Современные направления исследований в области искусственного интеллекта.

Введение

 

Целью преподавания курса "Основы искусственного интеллекта" для студентов, обучающихся по специальности «информатика», является изучение методов и средств решения задач в системах искусственного интеллекта, принципов построения и функционирования экспертных систем, а также освоение навыков использования языков программирования Лисп и Пролог для решения задач искусственного интеллекта. При этом знакомство с языками программирования не является основной задачей при изучении данного курса, поэтому студенты должны в короткие сроки или вообще самостоятельно познакомиться с этими языками, получив соответствующие задания. В связи с этим возникает необходимость повышения эффективности методики преподавания, в частности, увеличения наглядности в изложении условий и хода решения задач разработки программных приложений.

В системах искусственного интеллекта имеются четыре основные модели представления знаний. Более наглядной и понятной студентам моделью считаются модели, представленные в виде семантической сети, которая является аналогом взвешенных графов. Но данная модель не совсем удобна для реализации на компьютере. Менее наглядной является формальная логическая модель преставления знаний, но именно для нее имеется эффективная реализации на компьютере. Возникает проблема эффективного перевода задач с языка теории графов на язык формальной логики предикатов. Если брать во внимание то, что наиболее распространенной реализацией формальной логической модели представления знаний в программировании является логическое программирование, в частности, язык Пролог, то проблему можно переформулировать следующим образом: как научить студентов представлять базовые алгоритмы на сетях (графах) в виде логической модели знаний и реализовывать их с помощью Пролог - системы.

Разработка учебных систем для студентов специальности «информатика» не должна проводиться эмпирическим путем. Каждая задача должна иметь математическое обоснование, в нашем случае, обоснование правильности перевода условий и решения задачи с языка теории графов на язык формальной логики.

Объект исследования: Процесс обучения студентов педагогической специальности «информатика» дисциплине «Основы искусственного интеллекта».

Предмет исследования: Использование семантических сетей при разработке учебных программных систем дисциплины «Основы искусственного интеллекта».

Цель: Исследование дидактических возможностей сетевых моделей при разработке программных приложений систем искусственного интеллекта в рамках дисциплины "Основы искусственного интеллекта".

Исходя из цели дипломной работы, были определены следующие задачи:

1. Определить перечень вопросов раздела "Основы искусственного интеллекта" современной образовательной информатики на основе анализа учебно-методической литературы и документов Министерства образования и науки РФ.

2. Провести сравнительный анализ дидактических возможностей различных моделей знаний в преподавании дисциплины "Основы искусственного интеллекта".

3. Выделить класс учебных задач дисциплины «Основы искусственного интеллекта» на основе представления моделей предметных областей.

4. Привести математическое обоснование хода решения выделенных задач.

5. Сформулировать математические высказывания на языке предикатов 1-го порядка.

6. Выделить класс учебных систем дисциплины «Основы искусственного интеллекта», рассмотреть этапы построения их прототипа.

7. Сформулировать методические рекомендации к преподаванию технологии логического программирования в дисциплине «Основы искусственного интеллекта».

8. Провести апробацию работы для студентов специальности «математика, информатика».

Для решения поставленных задач были использованы следующие методы: анализ учебно-методической литературы по данной проблеме; метод практического эксперимента.

Методическая новизна состоит в разработке последовательности усложняющихся заданий, каждое из которых является самостоятельной задачей и иллюстрируется соответствующей сетевой моделью.

Практическая значимость состоит в том, что в данной работе даны методические рекомендации использования сетевых моделей при преподавании дисциплины "Основы искусственного интеллекта".

Дипломная работа состоит из введения, двух глав, заключения и двух приложений.

В первой главе рассматриваются цели и задачи преподавания дисциплины «Основы искусственного интеллекта», современные направления исследований в области искусственного интеллекта; проводится обзор логической и сетевой моделей представления знаний; приведено математическое обоснование решения классических задач теории графов с помощью логической модели представления знаний.

Во второй главе рассмотрена технология разработки таких распространенных систем искусственного интеллекта как экспертные системы; проведен обзор основных средств языка логического программирования Пролог; изложены вопросы, относящиеся к проблемному обучению; приведен конспект факультативного занятия в рамках дисциплины «Программирование» для студентов специальности «информатика».

В приложении 1 изложена реализация задачи коммивояжера и задачи китайского почтальона на языке Прологе. В приложении 2 рассмотрены этапы разработки прототипа учебной экспертной системы.

Результаты проведенной работы были изложены н6а седьмой научно-практической конференции «Наука и образование: проблемы и перспективы» (15 апреля 2005 г), доклад на тему: «Методика решения задач обхода сетей на Прологе при изучении дисциплины «Основы искусственного интеллекта» и на научно-практической конференции ФМФ (16 мая 2005 г), доклад на тему: «Дидактические возможности сетевых моделей при преподавании дисциплины «Основы искусственного интеллекта».

Глава 1. Взаимосвязь моделей представления знаний в дисциплине «Основы искусственного интеллекта»

§ 1. Содержание дисциплины "Основы искусственного интеллекта" для педагогических специальностей

Заключение

 

В ходе работы над дипломным проектом исследована дидактическая возможность сетевых моделей при обучении студентов разработке программных систем искусственного интеллекта с использованием элементов проблемного обучения.

Все поставленные задачи в дипломной работе были выполнены. Получены следующие результаты:

На основе анализа литературы и документов министерства образования РФ выделены основные вопросы, изучаемые в рамках дисциплины «Основы искусственного интеллекта».

Проведен сравнительный анализ дидактических возможностей различных моделей в данной дисциплине.

Выяснено, что сетевые модели представления знаний более наглядны и понятны студентам, чем остальные модели, а для логических моделей существует эффективная реализация на компьютере.

В качестве учебных для студентов предложены задачи на нахождение эйлерова и гамильтонова циклов на заданном фрагменте сети.

Для решения классических задач написаны программы на Прологе и дано математическое обоснование хода их решения, т.е. условия и решения задач переведены с языка теории графов на язык формальной логики.

Проведена классификация задач по логическому программированию и выделен класс задач, который относится к задачам искусственного интеллекта.

Взяв во внимание то, что одной из задач дисциплины «Основы искусственного интеллекта» является разработки прототипа экспертной системы, предложено реализовать прототип экспертной системы «Справочная система туристической фирмы», которая базируется на сформулированных учебных задачах.

Проведено факультативное занятие по теме: «Решение классических задач теории графов на Прологе» со студентами третьего курса, обучающихся по специальности «математика-информатика».

Можно сделать вывод о том, что методика обучения разработке программных систем искусственного интеллекта на основе логического программирования с использованием сетевых моделей допустима в преподавании дисциплины «Основы искусственного интеллекта» для студентов педагогической специальности "информатика".

Список литературы

 

1. Братко И. Программирование на языке Пролог для искусственного интеллекта: Пер. с англ. - М.: Мир, 1990. - 560 с.

2. Гайдамакин Н.А. Автоматизированные информационные системы, базы и банки данных. Вводный курс: Учебное пособие. - М.: Гелиос АРВ, 2002. - 368 с.

3. Дудышева Е.В. Основы логического и функционального программирования: методические материалы для проведения лабораторных работ. - Бийск: НИЦ БиГПИ, 2000. -70 с.

4. Евстигнеев В.А., Касьянов В.Н. Толковый словарь по теории графов. Часть1,2,3 / Новосибирск, 1996.

5. Загорулько Ю.А., Телерман В.В., Яхно Т.М. Введение в логическое программирование: методическое пособие. Часть 1. - Новосибирск, 1997. - 91

6. Залогова Л.А. Язык программирования Пролог // Информатика. - 2004. -№12,16,18,20.

7. Ильина Т.А. Педагогика: Курс лекций. Учебное пособие для студентов пед. ин-тов. - М.: Просвещение, 1984.- 496с.

8. Информатика: Учебник/ под ред. проф. Н.В. Макаровой. - М.: Финансы и статистика, 1998. - 768с.

9. Информатика. Систематический курс. Учебник для 11 класса / С.А. Бешенков, Н.В. Кузьмина, Е.А. Ракитина. - М.: Бином. Лаборатория Знаний, 2002. - 200 с.

10.Каймин В.А. Информатика: Учебник. - М.: ИНФРА - М, 2001. - 272 с.

11.Кристофидес Н. Теория графов. Алгоритмический подход. - М.: Мир, 1978

12.Лапчик М.П., Семакин И.Г., Хеннер Е.К. Методика преподавания информатики

13.Малпас Дж. Реляционный язык Пролог и его применение: Пер. с англ./ Под ред. В.Н. Соболева - М.: Наука., 1990. - 464 с.

14.Могилев А.В., Пак Н.И., Хеннер Е.К. Информатика: Учеб. пособие для студ. пед. вузов - М.: «Академия», 2001. - 816 с.

15.Новиков Ф.А. Дискретная математика для программистов. - СПб.: Питер, 2003. - 304 с.

16.Оре О. Теория графов: Пер. с англ./ Под ред. Н.Н. Воробьева - М.: Наука, 1968. - 352 с.

17.Оре О. Графы и их применение. - М.: Мир, 1965

18.Педагогика. Учебное пособие для студентов пед. вузов и пед. колледжей / Под ред. П.И. Пидкасистого. - М.: Педагогическое общество России, 1998. - 640 с.

19.Першников В.И., Савинков В.М. Толковый словарь по информатике. - М.: "Финансы и статистика", 1991. - 497 с.

20.Столяренко Л.Д., Самыгин С.И. Педагогика. 100 экзаменационных ответов. Экспресс-справочник для студентов вузов. - Ростов н\Д: "МарТ", 2000. -256с.

21.Хювенен Э., Сеппянен Й. Мир Лиспа, Том 2: Методы и системы программирования. - М.: Мир, 1983.

Приложение 1

«Реализация задачи коммивояжера и задачи китайского почтальона на Прологе».

 

Задача коммивояжера: Имеется n городов, расстояния между которыми известны. Коммивояжер должен посетить все n городов по одному разу, вернувшись в тот с которого начал. Требуется найти такой маршрут движения, при котором суммарное пройденное расстояние будет минимальным. Математическая постановка этой задачи состоит в следующем: во взвешенном графе требуется найти гамильтонов цикл наименьшего веса.

Сетевые модели для каждого шага решения задачи коммивояжера.

 

 

Программа на Прологе для задачи коммивояжера:

 

Domains=integer*=symbol*

цепь (symbol, integer, sp, spisok, integer)

всп_цепь (symbol, integer, sp, sp, spisok, integer)

дуга (symbol, symbol, integer, integer)

ребро (symbol, symbol, integer, integer)

принадлежит (symbol, sp)

количество (spisok, integer, integer)

цикл (symbol, integer, sp, spisok)

итог (symbol, integer, sp, spisok)

минимум (spisok, integer)

последний (sp, symbol)

итог (a, I, L,Y).

дуга(x,v1,1,2).

дуга(v1,v2,2,1).

дуга(v2,v3,3,1).

дуга(v2,v3,4,3).

дуга(v3,v4,5,1).

дуга(v1,v4,6,1).

дуга(v3,v4,7,1).

дуга(v4,y,7,1).

дуга(x,y,7,1).

дуга(x,y,7,4).

 

итог(X,D,L,P):-findall(K, цикл(_,K,_,_),U), минимум(U,D), цикл(X,D,L,P).

цикл(X,D,L,P):-findall(K, цепь(K,_,_,_,_,_),M), количество (M,R,_), цепь(X,D,L,P,R).

цепь (X,D,L,P,R):- всп_цепь (X,D,L,[],P,R).

всп_цепь (X,D,[X,Y],K,[N],1):-ребро (X,Y,N,D), последний(K,Y).

всп_цепь(X,D,[X|L],K,[N|P],R):- ребро(X,Z,N,D1), not(принадлежит(Z,K)), R1=R-1, всп_цепь (Z,D2,L,[X|K],P,R1), D=D1+D2.

ребро(P,T,H,N):-дуга(P,T,H,N).

ребро(P,T,H,N):-дуга(T,P,H,N).

принадлежит (X,[X|_]):-!.

принадлежит (X,[_|L]):- принадлежит (X,L).

минимум ([X],X).

минимум ([X|T],M):- минимум (T,M),M<=X,!.

минимум ([X|_],X).

последний ([X],X).

последний ([_|T],X):- последний (T,X).

количество ([ ],0,0).

количество ([X|C],D,S):- количество (C,D1,S1),D=D1+1,S=S1+X

 

Задача китайского почтальона: Во взвешенном графе найти цикл, проходящий через каждое ребро, по крайней мере, один раз и такой, что для него суммарная длина (длина каждого ребра учитывается столько раз, сколько это ребро встречается в цикле) минимальна. Если граф эйлеров, то любой эйлеров цикл дает оптимальное решение задачи.

Сетевые модели для задачи китайского почтальона.

 

Реализация на Прологе задачи Эйлера.

 

Domains=integer*

путь (symbol, symbol, spisok)

всп_путь (symbol, symbol, spisok, spisok)

дуга (symbol, symbol, integer)

ребро (symbol, symbol, integer)

принадлежит (integer, spisok)

длина (spisok, integer)

цикл (symbol, symbol, spisok)

цикл(a,a,P).

дуга (a,b,1).

дуга (b,c,2).

дуга (b,c,3).

дуга (d,e,4).

дуга (e,c,5).

дуга (e,b,6).

дуга (e,d,5).

дуга (a,e,6).

 

цикл(T,I,E):-findall(K,дуга(_,_,K),L),длина(L,R),путь(T,I,E),длина(E,R).

путь(X,Y,L):-всп_путь(X,Y,L,[]).

всп_путь(X,Y,[N],P):-ребро(X,Y,N),not(принадлежит(N,P)).

всп_путь(X,Y,[N|R],P):-ребро(X,Z,N),not(принадлежит(N,P)),всп_путь(Z,Y,R,[N|P]).

ребро(P,T,H):-дуга(P,T,H).

ребро(P,T,H):-дуга(T,P,H).

 

принадлежит(X,[X|_]):-!.

принадлежит(X,[_|L]):-принадлежит(X,L).

длина([],0).

длина([_|B],K):-длина(B,K1),K=K1+1.

 

Приложение 2

Введение

 

Целью преподавания курса "Основы искусственного интеллекта" для студентов, обучающихся по специальности «информатика», является изучение методов и средств решения задач в системах искусственного интеллекта, принципов построения и функционирования экспертных систем, а также освоение навыков использования языков программирования Лисп и Пролог для решения задач искусственного интеллекта. При этом знакомство с языками программирования не является основной задачей при изучении данного курса, поэтому студенты должны в короткие сроки или вообще самостоятельно познакомиться с этими языками, получив соответствующие задания. В связи с этим возникает необходимость повышения эффективности методики преподавания, в частности, увеличения наглядности в изложении условий и хода решения задач разработки программных приложений.

В системах искусственного интеллекта имеются четыре основные модели представления знаний. Более наглядной и понятной студентам моделью считаются модели, представленные в виде семантической сети, которая является аналогом взвешенных графов. Но данная модель не совсем удобна для реализации на компьютере. Менее наглядной является формальная логическая модель преставления знаний, но именно для нее имеется эффективная реализации на компьютере. Возникает проблема эффективного перевода задач с языка теории графов на язык формальной логики предикатов. Если брать во внимание то, что наиболее распространенной реализацией формальной логической модели представления знаний в программировании является логическое программирование, в частности, язык Пролог, то проблему можно переформулировать следующим образом: как научить студентов представлять базовые алгоритмы на сетях (графах) в виде логической модели знаний и реализовывать их с помощью Пролог - системы.

Разработка учебных систем для студентов специальности «информатика» не должна проводиться эмпирическим путем. Каждая задача должна иметь математическое обоснование, в нашем случае, обоснование правильности перевода условий и решения задачи с языка теории графов на язык формальной логики.

Объект исследования: Процесс обучения студентов педагогической специальности «информатика» дисциплине «Основы искусственного интеллекта».

Предмет исследования: Использование семантических сетей при разработке учебных программных систем дисциплины «Основы искусственного интеллекта».

Цель: Исследование дидактических возможностей сетевых моделей при разработке программных приложений систем искусственного интеллекта в рамках дисциплины "Основы искусственного интеллекта".

Исходя из цели дипломной работы, были определены следующие задачи:

1. Определить перечень вопросов раздела "Основы искусственного интеллекта" современной образовательной информатики на основе анализа учебно-методической литературы и документов Министерства образования и науки РФ.

2. Провести сравнительный анализ дидактических возможностей различных моделей знаний в преподавании дисциплины "Основы искусственного интеллекта".

3. Выделить класс учебных задач дисциплины «Основы искусственного интеллекта» на основе представления моделей предметных областей.

4. Привести математическое обоснование хода решения выделенных задач.

5. Сформулировать математические высказывания на языке предикатов 1-го порядка.

6. Выделить класс учебных систем дисциплины «Основы искусственного интеллекта», рассмотреть этапы построения их прототипа.

7. Сформулировать методические рекомендации к преподаванию технологии логического программирования в дисциплине «Основы искусственного интеллекта».

8. Провести апробацию работы для студентов специальности «математика, информатика».

Для решения поставленных задач были использованы следующие методы: анализ учебно-методической литературы по данной проблеме; метод практического эксперимента.

Методическая новизна состоит в разработке последовательности усложняющихся заданий, каждое из которых является самостоятельной задачей и иллюстрируется соответствующей сетевой моделью.

Практическая значимость состоит в том, что в данной работе даны методические рекомендации использования сетевых моделей при преподавании дисциплины "Основы искусственного интеллекта".

Дипломная работа состоит из введения, двух глав, заключения и двух приложений.

В первой главе рассматриваются цели и задачи преподавания дисциплины «Основы искусственного интеллекта», современные направления исследований в области искусственного интеллекта; проводится обзор логической и сетевой моделей представления знаний; приведено математическое обоснование решения классических задач теории графов с помощью логической модели представления знаний.

Во второй главе рассмотрена технология разработки таких распространенных систем искусственного интеллекта как экспертные системы; проведен обзор основных средств языка логического программирования Пролог; изложены вопросы, относящиеся к проблемному обучению; приведен конспект факультативного занятия в рамках дисциплины «Программирование» для студентов специальности «информатика».

В приложении 1 изложена реализация задачи коммивояжера и задачи китайского почтальона на языке Прологе. В приложении 2 рассмотрены этапы разработки прототипа учебной экспертной системы.

Результаты проведенной работы были изложены н6а седьмой научно-практической конференции «Наука и образование: проблемы и перспективы» (15 апреля 2005 г), доклад на тему: «Методика решения задач обхода сетей на Прологе при изучении дисциплины «Основы искусственного интеллекта» и на научно-практической конференции ФМФ (16 мая 2005 г), доклад на тему: «Дидактические возможности сетевых моделей при преподавании дисциплины «Основы искусственного интеллекта».

Глава 1. Взаимосвязь моделей представления знаний в дисциплине «Основы искусственного интеллекта»

§ 1. Содержание дисциплины "Основы искусственного интеллекта" для педагогических специальностей

Современные направления исследований в области искусственного интеллекта.

Научное направление, связанное с машинным моделированием человеческих интеллектуальных функций - искусственный интеллект - возникло в середине 60-х годов XX столетия. Его возникновение непосредственно связано с общим направлением научной и инженерной мысли, которое привело к созданию компьютера - направлением на автоматизацию человеческой интеллектуальной деятельности, на то, чтобы сложные интеллектуальные задачи, считавшиеся прерогативой человека, решались техническими средствами [14].

Несмотря на свою краткость, история исследований и разработок систем искусственного интеллекта может быть разделена на 4 периода [14]:

· 60-е - начало 70-х годов XX века - исследования по «общему интеллекту», попытки смоделировать общие интеллектуальные процессы, свойственные человеку: свободный диалог, решение разнообразных задач, доказательство теорем, различные игры (шашки, шахматы и т.д.), сочинение стихов и музыки и т.д.;

· 70-е - исследования и разработка подходов к формальному представлению знаний и умозаключений, попытки свести интеллектуальную деятельность к формальным преобразованиям символов, строк и т.д.;

· с конца 70-х - разработка специализированных на определенных предметных областях интеллектуальных систем, имеющих прикладное практическое значение (экспертных систем);

· 90-е годы - фронтальные работы по созданию ЭВМ нового поколения, построенных на иных принципах, чем обычные универсальные ЭВМ, и программного обеспечения для них.

В настоящее время «искусственный интеллект» - мощная ветвь информатики, имеющая как фундаментальные, чисто научные основы, так и весьма развитые технические, прикладные аспекты, связанные с созданием и эксплуатацией работоспособных образцов интеллектуальных систем. Значение этих работ для развития информатики таково, что именно от их успеха зависит появление ЭВМ нового поколения. Именно этот качественный скачок возможностей компьютеров - обретение ими в полной мере интеллектуальных возможностей - положен целью развития вычислительной техники в ближайшей перспективе и является признаком компьютерной техники нового поколения.

Любая задача, для которой не известен строгий алгоритм решения, может быть отнесена к сфере искусственного интеллекта. Примерами могут быть игра в шахматы, медицинская диагностика, составление резюме текста или перевода его на иностранный язык - для решения этих задач не существует четких алгоритмов. Еще две характерные особенности задач искусственного интеллекта: преобладающее использование информации в символьной форме и наличие выбора между многими вариантами в условиях неопределенности.

Итак, искусственный интеллект - это одно из направлений информатики, цель которого разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои задачи, традиционно считающиеся интеллектуальными, общаясь с ЭВМ на ограниченном подмножестве естественного языка [8].

Основные направления развития искусственного интеллекта [8]:

1) Представление знаний и разработка систем, основанных на знаниях.

Это основное направление искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем. В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.

2) Игры и творчество. Традиционно искусственный интеллект включает в себя игровые интеллектуальные задачи - шахматы, шашки, го.

3) Разработка естественно-языковых интерфейсов и машинный перевод.

4) Распознавание образов. Берет начало у самых истоков развития искусственного интеллекта. Это направление тесно связано с нейрокибернетикой.

5) Новые архитектуры компьютеров. Это направление занимается разработкой новых аппаратных решений и архитектур, направленных на обработку символьных и логических данных. Создаются Пролог-машины и Лисп-машины, компьютеры 5-го поколения.

6) Интеллектуальные роботы. Роботы - это электромеханические устройства, предназначенные для автоматизации человеческого труда. Самоорганизующиеся, или интеллектуальные, роботы - это конечная цель развития робототехники. Основная проблема при их создании - проблема машинного зрения.

7) Специальное программное обеспечение. В рамках этого направления разрабатываются специальные языки для решения задач невычислительного типа (LISP, PROLOG, РЕФАЛ). Помимо этого создаются пакеты прикладных программ, ориентированных на промышленную разработку интеллектуальных систем, или программные инструментарии искусственного интеллекта, например, KEE, ARTS.

8) Обучение и самообучение. Включает модели, методы и алгоритмы, ориентированные на автоматическое накопление знаний на основе анализа и обобщения данных. Включает обучение по примерам (или индуктивное), а также традиционные подходы распознавания образов.

Таким образом, одним из актуальных направлений информатики является интеллектуализация информационных технологий. Это означает, что одной из задач современного профессионального образования в области информатики является отражение проблематики исследований в области искусственного интеллекта, такое, как обучение основам инженерии знаний, технологии построения экспертных систем, формирование навыков работы со специальным программным обеспечением.

Обзор образовательных стандартов педагогического образования в области искусственного интеллекта

Рассмотрим Федеральный государственный стандарт образования для специальности «информатика» и рабочие программы образовательных стандартов учебных дисциплин различных вузов.

9) Государственный образовательный стандарт высшего профессионального образования для педагогической специальности «информатика», Министерство Образования РФ

 

ДПП.Ф.10

Основы искусственного интеллекта Основные направления исследований в области искусственного интеллекта. Система знаний. Модели представления знаний: логическая, сетевая, фреймовая, продукционная. Понятие об экспертной системе (ЭС). Общая характеристика ЭС. Виды ЭС и типы решаемых задач. Структура и режимы использования ЭС. Классификация инструментальных средств ЭС и организация знаний в ЭС. Интеллектуальные информационные ЭС. Представление о логическом программировании. Представление знаний о предметной области в виде фактов и правил базы знаний Пролога. Дескриптивный, процедурный и машинный смысл программы на Прологе. Рекурсия и структуры данных в программах на Прологе. Представление о функциональном программировании.

144

 

) Рабочая программа учебной дисциплины "Основы искусственного интеллекта", Белгородский государственный университет, разработана доцентом Паком Д.Н.

Объем дисциплины и виды учебной работы:

Вид учебной работы	Всего часов	Семестр
		6
Общая трудоемкость дисциплины	64	64
Аудиторные занятия	16	16
Лекции (Л)	10	10
Лабораторные работы (ЛР)	6	6
Самостоятельная работа (СР)	48	48
Вид итогового контроля (зачет, экзамен)		Экзамен

 

Содержание дисциплины:

№ п.п	Раздел дисциплины Название темы	Всего часов в трудоемкости	Аудиторные занятия (часов)			Самостоятельная работа
			Всего	В том числе
				Л	ЛР
1	Основные направления исследований в области искусственного интеллекта.	6	2	2		4
2	Система знаний. Модели представления знаний: логическая, сетевая, фреймовая, продукционная.	12	2	2		10
3	Понятие об экспертной системе (ЭС). Общая характеристика ЭС. Виды ЭС и типы решаемых задач. Структура и режимы использования ЭС.	22	4	2	2	18
4	Классификация инструментальных средств ЭС и организация знаний в ЭС.	10	4	2	2	6
5	Представление о функциональном программировании.	14	4	2	2	10
		64	16	10	6	48

 

) Рабочая программа учебной дисциплины «Программирование", модуль «Языки программирования искусственного интеллекта", Бийский педагогический государственный университет, разработан ст. преподавателем Дудышевой Е.В.

Лекции

1. ИИ и области его применения. Программное обеспечение, предназначенное для решения задач ИИ. Типы знаний и методы их представления. Основные методы решения задач ИИ, их связь с методами программирования. Понятие парадигмы программирования, основные парадигмы.(2 часа)

2. Основы программирования на языке Лисп (6 часов)

3. Основы программирования на языке Пролог(6 часов)

· Принципы логического программирования. Основные понятия языка Пролог, его теоретические основы. Представление системы знаний в виде фактов и правил, организация запросов. Особенности программирования на Турбо-Прологе: структура программы, синтаксис правил и фактов. (2 часа)

· Различные подходы к программированию на Прологе. Организация выполнения программ: механизм перебора и возврата. Управление перебором с помощью «отсечения». Рекурсивная организация программ. Принудительный откат как рекурсивное средство повторения вычислений. (2 часа)

· Структуры данных языка Пролог, их реализация в Турбо-Прологе: составные объекты, множественные типы, списки. Механизм сопоставления. Базы данных: статистические, динамические, внешние. Предикаты Турбо-Пролога для работы с данными, стандартный предикат FINDALL. Шаблоны предикатов. (2 часа)

1. Введение в экспертные системы.(2 часа)

Семинарские занятия (18 часов).

На семинарских занятиях рассматриваются практические примеры программирования на языках Лисп и Пролог, а также простейшая реализация некоторых задач ИИ.

Лабораторные работы

· Знакомство со средой Турбо-Пролога. Задание фактов, нерекурсивных правил. Организация сложных запросов. (4 часа)

· Определение рекурсивных предикатов. Правила задания рекурсии с учетом процедурного смысла программ. (4 часа)

· Управления механизмами перебора и возврата, использование «отсечения». (2 часа)

· Структура данных на Прологе на примере задачи управления кадрами. (2 часа)

· Динамические базы данных, накопление фактов. (2 часа)

· Использование предиката FINDALL для преобразования баз данных в структуры данных. (2 часа)

Мы видим, что в рамках данной дисциплины рассматриваются следующие темы: основные направления исследований в области искусственного интеллекта, система знаний и модели представления знаний, понятие об экспертной системе, общая характеристика экспертных систем, представление о логическом и функциональном программировании. В рассмотренных рабочих программах внимание акцентируется либо на общетеоретическом изложении технологии построения систем ИИ, либо чисто на практическом программировании. Заметим, однако, что эти разделы не противоречат друг другу и могут изучаться совместно.

Сравнительный анализ учебно-методической литературы по дисциплине "Основы искусственного интеллекта".

Проведем обзорный анализ учебников и методических пособий для студентов педагогических вузов по общей информатике, рекомендованных Министерством образования и науки РФ. Мы не включили в обзор специальную литературу, которая рассматривает указанные вопросы достаточно глубоко, и может быть использована либо для инженерных дисциплин, либо для спецкурсов по практике построения систем искусственного интеллекта. Рассмотрим следующие учебные пособия:

1. А.В. Могилев, Н.И. Пак, Е.К. Хеннер "Информатика" [14]

2. "Информатика" под редакцией Н.В. Макаровой [8]

3. В.А. Каймин "Информатика" [10]

4. М.П. Лапчик, И.Г. Семакин, Е.К. Хеннер "Методика преподавания информатики" [12].

В учебнике А.В. Могилева и др. вопрос о системах искусственного интеллекта рассматривается в I главе §12 «Понятие искусственного интеллекта». В первом пункте данного параграфа авторы показывают направления исследований и разработок в области систем искусственного интеллекта. Затрагивается и вопрос об истории исследований в этой области. Далее авторы описывают модели представления знаний в системах искусственного интеллекта, они выделяют три основные модели представления знаний:

· продукционная модель;

· формальная логическая модель;

· семантические сети;

· фреймы.

Каждому из этих понятий даны определения и приведены примеры. Далее авторы останавливаются на вопросе о моделировании рассуждений; формулируют основные определения логики предикатов 1-го порядка и рассматривают логическое правило вывода, используемое в моделирование рассуждений: метод резолюций.

В следующих двух пунктах параграфа авторы касаются вопросов об интеллектуальном интерфейсе информационных систем (вводят основные понятия) и кратко рассматривают структуру современной системы решения прикладных задач, делая обзор основных проблем, связанных с вопросом исследований в области систем искусственного интеллекта.

В учебнике под редакцией профессора Н.В. Макаровой вопрос о системах искусственного интеллекта рассматривается в двух главах: главе 16 «Интеллектуальные системы» и главе 17 «Инженерия знаний».

Прежде всего, автор освещает вопрос об истории развития искусственного интеллекта за рубежом и в нашей стране, а далее излагает направления развития искусственного интеллекта.

В следующем параграфе автор дает определение данных и знаний, рассматривает различные классификации знаний. Далее даны четыре модели представления знаний в системах искусственного интеллекта:

· продукционная модель;

· семантические сети;

· фреймы;

· формальные логические модели.

Здесь также каждой из моделей даны определения и приведены примеры всех моделей представления знаний, кроме формальной логической модели.

В следующих двух параграфах данной главы авторы уделяют внимание экспертным системам и технологии их разработки.

В главе 17 данного учебника проводится обзор теоретических аспектов инженерии знаний. Авторы знакомят читателей и с некоторыми практическими методами работы инженеров по знаниям, в частности, с практическими методами извлечения знаний и структурировании знаний о предметной области.

В учебнике В.А. Каймина как таковые, проблемы искусственного интеллекта не рассматриваются, но достаточно полно разбираются технологии проектирования логических систем искусственного интеллекта. Вопрос об искусственном интеллекте затрагивается в пункте 3.3. В данном пункте рассмотрены общие вопросы, относящиеся и к системам искусственного интеллекта и к математической логике.

В главе 10 пункте последнего учебника очень кратко рассматривается вопрос о моделировании знаний в школьном курсе информатики. Автор затрагивает следующие вопросы: что такое база знаний, различные типы знаний, логическая модель знаний и язык Пролог. Дано определение базы знаний, кратко описана каждая из моделей представления знаний (семантические сети, фреймы, логическая модель, продукционная модель). Рассмотрен язык Пролог, как один из языков программирования для изучения в школе и даны ссылки на литературу, в которой можно подробнее познакомиться с данным языком программирования.

На основе анализа приведенных источников можно выделить следующие учебные темы образования в области искусственного интеллекта: «Направления исследования ИИ», «Модели представления знаний в системах ИИ», «Принципы построения программных систем ИИ», «Инженерия знаний», «Технологии и языки програм