Искусственный интеллект

    Неформализованные знания являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Они обычно представляют собой многообразие эвристических приемов и правил, не отражаемых в книгах.

      Традиционно программирование в качестве основы для разработки программ используют алгоритм, то есть формализованные знания. Экспертные системы обладают следующими особенностями:

1. Алгоритм решения неизвестен заранее. Он строится самой экспертной системой в процессе решения.
2. Ясность получаемых решений, то есть способность экспертной системы объяснять получаемое решение.
3. Способность экспертной системы к анализу и объяснению своих действий.
4. Способность приобретения новых знаний от пользователя - эксперта, незнающего программирования.
5. Обеспечения дружественного естественного языка при общении с пользователем, благодаря которому экспертная система позволяет не только решать поставленные задачи, но и обучать решению соответствующих задач.

 

2.3  ЗНАНИЯ И ИХ ПРЕДСТАВЛЕНИЕ

 

      При изучении интеллектуальных систем традиционно  возникает вопрос — что же такое  знания и чем они отличаются от обычных данных, десятилетиями обрабатываемых ЭВМ.

      Данные  – это отдельные факты, характеризующие  объекты, процессы явления в предметной области, а также их свойства.

      При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы:

• данные как результат измерений и наблюдений;
• данные на материальных носителях информации (таблицы, протоколы, справочники):
• модели (структуры) данных в виде диаграмм, графиков, функций;
• данные в компьютере на языке описания данных;
• базы данных на машинных носителях.

      Знания  связаны с данными, основываются на них, но представляют результат мыслительной деятельности человека, обобщают его  опыт, полученный в ходе выполнения какой-либо практической деятельности. Они получаются эмпирическим путем.

      Знания  – это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области.

      При обработке на ЭВМ знания трансформируются аналогично данным:

• знания в памяти человека как результат мышления;
• материальные носители знаний (учебники, методические пособия);
• поле знаний — условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;
• знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы);
• базы знаний.

      Если  рассматривать знания с точки  зрения решения задач, их   удобно разделить на две большие категории: факты и эвристику.

      Факты - это хорошо известные для данной предметной области обстоятельства, освещенные в учебниках и литературе.

      Эвристика основывается на опыте специалиста. Сюда входят способы комплектования знаний, способы удаления бесполезных знаний, способы использования нечеткой информации.

      Знания, кроме того, можно разбить на факты и правила. В данном случае под фактами понимаются значения типа: “А это “А” - определение”. Они хранятся в базах данных. Под правилами подразумеваются знания типа: “Если…, то ….”. Кроме них существуют так называемые метазнания (знания о знаниях). Это понятие необходимо для управления базой знаний, логическим выводом и обучением. Знания обычно имеют классификацию, характерную не только для фактов, но и для правил. Обобщая знания, используемые в науке, их можно представить в следующей последовательности:

Процедурные (закрытые). 

1. Конечный автомат.
2. Программа.
3. Скрипт (сценарий).
4. Сематическая сеть.
5. Фрейм (прототип).
6. Графы.
7. Формальная спецификация.
8. Исчисления предикатов.
9. Теоремы, правила записи.
10. Продукционные системы.
11. Предложения на естественном языке.

Декларативные (открытые).

      Скрипт  – описание стереотипного сценария с участием определенных объектов. Обладает большими возможностями для описания динамических аспектов знаний.

      Семантическая сеть – граф, объединяющий программы, скрипты и связи между ними. Имеет много общего с реляционными базами данных.

 

2.4 ИНСТРУМЕНТЫ ПОСТРОЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ

 

      В настоящее время существует очень  много средств для построения экспертных систем. Они отличаются:

1. Способом представления знаний.
2. Механизмами получения решений.
3. Интерфейсами общения с пользователями.
4. Размерами разрабатываемых баз знаний.
5. Используемым оборудованием и его стоимостью.

   Из  средств, которые сейчас нашли применение, можно создать классификацию:

1. Символьные языки, ориентированные на создание экспертных систем и систем искусственного интеллекта (LISP, SMALLTALK). Содержит минимальные специальные средства для создания экспертных систем. С помощью них можно проводить обычное программирование.
2. Языки инженерных знаний (языки высокого уровня, ориентированные на построение экспертных систем: PROLOG, OPS –5). Данные языки включают в себя, кроме способов представления знаний, встроенный механизм поиска и вывода. Требует привлечения инженера по знаниям и программиста.
3. Системы автоматической разработки экспертных систем, ориентированные на знания: ART, TIMM. Содержит несколько разнородных средств представления знаний, богатый набор организации интерфейсов, встроенный механизм вывода.
4. Оболочки экспертных систем: EMYCIN, ЭКСПЕРТ. Они составляют  50 - 60% всех экспертных систем. Трудозатраты по созданию на них конкретных систем минимальны, так как они представляют собой пустую экспертную систему. Необходимо, чтобы область знаний подходила к данной оболочке.

 

2.5 СТРУКТУРА ИДЕАЛЬНОЙ ЭКСПЕРТНОЙ СИСТЕМЫ

 
 
 
 

 
 

 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

      База  знаний включает в себя правила и  общие факты.

      Механизм логического вывода включает в себя рабочую память и механизм логического вывода.

      Рабочая память (база данных) используется для  хранения промежуточных результатов.

      Экспертная  система работает в двух режимах:

1. Режим приобретения знаний (определение, модификация, дополнение).
2. Режим решения задач. Используются пользователем экспертные системы. В этом режиме данные о задаче обрабатываются пользовательским интерфейсом 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.

      В разработке экспертной системы участвуют  представители следующих специальностей:

1. эксперт - специалист в конкретной предметной области  
2. инженер по знаниям - специалист по разработке экспертных систем
3. программист – специалист по разработке инструментальных средств создания экспертной системы.

      Эксперт определяет соответствующий круг знаний, обеспечивает их полноту и правильность введения экспертной системы.

      Инженер по знаниям выявляет совместно с  экспертом структурированность  знаний, выбор инструментального средства, программирует стандартные функции, которые будут использоваться в правилах экспертной системы.

      Программист разрабатывает инструментальные средства, содержащие все компоненты создания экспертных систем. Осуществляет сопряжение экспертных систем с пользователем. В использовании экспертных систем участвуют специалисты:

1. Конечный  пользователь, имеет возможность  только использования экспертных  систем.

2. Клерк,  может добавлять, модифицировать базу знаний экспертной системы.

 

2.6 СПОСОБЫ ОПИСАНИЯ ЗНАНИЙ

 

      При разработке экспертных систем наибольшее применение нашли следующие способы  описания знаний:

• логические модели
• сетевые модели
• продукционные модели
• фреймовые модели

      Логические  модели. 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. Наиболее приемлем данный тип моделей для знаний типа геометрии.

      В данной системе множество А вводится в базу знаний. В базу знаний вводятся также правила вывода. Используя  данные базы знаний и условия поставленной задачи, можно определить, является ли поставленная задача синтаксически правильной совокупностью, то есть является ли она выводимой из данной базы знаний.

      Сетевые модели. К сетевым моделям относятся знания, формально задаваемые в следующем виде:

      H= < I, C₁, C₂, …..C_n, G >,

где I – множество единиц информации,

C₁,……C_n - множество типов связи между информационными единицами,

G – задание связи из данного набора.

      В зависимости от типа связи семантические  сети подразделяют на:

• классифицирующие,
• функциональные,
• сценарии.

      В классифицирующие сети вводят различные иерархические отношения между единицами информации. Такие отношения используются в биологии. Функциональные сети описывают процедуры вывода одних информационных единиц через другие. В сценариях используют казуальные отношения, то есть типа средства – результат, орудие – действие.

      Продукционные модели. Данный тип модели является промежуточным между логическими и сетевыми моделями. Из логических моделей здесь заимствована идея правил вывода, которая называется продукцией, из сетевых - описание знаний в виде семантической сети. Данный тип представления знаний является сейчас наиболее широко используемым. При работе продукционные модели в результате применения правил вывода происходит трансформация семантической сети за счет смены фрагментов и исключения добавления элементов.