппаратных средств, позволяющих конечному пользователю использовать компьютер для решения задач его профессиональной деятельности без посредников, либо с незначительной их помощью (гибкость, возможность адаптации системы под интересы конечных пользователей).
  •  база знаний (БЗ) — информационная база, обеспечивающая остальные компоненты ИИС целостной и независимой системой знаний о предметной области. База знаний является центральным, интегрирующим звеном всей ИИС. Содержит в себе знания отдельных специалистов, групп людей, человечества в целом, касающиеся данной предметной области.
  •  исполнительная система – это совокупность программных средств, обеспечивающих решения конкретных прикладных задач предметной области с привлечением информации из БЗ.

Принципиальная схема действия ИИС

Базы знаний

Особенности представления знаний в БЗ

  1.  Внутренняя интерпретируемость. Каждая информационная единица должна иметь уникальное имя, по которому к ней обращаются и используют исполнительные системы одной или нескольких ИИС. Когда данные, хранящиеся в памяти, были лишены имен, то отсутствовала возможность их идентификации системой. Данные могла идентифицировать лишь программа, извлекающая их из памяти по указанию программиста, написавшего программу. Что скрывается за тем или иным двоичным кодом машинного слова, системе было неизвестно.
  2.  Структурированность. Информационные единицы должны были обладать гибкой структурой, то есть допускать возможность   произвольного установления ними отношений типа “часть – целое”,” род – вид” или “элемент – класс”.  Для них должен выполняться “принцип матрешки”, т.е. рекурсивная вложенность одних информационных единиц в другие. Каждая информационная единица может быть включена в состав любой другой, и из каждой единицы можно выделить некоторые её составляющие.
  3.  Связность. В информационной базе между информационными единицами должна быть предусмотрена возможность установления связей различного типа. Прежде всего эти связи могут характеризовать отношения между информационными единицами. Например: две или более информационные единицы могут быть связаны отношением  «одновременно», две информационные единицы  - отношением «причина – следствие» или отношением «быть рядом». Приведенные отношения характеризуют декларативные знания. Если между двумя информационными единицами установлено отношение «аргумент – функция», то он характеризует процедурное знание, связанное с вычислением определенных функций. Существуют - отношения структуризации, функциональные отношения, каузальные отношения и семантические отношения. С помощью первых задаются иерархии информационных единиц, вторые несут процедурную информацию, позволяющие вычислять (находить) одни информационные единицы через другие, третьи задают причинно следственные  связи, четвертые соответствуют всем остальным отношениям.
  4.  Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее информационную близость информационных единиц, т.е. силу ассоциативной связи между информационными единицами. Его можно было бы назвать отношением релевантности для информационных единиц. Такое отношение дает возможность выделять в информационной базе совокупность информационных единиц, описывающую некоторые типовые ситуации (например «покупка», «регулирование движения»). Отношение релевантности при работе с информационными  единицами позволяет находить знания близкие к уже найденным.
  5.  Активность. С момента появления ЭВМ  и разделения используемых  в ней информационных единиц на данные и команды создалась ситуация, при которой данные пассивны а команды активны. Все процессы протекающие в ЭВМ инициируются командами, а данные используются этими командами лишь в случае необходимости. Для ИС эта ситуация неприемлема. Как и у человека, в ИС актуализации тех или иных действий способствуют знания, имеющиеся в системе. Выполнение каких-либо действий в ИИС должно инициироваться текущим состоянием информационной базы. Появление в базе фактов или описание событий, установление связей может стать источником активности системы.

Перечисленные пять особенностей информационных единиц определяют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний (БЗ). Совокупность средств, обеспечивающих работу со знаниями, образуют систему управления базой знаний (СУБЗ). В настоящее время не существует баз знаний, в которых в полной мере были бы реализованы перечисленные вше особенности.

Модели представления знаний

Как известно, знания в базе знаний представлены в определенной форме. Форма представления знаний оказывает существенное влияние на характеристики и свойства системы, поэтому представление знаний является одной из наиболее важных проблем, характерных для систем, основанных на знаниях. Поскольку логический вывод и действия над знаниями производятся программным путем, знания не могут быть представлены непосредственно в том виде, в котором они используются человеком (например, в виде простого текста). В связи с этим для представления знаний разрабатываются формальные модели представления знаний.

При разработке конкретной модели представления знаний стараются учесть следующие требования:

  1.  Представление знаний должно быть однородным (единообразным). Однородное представление приводит к упрощению механизма управления логическим выводом и упрощению управления знаниями.
  2.  Представление знаний должно быть понятным экспертам и пользователям системы. В противном случае затрудняются приобретение знаний и их оценка.

Обычно выделяют четыре основных вида моделей представления знаний:

  1.  Логические модели;
  2.  Продукционные модели;
  3.  Семантические сети;
  4.  Фреймовые модели.

Логические модели

В рамках логической модели знания представляются в системе логики предикатов первого порядка.

Пример

(х) [ДЕЛЬФИН(х) УМНЫЙ(х)]

(х) [СЛОН(х) ЦВЕТ(х, Серый)]

Эти формулы могут быть интерпретированы так: "некий дельфин наделен умственными способностями" и "все слоны имеют серую окраску".

Логический вывод осуществляется с помощью силлогизма (если из А следует В, а из В следует С, то из А следует С).

Достоинства ЛМ: единственность теоретического обоснования, возможность реализации системы формально точных определений и выводов.

Недостатки ЛМ: Отсутствие четких принципов организации формул, без которых модель большой СЗ превращается в плохо обозримый конгломерат независимых формул, трудно поддающийся анализу и обработке, "человеческая логика", в отличие от строгой логики,  обладает нечеткой структурой, что затрудняет описание знаний в таких моделях.

Продукционные модели

В продукционной модели (модели правил) знания представлены совокупностью правил вида «Если А, то В». Вместо А и В могут стоять некоторые утверждения, факты, приказы и т.д. Например: «Если диагонали четырехугольника пересекаются под прямым углом, то  этот четырехугольник ромб», «Если сделаешь работу то получишь зарплату» и т.д. Указанные правила представляют собой процедурные знания. Для принятия решений по продукционной модели к ним необходимо добавлять еще декларативные знания, то есть конкретные сведения об объекте (например, значение его атрибутов и т.п.). В этом случае различают два вида продукционных моделей: прямого и обратного вывода. Пример системы прямого вывода: диагностика. Пример системы обратного вывода: доказательство теоремы.

Достоинства ПМ: простота создания и понимания отдельных правил, простота пополнения и модификации, простота механизма логического вывода.  

Недостатки ПМ: неясность взаимных отношений правил, сложность оценки целостного образа знаний, крайне низкая эффективность обработки, отличие от человеческой структуры знаний, отсутствие гибкости в логическом выводе.

Семантические сети

В основе таких моделей представления знаний лежит идея о том, что любые знания можно представить в виде совокупности объектов (понятий) и связей (отношений) между ними. Эти модели более наглядны, поскольку любой пример знания можно представить в виде ориентированного (направленного) графа.

Основу составляет конструкция, называемая семантической сетью. Сетевые модели формально можно задать в виде Н=[I,C1,C2,..,CN,G]. Здесь I множество информационных единиц; С1,..,СN – множество типов связей между информационными единицами. Отображение G задает между информационными единицами, входящими в I связи из заданного набора типов связей.

В зависимости от типов связей, используемых в модели, различают классифицирующие сети, функциональные сети и сценарии.

Пример: Рассмотрим набор из нескольких фраз.

Попугай  Кеша является птицей, и он умеет говорить.

                                        зовут                                 является

                                     умеет

Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

  •  класс — элемент класса (цветок — роза);
  •  свойство — значение (цвет — желтый);
  •  пример элемента класса (роза — чайная).

Фреймовые модели

Определение. Фрейм – это минимально возможное описание сущности какого-либо события, ситуации, процесса или объекта. Понятие «минимально возможное» означает, что при дальнейшем упрощении описания теряется его полнота, и оно перестает определять ту единицу знаний, для которой было предназначено. Представление знаний с помощью фреймов понимается как один из способов представления знаний о ситуациях. Фрейм имеет имя (название) и состоит из слотов. Слоты – это незаполненные (нулевые) позиции фрейма. Если у фрейма все слоты заполнены – это описание конкретной ситуации. В переводе с английского слово «фрейм» означает «рамка», а слово «слот» – «щель». Во фреймовых моделях фиксируется жесткая структура информационных единиц, которая называется протофреймом. В общем виде структура информационных единиц выглядит следующим образом:

(Имя фрейма:

     имя слота1 (значение слота1);

     имя слота2 (значение слота2);

     . . . . . . . . . . . . . . . . . . . . . . . . . .

     имя слотаК (значение слотаК)).

Фактически фрейм – это ассоциативный список атрибутов.

Значением слота может быть практически что угодно (числа, математические соотношения, тексты на естественном языке или на языке программ, ссылки на другие слоты данного фрейма).Значением слота может выступать и отдельный фрейм, что является очень удобным для упорядочивания знаний по степени общности. Исключение из фрейма любого слота делает его неполным, а иногда и бессмысленным.

При конкретизации фрейма ему и слотам приписываются конкретные имена и происходит заполнение слотов. Таким образом из протофреймов получаются фреймы – экземпляры. Можно провести некоторую аналогию с описанием класса в ООП и экземплярами класса, объектами. Но! Переход от исходного протофрейма к фрейму – экземпляру может быть многошаговым, за счет постепенного уточнения значений слотов.

Рассмотрим некоторый протофрейм:

(Список сотрудников:

         Фамилия (значение слота1);

          Год рождения (значение слота2);

         Специальность (значение слота3);

         Стаж (значение слота4)).

Если в качестве значений слотов использовать конкретные данные, то получим фреймы-экземпляры:

(Список сотрудников:

        Фамилия (Попов – Сидоров – Иванов – Петров);

        Год рождения (1965 – 1975 – 1980 – 1978);

        Специальность (директор – бухгалтер – техник – курьер);

        Стаж (15 – 7 – 3 – 4)).

Связи между фреймами задаются значениями специального слота с именем «связь».

Пусть дана некоторая фраза «Кассир выдает деньги рабочим». Запишем её в виде фрейма:

(Выдает:

    служащий (кассир);

    получатель (рабочий);

    объект (деньги)).

Из примера видно, что фрейм имеет следующую протоструктуру.

(Выдает:

    служащий (Значение слота1);

    получатель (Значение слота2);

    объект (Значение слота3)).

Пример применения фреймовой модели – системы машинного перевода.

Виды фреймов:

  •  Фреймы-структуры, использующиеся для обозначения объектов и понятий (заем, залог, вексель);
  •  Фреймы- роли (менеджер, кассир, клиент);
  •  Фреймы-сценарии (банкротство, собрание акционеров);
  •  Фреймы-ситуации (тревога, авария).

Достоинства сетевых и фреймовых моделей: отражают концептуальную основу организации памяти человека, гибкость, наглядность информационной единицы и системы знаний в целом.

Недостатки: требуют сложных методов анализа данных для получения выводов, высокие требования к аппаратному обеспечению (иногда специальная архитектура ЭВМ).

Виды ИИС

  1.  Системы с интеллектуальным интерфейсом.
    •  Интеллектуальные базы данных (работают на языке, близком к естественному, выдают не только хранимые данные, но и результаты логических выводов по ним);
    •  Гипертекстовые и гипермедийные системы;
    •  Системы когнитивной графики (соотнесение текстов и зрительных картин через общее представление знаний, интегрирующих символы и зрительные образы);
    •  Прикладные системы с естественным языковым интерфейсом;
  2.  Расчетно-логические системы;
  3.  Самообучающиеся системы.
  •  Индуктивные;
  •  На базе нейронных сетей;
  •  На основе нечеткой логики;
  •  
  1.  Экспертные системы.

Экспертные системы

Определение. Экспертная интеллектуальная система (ЭИС) – это компьютерная программа, использующая экспертные знания для обеспечения высокоэффективного решения задач в некоторой узкой предметной области. Такие программы, как правило, разрабатываются для тех предметных областей, в которых людям для достижения мастерства необходимы годы специального обучения и практики. 

Назначение ЭИС:

  •  Оказание консультационной помощи специалистам при решении задач, возникающих в слабоструктурированных и трудно формализуемых предметных областях;
  •  Аккумулирование знаний специалистов в конкретных предметных областях (экспертов) и тиражирование этого эмпирического опыта для консультаций менее квалифицированных пользователей.

Структура ЭИС

Очевидно, что она в целом соответствует ранее данной структуре ИИС. Исполняющая система состоит из следующих блоков:

  •  Решатель (машина вывода);
  •  Подсистема объяснений, позволяющая пользователю получить ответ на вопрос, каким образом системой было получено то или иное заключение;
  •  Интеллектуальный редактор БЗ – подсистема, позволяющая в диалоговом режиме модифицировать БЗ.

Каждый из блоков можно детализировать.

Пользователи ИС:

  1.  Пользователь, обладающий специальными знаниями в предметной области, но нуждающийся в рекомендации.
  2.  Эксперт, обладающий достаточными знаниями для формирования БЗ
  3.  Инженер по знаниям (когнитолог) – занимается вопросами проектирования и реализации ЭИС, на этапе эксплуатации помогает эксперту выявить и структурировать знания, необходимые для работы ЭИС.
  4.  Программисты-разработчики.

Классификация ЭИС

  1.  По классам решаемых задач
    •  Интерпретация  (описание или объяснение ситуации из наблюдений);
    •  Предсказание  (выявление последствий данной ситуации);
    •  Диагностика  (в т.ч. выявление неисправностей через наблюдение);
    •  Проектирование (разработка конфигурации объектов, удовлетворяющим определенным требованиям);
    •  Планирование;
    •  Мониторинг – отслеживание ситуаций в реальном времени;
  2.  По связям со временем:
  •  статические (ЭС, решающие задачи в условиях не изменяющихся во времени исходных данных и знаний);
  •  динамические (ЭС, решающие задачи в условиях изменяющихся во времени исходных данных и знаний);

Этапы проектирования ЭС

1. Выбор проблемы (решается вопрос о необходимости и рациональности разработки ЭС)
2. Разработка прототипа ЭС (сбор информации, приглашение экспертов, создание группы разработчиков)
3. Доработка до промышленной ЭС
4. Оценка ЭС (оценка пользователями пользовательского интерфейса системы)
5. Стыковка ЭС (с другими ПО, где должна будет функционировать ЭС)
6. Поддержка ЭС
7. Доработка до коммерческой ЭС (доработка ЭС до готового коммерческого продукта, готового к продаже).


БАЗА ЗНАНИЙ

Интеллектуальный интерфейс

Исполняющая система

Сопоставление

конфликт

(множество

правил, связей,

фреймов)

Выбор оптимального правила,

инф. единицы, фрейма,

Действие

Птица

еша

Попугай

Говорить




1. на тему- ldquo;Тривалість життя тваринних і рослинних організмів
2. з курсу Класична механіка і механіка суцільних середовищ 1
3. тема контроля Логические блоки ПЛК lph Перевести число 932 в двоичную систему исчисления
4. Шахтный подъем Общие сведения о шахтных подъемных установках
5. Тема Контроль качества лекарств изготавливаемых в аптеках План- Общие положения о внутриаптечно.html
6. Голодомор 1932-1933 в Люботині
7. ТЕМА- ПЕРВАЯ МИРОВАЯ ВОЙНА
8. ФРАНЦИСКО 1945 ГОДА
9. 48 лет бригадир химзавода обратился к врачу поликлиники с жалобами на резкие сжимающие боли за грудиной ко
10. Общая характеристика Чуйской области Республики Киргизия
11. тематичне моделювання Автореферат дисертації на здобуття наукового ступеня кандидата економ
12. по теме Наследственные заболевания 1
13. удачное время для очищения организма и избавление его от паразитов
14. 2 Выбор вида финишной обработки конструктивных элементов детали
15. Оценка эффективности управления товарооборотом и товарными запасами на примере ООО торгленд
16. на тему- Сравнительная оценка конкурентоспособности организации Выполнила- Федотова Елен
17. Идеи к философии природы
18. і. Посилання вказує на клітинку або діапазон клітинок аркуша які потрібно використовувати у формулі.html
19. Зовнішня політика сучасної Росії
20. Я б побажав тобі когось отак любити, як я тебе люблю