Понятие искусственного интеллекта и интеллектуальных технологий

Термин интеллект происходит от латинского intellectus — что означает ум, рассудок, разум, мыслительные способности человека.

Интеллектом называется способность мозга решать интеллектуальные задачи путем приобретения и целенаправленного преобразования знаний в процессе обучения и адаптации к различным ситуациям. Соответственно под искусственным интеллектом (ИИ) понимается свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий, т.е. решать интеллектуальные задачи, которые отличаются от тривиальных задач отсутствием разработанного алгоритма их решения.

Под алгоритмом понимается точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого класса (множества) задач. В математике и кибернетике класс задач определенного типа считается решенным, если для него разработан алгоритм. Разработка алгоритма для класса задач связана со сложными рассуждениями, требующими высокой квалификации. Принято считать, что этот вид деятельности требует участия интеллекта человека. Задачи, связанные с нахождение алгоритма решения класса задач определенного типа называют интеллектуальными. После того, как алгоритм найден, процесс решения соответствующих задач становится таким, что его могут в точности выполнить человек, ЭВМ или робот, не имеющие представления о сущности самой задачи. Требуется лишь способность выполнять те элементарные операции, из которых состоит процесс решения задачи и точно и аккуратно руководствоваться предложенным алгоритмом.

Задачи, для которых существуют стандартные методы решения, не относятся к классу интеллектуальных задач. К таким относятся вычислительные задачи: решение системы линейных алгебраических уравнений, численное интегрирование дифференциальных уравнений и т.д. Для широкого класса интеллектуальных задач, таких как распознавание образов, игра в шахматы, доказательство теорем и т.п., формальное разбиение процесса поиска решения на отдельные элементарные этапы часто оказывается весьма затруднительным, даже если само решение несложно.

Таким образом, интеллект – это универсальный сверхалгоритм, который способен создавать алгоритмы решения конкретных задач.

Деятельность мозга, направленную на решение интеллектуальных задач называют мышлением или интеллектуальной деятельностью. Интеллект и мышление органически связаны с решением таких задач, как доказательство теорем, логический анализ, распознавание ситуаций, планирование поведения, игры и управление в условиях неопределенности. Характерными чертами интеллекта, проявляющимися в процессе решения задач, являются способность к обучению, обобщению, накоплению опыта и адаптации к изменяющимся условиям в процессе решения задач. Благодаря этим качествам интеллекта мозг может решать разнообразные задачи, а также легко перестраиваться с решения одной задачи на другую. Таким образом, мозг, наделенный интеллектом, является универсальным средством решения широкого круга задач для которых нет стандартных, заранее известных методов решения.

Искусственный интеллект рассматривается в одном из разделов информатики, в рамках которого ставятся и решаются задачи аппаратного и программного моделирования интеллектуальных (творческих) видов деятельности человека.

Термин «искусственный интеллект» (artificial intelligence) был предложен в 1956 году в США на семинаре, посвященном решению логических задач.

Результаты исследований по искусственному интеллекту используются в интеллектуальных системах (ИС). Под интеллектуальной системой понимается техническая или программная система, способная решать задачи, считающиеся творческими, принадлежащие конкретной предметнойобласти, знания о которой хранятся в памяти интеллектуальной системы.

Системы искусственного интеллекта состоят из трех основных блоков:

Ÿ база знаний;

Ÿ решатель - система, способная благодаря встроенной в нее общей стратегии нахождения решения (например, путем логического вывода) находить решение задач;

Ÿ интеллектуальный интерфейс - интерфейс, в который включены средства, позволяющие человеку вести общение с ЭВМ, не используя для ввода специальные программы.

Типичным представителем систем искусственного интеллекта являются экспертные системы.

В целом системы искусственного интеллекта ориентированы на решение большого и очень важного класса задач, называемых неформализуемыми (трудно формализуемыми). К неформализуемым относят задачи, обладающие особенностями (свойствами):

Ÿ алгоритмическое решение задачи неизвестно (хотя, возможно, и существует) или не может быть использовано из-за ограниченности ресурсов ЭВМ;

Ÿ задача не может быть определена (задана) в числовой форме (требуется символьное представление);

Ÿ цели решения задачи не могут быть выражены в терминах точно определенной целевой функции (не может быть задана функция цели);

Ÿ большая размерность;

Ÿ динамически изменяющиеся данные и знания.

Как правило, трудно формализуемые задачи обладают неполнотой, неоднозначностью и/или противоречивостью исходных данных и знаний о предметной области.

Можно выделить два основных направления в исследованиях по ИИ:

1. Программно-прагматическое («не имеет значения, как устроено «мыслящее» устройство, главное, чтобы на заданные входные воздействия оно реагировало, как человеческий мозг») — занимается созданием программ для решения задач, которые ранее решались исключительно человеком. Сюда относятся программы для решения логических задач, поиска, классификации и т.п. Это направление ориентировано на поиски алгоритмов решения интеллектуальных задач на существующих моделях компьютеров.

2. Бионическое («единственный объект, способный мыслить — это человеческий мозг, поэтому любое «мыслящее» устройство должно каким-то образом воспроизводить его структуру») — занимается проблемами искусственного воспроизведения тех структур и процессов, которые характерны для живого мозга человека и которые лежат в основе процесса решения задач человеком. В рамках бионического подхода к проблеме искусственного интеллекта сформировалась новая наука нейроинформатика, практическим выходом которой явилась разработка нейрокомпъютера.

В настоящее время традиционным считается программно-прагматическое направление, при котором не ставится вопрос об адекватности используемых методов, а рассматривается лишь конечный результат решения задачи.

Наиболее применяемыми в сфере экономики являются следующие интеллектуальные технологии:

• технологии инженерии знаний;

• технологии экспертных систем;

• технологии эволюционного моделирования;

• нейросетевые технологии.

9.2. Знания: понятие, модели представления

Инженерия знаний представляет собой научное направление, занимающееся вопросами формализации, представления и обработки знаний в информационных системах. Этот термин был предложен американским ученым Э.Фейгенбаум в 1977 г.

Инженерия знаний изучает вопросы:

• извлечения знаний из экспертов и/или текстов;

• формализации и обработки знаний;

• проектирования и разработки баз знаний.

Понятие знание не имеет какого-либо исчерпывающего определения.

Знания можно определить как совокупность сведений, образующих целостное описание, соответствующее некоторому уровню осведомленности об описываемом вопросе, предмете, проблеме и т. д. Иными словами, знания — это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. С точки зрения искусственного интеллекта знания можно определить как формализованную информацию, на которую ссылаются в процессе логического вывода.

Для хранения данных используются базы данных, характеризующиеся большим объемом и относительно небольшой удельной стоимостью информации. Для хранения знаний используются базы знаний, которые, напротив, характеризуютсянебольшим объемом, но исключительно высокой стоимостью. База знаний — это совокупность знаний, описанных с использованием выбранной формы их представления. База знаний является основой любой интеллектуальной системы.

Знания, с точки зрения решения задач в некоторой предметной области или по способу приобретения, можно разделить на две большие категории — факты и эвристику. Первая категория знаний – факты - указывают на хорошо известные в данной предметной области обстоятельства. Вторая категория знаний – эвристика - основывается на собственном опыте специалиста (эксперта) в данной предметной области, накопленном в результате многолетней практики.

По характеру знания можно разделить на процедурные и декларативные.

Процедурные знания - это знания, «растворенные» в алгоритмах - это методы, алгоритмы, программы решения различных задач, последовательности действий (в выбранной проблемной области). Процедурные знания составляют ядро баз знаний. Например, в производственной сфере аналог процедурных знаний — технологические знания о способах организации и осуществления разнообразных производственных процессов. Процедурные знания образуются в результате осуществления процедур (алгоритмов, программ, аналитических преобразований и т.п.) над фактами как исходными данными.

Процедурные знания хранятся в памяти ИС в виде описаний процедур, с помощью которых их можно получить. В виде процедурных знаний обычно описывается информация о предметной области, характеризующая способы решения задач в этой области, а также различные инструкции, методики и т.д.

Декларативные знания — это совокупность сведений о качественных и количественных характеристиках конкретных объектов, явлений и их элементов, представленных в виде фактов и эвристик. Традиционно такие знания накапливались в виде разнообразных таблиц и справочников, а с появлением ЭВМ приобрели форму информационных массивов (файлов) и баз данных. Декларативные знания часто называют просто данными. Декларативные знания хранятся в памяти ИС так, что они непосредственно доступны для использования. Это информация о свойствах предметной области, фактах, имеющих в ней место, и т.д.

Важной проблемой для систем искусственного интеллекта является представление знаний -это проблема представления взаимосвязей в конкретной предметной области в форме, понятной системе искусственного интеллекта.

Представление знаний — это их формализация и структурирование, с помощью которых отражаются характерные признаки знаний: внутренняя интерпретируемость, структурированность, связность, семантическая метрика и активность. Другими словами, представление знаний — это соглашение о том, как описывать реальный мир. Проблема представления знаний решается с помощью специально разработанных моделей представления знаний. Выделяют следующие модели представления знаний: логические модели; продукционные модели; семантические сети; фреймовые модели.

Логическая модель основана на формальных логических правилах. Знания представляются в ней в виде предикатов первого порядка, над которыми можно выполнять логические операции. Например,

P: Все импортные товары требуют таможенного оформления; Q: Товар Х – импортный товар.

Над этими предикатами можно выполнить логическую операцию, приводящую к появлению нового верного утверждения:

R: Товар Х требует таможенного оформления.

Используя для обозначения высказываний логические переменные Р, Q, R, можно составить формулу: (P Ʌ Q) → R

Т.е.: «Если все импортные товары требуют таможенного оформления И товар Х является импортным, то товар Х требует таможенного оформления».

Продукционная модель получила наибольшее распространение благодаря своей структурной простоте и универсальности. В этой модели знания представлены совокупностью так называемых продукционных правил вида «если – то», которые могут быть дополнены логическими операторами.

Пример продукционного правила:

ЕСЛИ (СПРОС НА ТОВАР неэластичен по цене) И (ЦЕНА понижается) ТО (ВЫРУЧКА падает)

Содержимое базы знаний изменяется в процессе решения задач по мере срабатывания правил, т.е. при возникновении такой ситуации, когда предпосылки правила совпадают с имеющимися фактами, и, следовательно, это правило можно применить к решению данной задачи. При этом заключение сработавшего правила заносится в рабочую память.

Тем самым реализуется принцип самообучения: база пополняется в процессе решения прикладных задач, и становится способной решать принципиально новые задачи.

Фреймовая модель основана на теории фреймов, разработанной американским исследователем М.Минским, и представляющей собой систематизированную модель памяти и сознания человека. Поскольку эта теория имеет несколько абстрактный характер, фреймовая модель представления знаний обычно применяется в комбинации с другими моделями.

Фреймом называется структура данных для представления некоторой стереотипной ситуации или объекта.

Каждый фрейм имеет имя, идентифицирующее описываемое понятие, и содержит ряд полей – слотов, с помощью которых определяются основные элементы понятия.

Слоты содержат определенные значения, которые могут представлять собой некоторый диапазон или перечень возможных значений, арифметическое выражение, фрагмент текста и т.д.

Фреймовая модель позволяет отобразить все многообразие знаний через различные типы фреймов:

• фреймы-структуры для обозначения объектов и понятий (заказ, товар, ценная бумага);

• фреймы-роли (поставщик, кассир, клиент);

• фреймы-сценарии (продажа товара, прием заказа);

• фреймы-ситуации (обнаружение дефекта товара) и др.

Совокупность данных предметной области может быть представлена множеством взаимосвязанных фреймов, образующих единую фреймовую систему, в которой объединяются декларативные и процедурные знания.

Семантическая сеть представляет собой систему знаний некоторой предметной области, представленную в виде целостного образа сети, узлы которой соответствуют понятиям и объектам, а дуги — отношениям между объектами. При построении семантической сети отсутствуют ограничения на число отношений и на сложность сети.

Наиболее часто в семантических сетях используются следующие отношения:

• связи типа «часть-целое» («вид-род», «элемент-множество»);

• функциональные связи (определяемые обычно глаголами или глагольными оборотами («влияет на», «подчиняется» и т.п.);

• количественные («больше», «меньше», «равно»);

• атрибутивные связи («имеет свойство», «имеет значение»);

• логические связи («и», «или», «не»);

• отношения «сходства — различия»;

• отношения «причина - следствие» и др.

Дата добавления: 2014-11-16