20.01.12

Основные понятия интеллектуальных информационных систем

Интеллектуальная информационная система тесно связана с понятием искусственного интеллекта, однако среди ученых до сих пор нет трактовки данного понятия.

Искусственный интеллект – модель рациональной мыслительной составляющей психики

Искусственный интеллект – область исследований, в рамках которых разрабатываются модели и методы решения задач традиционно считавшихся интеллектуальными и не поддающимися формализации и автоматизации.

Искусственный интеллект - научная дисциплина, задачей которой явл.разработка математических описаний функций человеческого интеллекта, с целью аппаратной программной и технической реализации этих описаний средствами вычислительной техники.

Существует огромное множество интеллектуальных систем, например, самоорганизующиеся системы, системы эвристического поиска( к ним относятся робототехнические системы, системы распознавания), игровые системы; системы основанные на знаниях(экспертные системы, пакеты прикладных программ)

Наиболее широкое распространение получили системы искусственного интеллекта, основанных на знаниях. Под знанием данных систем понимается информация о предметной области, представленная определенным способом и используемая в процессе логического вывода. По своему содержанию эта информация явл некоторым набором суждений и умозаключений, описывающих состояние и механизм функционирования выбранной как правило весьма ограниченной предметной области. Указанные суждения и умозаключения высказываются экспертом в этой области, либо формулируется в анализе литературы по данному предметному направлению. Форма представления знаний имеет отличия от формы представления данных.

Данные – факты и идеи, представленные в формализованном виде, позволяющие лишь передавать, хранить или обрабатывать эти факты. В отличии от данных знания предполагают сосредоточение не только фактов и идей, в указанном выше смысле, но и дополнительных данных, которые описывают первичные данные с точки зрения след.составляющих : того, что представляют собой эти данные, какие м/у ними имеются связи, какие действия с ними и каким образом могут выполняться.

В системах, основанных на знаниях предполагается что исходные знания способны в соответствии с запросами пользователей в системе порождать новые знания. Процедура порождения новых знаний наз.логическим выводом.

Методы представления знаний

Для того, чтобы манипулировать всевозможными знаниями, необходимо осуществить их моделирование. При проектировании модели представления знаний должны выполняться 2 требования: однородность представления и простота понимания. Методы:

1. Представление знаний тройкой: объект, атрибут, значений. Этот метод используется для представления фактических знаний в простейших системах. (объект-студент, атрибут – успеваемость, значение-отличник).

2. Продукционная модель или модель правил. Данная модель предусматривает разработку системы правил вида: ЕСЛИ А1 и А2…..и Аn, то В1 или В2 или… или Вm. А и В- некоторые высказывания. Если левая часть – истина, то и высказывания в правой части также истина. Данная модель явл.наиболее проработанной и распространенной. Полнота базы знаний или базы правил определяет возможности системы по удовлетворению системы пользователей. Логический вывод в таких моделях основан на построении цепочек заключений, образуемых в результате последовательного просмотра левых и правых частей соответствующих правил. Вплоть до получения окончательного заключения.

Правила:

1.если в стране происходит падение курса нац.валюты, то материальное положение население ухудшается;

2. если объемы производства в стране падают, то курс нац.валюты снижается

3.если материальное положение население ухудшающих, то уровень смертности в стране возрастает

Ф акт правило 2 правило 1 заключение1(3пункт)-промежуточный вывод

П равило 3 заключение 2 (окончательное)

В современных системах может храниться несколько тысяч подобных правил. Однако, при большом числе правил возникает проблема связанная с трудностью обеспечения, непротиворечивости правил и их большом числе, что требует создание специальных правил, так называемых мето-правил для разрешения возникающих в ходе логического вывода противоречий.

3. М одель сигматической сети – направленный граф с поименованными вершинами и дугами. Причем вершины или узлы обозначают конкретные объекты, а дуги – отношения м/у ними. Сигматическую сеть можно построить для любой предметной области и для разных объектов и отношений. Например: «Студент Иванов добросовестно изучает план счетов перед сдачей экзамена по бух.учету»

Иванов кто ? студент что делает изучает

Что? Как? Когда?

Перед сдачей

План счетов добросовестно

4. Предикатная модель. Например : Р(к1,к2, … кn) Р- выражение наз.предметной переменной -логическая форма или значение предикат, м/б 0 или1. Предикат Р задает отношение м/у элементами (к1,к2, …кn) и обозначает что высказывание находятся м/у собой в отношении Р.

А -предметная область-множество различных чисел. Предикат Р(а) задает высказывание, что а- положительное число. Тогда предикат Р (а)=1 (истина), если а>0, предикат =0, если а ≤0

Из подобного рода элементарных высказываний с помощью логических связок образует более сложные высказывания. В аппарат исчисления предикатов также могут входить функции и специальные числа кванторы общности и существования.

+ =

27.01.12

1.Методы представления задач формулирование задач так, чтобы ее легче можно было решить

2.Методы поиска или вывода ответа- заключаются в стремлении создать достаточно хитроумные способы управления ходом решения задачи, обеспечивающий приемлемый расход машинных ресурсов

Эти группы не принесли успехов.

Только в конце 70 был сделан принципиальный вывод. Эффективность программ при решении интеллектуальных задач в большей степени зависит от знаний, которыми обладает не только от используемых

Чтобы сделать систему интеллектуальной, ее надо снабдить множеством качественных знаний о некоторой предметной области. Это и послужило основой для концепции развития системы искусственного интеллекта, т.е. создание

Такие программы в дальнейшем стали называть экспертными системами. Огромный интерес к экспертным системам обусловлен 3 мя основными обстоятельствами:

1. Экспертные системы ориентированы на решение определенного круга задач в раннее не формализированных областях, которые считались малодоступными для ЭВМ

2. Экспертные системы предназначены для решения задач в диалоговом режиме со специалистами. В данном случае экспертная система выступает как инструмент подкрепления знаний специалистов и усиление его способностей к логическому выводу

3. Специалист, использующий экспертную систему для решения своих задач может достигать, а иногда превосходить возможности экспертов в данной области, что позволяет повысить квалификацию рядовых специалистов за счет аккумуляции знаний в экспертной системе.

Экспертные системы получили название:

1. Информацию для них поставляют эксперты в данной области

2. Экспертная система выдает решения аналогичные тем, которые формулируют эксперты

Эксперт- человек, который за годы обучения и практики научился чрезвычайно эффективно решать задачи, относящиеся к конкретной предметной области.

Экспертная система – программная система, выполняющая действия аналогичные тем, который выполняет эксперт в некоторой прикладной экспертной области, делая определенные заключения в ходе выдачи советов и консультаций.

Структура экспертной системы (перепечатать из блокнота)

Обозначения:

СОЗ- система, основанная на знаниях;

ЛП – лингвистический процессор;

РП (БД) – рабочая память (база данных)

БЗн- база знаний

МЛВ – механизм логического вывода

КПЗн – компонент приобретения знаний

Коб – компонент объяснений

СОЗ – представляет собой программную систему, состоящую из 3 –х основных элементов:

БЗн, МЛВ, РП (БД)

БЗн – часть экспертной системы, Предназначенная для генерации и поддержания динамической модели знаний о предметной области. В качестве модели знаний могут выступать продукционные модели и сетевые модели знаний.

МЛВ – часть экспертной системы, реализующая анализ, поступающий в экспертную систему и имеющейся в ней информации и формирование на ее основе новых заключений в ответ на запрос к системе.

РП (БД) – часть экспертной системы, предназначенная для информационного обеспечения механизма логического вывода, прежде всего в части хранения и обработки поступивших новых фактов и промежуточных результатов логического вывода

ЛП – предназначен для обеспечения комфортного интерфейса м/у конечным пользователем и экспертной системы. В нем реализуются процедуры морфологического, синтаксического и семантического контроля поступивших в систему запросов и приведение к виду понятного ЭВМ. При выдачи обратной информации осуществляется обратная операция. Заключения переводятся с машинного языка на естественный, понятный конечному пользователю.

Компонент приобретения знаний предназначен для обеспечения работы инженера знаний по поддержанию моделей знаний в состоянии, адекватном реальной предметной области.

Компонент объяснений – его наличие, обеспечивающий по запросу пользователя выдачу информации о ходе и исходе логического вывода, принципиально отличает экспертную систему от всех других видов информационных систем, т.к. в большинстве случаев пользователю не достаточно сообщить лишь конечное заключение экспертной системы, который должен или может использовать в своей профессиональной деятельности. Гораздо большее доверие вызывают понятный вывод, подтвержденный промежуточными расчетами. Эту задачу и выполняет компонент объяснений.