Критерии интеллектуальности ИС

Критерием интеллектуальности – измерительная процедура, позволяющая установить, является ли объект пониманием данного интеллектуального свойства.
(Пр. Измеритель человеческого интеллекта – тест IQ).

Критерий обучаемости строится как статистическая процедура, которая должна зафиксировать, что в большинстве текстов достигается нужное поведение.
(Пр. Распознавание рукописного текста: критерий обучаемости – количество правильно распознанных текстов на обучаемой выборке).

Критерий адаптивности – измеримая процедура для адаптивности, она зависит от заданной ситуации и строится каждый раз по-разному.
(Пр. Для ЭС, выполняющих разные виды диагностики, ЭС должна работать на уровне человека-эксперта).

Способность решать новые задачи – процедура проверки способности системы решать задачу, за счёт нарушения ограничений первичной заданной ситуации.
(Пр. Для лабиринтных задач – изменение характера препятствий).

История развития ИИС

Первые работы по ИИС были сделаны в конце 40-х гг. прошлого столетия. В связи со слабым развитием компьютеров это были системы, моделирующие отдельные свойства зрения, слуха, отдельные функции мозга, т.е. развивалось бионическое направление.

С 60-х гг. прошлого века стало развиваться новое символьное направление, которое предлагало решение интеллектуальных задач, изобретённые человеком. Данное направление стали называть искусственным интеллектом. Задачи связаны с компьютерной лингвистикой (направлением ИС: цель – использование математических моделей для описания естественных языков) и с решением различных игр на компьютере. Методы – методы ограниченных переборов. Для развития игровой ситуации формировалось дерево решений, и исследовались алгоритмы перебора в глубину и в ширину. Ограничители перебора – оценочные функции (эвристики).

В текущем столетии развиваются гибридные интеллектуальные системы, объединяющие 2 данных направления. Развитие задач робототехники, создание реальных интеллектуальных устройств потребовало интеграции символьных и вычислительных методов. Развитие мягких вычислений.

Бионическое – символьное – логические методы – экспертные системы – вычислительный интеллект – гибридные системы.

Классификация задач, решаемых ИИС

В задачах анализа множество решений может быть перечислено и включено в систему. В задачах синтеза множество решений потенциально не ограничено и строится из решений компонент или подпроблем.

Задачи анализа

1. Интерпретация данных – процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Это одна из традиционных задач для экспертных систем. Обычно предусматривается многовариантный анализ данных.

2. Диагностика – процесс соотношения объекта с некоторым классом объектов и/или обнаружение неисправности в некоторой системе. Неисправность — это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является необходимость понимания функциональной структуры («анатомии») диагностирующей системы.

3. Поддержка принятия решений — это совокупность процедур, обеспечивающая лицо, принимающее решения, необходимой информацией и рекомендациями, облегчающие процесс принятия решения. Эти ЭС помогают специалистам выбрать и/или сформировать нужную альтернативу среди множества выборов при принятии ответственных решений.

Задачи синтеза

1. Проектирование состоит в подготовке спецификаций на создание «объектов» с заранее определёнными свойствами. Спецификация – весь набор необходимых документов—чертёж, пояснительная записка и т.д. Основные проблемы — получение чёткого структурного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и в ещё большей степени перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

2. Планирование – 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.

3. Управление – функция организованной системы, поддерживающая определенный режим деятельности. Такого рода ЭС осуществляют управление поведением сложных систем в соответствии с заданными спецификациями.

Комбинированные задачи

1. 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. Сложность – в размытости симптомов тревожных ситуаций и необходимость учёта временного контекста.

2. Прогнозирование позволяет предсказывать последствия некоторых событий или явлений на основании анализа имеющихся данных. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются» под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

3. Обучение – использование компьютера для обучения какой-то дисциплине или предмету. 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 они способны диагностировать слабости в познаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

Классы ИИС

Системы с интеллектуальным интерфейсом (коммуникативные способности):

1. Интеллектуальные БД – БД, которые отличаются от обычных возможностью выборки по запросу информации, которая может явно не храниться, а выводиться из имеющейся БД (например, вывести список товаров, цена которых выше отраслевой).;

2. Естественно-языковой интерфейс предполагает трансляцию естественно-языковых конструкций на машинный уровень представления знаний. При этом осуществляется распознавание и проверка написанных слов по словарям и синтаксическим правилам. Данный интерфейс облегчает обращение к интеллектуальным БД, а также голосовой ввод команд в системах управления.;

3. Гипертекстовые системы предназначены для поиска текстовой информации по ключевым словам в базах;

4. Контекстные системы – частный случай гипертекстовых и естественно-языковых систем;

5. Когнитивная графика. Данные системы позволяют осуществлять взаимодействие пользователя ИИС с помощью графических образов.

Экспертные системы (решение сложных задач) – это ИИС, предназначенная для решения слабоформализуемых задач на основе накапливаемого в базе знаний опыта работы экспертов в проблемной области:

1. Классифицирующие системы – ЭС распознавания ситуаций, в них определяют принадлежность анализируемой ситуации к некоторому классу.

2. Доопределяющие системы – задачи, которые решаются на основе неопределенных исходных данных и применяемых знаний. ЭС должна доопределять недостающие знания, а в пространстве решений может получаться несколько возможных решений с различной вероятностью или уверенностью в необходимости их выполнения;

3. Трансформирующие системы – ЭС, которые предполагают повторяющееся преобразование знаний в процессе решения задач, что связано с характером результата, который нельзя заранее предопределить, а также с динамичностью самой проблемной области;

4. Многоагентные системы – это динамические ЭС, основанные на интеграции нескольких разнородных источников знаний. Эти источники обмениваются между собой получаемыми резуль-татами в ходе решения задач.

Самообучающиеся системы (способность к самообучению):

1. Индуктивные системы позволяют обобщать примеры на основе принципа индукции "от частного к общему";

2. Нейронная сеть – модель нервной системы, которая представляет собой совокупность большого числа сравнительно простых элементов – нейронов, топология соединения которых зависит от типа сети;

3. Системы, основанные на прецедентах. Прецеденты описываются множеством признаков, по которым строятся индексы быстрого поиска. В них допускается нечеткий поиск с получением множества допустимых альтернатив, каждая из которых оценивается некоторым коэффициентом уверенности;

4. Информационные хранилища отличаются от интеллектуальных баз данных, тем, что представляют собой хранилища значимой информации, регулярно извлекаемой из оперативных баз данных.