Базы данных и знаний.

Тема 1. Основные понятия искусственного интеллекта.

Основные понятия искусственного интеллекта.

Искусственный интеллект - это возможность решения задач, которые до сих пор не удавалось решить человеку, машинным способом с помощью программных средств.

Основной проблемой искусственного интеллекта является разработка методов представления и обработки знаний.

К программам искусственного интеллекта относятся:

1. игровые программы (стохастические, компьютерные игры);

2. естественно-языковые программы - машинный перевод, генерация текстов, обработка речи;

3. распознающие программы - распознавание почерков, изображений, карт;

4. программы создания и анализа графики, живописи, музыкальных произведений.

Выделяются следующие направления искусственного интеллекта:

1. экспертные системы;

2. нейронные сети;

3. естественно-языковые системы;

4. эволюционные методы и генетические алгоритмы;

5. нечеткие множества;

6. системы извлечения знаний.

Экспертные системы ориентированы на решение конкретных задач.

Нейронные сети реализуют нейросетевые алгоритмы. Делятся на:

- сети общего назначения, которые поддерживают около 30 нейросетевых алгоритмов и настраиваются на решение конкретных задач;

- объектно-ориентированные - используемые для распознания символов, управления производством, предсказание ситуаций на валютных рынках,..

- гибридные - используюемые вместе с определенным программным обеспечением (Excel, Access, Lotus).

Естественно-языковые (ЕЯ) системы делятся на:

- программные продукты естественного языкового интерфейса в БД (представление естественно-языковых запросов в SQL-запросы);

- естественно-языковой поиск в текстах, содержательное сканирование текстов (используется в поисковых системах Internet, например, Google);

- масштабируемые средства распознания речи (портативные синхронные переводчики);

- средства голосового ввода команд и управления (безлюдные производства);

- компоненты речевой обработки, как сервисные средства программного обеспечения (ОС Windows XP).

Нечёткие множества - реализуют логические отношения между данными. Эти программные продукты используются для управления экономическими объектами, построения экспертных систем и систем поддержки принятия решений.

Генетические алгоритмы - это методы анализа данных, которые невозможно проанализировать стандартными методами. Как правило, используются для обработки больших объёмов информации, построения прогнозных моделей. Используются в научных целях при имитационном моделировании.

Системы извлечения знаний - используются для обработки данных из информационных хранилищ.

Базы данных и знаний.

Знания в общеупотребительном смысле – это, с одной стороны, сведения, осведомленность в какой-либо области, с другой стороны – проверенный практикой результат познания действительности, ее «правильное» отражение в сознании человека. В соответствии с концепцией баз знаний, под терминомзнания в искусственном интеллекте понимают совокупность специализированных (ориентированных на решение многих задач из ограниченной предметной области) фактов, правил их обработки, условий применения правил к конкретным фактам, методов получения новых фактов и способов организации процесса логического вывода.

Знания отличаются от данных рядом существенных свойств:

· единицей обрабатываемой информации является факт, а не запись данных;

· знания обладают внутренней интерпретируемостью – понимание смысла, семантики информационных единиц обеспечивается внутри модели, а не только в сознании исследователя;

· знания обладают активностью – появление новых фактов в системе приводит к инициации процедур, обрабатывающих уже известные системе факты, т. е. данные управляют программой;

· знания обладают связностью – между фактами и правилами имеется возможность установления функциональных, каузальных, структурных, семантических отношений, отношений эквивалентности (подобия, тождества), противоположности и др.;

· знания обладают структурированностью. Структурированность знаний проявляется при использовании отношений типа «элемент-класс» и «часть-целое» , что позволяет реализовать возможность вложения одних понятий в другие;

· знания обладают семантической метрикой – отношение близости понятий, силы ассоциативной связи между ними. Ее наличие позволяет выделять информацию, относящуюся к типовым ситуациям, например, «выход из строя элемента системы», «блокировка пакетов» и т.п.;

· знания обладают конвертируемостью представления. Конвертируемость представления – свойство изменять форму представления, уровень детализации и степень неопределенности информации о предметной области в процессе перехода к очередному этапу решения интеллектуальной задачи. Это свойство, в отличие от предыдущих, отражает динамичность знаний и связано с обучением системы.

Формально под фактом подразумевается запись:

· – имя или идентификатор факта;

· – значение факта, определяемое на численной шкале с метрикой, логической, нечеткой или лингвистической шкалах;

· – степень уверенности (от англ. certitude) в истинности значения;

· – множество связей факта с другими знаниями;

· – множество допустимых функций преобразований, операций, способов вычисления значения факта, имеющих смысл в рассматриваемой предметной области.

Другими словами, факт – это запись данных, наделенная семантикой.

Правилами в общем случае являются знания вида:

«Если X есть A, то Y есть B, иначе Y есть C»

Примером правила с четырьмя посылками и одним заключением может служить следующее высказывание, определяющее выбор версии СУБД:

ЕСЛИ
колво_проц => 1
и
тактовая_частота_проц => 600
и
объем_НМЖД => 30
и
объем_ОП => 1024
ТО
версия_oracle = 8.0

Условия применимости правил, а также знания относительно способов использования фактов и правил относятся к метазнаниям (знаниям о знаниях), которые необходимы для управления логическим выводом, пополнения знаний и т.п. Часто такие правила и способы являются эвристическими.

В общем виде система семантической обработки информации, основанная на концепции баз знаний, включает:

· базу знаний, состоящую из базы фактов и правил как декларативной части, а также базы процедур и функций как процедурной части описания предметной области;

· механизм логического вывода – высокоуровневый интерпретатор, обеспечивающий обработку фактов на основе правил и процедур формирования решений для задач пользователя;

· интерфейс с пользователем на языке, близком к естественному;

· базу целей, содержащую механизм целеполагания в рамках исследуемой предметной области и целевые установки самой системы.

В перспективе возможно дополнение системы другими элементами, например базой ресурсов, базой интуиции и т.п.

Концепция баз знаний, являясь логическим развитием монопольно-файловых систем и систем, основанных на концепции баз данных, создает предпосылки для расширения возможностей отображения закономерностей предметной области и получения новых знаний путем их вывода (манипулирования знаниями). При этом значительно ослабляется противоречие между «мягким», нечетко очерченным миром реальности и требованиями по «жесткому», формализованному представлению информации в ЭВМ.

В заключение отметим, что большинство исследователей искусственного интеллекта рассматривают задачу разработки моделей представления знаний как задачу программной реализации концепции баз знаний. Это означает, что модели представления знаний должны обладать всеми свойствами, присущими знаниям.

Дата добавления: 2015-07-15