Читайте также:
|
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.
Различают следующие направления развития ИИ:
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 (ЭС). 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. В основе лежит один из ранних подходов — лабиринтная модель плюс эвристики. Сейчас это скорее коммерческое направление, так как в научном плане эти идеи считаются тупиковыми.
3. Разработка естественноязыковых интерфейсов и машинный перевод. В 50-х гг. одной из популярных тем исследований искусственного интеллекта являлась область машинного перевода. 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 естественноязыковых сообщений, которая состоит из нескольких блоков. Для анализа это:
q морфологический анализ —анализ слов в тексте;
q синтаксический анализ — анализ предложений, грамматики и связей между словами;
q семантический анализ — анализ смысла каждого предложения на основе некоторой предметно-ориентированной базы знаний;
q прагматический анализ —анализ смысла предложений в окружающем контексте на основе собственной базы знаний. Синтез включает аналогичные этапы, но несколько в другом порядке.
4. Распознавание образов. Традиционное направление искусственного интеллекта, берущее начало у самых его истоков. Каждому объекту ставится в соответствие матрица признаков, по которой происходит его распознавание. Это направление близко к машинному обучению, 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- и Лисп-машины, компьютеры V и VI поколений. Последние разработки посвящены компьютерам баз данных и параллельным компьютерам.
6. Интеллектуальные роботы. Роботы — это электромеханические устройства, предназначенные для автоматизации человеческого труда.
Идея создания роботов достаточно древняя. Само слово появилось в 20-х гг. Его автор — чешский писатель Карел Чапек. Со времени создания сменилось несколько поколений роботов.
Роботы с жесткой схемой управления. Практически все современные промышленные роботы принадлежат к первому поколению. Фактически это программируемые манипуляторы.
Адаптивные роботы с сенсорными устройствами. Есть образцы таких роботов, но в промышленности они пока не используются.
Самоорганизующиеся, или интеллектуальные, роботы. Это конечная цель развития робототехники. Основная проблема при создании интеллектуальных роботов — проблема машинного зрения.
В настоящее время в мире изготавливается более 60 тыс. роботов в год.
7. Специальное программное обеспечение. В рамках этого направления разрабатываются специальные языки для решения задач невычислительного плана. Эти языки ориентированы на символьную обработку информации — LISP, PROLOG, SMALLTALK, РЕФАЛ и др. Помимо этого создаются пакеты прикладных программ, ориентированные на промышленную разработку интеллектуальных систем, или программные инструментарии искусственного интеллекта, например KEE, ARTS. Достаточно популярно создание так называемых пустых экспертных систем, или "оболочек", — EXSYS, M1 и др., в которых можно наполнять базы знании, создавая различные системы.
8. Обучение и самообучение. Активно развивающаяся область искусственного интеллекта. 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.
Системы искусственного интеллекта ориентированы на решение большого класса задач, называемых неформализуемыми (трудно формализуемыми). Такие задачи обладают следующими свойствами [52];
q алгоритмическое решение задачи неизвестно или нереализуемо из-за ограниченности ресурсов ЭВМ;
q задача не может быть представлена в числовой форме;
q цели решения задачи не могут быть выражены в терминах точно определенной целевой функции;
q большая размерность пространства решения;
q динамически изменяющиеся данные и знания.
Существенный прорыв в практических приложениях систем искусственного интеллекта произошел в середине 70-х годов, когда на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. Так появились системы, основанные на знаниях, — экспертные системы. Сформировался новый подход к решению интеллектуальных задач — представление и использование знаний [52]. Интересно, что понятие «знание» не имеет на сегодняшний день какого-либо исчерпывающего определения.
Знания — это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. С точки зрения искусственного интеллекта знания можно определить как формализованную информацию, на которую ссылаются в процессе логического вывода [9, 52].
Приведем ряд определений [9, 52].
База знаний — это совокупность знаний, описанных с использованием выбранной формы их представления. База знаний является основой любой интеллектуальной системы. База знаний содержит описание абстрактных сущностей: объектов, отношений, процессов.
Знания можно разделить на процедурные и декларативные. Исторически первыми использовались процедурные знания, то есть знания, представленные в алгоритмах. Алгоритмы, в свою очередь, были реализованы в программах. Однако развитие систем искусственного интеллекта повысило приоритет декларативных знаний, то есть знаний, сосредоточенных в структурах данных.
Процедурные знания хранятся в памяти ИС в виде описаний процедур, с помощью которых можно получить знания. Так обычно описываются способы решения задач предметной области, различные инструкции, методики и т. д. Процедурные знания составляют ядро базы знаний.
Декларативные знания — это совокупность сведений о качественных и количественных характеристиках объектов, явлений, представленных в виде фактов и эвристик. Традиционно такие знания накапливались в виде разнообразных таблиц и справочников, а с появлением ЭВМ приобрели форму информационных массивов и баз данных. Декларативные знания часто называют просто данными [52].
Одной из наиболее важных проблем разработки систем искусственного интеллекта является представление знаний.
Представление знаний — это их формализация и структурирование, с помощью которых отражаются характерные признаки знаний: внутренняя интерпретируемость, структурированность, связность, семантическая метрика и активность [52].
При работе со знаниями используются два основных подхода [52]:
q логический (формальный) подход, при котором основное внимание уделяется изучению и применению теоретических методов представления знаний, формализации, а также логической полноте;
q эвристический (когнитивный) подход, который ориентируется на обеспечение возможностей решения задач. При этом опора делается на принцип организации человеческой памяти и эвристическое моделирование. В отличие от формальных, эвристические модели имеют разнообразный набор средств, передающих специфические особенности той или иной области.
Существуют следующие основные модели представления знаний:
1. логические модели;
2. продукционные модели;
3. семантические сети;
4. фреймовые модели;
5. модели, основанные на нечетких множествах.
Дата добавления: 2015-12-07; просмотров: 126 | Нарушение авторских прав