Направления исследований в области систем искусственного интеллекта.
В 1956 г. США была проведена конференция- по решению задач логики, там поя-я понятие Искусственного интеллекта Направления ИИ: 1) Нейрокибернетика (исп-ся психологические нейрофизиологические исследования для моделирования функций мозга) 2)Кибернетика черного ящика (главное – получение реакций на входное изображение) Основные модели кибернетики: 1. 50-е гг. –моделирование творческих процессов (шашки, шахматы, стихи…) 2. 60-е – эвристическое программирование (перцептрон – первая нейронная сеть, которая должна работать, как мозг) 3. до 70 г. – работы по математической логике (доказ-ва теорем, метод резолюций, т.е. доказ-во от обратного). ▪На основе метода резолюций в 173 г. был разработан язык ИИ Prolog. ▪Lisp – язык, ориентированный на символьное вычисление. ▪Минский разработал фреймовую модель представления знаний (нечеткая логика) 4. 1973 – доклад о рез-х ИИ 5. В США ведутся работы по созданию экспертных систем для ▪медицины (диагностика заболеваний), ▪нефтеразведки, ▪химии (синтез новых соединений). 6. к. 80-х гг – получение коммерческих продуктов с исп-ем ИИ. 7. В Японии программа разработки компов V поколения: ▪Lisp, ▪Prolog, ▪БД и БЗ Для настоящего этапа характерно: 1. Фундаментальные исследования: ▪представление знаний, компьютерная лингвистика 2. Внешняя интеллектуализация компа (обеспечение компов существующей архитектуры программно-аппаратными интеллектуальными внешними средствами, кот. позволяют человеку общаться с ПК) 3. Внутренняя интеллектуализация компов на принципах ИИ.
Данные и знания. Способ определения понятий. Данные – отдельные файлы, характеризующие объекты, процессы и явления предметной области. Схема получения данных: 1)Измерение и наблюдение → 2)Занесение в таблицу → 3)Графики и диаграммы для наглядного представления данных →4)БД и СУБД. Пункты 1-3 – методы представления данных(МПЗ). Знания основаны на данных, полученных эмпирическим путем и представляют собой результат мыслительной деятельности на основе обобщения опыта, позволяющий выявить закономерности предметной области. Путь знаний: 1)Рез-т мышления и получения выводов → 2)Регистрация в виде текстов → 3)Модели представления знаний (формализация МПЗ)→ 4)БД+СУБЗ. Знания – это хорошо структурированные данные или метаданные (данные о данных). В основе знаний лежат понятия. Способы определения понятий: Интенсионал понятия – соотношение его с понятием более высокого уровня абстракции с указанием специфических свойств (определения через знания). Интенсионалы формируют знания об объектах. Другой способ экстенсионал, т.е. через соотнесение с понятиями более низкого уровня абстракции или через перечисление фактов, относящихся к данному объекту. Различают знания: - декларативные (аналог данных) и процедурные (изменяют декларативные знания). - поверхностные (знания о видимых взаимосвязях между отдельными событиями и фактами предметной области) и глубинные (абстракции, схемы, отображающие природу и внутренние механизмы процессов, протекающих в предметной области). Особенности знаний Различают знания: - декларативные (аналог данных) и процедурные (изменяют декларативные знания). - поверхностные (знания о видимых взаимосвязях между отдельными событиями и фактами предметной области) и глубинные (абстракции, схемы, отображающие природу и внутренние механизмы процессов, протекающих в предметной области). Основные свойства (признаки) знаний: 1) внутренняя интерпретируемость, т.е. это наличие у каждой информационной единицы уникального имени, по которому она идентифицируется в базе знаний – в реляционных БД. 2) Структурированность: информационные единицы должны обладать гибкой структурой, с возможностью установления между ними различных отношений: ▪Класс-подкласс; ▪Целое-часть. 3) связность. Знания связаны не только в смысле структуры, но и относительно процессов и явлений и причинно следственных отношений м\д ними. 4) Активность знаний. Неполнота знаний и (или) их противоречивость приводит к процессу появления новых знаний.
|
