Символьная обработка и вычислительный интеллект в задачах искусственного интеллекта.

Символьная обработка в задачах искусственного интеллекта

С 60-х гг. прошлого века стало развиваться символьное направление, которое предлагало решение интеллектуальных задач, изобретённые человеком. Данное направление стали называть искусственным интеллектом. Задачи связаны с компьютерной лингвистикой 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).

Лисп – первый язык символьных вычислений. Символьный подход позволяет оперировать слабоформализованными представлениями и их смыслами. От умения выделить только существенную информацию зависит эффективность и результативность решения задачи.

Основное применение символьной логики — это решение задач по выработке правил. Большинство исследований останавливается как раз на невозможности хотя бы обозначить новые возникшие трудности средствами выбранных на предыдущих этапах символьных систем, тем более решить их и тем более обучить компьютер решать их или хотя бы идентифицировать и выходить из таких ситуаций.

Символьная обработка позволяет эффективно работать с такими структурами, как:

· предложения естественного языка,

· значения слов и предложений,

· нечеткие понятия и т.д.,

и на их основе принимать решения, проводить рассуждения и осуществлять другие, свойственные человеку способы обращения с данными. В качестве типичного примера служат экспертные системы, содержащие профессиональные знания по некоторой специальности, программы, работающие с естественным языком и т.д.

Примеры ЭС:

· MYCI – медицинская система, использовала специальные оценки достоверности

· PROSPECTOR – геологическая система, использовала формулу баесовских вероятностей.

· WolframAlpha — поисковая система, интеллектуальный «вычислительный движок знаний»)

В этих применениях предполагается представление в подходящей форме символьных и данных со сложной структурой. Работа с ними часто ведётся в заранее непредсказуемых ситуациях. Характерно, что кроме сложной структуры таким данным свойственно разнообразие форм их выражения. Большая часть объектов данных конкретной проблемной области может иметь отличное от других индивидуальное строение. Однако при их обработке поведение программы определяется на основе задаваемых на более общем уровне принципов, законов и правил, а также на основе типов ситуаций и образцов, распознаваемых в этих ситуациях.

Например, в играющей в шахматы программе невозможно заранее учесть все позиции. Анализ игры осуществляется на основе классификации позиций, распознавания стандартных позиций, определения характеристик позиций, построения оценок текущей позиции и использования ограниченного набора стратегий, правил принятия решения и т.д. Так программа может оценить такие позиции, которые программист специально не предусматривал. При удачном стечении обстоятельств программа может победить своего создателя.

С помощью структур, имеющих множество форм представления, стало возможным решать задачи.

 

Вычислительный интеллект в задачах искусственного интеллекта

Вычислительный интеллект объединяет следующие направления исследований:

· Теорию нечётких систем

· Нейронных сетей

· Эволюционные и вероятностные вычисления

Вычислительный интеллект основан на данных психологии и физиологии о решении интеллектуальных задач.

· Распознавание образов

· Обработка изображений

· Управление движением и т.д.

Причины формирования гибридных систем, которые составляют основное содержание вычислительного интеллекта, носят технологический прикладной характер. Более фундаментальной причиной развития ВИ является необходимость интеграции единой системе восприятия и логической обработки.

Вычислительный интеллект объединяетискусственные модели следующих «слоёв естественного интеллекта»:

· Сенсорика

· Моторика

· Безусловные и условные рефлексы

· Врождённые программы (инстинкты)

· Мышление

в гибридные системы, что позволяет рассматривать его не как технологическое достижение, а как парадигму развития искусственного интеллекта XXI века.

Задачи вычислительного интеллекта:

· Разумный робот

· Переводчик (остаётся смысл текста и речи)

· Обработчик текстов, выполняющий аннотирование и реферирование на естественном языке

· Робот, распознающий образы сложных пространственных объектов

· Робот, решающий новые задачи и способный к самообучению.

Особенностью проблем, согласно Дж. Клиру является организованная сложность. Задачи с малым числом переменных, с высокой степенью детерминизма, решаемые с помощью аналитики обычно в виде систем дифференциальных уравнений называют задачами организованной простоты. Задачи с большим числом переменных, проявляющихся случайным образом, решаемые с помощью статистических методов, называют задачи неорганизованной сложности.

Глубоко укоренившийся подход решения интеллектуальных задач так, будто это механические системы, описываемые дифференциальными уравнениями, эффекта не даёт, поскольку вступает принцип несовместимости Л. Заде: с ростом сложности систем человеческая способность делать точные утверждения о них падает. В области ВИ за ключевые единицы интеллектуальной работы мозга принимают не числа и не слова, а нечёткие метки, способные обобщать информацию. Поток информации, поступающий в мозг через сенсоры, обобщается таким образом, что становится возможным приближённое решение задачи.

В широком смысле в сфере ВИ разрабатывают методологическую схему, содержащую неполную, нечёткую и неточную информацию, но решающие задачи организованной сложности;

В узком смысле производят поиск гибридизации интеллектуальных технологий, обладающих преимуществами по сравнению с их автономным использованием.

Общая задача объединения модулей восприятия и логической обработки на уровне структуры должна заключаться в создании модулей, работающих с вещественными числами (перцепцией) и дискретными сигналами истины (логикой).

Экспертные системы. Архитектура систем.

Экспертные системы

Экспертная система (ЭС) – это ИИС, предназначенная для решения слабоформализуемых задач на основе накапливаемого в базе знаний опыта работы экспертов в проблемной области. ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление.

ЭС включает базу знаний (основывается на моделях представления знаний) с набором правил (эвристик) и механизмом вывода и позволяет на основании предоставляемых пользователем фактов:

· распознать ситуацию,

· поставить диагноз,

· сформулировать решение

· дать рекомендацию для выбора действия.

Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом.

ЭС разрабатываются с использованием математического аппарата нечеткой логики для эксплуатации в узких областях применения, поскольку их использование требует больших компьютерных ресурсов для обработки и хранения знаний. В силу больших финансовых и временных затрат в российских ЭИС ЭС не имеют большого распространения.

Отличия ЭС и систем искусственного интеллекта от систем обработки данных

· в них в основном используются символьный (а не числовой) способ представления,

· символьный вывод

· эвристический поиск решения (а не исполнение известного алгоритма).

Особенности ЭС

· применяются для решения только трудных практических (не игрушечных) задач.

· по качеству и эффективности решения не уступают решениям эксперта-человека.

· решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество обеспечивается их способностью рассуждать о своих знаниях и умозаключениях.

· способны пополнять свои знания в ходе взаимодействия с экспертом.

Система функционирует в следующем циклическом режиме:

· выбор (запрос) данных или результатов анализов,

· наблюдение,

· интерпретация результатов,

· усвоение новой информации,

· выдвижение с помощью правил временных гипотез

· выбор следующей порции данных или результатов анализов.

Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

Важным свойством ЭС является возможность их применения для обучения и тренировки персонала (содержат знания с объяснениями, ПО (интерфейс между обучаемой и ЭС), знания о методах обучения и поведения пользователя).

Технологию построения ЭС называют инженерией знаний. Этот процесс требует специфической формы взаимодействия создателя ЭС, которого называют инженером знаний, и одного или нескольких экспертов в некоторой предметной области. Инженер знаний «извлекает» из экспертов процедуры, стратегии, эмпирические правила, которые они используют при решении задач, и встраивает эти знания в ЭС. База знаний (БЗ) отражает знания экспертов.

Наиболее важный параметр БЗ — качество содержащихся знаний.

· включают самую релевантную, достоверную свежую информацию,

· имеют совершенные системы поиска информации

· имеют тщательно продуманную структуру и формат знаний.

Особенности баз знаний:

· факты носят частный характер, а правила — общий

· в БЗ включены только основополагающие факты.

· на её основе построить ЭС.

Отличие БД от БЗ:

· база данных содержит только факты,

· база знаний — факты и правила.

· наличие механизма вывода у БЗ

Интроспекция: Нахождение противоречий, нестыковок в БЗ, слежение за правильной организацией БЗ.