2 Е. В. Боровская Н. А. Давыдова ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Учебное пособие 3-е издание (электронное) Москва Лаборатория знаний 2016
3 УДК ББК Б83 С е р и я о с н о в а н а в 2007 г. Боровская Е. В. Б83 Основы искусственного интеллекта [Электронный ресурс] : учебное пособие / Е. В. Боровская, Н. А. Давыдова. 3-е изд. (эл.). Электрон. текстовые дан. (1 файл pdf: 130 с.). М. : Лаборатория знаний, (Педагогическое образование). Систем. требования: Adobe Reader XI ; экран 10". ISBN Учебное пособие знакомит читателей с историей искусственного интеллекта, моделями представления знаний, экспертными системами и нейронными сетями. Описаны основные направления и методы, применяемые при анализе, разработке и реализации интеллектуальных систем. Рассмотрены модели представления знаний и методы работы с ними, методы разработки и создания экспертных систем. Книга поможет читателю овладеть навыками логического проектирования баз данных предметной области и программирования на языке ProLog. Для студентов и преподавателей педагогических вузов, учителей общеобразовательных школ, гимназий, лицеев. УДК ББК Деривативное электронное издание на основе печатного аналога: Основы искусственного интеллекта: учебное пособие / Е. В. Боровская, Н. А. Давыдова. М. : БИНОМ. Лаборатория знаний, с. : ил. (Педагогическое образование). ISBN В соответствии со ст и 1301 ГК РФ при устранении ограничений, установленных техническими средствами защиты авторских прав, правообладатель вправе требовать от нарушителя возмещения убытков или выплаты компенсации ISBN c Лаборатория знаний, 2015
4 ОГЛАВЛЕНИЕ Глава 1. Искусственный интеллект Введение в системы искусственного интеллекта Понятие об искусственном интеллекте Искусственный интеллект в России Функциональная структура системы искусственного интеллекта Направления развития искусственного интеллекта Данные и знания. Представление знаний в интеллектуальныхсистемах Данные и знания. Основные определения Модели представления знаний Экспертные системы Структура экспертной системы Разработка и использование экспертныхсистем Классификация экспертныхсистем Представление знаний в экспертныхсистемах Инструментальные средства построения экспертныхсистем Технология разработки экспертной системы Контрольные вопросы и задания к главе Литература к главе Глава 2. Логическое программирование Методологии программирования Методология императивного программирования Методология объектно-ориентированного программирования Методология функционального программирования Методология логического программирования Методология программирования в ограничениях Методология нейросетевого программирования Краткое введение в исчисление предикатов и доказательство теорем Процесс логического вывода в языке Prolog... 58
5 4 Оглавление 2.4. Структура программы на языке Prolog Использование составных объектов Использование альтернативных доменов Организация повторений в языке Prolog Метод отката после неудачи Метод отсечения и отката Простая рекурсия Метод обобщенного правила рекурсии (ОПР) Списки в языке Prolog Операции над списками Строки в языке Prolog Операции над строками Файлы в языке Prolog Предикаты Prolog для работы с файлами Описание файлового домена Запись в файл Чтение из файла Модификация существующего файла Дозапись в конец уже существующего файла Создание динамических баз данных в языке Prolog Базы данных на Prolog Предикаты динамической базы данных в языке Prolog Создание экспертных систем Структура экспертной системы Представление знаний Методы вывода Система пользовательского интерфейса Экспертная система, базирующаяся на правилах Контрольные вопросы и задания к главе Литература к главе Глава 3. Нейронные сети Введение в нейронные сети Искусственная модель нейрона Применение нейронных сетей Обучение нейросети Контрольные вопросы и задания к главе Литература к главе
6 ГЛАВА 1 ИСКУССТВЕННЫЙИНТЕЛЛЕКТ 1.1. Введение в системы искусственного интеллекта Понятие об искусственном интеллекте Система искусственного интеллекта (ИИ) это программная система, имитирующая на компьютере процесс мышления человека. Для создания такой системы необходимо изучить сам процесс мышления человека, решающего определенные задачи или принимающего решения в конкретной области, выделить основные шаги этого процесса и разработать программные средства, воспроизводящие их на компьютере. Следовательно, методы ИИ предполагают простой структурный подход к разработке сложных программных систем принятия решений . Искусственный интеллект это направление информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка. Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума, что называется, «витала в воздухе» еще в древнейшие времена. Родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII в. пытался создать механическое устройство для решения различных задач на основе разработанной им всеобщей классификации понятий.
7 6 Глава 1 Позже Лейбниц и Декарт независимо друг от друга продолжили эту идею, предложив универсальные языки классификации для всех наук. Эти работы можно считать первыми теоретическими работами в области искусственного интеллекта. Однако окончательное рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 1940-х гг., когда Норберт Винер создал свои основополагающие работы по новой науке кибернетике. Термин «искусственный интеллект» (ИИ; англ. AI «Artificial Intelligence») был предложен в 1956 г. на семинаре с аналогичным названием в Дартмутском колледже (США). Этот семинар был посвящен разработке методов решения логических (а не вычислительных) задач. Заметим, что в английском языке данное словосочетание не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Слово «intelligence» означает всего лишь «умение рассуждать разумно», а вовсе не «интеллект» (для которого есть отдельный английский аналог «intellect»). Вскоре после признания искусственного интеллекта особой областью науки произошло его разделение на два направления: нейрокибернетику и кибернетику «черного ящика». Эти направления развивались практически независимо, существенно различаясь как в методологии, так и технологически. И только в настоящее время стали заметны тенденции к объединению этих частей вновь в единое целое. Нейрокибернетика Основную идею этого направления можно сформулировать следующим образом: «Единственный объект, способный мыслить, это человеческий мозг, поэтому любое мыслящее устройство должно так или иначе воспроизводить его структуру». Таким образом, нейрокибернетика ориентирована на программно-аппаратное моделирование структур, подобных структуре мозга. Усилия нейрокибернетики были сосредоточены на создании элементов, аналогичных нейронам, и на их объединении в функционирующие системы нейронные сети .
8 Искусственный интеллект 7 Первые нейросети были созданы в х гг. Это были не очень удачные попытки создать системы, моделирующие человеческий глаз и его взаимодействие с мозгом. Постепенно в х гг. количество работ по этому направлению искусственного интеллекта стало снижаться, слишком уж неутешительными были первые результаты. Обычно авторы разработок объясняли свои неудачи малой памятью и низким быстродействием существующих в то время компьютеров. Первый нейрокомпьютер был создан в Японии в рамках проекта «ЭВМ пятого поколения». К этому времени ограничения по памяти и быстродействию ЭВМ были практически сняты. Появились транспьютеры компьютеры с большим количеством процессоров, реализующих параллельные вычисления. Транспьютерная технология это один из десятка новых подходов к аппаратной реализации нейросетей, которые моделируют иерархическую структуру мозга человека. В целом сегодня можно выделить три основных разновидности подходов к созданию нейросетей: аппаратный (создание специальных компьютеров, нейрочипов, плат расширения, наборов микросхем), программный (создание программ и программных инструментариев, рассчитанных на высокопроизводительные компьютеры; такие сети создаются «виртуально», в памяти компьютера, тогда как всю работу выполняют его собственные процессоры) и гибридный (комбинация первых двух способов). Кибернетика «черного ящика» и искусственный интеллект В основу этого подхода заложен принцип, противоположный нейрокибернетике. Здесь уже не имеет значения, как именно устроено «мыслящее» устройство, главное, чтобы на заданные входные воздействия оно реагировало так же, как и человеческий мозг. Сторонники этого направления мотивировали свой подход тем, что человек не должен слепо следовать природе в своих научных и технологических поисках. К тому же пограничные науки о человеке не смогли внести существенно-
9 8 Глава 1 го теоретического вклада, объясняющего (хотя бы приблизительно), как протекают интеллектуальные процессы у человека, как устроена его память и как человек познает окружающий мир . Это направление искусственного интеллекта было ориентировано на поиск алгоритмов решения интеллектуальных задач на существующих моделях компьютеров. Существенный вклад в становление новой науки внесли такие ее пионеры, как Маккарти, Минский, Ньюэлл, Саймон, Шоу, Хант и др. В х гг. велись интенсивные поиски моделей и алгоритмов человеческого мышления и разработка первых программ на их основе. Представители гуманитарных наук философы, психологи, лингвисты ни тогда, ни сейчас не смогли предложить такие алгоритмы, тогда кибернетики начали создавать собственные модели. Так последовательно были созданы и опробованы различные подходы. В конце 1950-х гг. появилась модель лабиринтного поиска. Этот подход представляет задачу как некоторое пространство состояний в форме графа, после чего в этом графе производится поиск оптимального пути от входных данных к результирующим. Была проделана большая работа по созданию такой модели, но для решения практических задач эта идея все же не нашла широкого применения. Начало 1960-х гг. стало эпохой эвристического программирования. Эвристика это некоторое правило, теоретически не обоснованное, но позволяющее сократить количество переборов в пространстве поиска. Эвристическое программирование это разработка стратегии действий на основе известных, заранее заданных эвристик. В х гг. к решению задач стали подключать методы математической логики. Робинсон разработал метод резолюций, который позволяет автоматически доказывать теоремы при наличии набора исходных аксиом. Примерно в это же время выдающийся отечественный математик Ю. С. Маслов предложил так называемый обратный вывод (впоследствии названный его именем), решающий аналогичную задачу другим способом. На основе метода резолюций
10 Искусственный интеллект 9 француз Альбер Кольмероэ в 1973 г. создал язык логического программирования Prolog. Большой резонанс в научном сообществе вызвала программа «Логик-теоретик», созданная Ньюэллом, Саймоном и Шоу, которая доказывала школьные теоремы. Однако большинство реальных задач не сводится к набору аксиом, а человек, решая производственные задачи, далеко не всегда использует классическую логику, поэтому логические модели при всех своих преимуществах имеют существенные ограничения по классам решаемых задач. История искусственного интеллекта полна драматических событий, одним из которых стал в 1973 г. так называемый «доклад Лайтхилла», который был подготовлен в Великобритании по заказу Британского совета научных исследований. Известный математик Лайтхилл, никак с искусственным интеллектом профессионально не связанный, подготовил обзор состояния дел в этой области. В докладе были признаны определенные достижения, однако их уровень определялся как «разочаровывающий», а общая оценка была отрицательной с позиций практической значимости. Этот отчет отбросил европейских исследователей примерно на пять лет назад, так как финансирование работ существенно сократилось. Примерно в это же время существенный прорыв в развитии практических приложений искусственного интеллекта произошел в США, когда в середине 1970-х гг. на смену поиску универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы (ЭС). Стал применяться и новый подход к решению задач искусственного интеллекта представление знаний. Были созданы две первые экспертные системы для медицины и химии Mycin и Dendral, ставшие классическими. Существенный финансовый вклад внес и Пентагон, предлагая базировать новую программу министерства обороны США на принципах искусственного интеллекта. Уже вдогонку упущенных возможностей Европейский союз в начале 1980-х гг. объявил о глобальной программе развития новых технологий ESPRIT,
11 10 Глава 1 в которую была включена проблематика искусственного интеллекта. В конце 1970-х гг. в гонку включается Япония, объявив о начале проекта машин пятого поколения, основанных на знаниях. Проект был рассчитан на десять лет и объединял лучших молодых специалистов крупнейших японских компьютерных корпораций. Для этих специалистов был специально создан новый институт ICOT и предоставлена полная свобода действий (правда, без права публикации предварительных результатов). В результате они создали достаточно громоздкий и дорогой символьный процессор, программно реализующий пролого-подобный язык, но не получивший широкого признания. Однако положительный эффект от этого проекта был очевиден. В Японии появилась значительная группа высококвалифицированных специалистов в области искусственного интеллекта, которая добилась существенных результатов в различных прикладных задачах. К середине 1990-х гг. японская ассоциация искусственного интеллекта насчитывала уже 40 тыс. человек. Начиная с середины 1980-х гг. повсеместно происходила коммерциализация искусственного интеллекта. Росли ежегодные капиталовложения, создавались промышленные экспертные системы. Рос интерес к самообучающимся системам. Издавались десятки научных журналов, ежегодно собирались международные и национальные конференции по различным направлениям искусственного интеллекта, который становился одной из наиболее перспективных и престижных областей информатики. В настоящее время различают два основных подхода к моделированию искусственного интеллекта: машинный интеллект, заключающийся в строгом задании результата функционирования, и искусственный разум, направленный на моделирование внутренней структуры системы. Моделирование систем первой группы достигается за счет использования законов формальной логики, теории множеств, графов, семантических сетей и других достижений науки в области дискретных вычислений, а основные результаты заключаются в создании экспертных систем, систем разбора
12 Искусственный интеллект 11 естественного языка и простейших систем управления вида «стимул реакция». Системы же второй группы базируются на математической интерпретации деятельности нервной системы (прежде всего мозга человека) и реализуются в виде нейроподобных сетей на базе нейроподобного элемента аналога нейрона Искусственный интеллект в России В 1954 г. в МГУ начал работу семинар «Автоматы и мышление» под руководством академика А. А. Ляпунова (), одного из основателей российской кибернетики. В этом семинаре принимали участие физиологи, лингвисты, психологи, математики. Принято считать, что именно в это время родился искусственный интеллект в России. Как и за рубежом, в нем выделились два основных направления нейрокибернетика и кибернетика «черного ящика». В х гг. создавались отдельные программы и проводились исследования в области поиска решения логических задач. В ЛОМИ (Ленинградском отделении Математического института им. Стеклова) была создана программа АЛПЕВ ЛОМИ, автоматически доказывающая теоремы, которая основана на оригинальном обратном выводе Маслова, аналогичном методу резолюций Робинсона. Среди наиболее значимых результатов, полученных отечественными учеными в 1960-е гг., следует отметить алгоритм «Кора» М. М. Бонгарда, моделирующий деятельность человеческого мозга при распознавании образов. Большой вклад в становление российской школы искусственного интеллекта внесли и такие выдающиеся ученые, как М. Л. Цетлин, В. Н. Пушкин, М. А. Гаврилов, чьи ученики стали пионерами этой науки в России. В х гг. родилось новое направление ИИ ситуационное (соответствующее представлению знаний в западной терминологии). Основателем этой научной школы стал профессор Д. А. Поспелов. Были разработаны и специальные модели представления ситуаций (представления знаний). При том, что отношение к новым наукам в советской России всегда было настороженным, наука с таким «вызы-
13 12 Глава 1 вающим» названием тоже не избежала этой участи и была встречена в Академии наук «в штыки». К счастью, среди членов Академии наук СССР нашлись люди, не испугавшиеся столь необычного словосочетания в качестве названия нового научного направления. Однако только в 1974 г. при Комитете по системному анализу при президиуме АН СССР был создан научный совет по проблеме «Искусственный интеллект», его возглавил Д. А. Поспелов. По инициативе этого совета было организовано пять комплексных научных проектов, возглавляемых ведущими специалистами в данной области: «Диалог» (работы по пониманию естественного языка), «Ситуация» (ситуационное управление), «Банк» (банки данных), «Конструктор» (поисковое конструирование) и «Интеллект робота». В х гг. в нашей стране проводились активные исследования в области представления знаний, разрабатывались языки представления знаний и экспертные системы; в МГУ был создан язык Рефал. В 1988 г. была сформирована Ассоциация искусственного интеллекта (АИИ), президентом которой единогласно был избран Д. А. Поспелов. В рамках этой ассоциации проводилось большое количество исследований, были организованы школы для молодых специалистов, семинары, симпозиумы, раз в два года проводились объединенные конференции, издавался научный журнал. Следует отметить, что уровень теоретических исследований по искусственному интеллекту в России всегда был ничуть не ниже общемирового. Однако, к сожалению, начиная с 1980-х гг. на прикладных работах начинало сказываться постепенное отставание в технологии. На данный момент отставание в области разработки промышленных интеллектуальных систем составляет примерно 3 5 лет. Основные области применения систем ИИ: доказательство теорем, игры, распознавание образов, принятие решений, адаптивное программирование, сочинение машинной музыки, обработка данных на естественном языке, обучающиеся сети (нейросети), вербальное концептуальное обучение.
14 Искусственный интеллект Функциональная структура системы искусственного интеллекта Функциональная структура системы ИИ (рис. 1.1) состоит из трех комплексов вычислительных средств. Первый из них представляет собой исполнительную систему (ИС) совокупность средств, выполняющих программы и спроектированных с позиций эффективного решения задач; этот комплекс имеет в ряде случаев проблемную ориентацию. Второй комплекс это совокупность средств интеллектуального интерфейса, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечных пользователей. Третьим комплексом средств, с помощью которых организуется взаимодействие первых двух комплексов, является база знаний, обеспечивающая использование вычислительными средствами первых Рис Функциональная структура системы ИИ
15 [...]
16 Минимальные системные требования определяются соответствующими требованиями программы Adobe Reader версии не ниже 11-й для платформ Windows, Mac OS, Android, ios, Windows Phone и BlackBerry; экран 10" Учебное электронное издание Серия: «Педагогическое образование» ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Учебное пособие Ведущий редактор Д. Усенков Художники Н. Новак, С. Инфантэ Технический редактор Е. Денюкова Корректор Л. Макарова Компьютерная верстка: С. Янковая Подписано к использованию Формат мм Издательство «Лаборатория знаний» , Москва, проезд Аэропорта, д. 3 Телефон: (499)
17 БОРОВСКАЯ ЕЛЕНА ВЛАДИМИРОВНА Старший преподаватель кафедры информатики и методики преподавания информатики Челябинского государственного педагогического университета. Область интересов: проблемы модульно-рейтинговой системы контроля и оценки учебных достижений студентов в условиях управления качеством в вузе. ДАВЫДОВА НАДЕЖДА АЛЕКСЕЕВНА Кандидат педагогических наук по специальности «Теория и методика обучения и воспитания (информатика, уровень общего образования)», доцент кафедры информатики и методики преподавания информатики Челябинского государственного педагогического университета. Области интересов: технология формирования содержания образования по информатике в профильных классах общеобразовательных школ, интеллектуальные обучающие системы. Учебное пособие знакомит читателей с историей искусственного интеллекта, моделями представления знаний, экспертными системами и нейронными сетями. Описаны основные направления и методы, применяемые при анализе, разработке и реализации интеллектуальных систем. Рассмотрены модели представления знаний и методы работы с ними, методы разработки и создания экспертных систем. Книга поможет читателю овладеть навыками логического проектирования баз данных предметной области и программирования на языке Prolog. Книга предназначена для студентов и преподавателей педагогических вузов, учителей общеобразовательных школ, гимназий и лицеев.
Искусственный интеллект Преподаватель: Брагилевский В.Н. Докладчик: Банарь О.В. План Философские аспекты ИИ История развития ИИ Подходы к построению систем ИИ Структурный подход. Системы идентификации
К 100-летию со дня рождения Гермогена Сергеевича Поспелова 25 мая 2014 г. исполнилось 100 лет со дня рождения выдающегося ученого, академика АН СССР и Российской академии наук, лауреата Государственной
1. ЦЕЛЬ И ЗАДАЧИ ДИСЦИПЛИНЫ История ЭВМ не только история развития понятий, но и одна из частей истории человеческой деятельности, в которой отражается жизнь человека и как биологического вида, и как члена
ПОСОБИЕ для подготовки к ЕГЭ ИНФОРМАТИКА ИНФОРМАТИКА ПОСОБИЕ для подготовки к ЕГЭ 3-е издание, исправленное и дополненное (электронное) Под редакцией Е. T. Вовк Москва БИНОМ. Лаборатория знаний 2015 УДК
Информатика Лекция 1 Основные определения Доцент кафедры РЭС (2302) Кузнецов Игорь Ростиславович Определение Информатика наука, изучающая все аспекты получения, хранения, преобразования, передачи и использования
Направление 09.03.03 Информатика 1.2 Лекция «Человеко-машинное взаимодействие. ППО» Лектор Молнина Елена Владимировна Старший преподаватель кафедры Информационных систем, ауд.9, гл.корпус. mail: [email protected]
УДК 004.89 ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОБРАЗОВАНИИ Р.В. Стрельцов, ст. гр. ТП08 Л.В.Славинская, ст. препод. каф. ВМиП Донецкий национальный технический университет Процесс вхождения высшей школы в мировое
Нормативные документы Аннотация к рабочей программе по информатике 8 класс Рабочая программа по информатике и ИКТ составлена на основе авторской программы Угриновича Н.Д. с учетом примерной программы основного
МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ Л Е К Т О Р А З А Р Ч Е Н К О В А. А. ОСНОВНЫЕ ПОНЯТИЯ Задачи: вычислительные задачи - определение некоторой величины, функциональные задачи - создания
Содержание рабочей программы I.Пояснительная записка с указанием нормативных документов, обеспечивающих реализацию программы 1.Общая характеристика предмета Информатика - это естественнонаучная дисциплина
Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования «Новосибирский государственный университет» (НГУ) Факультет информационных технологий
ПЕРВОЕ ВЫСШЕЕ ТЕХНИЧЕСКОЕ УЧЕБНОЕ ЗАВЕДЕНИЕ РОССИИ МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ федеральное государственное бюджетное образовательное учреждение высшего профессионального образования
Моделирование познавательных способностей человека в искусственном интеллекте Наталья Андреевна Ястреб ВГПУ, 2010 zagoskina_natali@ mail.ru 1 Понятие интеллекта Термин «интеллект» неоднозначный, имеют
Аннотация программы учебной дисциплины «Методы исследования и моделирования информационных процессов и технологий» Цель дисциплины: 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ Дисциплина «Методы исследования и моделирования
О разработке инструментальных систем, ориентированных на решение информационно-логических задач Р. Г. Бухараев, А. И. Еникеев, И. И. Макаров Практика использования вычислительных машин для автоматизации
Муниципальное бюджетное общеобразовательное учреждение «Средняя школа 9» Аннотация к рабочей программе по информатике и ИКТ в параллели 6-х классов г. Вилючинск 2016-2017 учебный год 1 Количество часов
Информатика Информатика устанавливает законы преобразования информации в условиях функционирования автоматизированных систем, разрабатывает методы еѐ алгоритмизации, формирования языковых средств общения
КАЗАНСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ ИНСТИТУТ ВЫЧИСЛИТЕЛЬНОЙ МАТЕМАТИКИ И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ Кафедра системного анализа и информационных технологий А.М. ЮРИН ЭКСПЕРТНЫЕ СИСТЕМЫ Учебно-методическое
83 УДК 004.822 РАЗРАБОТКА СИСТЕМЫ АВТОМАТИЗИРОВАННОГО РЕШЕНИЯ ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ В САПР, ОСНОВАННОЙ НА МЕТОДЕ ПРОГРАММИРОВАНИЯ В ОГРАНИЧЕНИЯХ Крилевич С.Д., Григорьев А.В. Донецкий национальный технический
À. À. åðíÿê, Æ. À. åðíÿê, Þ. Ì. Ìåòåëüñêèé, Ñ. À. Áîãäàíîâè ÌÅÒÎÄÛ ÎÏÒÈÌÈÇÀÖÈÈ: ÒÅÎÐÈß È ÀËÃÎÐÈÒÌÛ УЧЕБНОЕ ПОСОБИЕ ДЛЯ АКАДЕМИЧЕСКОГО БАКАЛАВРИАТА 2-е издание, исправленное и дополненное Ðåêîìåíäîâàíî
Н. А. Давыдова Е. В. Боровская ПРОГРАММИРОВАНИЕ Учебное пособие Москва БИНОМ. Лаборатория знаний 2009 УДК 004.4 ББК 32.973-018 Д13 Д13 Давыдова Н. А. Программирование: учебное пособие / Н. А. Давыдова,
Аннотация к дисциплине «интелектуальные информационные системы» 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ 1.1. Цели дисциплины Цель преподавания дисциплины состоит в содействии формированию у обучающихся способности
Муниципальное бюджетное общеобразовательное учреждение средняя общеобразовательная школа 83 РАБОЧАЯ ПРОГРАММА по информатике и ИКТ уровня среднего общего образования учителя Кауровой Галины Владимировны
Тестовые задания по дисциплине ИИС Тема: 1. Искусственный интеллект 1 вопрос: Искусственный интеллект это - направление, которое позволяет решать сложные математические задачи на языках программирования;
ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Рабочая программа кружка по информатике «Юный информатик» для 5-7 классов разработана на основе авторской программы Н.В.Макаровой для 5-9 классов, рекомендованной Министерством образования
Искусственный нейронные сети и возможность создания на их основе искусственного интеллекта Сулейманов К.Б. ФГБОУ ВО «Дагестанский государственный университет» Махачкала, Россия. Artificial neural networks
Аннотация к дисциплине «Основы программирования и алгоритмизации» Направление подготовки (специальность) 09.03.02 «Информационные системы и технологии» Профиль Информационные системы и технологии в строительстве
Методология и логика научных исследований Дисциплина «Методология и логика научных исследований» входит в базовую часть общенаучного цикла подготовки магистров. Целью изучения дисциплины является ознакомление
Интеллектуальные системы машиностроении Лекция 2.1. Методы представления знаний. 1 Представление знаний в системах искусственного интеллекта Основной особенностью интеллектуальных систем является то, что
Марчук 14 г. ОТЗЫВ ведущей организации на диссертационную работу Крылова Дмитрия Александровича «Модели и методы реализации облачной платформы для разработки и использования интеллектуальных сер висов»,
ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Лекция 5. Экспертные системы Продолжение Технологии ИИ 1 СЕМИОТИЧЕСКИЕ МОДЕЛИ Классические задачи управления. В их фундаменте лежит тезис о том, что нам известны: назначение
8. ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ) Информатики, вычислительной техники и 1. Кафедра информационной безопасности 09.03.02 «Информационные
АННОТАЦИЯ рабочей программы «Информационные технологии в управлении» по направлению подготовки/ специальности 38.03.04 «Государственное и муниципальное управление» код и наименование направления/ специальности
МИНОБРНАУКИ РОССИИ федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технологический университет «СТАНКИН» (ФГБОУ ВО «МГТУ «СТАНКИН») АННОТАЦИЯ
1. Российская педагогическая энциклопедия. В 2 т. / Гл. ред. В.В. Давыдов. М.: Большая российская энциклопедия, 1993. Т. 2. 608 с. 2. Селевко Г.К. Современные образовательные технологии: Учеб. пособ. М.:
Г. В. Алексеев, С. А. Бредихин, И. И. Холявин СИСТЕМНЫЙ ПОДХОД В ПИЩЕВОЙ ИНЖЕНЕРИИ Общие определения и некоторые приложения Рекомендовано Федеральным учебно-методическим объединением в системе высшего
Программное обеспечение (ПО) Software Системное и прикладное ПО Системное ПО используется для разработки выполнения программных продуктов, а также для предоставлению пользователю определенных услуг. Системное
Аннотация к рабочим программам по информатике и ИКТ на 2016-2017 7 класс (основное общее образование) Изучение информатики и ИКТ в VII классах направлено на достижение следующих целей: - формирование общеучебных
УДК 004.514.6 ОЦЕНКА КАЧЕСТВА ПОЛЬЗОВАТЕЛЬСКОГО ИНТЕРФЕЙСА ОБУЧАЮЩИХ ПРОГРАММ Горецкий А.А. Донецкий Национальный Технический Университет Кафедра прикладной математики и информатики E-mail: [email protected]
АННОТАЦИЯ РАБОЧЕЙ ПРОГРАММЫ ДИСЦИПЛИНЫ Интеллектуальные системы и технологии по направлению/специальности 09.03.02 - "Информационные системы и технологии" 1. Цели и задачи освоения дисциплины Целью освоения
АДАПТИВНЫЕ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ Т. Кохонен Самоорганизующиеся карты Перевод 3-го английского издания В. Н. Агеева под редакцией Ю. В. Тюменцева Москва БИНОМ. Лаборатория знаний 2008 УДК 517.11+519.92
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ Государственное образовательное учреждение высшего профессионального образования «Мурманский государственный гуманитарный университет» (МГГУ) РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «УФИМСКИЙ ГОСУДАРСТВЕННЫЙ АВИАЦИОННЫЙ ТЕХНИЧЕСКИЙ
Системы управления базами данных (СУБД) 1. Общие сведения о СУБД 2. Модели данных 3. СУБД Microsoft Access 1. Общие сведения о системах управления базами данных Два основных направления использования компьютеров:
СОСТАВИТЕЛИ: Рябый В.В., старший преподаватель кафедры математического обеспечения электронно-вычислительных машин Белорусского государственного университета; Побегайло А.П., доцент кафедры технологии
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ федеральное государственное автономное образовательное учреждение высшего профессионального образования НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЯДЕРНЫЙ УНИВЕРСИТЕТ
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ "ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ - УЧЕБНО-НАУЧНО-ПРОИЗВОДСТВЕННЫЙ
ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ГОРОДА МОСКВЫ СРЕДНЯЯ ОБЩЕОБРАЗОВАТЕЛЬНАЯ ШКОЛА 382 Рассмотрено на заседании МО Руководитель МО Н.В. Павленко Протокол от 2014г. СОГЛАСОВАНО Заместитель
УДК 372.851.046.14 ББК 74.262.21 Г15 Р е ц е н з е н т ы: канд. пед. наук, доц. каф. математики и методики преподавания математики УО «Мозырский гос. пед. ун-т им. И. П. Шамякина» Л. A. Иваненко; учитель
ЮРИЮ МИХАЙЛОВИЧУ ЗАБРОДИНУ 70 ЛЕТ В октябре 2010 г. исполнилось 70 лет Юрию Михайловичу Забродину крупному ученому и организатору отечественной психологической науки. В историю советской и российской психологии
ТАМБОВСКОЕ ОБЛАСТНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ АВТОНОМНОЕ УЧРЕЖДЕНИЕ ДОПОЛНИТЕЛЬНОГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «ИНСТИТУТ ПОВЫШЕНИЯ КВАЛИФИКАЦИИ РАБОТНИКОВ ОБРАЗОВАНИЯ» Преподавание учебного предмета
Пособие для руководителей, их заместителей, педагогов учреждений общего среднего образования М о з ы р ь «Белый Ветер» 2 0 1 4 УДК 371 ББК 74.200.58 Б59 Серия основана в 2007 году С о с т а в и т е л и:
Учебная программа составлена на основе учебного плана учреждения высшего образования по специальности 1-40 05 01 «Информационные системы и технологии (по направлениям)» и учебной программы «Основы информационных
Содержание Название раздела Стр. раздела 1. Пояснительная записка 3-4 2. Содержание учебного предмета 4-5 3. Требование к уровню подготовки учащихся 5-7 4. Литература 7 5. Календарно-тематическое планирование
Основная образовательная программа высшего образования утверждена Ученым советом университета (протокол Ученого совета университета 3 от 16 марта 2016 г) 2 СОДЕРЖАНИЕ 1. Общая характеристика основной профессиональной
Å. Ï. Ãîëóáêîâ ÌÅÒÎÄÛ ÏÐÈÍßÒÈß ÓÏÐÀÂËÅÍ ÅÑÊÈÕ ÐÅØÅÍÈÉ àñòü 1 Ó ÅÁÍÈÊ È ÏÐÀÊÒÈÊÓÌ ÄËß ÀÊÀÄÅÌÈ ÅÑÊÎÃÎ ÁÀÊÀËÀÂÐÈÀÒÀ 3-å èçäàíèå, èñïðàâëåííîå è äîïîëíåííîå Ðåêîìåíäîâàíî Ó åáíî-ìåòîäè åñêèì îòäåëîì âûñøåãî
Лекция 21 Групповые системы принятия решений Процесс принятия решения имеет тот же характер, что и процесс принятия управленческого решения. В нем можно выделить следующие этапы (рис. 4.1). I. Анализ проектной
Нам пишут РОССИХИНА Лариса Витальевна - кандидат технических наук, капитан внутренней службы, старший преподаватель цикла радиотехнических систем Воронежского колледжа Федеральной службы исполнения наказаний
1 Учебник: Информатика. 11 класс. Углубленный уровень. В 2 ч. Авторы: К.Ю. Поляков, Е.А. Еремин М.: БИНОМ, Лаборатория знаний, 2013. Планируемые результаты изучения информатики Программа по предмету «Информатика»
Роль логического программирования в изучении информатики. Н. Пелин Государственный университет Тирасполь(UST) Резюме В работе проводится анализ мнений ряда ученых и специалистов о значении и роли логического
Муниципальное образование - городской округ город Рязань Рязанской области РАБОЧАЯ ПРОГРАММА по информатике и ИКТ Уровень образования - 10-11 классы гуманитарного профиля Количество часов: 2 часа в неделю,
ПРИКЛАДНОЕ ПРИМЕНЕНИЕ СРЕДСТВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАЗРАБОТКЕ КОМПЬЮТЕРНЫХ ИГР Казиев А.Б., Прокопюк С.Ю. Томский политехнический университет Томск, Россия APPLICATION OF ARTIFICIAL INTELLIGENCE
Управление, вычислительная техника и информатика УДК 004.032.26:612.825 ОДНОРОДНАЯ МНОГОСЛОЙНАЯ НЕЙРОННАЯ СЕТЬ ПРЯМОГО РАСПРОСТРАНЕНИЯ С ЛОКАЛЬНЫМИ СВЯЗЯМИ С УСЛОВНО-РЕФЛЕКТОРНЫМ МЕХАНИЗМОМ ОБУЧЕНИЯ НА
МОДЕЛИРОВАНИЕ ИНТЕГРАЛЬНЫХ РОБОТОВ В MATLAB С.Т. Садыкова ЕНУ им. Л.Н. Гумилева, г. Астана, ул. Мунайтпасова, 5, 001008. E-mail: [email protected] Введение. Ро бот (чеш. robot) автоматическое устройство
Армавирский государственный
педагогический университет
ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
для студентов, обучающихся по специальности «Информатика»
Армавир 2004
Печатается по решению УМС АГПУ
Рецензент: , кандидат физико-математических наук, доцент, начальник Интернет-центра Кабардино-Балкарской ГСХА
Козырева искусственного интеллекта. Учебно-методическое пособие для студентов, обучающихся по специальности «информатика». – Армавир, 2004г.
Рассматриваются базовые понятия искусственного интеллекта, направления и перспективы развития исследований в области искусственного интеллекта, основы языка логического программирования ПРОЛОГ.
Учебно-методическое пособие предназначено для студентов, обучающихся по специальности «информатика», а также может использоваться всеми, кто интересуется вопросами искусственного интеллекта и логического программирования.
Введение………………………………………………..……………………... 4
1. Искусственный интеллект: предмет, история
развития, направления исследований ……..………………….. 5
1.1. Направления исследований в области
искусственного интеллекта…..…………………………………………….. 5
искусственного интеллекта….…………………………..………………..... 6
2. Система знаний……………………………………………………….. 8
3. Модели представления знаний…………………………………. 9
3.1. Семантические сети……………………………………………………..9
3.2. Фреймовая модель ………………………………………….…………10
3.3. Продукционная модель………………………………………………..11
3.4. Логическая модель……………………………………………………. .12
4. Экспертные системы………………………………………………...12
4.1. Назначение экспертных систем……………………………………….12
4.2. Типы задач, решаемых с помощью экспертных систем…………….14
4.3. Структура экспертных систем………………………………………...15
4.4. Основные этапы разработки экспертных систем……………………16
4.5. Инструментальные средства разработки экспертных систем………18
5. ПРОЛОГ - язык логического программирования ……….19
5.1. Общие сведения о ПРОЛОГе…………………………………………19
5.2. Предложения: факты и правила………………………………………20
5.4. Переменные в ПРОЛОГе……………………………………………...22
5.5. Объекты и типы данных в ПРОЛОГе………………………………...23
5.6. Основные разделы ПРОЛОГ-программы…………………………….23
5.7. Поиск с возвратом……………………………………………………...24
5.8. Управление поиском с возвратом: предикаты fail и отсечения ……26
5.9. Арифметические вычисления…………………………………………27
5.10. Рекурсия……………………………………………………………… .28
5.11. Списки…………………………………………………………………30
5.12. Стандартные задачи обработки списка………………………….….31
Литература………………………………………………................................35
Введение
В последние десятилетия искусственный интеллект вторгается во все сферы деятельности, становится средством интеграции наук. Программные средства, базирующиеся на технологии и методах искусственного интеллекта, получили значительное распространение в мире. Интенсивные исследования по созданию единого информационного пространства, создающего условия для совместной дистанционной работы на основе баз знаний, сегодня начали проводить все развитые в экономическом отношении страны. Курс «Основы искусственного интеллекта» в высшей школе включает изучение таких разделов как представление знаний в формальном языке, структура экспертных систем и основные принципов их разработки, различные стратегии поиска цели. Одной из основных линий курса является обсуждение вопросов реализации систем искусственного интеллекта для решения конкретных прикладных задач.
В качестве компьютерной поддержки курса рассматривается инструментальная среда разработки программ Visual Prolog. Язык программирования Пролог, основанный на идеях и методах математической логики, изначально создавался для разработки приложений искусственного интеллекта. В среде Visual Prolog эффективно программируются такие приложения, как базы знаний, экспертные системы, естественно-языковые интерфейсы и интеллектуальные системы управления информацией. Высокий уровень абстракции , возможность представления сложных структур данных и моделирования логических отношений между объектами позволяют решать задачи различных предметных областей.
Учебно-методическое пособие “Основы искусственного интеллекта” поможет расширить представления будущего учителя информатики об областях применения теории искусственного интеллекта, об имеющихся и перспективных языках программирования и аппаратных структурах для создания систем искусственного интеллекта.
1. Искусственный интеллект: предмет, история развития, направления исследований.
I ntellectus (лат) - ум, рассудок, разум, мыслительные способности человека. Искусственный Интеллект (ИИ) – область информатики, предметом которой является разработка аппаратно-программных средств, позволяющих пользователю решать задачи, традиционно считающиеся интеллектуальными. Теорию искусственного интеллекта составляет наука о знаниях, о том, как их добывать, представлять в искусственных системах, перерабатывать внутри системы и использовать для решения практических задач. Технологии с использованием ИИ применяют сегодня во многих прикладных областях.
Начало исследований в области ИИ (конец 50-х годов 20 в.) связывают с работами Ньюэлла, Саймана и Шоу, исследовавших процессы решения различных задач. Результатами их работ явились такие программы как "ЛОГИК-ТЕОРЕТИК", предназначенная для доказательства теорем в исчислении высказываний, и "ОБЩИЙ РЕШАТЕЛЬ ЗАДАЧ". Эти работы положили начало первому этапу исследований в области ИИ, связанному с разработкой программ, решающих задачи на основе применения разнообразных эвристических методов.
Эвристический метод решения задачи при этом рассматривался как свойственный человеческому мышлению "вообще", для которого характерно возникновение догадок о пути решения задачи с последующей проверкой их. Ему противопоставлялся используемый в ЭВМ алгоритмический метод, который интерпретировался как механическое осуществление заданной последовательности шагов, детерминированно приводящей к правильному ответу. Трактовка эвристических методов решения задач как сугубо человеческой деятельности и обусловила появление и дальнейшее распространение термина ИИ
А. Нейрокибернетика .
Нейрокибериетика ориентирована на аппаратное моделирование структур, подобных структуре мозга. Физиологами давно установлено, что основой человеческого мозга является большое количество связанных между собой и взаимодействующих нервных клеток - нейронов. Поэтому усилия нейрокибернетики были сосредоточены на создании элементов, аналогичных нейронам, и их объединении в функционирующие системы. Эти системы принято называть нейронными сетями, или нейросетями. В последнее время нейрокибернетика снова начала развиваться из-за скачка в развитии ЭВМ. Появились нейрокомпьютеры, транспьютеры.
В настоящее время используются три подхода к созданию нейросетей:
аппаратный - создание специальных компьютеров, плат расширения, наборов микросхем, реализующих все необходимые алгоритмы,
программный - создание программ и инструментариев, рассчитанных на высокопроизводительные компьютеры. Сети создаются в памяти компьютера, всю работу выполняют его собственные процессоры;
гибридный - комбинация первых двух. Часть вычислений выполняют специальные платы расширения (сопроцессоры), часть - программные средства.
Б. Кибернетика «черного ящика».
В основу кибернетики "черного ящика" лег принцип, противоположный нейрокибернетике. Не имеет значения, как устроено "мыслящее" устройство. Главное, чтобы на заданные входные воздействия оно реагировало так же, как человеческий мозг.
Это направление искусственного интеллекта было ориентировано на поиски алгоритмов решения интеллектуальных задач на существующих моделях компьютеров.
Исследования в области искусственного интеллекта прошли долгий и тернистый путь: первые увлечения (1960 год), лженаука (1960-65), успехи при решении головоломок и игр (), разочарование при решении практических задач (), первые успехи при решении ряда практических задач (), массовое коммерческое использование при решении практических задач (). Но основу коммерческого успеха по праву составляют экспертные системы и, в первую очередь, экспертные системы реального времени. Именно они позволили искусственному интеллекту перейти от игр и головоломок к массовому использованию при решении практически значимых задач.
1.2. Основные задачи, решаемые в области
искусственного интеллекта
Разработка моделей представления знаний, создание баз знаний, образующих ядро экспертных систем (ЭС). В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний. В области искусственного интеллекта наибольшего коммерческого успеха достигли экспертные системы и средства для их разработки.
Игровые интеллектуальные задачи - шахматы, шашки, го. В основе лежит один из ранних подходов - лабиринтная модель плюс эвристики.
Управление голосом, перевод с языка на язык. Первая программа в этой области - переводчик с английского языка на русский. Первая идея - пословный перевод, оказалась неплодотворной. В настоящее время используется более сложная модель, включающая анализ и синтез естественно-языковых сообщений, которая состоит из нескольких блоков. Для анализа это:
Язык, использующий продукционную модель – ПРОЛОГ.
3.4. Логическая модель
В основе их описания лежит формальная система с четырьмя элементами:
М=<Т, Р, А, В > , где
Т – множество базовых элементов различной природы с соответствующими процедурами;
Р – множество синтаксических правил. С их помощью из элементов Т образуют синтаксически правильные совокупности. Процедура П(Р) определяет, является ли эта совокупность правильной;
А - подмножество множества Р, называемых аксиомами . Процедура П(А) дает ответ на вопрос о принадлежности к множеству А;
В – множество правил вывода. Применяя их к элементам А, можно получить новые синтаксически правильные совокупности, к которым можно применить эти правила снова. Процедура П(В) определяет для каждой синтаксически правильной совокупности, является ли она выводимой.
4. Экспертные системы
4.1. Назначение экспертных систем
Экспертные системы (ЭС) - это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.
Цель исследования экспертных систем - разработка программ, которые при решении задач из некоторой предметной области, получают результаты, не уступающие по качеству и эффективности результатам, полученным экспертами.
Экспертные системы предназначены для решения неформализованных, практически значимых задач. Использование экспертной системы следует только тогда, когда их разработка является возможной и целесообразной.
Факты, свидетельствующие о необходимости разработки и внедрения экспертных систем:
Нехватка специалистов, расходующих значительное время для оказания помощи другим;
Потребность в многочисленном коллективе специалистов, поскольку ни один из них не обладает достаточным знанием;
Низкая производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть (за отведенное время) все эти условия;
Наличие конкурентов, имеющих преимущество в том, что они лучше справляются с поставленной задачей.
По функциональному назначению экспертные системы можно разделить на следующие типы:
1. Мощные экспертные системы, рассчитанные на узкий круг пользователей (системы управления сложным технологическим оборудованием, экспертные системы ПВО). Такие системы обычно работают в реальном масштабе времени и являются очень дорогими.
2. Экспертные системы, рассчитанные на широкий круг пользователей. К ним можно отнести системы медицинской диагностики, сложные обучающие системы. База знаний этих систем стоит недешево, так как содержит уникальные знания, полученные от специалистов экспертов. Сбором знаний и формированием базы знаний занимается специалист по сбору знаний – инженер-когнитолог.
3. Экспертные системы с небольшим числом правил и сравнительно недорогих. Эти системы рассчитаны на массового потребителя (системы, облегчающие поиск неисправностей в аппаратуре). Применение таких систем позволяет обойтись без высококвалифицированного персонала, уменьшить время поиска и устранения неисправностей. Базу знаний такой системы можно дополнять и изменять, не прибегая к помощи разработчиков системы. В них обычно используются знания из различных справочных пособий и технической документации.
4. Простые экспертные системы индивидуального использования. Часто изготавливаются самостоятельно. Применяются в ситуациях, чтобы облегчить повседневную работу. Пользователь, организовав правила в некоторую базу знаний, создает на ее основе свою экспертную систему. Такие системы находят применение в юриспруденции, коммерческой деятельности, ремонте несложной аппаратуре.
Использование экспертных систем и нейронных сетей приносит значительный экономический эффект. Так, например: - American Express сократила свои потери на 27 млн. долларов в год благодаря экспертной системе, определяющей целесообразность выдачи или отказа в кредите той или иной фирме; - DEC ежегодно экономит 70 млн. долларов в год благодаря системе XCON/XSEL, которая по заказу покупателя составляет конфигурацию вычислительной системы VAX. Ее использование сократило число ошибок от 30% до 1%; - Sira сократила затраты на строительство трубопровода в Австралии на 40 млн. долларов за счет управляющей трубопроводом экспертной системы.
4.2. Типы задач, решаемых с помощью
экспертных систем
Интерпретация данных . Под интерпретацией понимается определение смысла данных, результаты которого должны быть согласованными и корректными. Примеры ЭС:
Обнаружение и идентификация различных типов океанских судов - SIAP;
Определение основных свойств личности по результатам психодиагностического тестирования в системах АВТАНТЕСТ и МИКРОЛЮШЕР и др.
Диагностика . Под диагностикой понимается обнаружение неисправности в некоторой системе. Примеры ЭС:
Диагностика и терапия сужения коронарных сосудов - ANGY;
Диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ - система CRIB и др.
Мониторинг . Основная задача мониторинга - непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы - "пропуск" тревожной ситуации и инверсная задача "ложного" срабатывания. Примеры ЭС:
Контроль за работой электростанций СПРИНТ, помощь диспетчерам атомного реактора - REACTOR:
Контроль аварийных датчиков на химическом заводе - FALCON и др.
Проектирование . Проектирование состоит в подготовке спецификаций на создание "объектов" с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов чертеж, пояснительная записка и т. д. Примеры ЭС:
Проектирование конфигураций ЭВМ VAX ― 1/780 в системе XCON (или R1),
Проектирование БИС - CADHELP;
Синтез электрических цепей - SYN и др.
Прогнозирование . Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. Примеры ЭС:
Предсказание погоды - система WILLARD:
Оценки будущего урожая - PI. ANT;
Прогнозы в экономике - ЕСОN и др.
Планирование . Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности. Примеры ЭС:
Планирование поведения робота - STRIPS,
Планирование промышленных заказов - 1SIS,
Планирование эксперимента - MOLGEN и др.
Обучение . Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом "ученике" и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для их ликвидации. Примеры ЭС:
Обучение языку программирования Лисп в системе "Учитель Лиспа";
Система PROUST - обучение языку Паскаль и др.
Решения экспертных систем обладают прозрачностью, т. е. могут быть объяснены пользователю на качественном уровне.
Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом.
4.3. Структура экспертных систем
Структура экспертных систем включает в себя следующие компоненты:
База знаний – ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю (обычно на некотором языке, приближенном к естественному). Параллельно такому "человеческому" представлению существует БЗ во внутреннем "машинном" представлении. Она состоит из набора фактов и правил.
Факты – описывают объекты и взаимосвязь между ними. Правила – используется в базе знаний для описания отношений между объектами. На основе отношений, задаваемых правилами, выполняется логический вывод.
База данных – предназначена для временного хранения фактов и гипотез, содержит промежуточные данные или результат общения систем с пользователем.
Машинно-логический вывод – механизм рассуждений, оперирующий знаниями и данными с целью получения новых данных, для этого обычно используют программно реализованный механизм поиска решений.
Подсистема общения – служит для ведения диалога с пользователем, в ходе которого экспертная система запрашивает у пользователя необходимые факты для процесса рассуждений, а также дающая возможность пользователю в некоторой степени контролировать ход рассуждений.
Подсистема объяснения – необходима, для того чтобы дать пользователю возможность контролировать ход рассуждений.
Подсистема приобретения знаний – программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме . Включает в себя систему вложенных меню, шаблонов языка представления знаний, подсказок ("help" - режим) и других сервисных средств, облегчающих работу с базой.
Экспертная система работает в двух режимах:
Приобретения знаний (определение, модификация, дополнение);
Решения задач.
В этом режиме данные о задаче обрабатываются и после соответствующей кодировки передаются в блоки экспертной системы. Результаты обработки полученных данных поступают в модуль советов и объяснений и после перекодировки на язык, близкий к естественному, выдаются в виде советов, объяснений и замечаний. Если ответ не понятен пользователю, он может потребовать от экспертной системы объяснения его получения.
4.4. Основные этапы разработки экспертных систем
Технологический процесс разработки промышленной экспертной системы можно разделить на шесть основных этапов:
1. Выбор подходящей проблемы
Деятельность, предшествующая решению начать разрабатывать конкретную ЭС, включает:
Определение проблемной области и задачи;
Нахождение эксперта, желающего сотрудничать при решении проблемы, и назначение коллектива разработчиков;
Определение предварительного подхода к решению проблемы;
Анализ расходов и прибыли от разработки;
Подготовку подробного плана разработки.
2. Разработка прототипной системы
Прототипная система является усеченной версией экспертной системы, спроектированной для проверки правильности кодирования фактов, связей и стратегий рассуждения эксперта.
Прототип должен удовлетворять двум требованиям:
Прототипная система должна решать наиболее типичные задачи, но и не должна бать большой.
Время и трудоемкость создания прототипа должны быть незначительными.
Оценивается и проверяется работа программ прототипа с целью приведения в соответствие с реальными запросами пользователей. Прототип проверяется на:
Удобство и адекватность интерфейсов ввода-вывода (характер вопросов в диалоге, связность выводимого текста результата и др.)
Эффективность стратегии управления (порядок перебора, использование нечеткого вывода и др.);
Качество проверочных примеров;
Корректность базы знаний (полнота и непротиворечивость правил).
Эксперт работает, как правило, с инженером по знаниям, который помогает структурировать знания, определять и формировать понятия и правила, нужные
для решения проблемы. В случае успеха эксперт с помощью инженера познания расширяет базу знаний прототипа о проблемной области.
При неудаче может быть сделан вывод о том. Что необходимые другие методы решения данной проблемы или разработка нового прототипа.
3. Развитие прототипа до промышленной экспертной системы.
На этом этапе существенно расширяется база знаний, добавляются большое число дополнительных эвристик. Эти эвристики обычно увеличивают глубину системы, обеспечивая большее число правил для трудноуловимых аспектов отдельных случаев. После установления основной структуры ЭС инженер по знаниям приступает к разработке и адаптации интерфейсов, с помощью которых система будет общаться с пользователем и экспертом.
Как правило, реализуется плавный переход от прототипов к промышленным экспертным системам. Иногда при разработке промышленной системы выделяют дополнительные этапы для перехода: демонстрационный прототип - исследовательский прототип - действующий прототип - промышленная система .
4. Оценка системы
Экспертные системы оцениваются для того, чтобы проверить точность работы программы и ее полезность. Оценку можно проводить, исходя из различных критериев, которые сгруппируем следующим образом:
Критерии пользователей (понятность и "прозрачность" работы системы, удобство интерфейсов и др.);
Критерии приглашенных экспертов (оценка советов-решений, предлагаемых системой, сравнение ее с собственными решениями, оценка подсистемы объяснений и др.);
Критерии коллектива разработчиков (эффективность реализации, производительность, время отклика, дизайн, широта охвата предметной области, непротиворечивость БЗ, количество тупиковых ситуаций, когда система не может принять решение, анализ чувствительности программы к незначительным изменениям в представлении знаний, весовых коэффициентах , применяемых в механизмах логического вывода, данных и т. п.).
5. Стыковка системы
На этом этапе осуществляется стыковка экспертной системы с другими программными средствами в среде, в которой она будет работать, и обучение людей, которых она будет обслуживать Под стыковкой подразумевается также разработка связей между экспертной системой и средой, в которой она действует.
Стыковка включает обеспечение связи ЭС с существующими базами данных и другими системами на предприятии, а также улучшение системных факторов, зависящих от времени, чтобы можно было обеспечить ее более эффективную работу и улучшить характеристики ее технических средств, если система работает в необычной среде (например, связь с измерительными устройствами).
6. Поддержка системы
При перекодировании системы на язык, подобный Си, повышается ее быстродействие и увеличивается переносимость, однако гибкость при этом уменьшается. Это приемлемо лишь в том случае, если система сохраняет все знания проблемной области, и это знание не будет изменяться в ближайшем будущем. Однако, если экспертная система создана именно из-за того, что проблемная область изменяется, то необходимо поддерживать систему в инструментальной среде разработки.
Языки искусственного интеллекта
Лисп (LISP) и Пролог (Prolog) - наиболее распространенные языки, предназначенные для решения задач искусственного интеллекта. Есть и менее распространенные языки искусственного интеллекта, например РЕФАЛ, разработанный в России. Универсальность этих языков меньшая, нежели традиционных языков, но ее потерю языки искусственного интеллекта компенсируют богатыми возможностями по работе с символьными и логическими данными, что крайне важно для задач искусственного интеллекта. На основе языков искусственного интеллекта создаются специализированные компьютеры (например, Лисп-машины), предназначенные для решения задач искусственного интеллекта. Недостаток этих языков - неприменимость для создания гибридных экспертных систем.
Специальный программный инструментарий
Библиотеки и надстройки над языком искусственного интеллекта Лисп: KEE (Knowledge Engineering Environment), FRL (Frame Representation Language), KRL (Knowledge Represantation Language), ARTS и др., позволяющие пользователям работать с заготовками экспертных систем на более высоком уровне, нежели это возможно в обычных языках искусственного интеллекта.
"Оболочки"
"Оболочки" – это пустые" версии существующих экспертных систем, т. е. готовые экспертные системы без базы знаний. Примером такой оболочки может служить EMYCIN (Empty MYCIN - пустой MYC1N), которая представляет собой незаполненную экспертную систему MYCIN. Достоинство оболочек в том, что они вообще не требуют работы программистов для создания готовой экспертной системы. Требуется только специалисты в предметной области для заполнения базы знаний. Однако если некоторая предметная область плохо укладывается в модель, используемую в некоторой оболочке, заполнить базу знаний в этом случае весьма не просто.
5. ПРОЛОГ - язык логического
программирования
5.1. Общие сведения о ПРОЛОГе.
ПРОЛОГ(ПРОграммирование в ЛОГике) - язык логического программирования, предназначен для решения задач из области искусственного интеллекта (создание ЭС, программы-переводчики, обработка естественного языка). Он используется для обработки естественного языка и обладает мощными средствами, позволяющими извлекать информацию из баз данных, причем методы поиска, используемые в нем, принципиально отличаются от традиционных.
Основные конструкции ПРОЛОГа заимствованы из логики. ПРОЛОГ относится не к процедурным, а к декларативным языкам программирования. Он ориентирован не на разработку решений, а на систематизированное и формализованное описание задачи с тем, чтобы решение следовало из составленного описания.
Суть логического подхода заключается в том, что машине в качестве программы предлагается не алгоритм, а формальное описание предметной области и решаемой проблемы в виде аксиоматической системы. Тогда поиск решения с помощью вывода в этой системе можно поручить самому компьютеру. Главная же задача программиста - удачно представить предметную область системой логических формул и таким множеством отношений на ней, которые наиболее полно описывают задачу.
Фундаментальные свойства ПРОЛОГа:
1) механизм вывода с поиском и возвратом
2) встроенный механизм сопоставления с образцом
3) простая и легко изменяемая структура данных
4) отсутствие указателей, операторов присваивания и перехода
5) естественность рекурсии
Этапы программирования на ПРОЛОГе:
1) объявление фактов об объектах и отношениях между ними;
2) определение правил взаимосвязи объектов и отношений между ними;
3) формулировка вопроса об объектах и отношениях между ними.
Теоретической основой ПРОЛОГа является раздел символьной логики, называемый исчислением предикатов.
Предикат – это имя свойства или отношения между объектами с последовательностью аргументов.
<имя_предиката>(t1, t2, ..., tn)), t1,t2,...,tn – аргументы
Например, факт black(cat) записан с использованием предиката black, имеющего один аргумент. Факт написал(шолохов, "ТИХИЙ ДОН") записан с использованием предиката написал , имеющего два аргумента.
Число аргументов предиката называется арностью предиката и обозначается black/1 (предикат black имеет один аргумент, его арность равна единице). Предикаты могут не иметь аргументов, арность таких предикатов равна 0.
Язык Пролог вырос из работ Алана Колмерауэра (A. Colmerauer) по обработке естественного языка и независимых работ Роберта Ковалького (R. Kowalski) по приложениям логики к программированию (1973 г.).
Наиболее известна в России система программирования Turbo Prolog - коммерческая реализация языка для IBM-совместимых ПК. В 1988 г. вышла значительно более мощная версия Turbo Prolog 2.0, включающая усовершенствованную интегрированную среду разработки программ, быстрый компилятор и средства низкоуровневого программирования. Фирма Borland распространяла эту версию до 1990 г., а затем компания PDC приобрела монопольное право на использование исходных текстов компилятора и дальнейшее продвижение системы программирования на рынок под названием PDC Prolog.
В 1996 г. Prolog Development Center выпускает на рынок систему Visual Prolog 4.0. В среде Visual Prolog используется подход, получивший название «визуальное программирование», при котором внешний вид и поведение программ определяются с помощью специальных графических средств проектирования без традиционного программирования на алгоритмическом языке.
В Visual Prolog входят интерактивная среда визуальной разработки (VDE - Visual Develop Environment), которая включает текстовый и различные графические редакторы, инструментальные средства генерации кода, конструирующие управляющую логику (Experts), а также являющийся расширением языка интерфейс визуального программирования (VPI - Visual Programming Interface), Пролог-компилятор, набор различных подключаемых файлов и библиотек, редактор связей, файлы, содержащие примеры и помощь.
5.2. Предложения: факты и правила
Программа на ПРОЛОГе состоит из предложений, которые могут быть фактами, правилами или запросами.
Факт – это утверждение о том, что соблюдается некоторое конкретное соотношение между объектами. Факт используется для того, чтобы показать простую взаимосвязь между данными.
Структура факта:
<имя_отношения>(t1,t2,...,tn)), t1,t2,...,tn– объекты
Примеры фактов:
учится (ира, университет). % Ира учится в университете
родитель(иван, алексей). % Иван является родителем Алексея
язык_программирования (пролог). % Пролог – это язык программирования
Набор фактов составляет базу данных . В виде факта в программе записываются данные, которые принимаются за истину и не требуют доказательства.
Правила используются для того, чтобы установить отношения между объектами на основе имеющихся фактов.
Структура правила:
<имя_правила> :- <тело правила> или
<имя_правила > if <тело правила>
Левая часть правила вывода называется головой правила, а правая часть - телом . Тело может состоять из нескольких условий, перечисленных через запятую или точку с запятой. Запятая означает операцию «логическое И», точка с запятой – операцию «логическое ИЛИ». В предложениях используются переменные для обобщенной формулировки правил вывода. Переменные действуют только в одном предложении. Имя в разных предложениях указывает на разные объекты. Все предложения обязательно заканчиваются точкой.
Примеры правил:
мать (Х, У) :- родитель (Х, У), женщина(Х).
студент (X) :- учится (X, институт); учится (X, университет).
Правило отличается от факта тем, что факт - всегда истина, а правило является истинным, если выполняются все утверждения, составляющие тело правила. Факты и правила образуют базу знаний .
Если имеется база данных, то можно написать запрос (цель) к ней. Запрос - это формулировка задачи, которую программа должна решить. Его структура такая же, как у правила или факта. Существуют запросы с константами и запросы с переменными.
Запросы с константами позволяют получить один из двух ответов: “да” или “нет”
Например, имеются факты:
знает (лена, таня).
знает (лена, саша).
знает (саша, таня).
а) Знает ли Лена Сашу?
запрос: знает (лена, саша).
Результат: yes
б) Знает ли Таня Лену?
запрос знает (таня, лена).
Результат: no
Если в запрос входит переменная, то интерпретатор пытается найти такие ее значения, при которых запрос будут истинным.
а) Кого знает Лена?
запрос: знает (лена, Х).
Результат:
Х = таня
Х = саша
б) Кто знает Сашу?
запрос: знает (Х, саша).
Результат: Х = лена
Запросы могут быть составными, т. е. состоять из нескольких простых запросов. Они объединяются знаком “,“, который понимается как логическая связка “и”.
Простые запросы называются подцелью , составной запрос принимает истинное значение тогда, когда истинна каждая подцель.
Для ответа, есть ли общие знакомые у Лены и Саши, следует составить запрос:
знает (лена, Х), знает (саша, Х).
Результат:
Х = Таня
5.4. Переменные в ПРОЛОГе
Переменная в ПРОЛОГе не рассматривается как выделенный участок памяти. Она служит для обозначения объекта, на который нельзя сослаться по имени. Переменную можно считать локальным именем для некоторого объекта.
Имя переменной должно начинаться с прописной буквы или символа подчеркивания и содержать только символы букв, цифр и подчеркивания: Х, _у, АВ, Х1. Переменная, не имеющая значения, называется свободной , переменная, имеющая значение – конкретизированной .
Переменная, состоящая только из символа подчеркивания, называется анонимной и используется в том случае, если ее значение несущественно. Например, имеются факты:
родитель (ира, таня).
родитель (миша, таня).
родитель (оля, ира).
Требуется определить всех родителей
Запрос: родитель(Х, _)
Результат:
Х = Ира
Х = Миша
Х = Оля
Областью действия переменной является утверждение. В пределах утверждения одно и то же имя принадлежит одной и той же переменной. Два утверждения могут использовать одно имя переменной совершенно различным образом.
В ПРОЛОГе нет оператора присваивания, его роль выполняет оператор равенства =. Цель X=5 может рассматриваться как сравнение (если переменная X имеет значение) или как присваивание (если переменная X свободна).
В ПРОЛОГе нельзя для увеличения значения переменной записать X=X+5. Следует использовать новую переменную: Y=X+5.
5.5. Объекты и типы данных в ПРОЛОГе
Объекты данных в ПРОЛОГе называются термами . Терм может быть константой, переменной или составным термом (структурой). Константами являются целые и действительные числа (0, - l, 123.4, 0.23E-5), а также атомы.
Атом – любая последовательность символов, заключенная в кавычки. Кавычки опускаются, если строка начинается со строчной буквы и содержит только буквы, цифры и знак подчеркивания (т. е. если ее можно отличить от обозначения переменных). Примеры атомов:
abcd, “a+b”, “студент Иванов”, пролог, “Пролог”.
Структура позволяет объединить несколько объектов в единое целое. Она состоит из функтора (имя) и последовательности термов.
Число компонент в структуре называется арностью структуры: data/3.
Структура может содержать другую структуру в качестве одного из своих объектов.
день_рождения (person(“Маша”,”Иванова”), data(15 апрель ,1983))
Доменом в ПРОЛОГе называют тип данных. Стандартными доменами являются:
integer – целые числа.
real – вещественные числа.
string – строки (любая последовательность символов, заключенная в кавычки).
char – одиночный символ, заключенный в апострофы.
symbol – последовательность латинских букв, цифр и символов подчеркивания, начинающаяся с маленькой буквы или любая последовательность символов, заключенная в кавычки.
5.6. Основные разделы ПРОЛОГ-программы
Как правило, программа на ПРОЛОГе состоит из четырех разделов.
DOMAINS – секция описания доменов (типов). Секция применяется, если в программе используются нестандартные домены.
Например:
PREDICATES – секция описания предикатов. Секция применяется, если в программе используются нестандартные предикаты.
Например:
знает (name, name)
студент (name)
CLAUSES – секция предложений. Именно в этой секции записываются предложения: факты и правила вывода.
Например:
знает (лена, иван).
студент (иван).
знаком_студент(X, Y):- знает (X, Y), студент (Y).
GOAL – секция цели. В этой секции записывается запрос.
Например:
знаком_студент(лена, X).
Простейшая программа может содержать только раздел GOAL, например:
write (“Введите Ваше имя: ”), readln (Name),
write (“Здравствуйте, ”, Name, “!”).
Учебное пособие знакомит читателей с историей искусственного интеллекта, моделями представления знаний, экспертными системами и нейронными сетями. Описаны основные направления и методы, применяемые при анализе, разработке и реализации интеллектуальных систем. Рассмотрены модели представления знаний и методы работы с ними, методы разработки и создания экспертных систем. Книга поможет читателю овладеть навыками логического проектирования баз данных предметной области и программирования на языке ProLog.
Для студентов и преподавателей педагогических вузов, учителей общеобразовательных школ, гимназий, лицеев.
Понятие об искусственном интеллекте.
Система искусственного интеллекта (ИИ) - это программная система, имитирующая на компьютере процесс мышления человека. Для создания такой системы необходимо изучить сам процесс мышления человека, решающего определенные задачи или принимающего решения в конкретной области, выделить основные шаги этого процесса и разработать программные средства, воспроизводящие их на компьютере. Следовательно, методы ИИ предполагают простой структурный подход к разработке сложных программных систем принятия решений .
Искусственный интеллект - это направление информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.
ОГЛАВЛЕНИЕ
Глава 1. Искусственный интеллект
1.1. Введение в системы искусственного интеллекта
1.1.1. Понятие об искусственном интеллекте
1.1.2. Искусственный интеллект в России
1.1.3. Функциональная структура системы искусственного интеллекта
1.2. Направления развития искусственного интеллекта
1.3. Данные и знания. Представление знаний в интеллектуальных системах
1.3.1. Данные и знания. Основные определения
1.3.2. Модели представления знаний
1.4. Экспертные системы
1.4.1. Структура экспертной системы
1.4.2. Разработка и использование экспертных систем
1.4.3. Классификация экспертных систем
1.4.4. Представление знаний в экспертных системах
1.4.5. Инструментальные средства построения экспертных систем
1.4.6. Технология разработки экспертной системы
Контрольные вопросы и задания к главе 1
Литература к главе 1
Глава 2. Логическое программирование
2.1. Методологии программирования
2.1.1. Методология императивного программирования
2.1.2. Методология объектно-ориентированного программирования
2.1.3. Методология функционального программирования
2.1.4. Методология логического программирования
2.1.5. Методология программирования в ограничениях
2.1.6. Методология нейросетевого программирования
2.2. Краткое введение в исчисление предикатов и доказательство теорем
2.3. Процесс логического вывода в языке Prolog
2.4. Структура программы на языке Prolog
2.4.1. Использование составных объектов
2.4.2. Использование альтернативных доменов
2.5. Организация повторений в языке Prolog
2.5.1. Метод отката после неудачи
2.5.2. Метод отсечения и отката
2.5.3. Простая рекурсия
2.5.4. Метод обобщенного правила рекурсии (ОПР)
2.6. Списки в языке Prolog
2.6.1. Операции над списками
2.7. Строки в языке Prolog
2.7.1. Операции над строками
2.8. Файлы в языке Prolog
2.8.1. Предикаты Prolog для работы с файлами
2.8.2. Описание файлового домена
2.8.3. Запись в файл
2.8.4. Чтение из файла
2.8.5. Модификация существующего файла
2.8.6. Дозапись в конец уже существующего файла
2.9. Создание динамических баз данных в языке Prolog
2.9.1. Базы данных на Prolog
2.9.2. Предикаты динамической базы данных в языке Prolog
2.10. Создание экспертных систем
2.10.1. Структура экспертной системы
2.10.2. Представление знаний
2.10.3. Методы вывода
2.10.4. Система пользовательского интерфейса
2.10.5. Экспертная система, базирующаяся на правилах
Контрольные вопросы и задания к главе 2
Литература к главе 2
Глава 3. Нейронные сети
3.1. Введение в нейронные сети
3.2. Искусственная модель нейрона
3.3. Применение нейронных сетей
3.4. Обучение нейросети
Контрольные вопросы и задания к главе 3
Литература к главе 3.
Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Основы искусственного интеллекта, Боровская Е.В., Давыдова Н.А., 2016 - fileskachat.com, быстрое и бесплатное скачивание.
История искусственного интеллекта началась не так уж давно. Во второй половине XX века было сформулировано понятие искусственного интеллекта (artificial intelligence) и предложено несколько его определений. Одним из первых определений, которое, несмотря на значительную широту трактовки, до сих пор не утратило своей актуальности, заключается в представлении искусственного интеллекта как: «Способ заставить вычислительную машину думать, как человек».
Актуальность интеллектуализации вычислительных систем обусловлена потребностью человека находить решения в таких реалиях современного мира, как неточность, двусмысленность, неопределенность, нечеткость и необоснованность информации. Необходимость повышения скорости и адекватности данного процесса стимулирует создание вычислительных систем, через взаимодействие с реальным миром средствами робототехники, производственного оборудования, приборов и других аппаратных средств, могут способствовать его осуществлению.
Вычислительные системы, в основу работы которых возложена исключительно классическая логика — то есть алгоритмы решения известных задач, сталкиваются с проблемами, встречая неопределенные ситуации. В отличие от них, живые существа, хотя и проигрывают в скорости, способные принимать успешные решения в подобных ситуациях.
В качестве примера можно привести обвал фондового рынка 1987 года, когда компьютерные программы продавали акции на сотни миллионов долларов с целью получить прибыль в несколько сотен долларов, что собственно и создало предпосылки для обвала. Положение было исправлено после перехода полного контроля за биржевыми торгами в протоплазменное интеллектуальных систем, то есть, к людям.
Определяя понятие интеллекта как научную категорию, его следует понимать как пригодность системы к обучению. Таким образом, одна из наиболее конкретизированных, на наш взгляд, определений искусственного интеллекта трактуется, как способность автоматизированных систем приобретать, адаптировать, модифицировать и пополнять знания с целью поиска решений задач, формализация которых затруднена.
В этом определении термин «знание» имеет качественное отличие от понятия информации. Это различие хорошо отражает представление этих понятий в виде информационной пирамиды на рис 1.
Рисунок 1 — Информационная пирамида
В ее основе находятся данные, следующий уровень занимает информация, завершает пирамиду уровень знаний. По мере продвижения вверх по информационной пирамиде объемы данных переходят в ценность информации и далее — в ценность знаний. То есть, информация возникает в момент взаимодействия субъективных данных и объективных методов их обработки. Знания формируются на основе образования распределенных взаимосвязей между разнородной информацией, создавая при этом формальную систему — способ отражения их в точных понятиях или утверждениях.
Именно поддержка такой системы — системы знаний, в таком актуальном состоянии, позволяющая строить программы действий для поиска решений поставленных перед ними задач, учитывая конкретные ситуации, которые образуются на определенный момент времени в окружающей среде, является задачей искусственного интеллекта. Таким образом, искусственный интеллект можно, также, представить, как универсальный надалгоритм, способный создавать алгоритмы решения новых задач.
Коломенский институт (филиал)
Государственного образовательного учреждения высшего
профессионального образования
«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ОТКРЫТЫЙ УНИВЕРСИТЕТ»
Кафедра информатики и информационных технологий
«УТВЕРЖДЕНО»
Учебно-методическим
Советом КИ (ф) МГОУ
Председатель совета
профессор
А.М. Липатов
«___» ____________ 2010 г.
П.С. Романов
ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Учебное пособие по дисциплинам направления
«Информатика и вычислительная техника»
Для студентов высших учебных заведений
Коломна – 2010
У
Печатается
в соответствии с решением учебно-методического
совета Коломенского института (филиала)
ГОУ ВПО «МГОУ» от __________
2010
г. № ________
Р69 Романов П.С.
Основы искусственного интеллекта. Учебное пособие. – Коломна: КИ (ф) МГОУ, 2010. – 164 с.
В учебном пособии рассмотрены основы искусственного интеллекта. Представлены основные понятия искусственного интеллекта. Приведены положения теории нечетких множеств. Рассмотрены основные интеллектуальные системы, их назначение, классификация, характеристики, проблемы создания, примеры.
Учебное пособие предназначено для студентов высших учебных заведений, обучающихся по направлению «Информатика и вычислительная техника». Может быть использовано при изучении интеллектуальных информационных систем студентами других специальностей.
Рецензент: доктор технических наук, профессор В.Г. Новиков
©Романов П.С.
©КИ(ф) МГОУ, 2010
Введение………………………………............……………………………………...5
Глава 1. Основные понятия искусственного интеллекта................................6
§ 1.1. Основные термины и определения...................................................6
§ 1.2. История развития систем ИИ...........................................................12
§ 1.4. Основные направления развития и применения
интеллектуальных систем................................................................25
Глава 2. Положения теории нечетких множеств...........................................32
§ 2.1. Нечеткое множество. Операции над нечеткими множествами…..32
§ 2.1.1. Основные операции над нечеткими множествами....................35
§ 2.2. Построение функции принадлежности...........................................38
§ 2.2.1. Некоторые методы построения функции принадлежности......39
§ 2.3. Нечеткие числа.................................................................................44
§ 2.4. Операции с нечеткими числами (L-R)-типа....................................46
§ 2.5. Нечеткая и лингвистическая переменные........................................47
§ 2.6. Нечеткие отношения........................................................................50
§ 2.7. Нечеткая логика................................................................................51
§ 2.8. Нечеткие выводы..............................................................................53
§ 2.9. Автоматизация обработки информации с использованием
нечетких систем..................................................................................59
Глава 3. Основные интеллектуальные системы...........................................64
§ 3.1. Данные и знания...............................................................................64
§ 3.2. Модели представления знаний........................................................66
§ 3.3.1. Продукционные правила...............................................................69
§ 3.3.2. Фреймы..........................................................................................72
§ 3.3.3. Семантические сети......................................................................74
§ 3.4. Экспертные системы. Предметные области...................................76
§ 3.5. Назначение и область применения экспертных систем.................77
§ 3.6. Методология разработки экспертных систем.................................81
§ 3.7. Основные экспертные системы........................................................86
§ 3.8. Трудности в разработке экспертных систем и пути их
преодоления......................................................................................90
§ 3.9. Назначение, классификация роботов..............................................94
§ 3.10. Примеры роботов и робототехнических систем..........................97
§ 3.10.1. Домашние (бытовые) роботы.................................................97
§ 3.10.2. Роботы спасатели и исследовательские роботы...................99
§ 3.10.3. Роботы для промышленности и медицины...........................100
§ 3.10.4. Военные роботы и робототехнические системы..................101
§ 3.10.5. Мозг как аналого-цифровое устройство................................104
§ 3.10.6. Роботы – игрушки...................................................................104
§ 3.11. Проблемы технической реализации роботов...............................105
§ 3.12. Адаптивные промышленные роботы..........................................114
§ 3.12.1. Адаптация и обучение............................................................114
§ 3.12.2. Классификация адаптивных систем управления
промышленными роботами...................................................117
§ 3.12.3. Примеры адаптивных систем управления роботами............123
§ 3.12.4. Проблемы в создании промышленных роботов...................128
§ 3.13. Нейросетевые и нейрокомпьютерные технологии......................132
§ 3.13.1. Общая характеристика направления....................................132
§ 3.13.2. Нейропакеты..........................................................................140
§ 3.14. Нейронные сети............................................................................147
§ 3.14.1. Персептрон и его развитие...................................................147
3.14.1.1. Математический нейрон Мак-Каллока-Питтса................147
3.14.1.2. Персептрон Розенблатта и правило Хебба......................148
3.14.1.3. Дельта-правило и распознавание букв.............................150
3.14.1.4. Адалайн, мадалайн и обобщенное дельта-правило..........152
§ 3.14.2. Многослойный персептрон и алгоритм обратного
распространения ошибки.....................................................155
§ 3.14.3. Виды активационных функций.............................................160
Введение
Наука под названием «искусственный интеллект» входит в комплекс компьютерных наук, а создаваемые на ее основе технологии относятся к информационным технологиям. Задачей этой науки является обеспечение разумных рассуждений и действий с помощью вычислительных систем и иных искусственных устройств. Как самостоятельное научное направление искусственный интеллект (ИИ) существует чуть более четверти века. За это время отношение общества к специалистам, занимающимся подобными исследованиями, претерпело эволюцию от скепсиса к уважению. В передовых странах работы в области интеллектуальных систем поддерживаются на всех уровнях общества. Бытует устойчивое мнение, что именно эти исследования будут определять характер того информационного общества, которое уже приходит на смену индустриальной цивилизации, достигшей своей высшей точки расцвета в XX-м веке. За прошедшие годы становления ИИ как особой научной дисциплины сформировались ее концептуальные модели, накопились специфические, принадлежащие только ей методы и приемы, устоялись некоторые фундаментальные парадигмы. Искусственный интеллект стал вполне респектабельной наукой, ничуть не менее почетной и нужной, чем физика или биология.
Искусственный интеллект представляет собой экспериментальную науку. Экспериментальность ИИ состоит в том, что создавая те или иные компьютерные представления и модели, исследователь сравнивает их поведение между собой и с примерами решения тех же задач специалистом, модифицирует их на основе этого сравнения, пытаясь добиться лучшего соответствия результатов. Чтобы модификация программ «монотонным» образом улучшала результаты, надо иметь разумные исходные представления и модели. Их доставляют психологические исследования сознания, в частности, когнитивная психология.
Важная характеристика методов ИИ – он имеет дело только с теми механизмами компетентности, которые носят вербальный характер (допускают символьное представление). Далеко не все механизмы, которые использует для решения задач человек, таковы.
В книге представлены основы ИИ, которые дают возможность сориентироваться в большом количестве публикаций, посвященных проблемам искусственного интеллекта и получить необходимые знания в этой области науки.
