 |
Тикунов В. С. Геоинформатика. Учеб. пособие. Для студентов – Москва: МГУ, 2008. – 361 с.
|
|
|
|
Реферат.
«Технологии искусственного интелекта»
Выполнил: Колышев М.А.
Проверил: Власенко О.М.
Москва 2016 г.
Оглавление
1. Введение……………………………………………………………………………3
2. Разновидности интеллектуальных систем………………………………………..7
3. Заключение………………………………………………………………………..11
4. Список используемой литературы………………………………………………12
Введение
Термин «Искусственный интеллект» используется для обозначения большого направления научных и прикладных исследований. Исследователи выделяют две основные цели своей работы – это автоматизация человеческой деятельности, в особенности тех ее видов, которые традиционно считались интеллектуальными, и
создание компьютерных моделей, имитирующих процессы решения человеком тех или иных интеллектуальных задач.[1,с.3]
С развитием компьютерных технологий менялся смысл, вкладываемый в понятие информационной системы. Современная информационная система - это набор информационных технологий, направленных на поддержку жизненного цикла информации и включающего три основные процесса: обработку данных, управление информацией и управление знаниями. В условиях резкого увеличения объемов информации переход к работе со знаниями на основе искусственного интеллекта является, по всей вероятности, единственной альтернативой информационного общества.
Профессор Д.А. Поспелов считает, что интеллектуальная система: это та информационная система, в которой реализованы следующие основные функции:
· накапливание знаний об окружающем систему мире, инициирование процессов получения новых знаний, осуществление соотнесение новых знаний с ранее хранимыми;
|
|
|
· пополнение поступивших знаний с помощью логического вывода, отражающего закономерности в окружающем систему мире или в накопленных ею ранее знаниях, получение обобщенных знаний на основе более частных знаний и логическое планирование своей деятельности;
· общение с человеком на естественном языке и получение информации от каналов, аналогичных тем, которые использует человек при восприятии окружающего мира, умение формировать для себя или по просьбе человека объяснение собственной деятельности, оказывание пользователю помощь за счет тех знаний, которые хранятся в памяти, и тех логических средств рассуждений, которые присущи системе.
Перечисленные функции можно назвать функциями представления и обработки знаний, рассуждения и общения. Наряду с обязательными компонентами, в зависимости от решаемых задач и области применения в конкретной системе эти функции могут быть реализованы в различной степени, что определяет индивидуальность архитектуры. На рис. 1 представлена структура интеллектуальной системы в виде совокупности блоков и связей между ними.
База знаний представляет собой совокупность сред, хранящих знания различных типов.
Включает в себя:
Рис. 1. Общая структура интеллектуальной системы
· Базу фактов (данных) - хранение конкретных данных.
· Базу правил - элементарные выражения, называемые в теории искусственного интеллекта продукциями.
· Базу процедур - содержит прикладные программы, с помощью которых выполняются все необходимые преобразования и вычисления.
· Базу закономерностей - включает различные сведения, относящиеся к особенностям той среды, в которой действует система.
· База метазнаний (база знаний о себе) - содержит описание самой системы и способов ее функционирования.
· Базу целей - содержит целевые структуры, называемые сценариями, позволяющие организовать процессы движения от исходных фактов, правил, процедур к достижению той цели, которая поступила в систему от пользователя, либо была сформулирована самой системой в процессе ее деятельности в проблемной среде.
|
|
|
· Система управления базами знаний - управление всеми базами, входящими в базу знаний, и организацию их взаимодействия. С ее же помощью реализуются связи баз знаний с внешней средой. Таким образом, машина базы знаний осуществляет первую функцию интеллектуальной системы.
Выполнение второй функции обеспечивает часть интеллектуальной системы, называемая решателем. Состоит из:
· Блока дедуктивного вывода -осуществляет в решателе дедуктивные рассуждения, с помощью которых из закономерностей из базы знаний, фактов из базы фактов и правил из базы правил выводятся новые факты.
· Блоки индуктивного и правдоподобного выводов - используются для реализации рассуждений, которые не носят дедуктивного характера, т.е. для поиска по аналогии, по прецеденту и пр.
· Блок планирования - используется в задачах планирования решений совместно с блоком дедуктивного вывода.
· Блока функциональных преобразований - решении задач расчетно-логического и алгоритмического типов.
· Система управления решателя – управляет решателем.
Третья функция - функция общения - реализуется как с помощью компоненты естественно-языкового интерфейса, так и с помощью рецепторов и эффекторов, которые осуществляют так называемое невербальное общение и используются в интеллектуальных роботах.[1,с.65]
В зависимости от набора компонентов, реализующих рассмотренные функции, можно выделить следующие основные разновидности интеллектуальных систем.
Разновидности интеллектуальных систем
1. Интеллектуальные информационно-поисковые системы являются системами взаимодействия с проблемно-ориентированными (фактографическими) базами данных на естественном, точнее ограниченном как грамматически, так и лексически (профессиональной лексикой) естественном языке. Для них характерно использование, помимо базы знаний, реализующей семантическую модель представления знаний о проблемной области, лингвистического процессора.
|
|
|
2. Экспертные системы (ЭС) являются одним из бурно развивающихся классов интеллектуальных систем. Данные системы в первую очередь стали развиваться в математически слабо формализованных областях науки и техники, таких как медицина, геология, биология и др. Для них характерна аккумуляция в системе знаний и правил рассуждений опытных специалистов в данной предметной области, а также наличие специальной системы объяснений.[2,с. 278]
Классификация ЭС по решаемой задаче:
· Интерпретация данных
· Диагностирование
· Мониторинг
· Проектирование
· Прогнозирование
· Сводное планирование
· Оптимизация
· Обучение
· Управление
· Ремонт
· Отладка
Классификация ЭС по связи с реальным временем:
· Статические — решающие задачи в условиях не изменяющихся во времени исходных данных и знаний.
· Квазидинамические интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
· Динамические — решающие задачи в условиях изменяющихся во времени исходных данных и знаний.
Примеры ЭС:
· WolframAlpha — база знаний и набор вычислительных алгоритмов, интеллектуальный «вычислительный движок знаний»
· MYCIN — наиболее известная диагностическая система, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях.
· HASP/SIAP — интерпретирующая система, которая определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения.
· Акинатор — интернет-игра. Игрок должен загадать любого персонажа, а Акинатор должен его отгадать, задавая вопросы. База знаний автоматически пополняется, поэтому программа может отгадать практически любого известного персонажа.
· IBM Watson — суперкомпьютер фирмы IBM, способный понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных.
3. Расчетно-логические системы позволяют решать управленческие и проектные задачи по их постановкам (описаниям) и исходным данным вне зависимости от сложности математических моделей этих задач. При этом конечному пользователю предоставляется возможность контролировать в режиме диалога все стадии вычислительного процесса. В общем случае, по описанию проблемы на языке предметной области обеспечивается автоматическое построение математической модели и автоматический синтез рабочих программ при формулировке функциональных задач из данной предметной области.
|
|
|
Эти свойства реализуются благодаря наличию базы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования.
4. В последнее время в специальный класс выделяются гибридные экспертные системы. Указанные системы должны вобрать в себя лучшие черты как экспертных, так и расчетно-логических и информационно-поисковых систем.
Классификация гибридных интеллектуальных систем:
В на основе аналитического обзора существующих классификаций ГиИС предложено выделять следующие пять стратегий разработки ГиИС: автономные, трансформационные, слабосвязанные, сильносвязанные и полностью интегрированные модели:
· Автономные модели приложений ГиИС содержат независимые программные компоненты, реализующие обработку информации на моделях с использованием методов из ограниченного числа классов. Автономные модели могут использоваться для быстрого создания начального прототипа, после чего разрабатываются приложения, требующие большего времени. Автономные модели имеют и существенный недостаток — никакая из них не может помочь другой в ситуации обновления информации — все должны модифицироваться одновременно.
· Трансформационные ГиИС похожи на автономные. Основное отличие состоит в том, что такая модель начинает работать как система, использующая один автономный метод, а заканчивает как система, использующая уже другой метод. Трансформационные модели дают несколько преимуществ: быстроту создания и меньшие затраты, поскольку эксплуатируется единая модель, а окончательный метод наилучшим образом адаптирует результаты к окружению. Есть и проблемы: автоматическое преобразование одной модели в другую; существенная модификация модели, сравнимая по объему с разработкой «заново».
· Слабосвязанные ГиИС — это, по существу, первая реальная форма интеграции, когда приложение разбивается на отдельные элементы, связываемые через файлы данных. Если сравнить рассмотренные слабосвязанные ГиИС с другими более интегрированными приложениями, то они проще для разработки и допускают применение коммерчески доступных программ, снижающих бремя программирования. Время на эксплуатацию сокращено из-за простоты интерфейсов файлов, однако увеличена цена коммуникации и ниже производительность ГиИС.
|
|
|
· Сильносвязанные ГиИС имеют низкие коммуникационные затраты и более высокую производительность по сравнению со слабосвязанными моделями. Тем не менее, эти ГиИС имеют и три принципиальных ограничения: 1) сложность разработки и поддержки возрастает как следствие внешнего интерфейса данных; 2) сильная связанность страдает от излишнего накопления данных и 3) проверка адекватности затруднена.
· Полностью интегрированные ГиИС совместно используют общие структуры данных и представления знаний, а взаимосвязь между компонентами достигается посредством двойственной природы структур. Это бурно развивающийся в мировой практике класс гибридов, где можно выделить разработку концептуальных нейросетей, основанных на знаниях, коннекционистских экспертных систем, в которых элементы взаимодействуют быстро и просто, а общая информация для независимого решения задачи мгновенно доступна тому и другому компоненту.
Еще один вариант полной интеграции — нечеткие нейросети — гибрид, по структуре похожий на нейросеть и реализующий одновременно нейро- и нечеткие вычисления. Преимущества полной интеграции — надежность, увеличение скорости обработки, адаптация, обобщение, снижение шума, аргументация и логическая дедукция, то, чего в сумме не найти ни в одном классе методов-родителей.
Заключение
Широкое распространение среди интеллектуальных информационных систем получили экспертные системы (ЭС) особенно в математически слабо формализованных областях науки и техники, таких как медицина, геология, биология и др. Как и все интеллектуальные информационные системы ЭС помогает человеку (пользователю) в решении поставленных задач, но уже на более узкоспециализированном профиле, т.е. на уровне эксперта в данной области. Информационно-поисковые системы (ИПС) служат для поиска и хранения данных, а главное отличие от экспертной системе – ИПС не предоставляет возможного пути решения поставленной задачи, она просто предоставляет данные, на основе которых человек ищет пути решения самостоятельно.
Список литературы
1. Потапов А.С. Технологии искусственного интеллекта. Учеб. пособие. Для студентов высших учебных заведений – СПб: СПбГУИТМО, 2010. – 218 с.
Тикунов В. С. Геоинформатика. Учеб. пособие. Для студентов – Москва: МГУ, 2008. – 361 с.
|
|
|
