Алгоритми

План

1. Перспективні дослідження і розробки з інтелектуальних систем

2. Предмет дослідження штучного інтелекту.

3. Інформація, дані та знання.

5. Архітектура систем штучного інтелекту.

6. Функціональна структура використання CШІ.

7. Класифікація ІІС.

1. Перспективні дослідження і розробки з інтелектуальних систем

Комп’ютерні системи стають банальністю. Дійсно, вони майже повсюдні. Вони є найважливішим компонентом у функціонуванні бізнесу, урядового, військового, навколишнього середовища, установах охорони здоров’я і є частиною багатьох освітніх програм навчання. Ці комп’ютерні системи, все більш і більш впливаючи на наше життя мають бути спроможними швидко адаптуватися, змінюватись та допомагати нам і нашим установам справлятися з непередбаченими можливостями світу.

Національна конкурентноздатність залежить від можливостей доступу, обробки та аналізу інформації. Аналіз і передача даних за допомогою комп’ютера надали нам велику кількість інформації. Однак, щоб досягти повного співробітництва, комп’ютерні системи повинні вміти більше, ніж обробляти інформацію, але і мати інтелект. Вони повинні кваліфіковано зберігати й використовувати великі обсяги інформації й ефективно допомагати людям знаходити нові шляхи рішення проблем, використовуючи більш природні засоби комунікації.

Щоб перебороти обмеження існуючих систем, потрібно зрозуміти шляхи і способи взаємодії людей між собою і зі світом, розробити методи для з’єднання людського інтелекту і комп’ютерних систем. Для вирішення цього призначені аналітичні технології.

Аналітичні технології – це методики, які на основі певних моделей, алгоритмів, математичних теорем дозволяють при відомих початкових даних оцінити значення невідомих характеристик і параметрів. Найпростіший приклад аналітичної технології - теорема Піфагора, що дозволяє по довжинах сторін прямокутника визначити довжину його діагоналі. Ця технологія заснована на відомій формулі с2=а2+b2.

Іншим прикладом аналітичної технології є способи, за допомогою яких людський мозок обробляє інформацію. Навіть мозок дитини може вирішувати задачі, непідвласні сучасним комп’ютерам, такі як розпізнавання знайомих облич у юрбі, чи ефективне керування декількома десятками м’язів при грі у футбол. Унікальність мозку полягає в тому, що він здатен навчатися рішенню нових задач - грі в шахи, водінню автомобіля і т.д. Проте, мозок погано пристосований до обробки великих обсягів числової інформації - людина не зможе знайти навіть квадратний корінь з числа 463761, не використовуючи калькулятора або алгоритму обчислення в стовпчик. На практиці ж часто зустрічаються задачі про числа, набагато більш складні, ніж добування кореня. Таким чином, людині для рішення таких задач необхідні додаткові методики й інструменти.

Призначення аналітичних технологій

Аналітичні технології потрібні в першу чергу людям, що приймають важливі рішення - керівникам, аналітикам, експертам, консультантам. Дохід компанії у великому ступені визначається якістю цих рішень – точністю прогнозів, оптимальністю обраних стратегій.

• Прогнозування:
• курсів валют;
• цін на сировину;
• попиту;
• доходу компанії;
• рівня безробіття;
• числа страхових випадків.
• Оптимізація:
• розкладів;
• маршрутів;
• плану закупівель;
• плану інвестицій;
• стратегії розвитку.

Як правило, для реальних задач бізнесу й виробництва не існує чітких алгоритмів рішення. Зазвичай керівники й експерти вирішували такі задачі тільки на основі особистого досвіду. Часто класичні методики виявляються малоефективними в багатьох практичних задачах. Це пояснюється тим, що неможливо досить точно описати реальність за допомогою невеликого числа параметрів моделі, або розрахунок моделі займає занадто багато часу та обчислювальних ресурсів, а за допомогою аналітичних технологій будуються системи, що дозволяють істотно підвищити ефективність рішень.

Традиційні технології

Детерміновані технології

Аналітичні технології типу теореми Піфагора використовуються людиною вже багато століть. За цей час була створена величезна кількість формул, теорем і алгоритмів для рішення класичних задач – визначення об’ємів, рішення систем лінійних рівнянь, пошуку коренів багаточленів. Розроблено складні й ефективні методи для рішення задач оптимального керування, рішення диференційних рівнянь і т.д. Всі ці методи діють за однією і тією ж схемою.

Для застосування алгоритму необхідно, щоб дана задача цілком описувалася визначеною детермінованою моделлю (деяким набором відомих функцій і параметрів). У такому випадку алгоритм дає точну відповідь. Наприклад, для застосування теореми Піфагора потрібно перевірити, що трикутник - прямокутний.

Імовірнісні технології

На практиці часто зустрічаються задачі, пов’язані зі спостереженням випадкових величин - наприклад, задача прогнозування курсу акцій. Для подібних задач не можна побудувати детерміновані моделі, тому застосовується принципово інший, імовірнісний підхід.

Параметри імовірнісних моделей - це розподіли випадкових величин, їхні середні значення дисперсії і т.д. Як правило, ці параметри заздалегідь невідомі, а для їхньої оцінки використовуються статистичні методи, що застосовуються до вибірок спостережених значень (історичних даних).

‏

Такого роду методи припускають, що відома деяка ймовірнісна модель задачі. Наприклад, у задачі прогнозування курсу можна припустити, що завтрашній курс акцій залежить тільки від курсу за останні 2 дні (авто регресійна модель). Якщо це вірно, то спостереження курсу протягом декількох місяців дозволяють досить точно оцінити коефіцієнти цієї залежності і прогнозувати курс у майбутньому.

Нові технології

В останні 10 років іде активний розвиток аналітичних систем нового типу. В їх основі - технології штучного інтелекту, що імітують природні процеси, наприклад, такі як діяльність нейронів мозку або процес природного відбору.

Інтелектуальні аналітичні системи містять у собі:

• здатність міркувати відносно задачі і знань, що засновані на здоровому глузді;
• міркування відносно спільного процесу і знання можливостей інших систем і людей, що приймають участь у взаємодії;
• зв’язок з користувачами за допомогою розуміння природної мови, малюнків, зображень, і знаків;
• системи повинні відчувати середовище;
• координувати прийняття, планування, і дії;
• навчання на попередньому досвіді й адаптацію до поведінки.

Розуміння цих можливостей у людях і втілення їх при розробці програм є центральним у створенні новітніх аналітичних технологій, що здатні здобувати знання та керувати ними.

Національна конкурентноздатність залежить від зростання потужностей для проведення інформаційного аналізу, прийняття рішення, гнучкого проектування та виробництва. Зусилля в цих областях були обмежені недостатніми даними, відсутністю обчислювальної потужності або неадекватними контролюючими механізмами. Багато з цих обмежень можуть бути усунені тільки при додаванні інтелекту до систем.

Загальну структуру досліджень у сфері штучного інтелекту можна представити у вигляді схеми, зображеної на рис. 1.

В біонічному напрямку виділяються три різні підходи. Перший – нейробіонічний. В його основі лежать системи нейроподібних елементів, з яких створюються системи, що здатні відтворювати деякі інтелектуальні функції. Основні задачі, що можуть бути розв’язані в рамках даного підходу: багатоканальне (паралельне) розпізнавання складних зорових образів, навчання умовним рефлексам та ін. Другий підхід – структурно-евристичний. В його основі лежать знання про спостереження за поведінкою об’єкту, що розглядається як "чорний" (скоріше, "сірий") ящик, та знання про ті структури мозку (та їх властивості), які могли б забезпечити реалізацію форм поведінки, що спостерігаються. Третій підхід, інтенсивно розвивається останнім часом, – гомеостатичний. В цьому випадку мозок розглядається як гомеостатична система, що являє собою сукупність підсистем, що співробітничають та суперничають між собою, в результаті функціонування яких забезпечується потрібна рівновага (стійкість) усієї системи в умовах постійно змінних впливів середовища. Гомеостатичні моделі підтверджують перспективність даного підходу. Але в даний час ще не існує гомеостатичних модулів, які могли б розглядатися як універсальні елементи для створення інтелектуальних систем. В біонічному напрямку найбільшого розвитку отримали нейронні мережі. За допомогою нейронних мереж здійснюється спроба змоделювати будову людського мозку. Нейронні ансамблі як аналог "поняття". Словник понятий або людська мова – стандартна форма вираження думки при спілкуванні між різними системами ШІ.

Рис 1. Структура досліджень ШІ

В даний час домінуючим в штучному інтелекті є програмно-прагматичний напрямок. При даному підході не ставиться питання про адекватність використовуваних структур та методів, якими користується людина в аналогічних випадках, а розглядається лише кінцевий результат розв’язання конкретних задач. В програмно-прагматичному напрямку також можна виділити три підходи. Перший підхід – локальний або "задачний" – заснований на точці зору, що для кожної задачі, в якій присутня творча діяльність людини, можна знайти спосіб її розв’язання за допомогою ЕОМ, який, буде реалізований у вигляді програми та дасть результат такий же самих, або подібний до результату, отриманого людиною, чи навіть кращий. Другий підхід – системний або заснований на знаннях. Він пов’язаний з уявленнями про те, що розв’язання окремих творчих задач не вичерпує усієї проблематики штучного інтелекту. Тобто штучний інтелект повинен не тільки розв’язувати творчі задачі, але при необхідності навчатися тому чи іншому виду творчої діяльності. Тому й програми штучного інтелекту повинні бути орієнтовані не стільки на розв’язання конкретних інтелектуальних задач, а на створення засобів, що дозволяють автоматично будувати програми розв’язання інтелектуальних задач, коли в таких програмах виникає необхідність. Цей підхід в даний час є центральним в програмно-прагматичному напрямку.

Третій підхід розглядає проблеми створення інтелектуальних систем як частину загальної теорії програмування (як деякий новий виток в цій теорії). При цьому підході для створення інтелектуальних програм використовуються звичайні програмні засоби, що дозволяють створювати потрібні програми шляхом опису задач на професійній мові. Всі метазасоби, що виникають при цьому на базі часткового аналізу природного інтелекту, розглядаються тут лише з точки зору створення інтелектуального програмного забезпечення, тобто комплексу засобів, що автоматизують діяльність самого програміста.

З точки зору кінцевого результату в програмно-прагматичному напрямку виділяються 4 великі розділи:

· інтелектуальні програми (програми розв’язання інтелектуальних задач);

· работа зі знаннями (теорія та програми);

· інтелектуальне програмування (теорія та сервісні інтелектуальні програми);

· інтелектуальні програмні системи.

2. Предмет дослідження штучного інтелекту.

У 1950 році британський математик Алан Тьюринг опублікував в журналі «Mind» свою роботу «Обчислювальна машина і інтелект», в якій описав тест для перевірки програми на інтелектуальність. Він запропонував помістити дослідника і програму в різні кімнати і до тих пір, поки дослідник не визначить, хто за стіною – людина або програма, вважати поведінку програми розумною. У різних кімнатах знаходиться люди і машина. Вони не можуть бачити один одного, але мають можливість обмінюватися інформацією (наприклад, за допомогою електронної пошти). Якщо в процесі діалогу між учасниками гри людям не вдається встановити, що один з учасників – машина, то таку машину можна вважати такою, що володіє інтелектом. Це було одне з перших визначень інтелектуальності, тобто А. Тьюринг запропонував називати інтелектуальною таку поведінку програми, яка моделюватиме розумну поведінку людини.

Ми, в нашому курсі, інтелектом називатимемо здатність мозку вирішувати інтелектуальні завдання шляхом отримання, запам’ятовування і цілеспрямованого перетворення знань в процесі навчання на основі досвіду та адаптації до різноманітних обставин.

Інтелектуальною діяльністю або мисленням називають діяльність мозку (що володіє інтелектом), що спрямована на розв’язання інтелектуальних завдань: доведення теорем, логічний аналіз, розпізнавання ситуацій, планування поведінки, ігри та управління в умовах невизначеності. Характерними рисами інтелекту, що виявляються в процесі розв’язання завдань, є здатність до навчання, узагальнення, накопиченню досвіду (знань і навичок) і адаптації до постійно змінних умов в процесі розв’язання завдань. Завдяки цим якостям інтелекту мозок може вирішувати різноманітні завдання, а також легко перебудовуватися з розв’язання однієї задачі на іншу. Таким чином, мозок, наділений інтелектом, є універсальним засобом розв’язання широкого кола завдань (зокрема неформалізованих) для яких немає стандартних, заздалегідь відомих методів розв’язання.

Слід мати на увазі, що існують та інші, чисто поведінкові (функціональні) визначення. Так, за А. Н. Колмогоровим, будь-яка матеріальна система, з якою можна достатньо довго обговорювати проблеми науки, літератури і мистецтва, володіє інтелектом.

З тих пір з’явилися багато визначень інтелектуальних систем (ІС) та штучного інтелекту (ШІ). Сам термін штучний інтелект (AI – Artificial Intelligence) був запропонований в 1956 році на семінарі в Дартсмутськом коледжі (США). Приведемо деякі з цих визначень. Д. Люгер в своїй книзі [2] визначає «Штучний інтелект як область комп’ютерних наук, що займається дослідженням і автоматизацією розумної поведінки».

У підручнику з ІС [3] дається таке визначення: «Штучний інтелект – це один з напрямів інформатики, метою якого є розробка апаратно-програмних засобів, що дозволяють користувачеві (непрограмістові) формулювати та вирішувати свої інтелектуальні завдання, спілкуючись при цьому з ЕОМ на обмеженій підмножині природної мови».

Наведемо приклади дещо інших визначень штучного інтелекту.

"[Автоматизація] видів діяльності, які асоціюються з людським мисленням (human thinking), таких як прийняття рішень, розв’язання проблем, навчання." (Belman, 1978).

"Докладання нових зусиль для того, щоб зробити думаючі комп’ютери, машини з розумом у прямому розумінні" (Hougeland, 1985).

"Вивчення ментальних здібностей через використання обчислювальних моделей" (Charniak, McDermott, 1985).

"Мистецтво створення машин, які здійснюють функції, що вимагають інтелекту при реалізації їх людиною" (Kurzweil, 1990).

"Область науки, яка має справу з поясненням і відтворенням інтелектуальної поведінки в термінах обчислювальних процесів" (Schalkoff, 1990).

"Вивчення того, як примусити комп’ютери робити речі, які в даний час краще роблять люди" (Rich, Knight, 1991).

"Вивчення обчислень, які дають можливість розпізнавати, роздумувати і діяти" (Winston, 1992).

"Область інформатики, що має справу з автоматизацією інтелектуальної поведінки" (Luger, Stubblefield, 1993).

"Властивість автоматичних систем брати на себе окремі функції інтелекту людини, такі як, обирати й приймати оптимальні рішення на основі раніше отриманого досвіду та раціонального аналізу зовнішніх дій".

Така різноманітність визначень пояснюється тим, що поняття "Штучний інтелект" може розглядатися в різних контекстах. Воно може розглядатися як наука, набір технологій, реалізована модель розуму (мета), розділ інформатики, що займається вивченням того, як працює мозок.

Деякі учені схильні розглядати "штучний інтелект" як дещо постійне, що вислизає і недоступне (мета, що завжди знаходиться за горизонтом). Така точка зору пояснюється тим, що технології і алгоритми, розроблені в рамках штучного інтелекту, з часом стають невід’ємною частиною інформаційних технологій і більш не асоціюються з штучним інтелектом. Якщо встати на цю точку зору, то штучним інтелектом можна назвати "ще не широко використовувані або не відкриті технології, які реалізують або моделюють процеси обробки інформації в нервовій системі".

Введемо визначення, які використовуватимемо як робочі визначення.

Предметом інформатики є обробка інформації за відомими законами. Предметом штучного інтелекту є вивчення інтелектуальної діяльності людини, що підкоряється законам, які наперед невідомі. Штучний інтелект – розділ інформатики, що вивчає методи, способи моделювання та відтворення за допомогою ЕОМ різної діяльності людини, пов’язаної з розв’язання будь-яких задач.

Мета ШІ – змоделювати розумну діяльність людини, автоматизувати мислення. Розумна діяльність – розв’язування складних задач. Область застосування – розв’язання слабоформалізованих задач.

Слабоформалізовані задачі – це задачі, які володіють наступними властивостями:

1) цілі цих задач не можуть бути представлені у вигляді математичних функцій;

2) алгоритми досягнення даної цілі не можуть бути описані строго математично (не існує алгоритмічного розв’язання задачі);

3) в багатьох випадках для цих задач алгоритмічний розв’язок існує, але простір пошуку рішень дуже великий;

4) для розв’язання задач потрібні евристики – тверждення, що засновані на досвіді, інтуіції. Мета їх застосування – знайти більш раціональний розв’язок, а не оптимальний, шляхом виключення наперед непотрібних рішень;

5) дані та знання, що використовуються для розв’язання цих задач, володіють наступними властивостями: не повні; помилкові; різнорідні; неоднозначні; суперечливі; динамічні.

Системою називатимемо множину елементів, що знаходяться у певних зв’язках та відношеннях один з одним та із зовнішнім середовищем, утворюють цілісність та єдність.

Зовнішнє (оточующе середовище) – це ті елементи, які не входять до складу системи, але зміна стану яких впливає на стан системи.

Адаптивна система – це система, яка зберігає працездатність при непередбачуваних змінах властивостей керованого об’єкту, цілей управління або оточуючого середовища шляхом зміни алгоритму функціонування, програми поведінки або пошуку оптимальних, в деяких випадках просто ефективних, рішень і станів. Традиційно, за способом адаптації розрізняють системи, що самостійно налагоджуються, самостійно навчаються і такі, що самостійно організуються [4].

Складна система – система, яка характеризується великою кількістю параметрів, ієрархічністю структури, різнорідністю елементів.

Під інтелектуальною системою розумітимемо адаптивну систему, що дозволяє будувати доцільні програми для розв’язання поставлених перед нею завдань на основі аналізу конкретної ситуації, що склалася в даний момент в оточуючому середовищі [5].

Зробимо два важливі доповнення до даного визначення.

1. До переліку завдань, що вирішуються за допомогою ІС відносяться завдання, що володіють, як правило, наступними особливостями:

o наперед невідомий алгоритм рішення завдань (такі завдання називатимемо інтелектуальними завданнями);

o крім традиційних даних в числовому форматі використовується інформація у вигляді зображень, малюнків, знаків, літер, звуків;

o передбачається наявність вибору дій (не існує алгоритму - це означає, що потрібно зробити вибір між багатьма варіантами в умовах невизначеності). Свобода дій є істотною складовою інтелектуальних завдань.

2. Інтелектуальні робототехнічні системи (ІРС) містять змінну, таку, що налаштовується, модель зовнішнього світу і реальної виконавчої системи, з об’єктом управління. Мета і дії, що управляють, формуються в ІРС на основі знань про зовнішнє середовище, об’єкт управління і на основі моделювання ситуацій в реальній системі.

Про які ознаки інтелекту доречно говорити стосовно інтелектуальних систем? ІС повинна уміти в наборі фактів розпізнати істотні, ІС здатні з наявних фактів і знань зробити виведення (висновки) не тільки з використанням дедукції, але і за допомогою аналогії, індукції і т.д. Крім того, ІС повинні бути здібні до самооцінки - володіти рефлексією, тобто засобами для оцінки результатів власної роботи. За допомогою підсистем пояснення ІС може відповісти на питання, чому отриманий той або інший результат. Нарешті, ІС повинна уміти узагальнювати, уловлюючи схожість між наявними фактами.

Чи можна вважати шахову програму інтелектуальною системою? Якщо шахова програма при повторній грі робить одну і ту ж помилку - то не можна. Навчана, адаптивність, накопичення досвіду і знань - найважливіші властивості інтелекту. Якщо шахова програма реалізована на комп’ютері з нескінченно-високою швидкодією і обіграє людину за рахунок прорахунку всіх можливих варіантів гри за жорсткими алгоритмами - то таку програму ми також не назвемо інтелектуальної. Але якщо шахова програма здійснює вибір та прийняття рішень в умовах невизначеності на основі ефективних методів ухвалення рішень і евристик, коректуючи свою гру від партії до партії в кращу сторону, то таку програму можна вважати достатньо інтелектуальною.

Кожний раз, як тільки виникають сумніву в інтелектуальності деякої системи, домовимося згадувати тест Алана Тьюринга на інтелектуальність. Після цього сумніву і подальші спори, як правило, припиняються.

3. Інформація (дані) і знання

Чим відрізняється поняття "знання" від поняття "дані" або "інформація"? Останнім часом учені приходять до висновку, що разом з речовиною і енергією інформація є об’єктивно існуючою невід’ємною частиною матеріального світу, що характеризує його впорядкованість (неоднорідність) або структуру. Здатність живих істот зберігати свою структуру (впорядкованість) в світі, де, ймовірно, превалює прагнення до збільшення ентропії (однорідності), обумовлена їхньою здатністю розпізнавати структуру навколишнього світу і використовувати результат розпізнавання (тобто знання про світ) для цілей виживання.

Дані – це окремі факти, інформація фізичного характеру, що характеризують об’єкти, процеси та явища предметної області, а також їх властивості. Як правило, ця інформація не потребує при своєму подальшому використанні більш глибокого осмислення та аналізу. Дані – це інформація, отримана в результаті спостережень або вимірювань окремих властивостей (атрибутів), що характеризують об’єкти, процеси та явища предметної області. Зазвичай дані представляють у вигляді таблиць, діаграм, графіків.

Знання – це сприйнята живою істотою (суб’єктом) інформація із зовнішнього світу, що описує не тільки окремі факти, але й взаємозв’язки між ними.

Знання – це зв’язки та закономірності предметної області (принципи, моделі, закони), отримані в результаті практичної діяльності та професійного досвіду, що дозволяють спеціалістам ставити та розв’язувати задачі в даній області. Знання – це добре структуровані дані, або дані про дані або мета дані.

На відміну від "інформації" поняття "знання" є суб’єктивним. Воно залежить від особливостей життєвого досвіду суб’єкта, його історії взаємовідношень із зовнішнім середовищем, тобто від особливостей процесу його навчання або самонавчання. На цьому рівні абстракції знання є унікальним і обмін знанням між індивідуумами не може відбуватися без втрат на відміну від даних, в яких закодована інформація (неоднорідність), і які можуть передаватися від передавача до приймача без втрат (не враховуючи можливість спотворення унаслідок перешкод). Знання передається між суб’єктами за допомогою будь-якої мови представлення знань, найбільш типовим представником якого є природна мова. Створюючи і використовуючи природну мову, людина з одного боку прагнула в нім формалізувати та уніфікувати знання для того, щоб передавати їх однаковим чином найбільшій кількості людей з різним життєвим досвідом, а з іншого боку, намагався дати можливість передавати все багатство особистого знання. Перша тенденція призвела до появи різних формалізованих спеціальних діалектів мови в різних областях знань (математиці, фізиці, медицині та ін.). Друга призвела до появи художньої літератури, в основі якої лежить прагнення засобами мови викликати асоціації (переживання) мозку людини, тобто примусити її думати і переживати на основі знань, що почерпнули з прочитаного, і своїх власних знань. Тобто всі різновиди мистецтва направлені на це – передачу знань з використанням асоціацій.

Якщо перейти від такого високого рівня абстракції (філософського) до більш приземленого, то можна порівнювати знання і дані в їх формалізованому вигляді, що зазвичай і робиться в літературі з штучного інтелекту.

1. Знання є результатом, отриманим шляхом пізнання навколишнього світу та його об’єктів.

2. Знання – система думок з принциповою і єдиною організацією, заснована на об’єктивній закономірності.

3. Знання це формалізована інформація, на яку посилаються або яку використовують в процесі логічного виведення (рис. 2).

4. Під знаннями розумітимемо сукупність фактів і правил. Поняття правила, що представляє фрагмент знань, має вигляд:

якщо <умова> то <дія>

Наприклад, якщо X є істинним і Y є істинним, то Z є істинним з достовірністю P.

Рис. 2. Процес логічного виведення в ІС

Визначення 1 і 2 є достатньо загальними філософськими визначеннями. В ІС прийнято використовувати визначення 3 для визначення знань. Визначення 4 є окремим випадком визначення 3.

Знання можуть бути отримані: 1) на основі обробки експериментальних даних; 2) в результаті мислительної діяльності людини.

Під статичними знаннями розумітимемо знання, введені до ІС на етапі її проектування. Під динамічними знаннями (досвідом) розумітимемо знання, отримані ІС в процесі функціонування або експлуатації в реальному часі.

База знань – основа будь-якої інтелектуальної системи, де знання описані на деякій мові представлення знань, максимально наближеній до природної.

Поверхневі знання – знання про видимі взаємозв’язки між окремими подіями та фактами в предметній області.

Глибокі знання – абстракції, аналогії та схеми, що відображають структуру та природу процесів, що протікають в предметній області.

В ІС знання можна поділити на факти та правила. Під фактами маються на увазі знання типу «A це A», вони характерні для баз даних. Під правилами (продукціями) розуміються знання виду «ЯКЩО-ТО». Окрім цих знань існують так звані метазнання (знання про знання). Створення продукційних систем для представлення знань дозволило поділити знання та управління в комп’ютерній програмі, забезпечити модульність продукційних правил, тобто відсутність синтаксичної взаємодії між правилами. При створенні моделей представлення знань слід враховувати такі чинники, як однорідність уявлення і простота розуміння. Виконати цю вимогу в рівній мірі для простих і складних завдань досить складно.

Розглянемо докладніше систему управління ІРС, структурна схема якої представлена на рис. 3.

Рис. 3. Структурна схема інтелектуальної робототехнічної системи

На цьому малюнку стрілками позначений напрям руху інформації, двонаправленими стрілками позначена взаємодія типу «запит-відповідь» і «дія-підтвердження», вельми поширена в інформаційних системах. Входом системи є Блок введення інформації, призначений для введення числових даних, тексту, мови, розпізнавання зображень. Інформація на вхід системи може поступати (залежно від завдання, що розв’язується) від користувача, зовнішнього середовища, об’єкту управління. Далі вхідна інформація поступає до Блоку логічного виведення, або відразу в базу даних (БД) – сукупність таблиць, що зберігають, як правило, символьну і числову інформацію про об’єкти предметної області (у нашому випадку – об’єкти робототехніки).

Блок логічного доведення (БЛД) і формування керуючої інформації забезпечує знаходження розв’зків для нечітко формалізованих завдань ІС,а також здійснює планування дій і формування керуючої інформації для користувача або об’єкту управління на основі Бази Знань (БЗ), БД, Бази Цілей (БЦ) і Блоку Алгоритмічних Методів Розв’язання (БАМР).

БЗ – сукупність знань, наприклад, система продукційних правил, про закономірності наочної області.

БЦ – це сукупність локальних цілей системи, що є сукупністю знань, активізованих в конкретний момент і в конкретній ситуації для досягнення глобальної цілі.

БАМР містить програмні модулі розв’язання завдань предметної області за жорсткими алгоритмами.

Блок засвоєння знань (БЗЗ) здійснює аналіз динамічних знань з метою їх засвоєння і збереження в БЗ.

Блок пояснення рішень (БПР) інтерпретує користувачеві послідовність логічного виведення, що застосовується для досягнення поточного результату.

На виході системи Блок виведення інформації забезпечує виведення даних, тексту, мови, зображень та інші результати логічного виведення користувачеві і/або Об’єкту Управління (ОУ).

Контур зворотного зв’язку дозволяє реалізувати властивості адаптивності та навчання ІС. На етапі проектування експерти й інженери зі знань наповнюють базу знань і базу цілей, а програмісти розробляють програми алгоритмічних методів розв’язків. База даних створюється і поповнюється, як правило, в процесі експлуатації ІС.

Динаміка роботи ІРС може бути описана таким чином. Під час надходження інформації на зовнішній мові системи на вхід БВІ проводиться її інтерпретація у внутрішнє представлення для роботи з символьною моделлю системи. БЛВ вибирає з БЗ множину правил, активізованих вхідною інформацією, що поступила, і поміщає ці правила в БЦ як поточні цілі системи. Далі БЛВ за заданою стратегію, наприклад, стратегією максимальної достовірності, вибирає правило з БЦ і намагається довизначити змінні моделі, оточуючого середовища і виконавчої системи з об’єктом управління. На основі цього активізуються нові правила БЗ і починається логічне виведення в системі продукцій (правил). Ця процедура закінчується, як тільки рішення буде знайдено, або коли буде вичерпана БЦ. Знайдене рішення з внутрішнього представлення інтерпретується Блоком Виведення інформації у зовнішню мову підсистеми управління нижчого рівня і об’єкту управління.

Тоді можна сформулювати наступні відмінності знань та даних:

Ø знання більш структуровані;

Ø в знаннях найбільшого значення мають не атомарні елементи знань (як в даних), а взаємозв’язки між ними;

Ø знання більш самостійно інтерпретуються, ніж дані, тобто в знаннях міститься інформація про те, як їх використовувати;

Ø знання активні на відміну від пасивних даних, тобто знання можуть породжувати дії системи, що використовує їх.

Слід мати на увазі, що різкої межі між даними і знаннями немає, оскільки в останні двадцять років розробники систем управління базами даних все більш роблять їх схожими на знання. Прикладом може служити застосування семантичних мереж (формалізму для представлення знань) для проектування баз даних та ін.

Таким чином, відмінності знань від даних, перераховані вище, з розвитком засобів інформатики згладжуються.

ІС дозволяють проводити автоматичну обробку даних в умовах істотної апріорної неповноти знань про те, як необхідно вести цю обробку для отримання необхідного результату.

Дата добавления: 2014-01-14