Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
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:
Основные задачи ИИ
Соотношение понятий «данные» и «знания»
Ранее мы уже говорили о том, что феномен информации обычно рассматривается в трех аспектах:
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:
Структура ИИС
Структура ИИС должна обязательно включать следующие три комплекса вычислительных средств:
Принципиальная схема действия ИИС
Базы знаний
Особенности представления знаний в БЗ
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 определен ной 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 формаль ные модели представления знаний.
При разработке конкретной модели представления знаний стараются учесть следующие требования:
Обычно выделяют четыре основных вида моделей представления знаний:
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 семантичес ких сетей является обязательное наличие трех типов отношений:
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:
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
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:
Структура ЭИС
Очевидно, что она в целом соответствует ранее данной структуре ИИС. Исполняющая система состоит из следующих блоков:
Каждый из блоков можно детализировать.
Пользователи ИС:
Классификация ЭИС
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