Разновидности интеллектуальных систем

В зависимости от набора компонентов, реализующих рассмотренные функции, можно выделить следующие основные разновидности интеллектуальных систем:

· интеллектуальные информационно-поисковые системы;

· экспертные системы (ЭС);

· расчетно-логические системы;

· гибридные экспертные системы.

Интеллектуальные информационно-поисковые системы являются системами взаимодействия с проблемно-ориентированными (фактографическими) базами данных на естественном, ограниченном как грамматически, так и лексически профессиональной лексикой языке. Для них характерно использование, помимо базы знаний, реализующей семантическую модель представления знаний о проблемной области, лингвистического процессора.

Экспертные системы являются одним из классов интеллектуальных систем. Данные системы в первую очередь стали создаваться в математически слабоформализованных областях науки и техники, таких как медицина, геология, биология и другие. Для них характерна аккумуляция в системе знаний и правил рассуждений опытных специалистов в данной предметной области, а также наличие специальной системы объяснений.

Расчетно-логические системы позволяют решать управленческие и проектные задачи по их постановкам (описаниям) и исходным данным вне зависимости от сложности математических моделей этих задач. При этом конечному пользователю предоставляется возможность контролировать в режиме диалога все стадии вычислительного процесса. По описанию проблемы на языке предметной области обеспечивается автоматическое построение математической модели и автоматический синтез рабочих программ при формулировке функциональных задач из данной предметной области. Эти свойства реализуются благодаря наличию базы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования.

В специальный класс выделяются гибридные экспертные системы. Они объединяют в себе лучшие черты как экспертных, так и расчетно-логических и информационно-поисковых систем.

Важное место в теории искусственного интеллекта занимает проблема представления знаний. В настоящее время выделяют следующие основные типы моделей представления знаний:

· семантические сети, в том числе функциональные;

· фреймы и сети фреймов;

· продукционные модели.

Семантические сети определяют как граф общего вида, в котором можно выделить множество вершин и ребер. Каждая вершина графа представляет некоторое понятие, а дуга — отношение между парой понятий. Метка и направление дуги конкретизируют семантику. Метки вершин семантической нагрузки не несут, а используются как справочная информация.

Различные разновидности семантических сетей обладают различной семантической мощностью, следовательно, можно описать одну и ту же предметную область более компактно или громоздко.

Фреймом называют структуру данных для представления и описания стереотипных объектов, событий или ситуаций. Фреймовая модель представления знаний состоит из двух частей:

· набора фреймов, составляющих библиотеку внутри представляемых знаний;

· механизмов их преобразования, связывания и т. д.

Существует два типа фреймов:

· образец (прототип) — интенсиональное описание некоторого множества экземпляров;

· экземпляр (пример) — экстенсиональное представление фрейм-образца.

В общем виде фрейм может быть представлен следующим кортежем:

<ИФ, (ИС, ЗС, ПП),..., (ИС, ЗС, ПП)>,

где ИФ — имя фрейма; ИС — имя слота; ЗС — значение слота; ПП — имя присоединенной процедуры (необязательный параметр).

Примечание: в базах данных кортежем называется группа взаимосвязанных элементов данных; в реляционных базах данных кортеж — это элемент отношения, строка таблицы; упорядоченный набор из N элементов.

Слоты — это некоторые незаполненные подструктуры фрейма, заполнение которых приводит к тому, что данный фрейм ставится в соответствие некоторой ситуации, явлению или объекту.

В качестве данных фрейм может содержать обращения к процедурам (так называемые присоединенные процедуры).

Продукционные модели — это набор правил вида "условия-действие", где условиями являются утверждения о содержимом базы данных, а действия представляют собой процедуры, которые могут изменять содержимое базы данных.

Формально продукция определяется следующим образом:

(i); Q;P;С; QA В; N,

где (i) — имя продукции (правила); Q — сфера применения правила; Р — предусловие (например, приоритетность); С — предикат (отношение); А —> В — ядро; N — постусловия (изменения, вносимые в систему правил).

Практически продукции строятся по схеме "ЕСЛИ" (причина или, иначе, посылка), "ТО" (следствие или, иначе, цель правила).

Полученные в результате срабатывания продукций новые знания могут использоваться в следующих целях:

· понимание и интерпретация фактов и правил с применением продукций, фреймов, семантических цепей;

· решение задач с помощью моделирования;

· идентификация источника данных, причин несовпадений новых знаний со старыми, получение метазнаний;

· составление вопросов к системе;

· усвоение новых знаний, устранение противоречий, систематизация избыточных данных.

Процесс рассмотрения компьютером набора правил (выполнение программы) называют консультацией. Ее наиболее удобная для пользователя форма — диалог с компьютером. Интерфейс может быть в форме меню, на языке команд и на естественном языке. Диалог может быть построен на системе вопросов, задаваемых пользователем, компьютером, или фактов — данных, хранящихся в базе данных. Возможен смешанный вариант, когда в базе данных недостаточно фактов.

Дата добавления: 2014-12-27