Введение. Спектр исследований в области искусственного интеллекта определился в США на знаменитом Дармутском семинаре 1956 г

Спектр исследований в области искусственного интеллекта определился в США на знаменитом Дармутском семинаре 1956 г., положившем начало дисциплине ИИ. Практически одновременно зародились и два полярных подхода к данной проблеме: нейробионический и логический (символьный).

С первым подходом связаны имена У. Мак Каллока, В. Питтса, Д. Хебба, Ф. Розенблата – ученых [17], заложивших принципы «восходящего проектирования» и локальной самоорганизации в ИИ. В СССР развитие этого подхода в 1960–1970-е гг. было отражено в первую очередь в работах И.А. Амосова и его школы.

Символьный подход предполагает моделирование мышления в виде операций над символами (сравнение, поиск, модификация). Исходными элементами являются вербализуемые понятия предметной области, а направлением исследований – движение внутрь человеческой психики с выделением глубинных (подсознательных, интуитивных и неявных) структур опыта и мышления. Согласно гипотезе А. Ньюэлла [32], необходимое и достаточное условие для того, чтобы некоторая физическая система могла проявлять интеллектуальность, состоит в том, чтобы она являлась универсальной системой формальных манипуляций над конкретными символами.

В логическом подходе традиционно выделяют [17] три направления.

Часть специалистов считает, что нужно найти свой способ решения задач на ЭВМ, который даст либо результат, подобный человеческому, либо даже лучше его. Специалисты такого типа неоднократно демонстрировали свое искусство по созданию программ такого рода.

Другие специалисты полагают, что поскольку естественный интеллект человека определяется главным образом его способностью обучаться при необходимости тому или иному виду творческой деятельности, то и искусственный интеллект должен не просто имитировать решение отдельных (пусть и творческих) задач, а ориентироваться на автоматическое создание программ для решения задач подобного рода.

Третья часть специалистов – это программисты, чьими руками реализуются программы решения задач ИИ. Они склонны рассматривать свою деятельность, как новый виток в развитии программирования.

Начиная с 80-х гг. ХХ века, на основе исследований в области ИИ была сформирована новая отрасль компьютерной индустрии – разработка интеллектуальных систем (ИнС). Областью применения ИнС являются сложные из области NP [15] задачи, где логическая обработка информации превалирует над вычислительной. Это и задачи, решаемые в агрессивных средах, где необходимо принятие компетентного решения иногда в ограниченном временном диапазоне.

«Искусственный интеллект – это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, т.е. систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, – понимание языка, обучение, способность рассуждать, решать проблемы и т.д.» [19]. Данное определение продолжает оставаться актуальным и в настоящее время. При этом разработка программ, реализующих сложную статистическую обработку данных, не будет относиться к исследованиям в области искусственного интеллекта, какие бы сложные алгоритмы в них не использовались. А вот создание программы порождения и проверки гипотез относится именно к этой области.

Современные ИнС подразделяются на два класса [4]: системы общего назначения и специализированные. Технология использования систем общего назначения состоит в следующем. Пользователь (эксперт) формирует знания (данные и правила), описывающие выбранную проблемную область. Далее на основании этих знаний, заданной цели, исходных данных и метапроцедур система генерирует и исполняет решение задачи. Данную технологию называют технологией систем, основанных на знаниях, или технологией инженерии знаний. Она позволяет специалисту, не обладающему профессиональными знаниями в области программирования, разрабатывать информационные прикладные приложения. В настоящее время инструментальными средствами общего назначения являются экспертные оболочки [12] и языки обработки знаний [2].

До недавнего времени при разработке специализированных ИнС использовалась технология традиционного процедурного программирования. Это позволяло обеспечивать их достаточно высокую эффективность. Однако использование традиционных программных средств разработки ИнС ограничивает их способность к изменению поведения при изменяющихся условиях, что достаточно важно при решении интеллектуальных задач. Использование технологии инженерии знаний при разработке интеллектуальных приложений позволило устранить данный недостаток.

А наиболее распространенным классом ИнС как специализированных, так и общего назначения, являются ЭС.

Экспертные системы – это класс компьютерных систем, ориентированных на тиражирование опыта высококвалифицированных специалистов-экспертов в таких слабоформализованных областях, где качество принятия решений традиционно зависит от уровня экспертизы (например, медицина, экономика, юриспруденция, геология, военное дело и т.д.). Напомним, что частным случаем понятия ЭС является понятие «система, основанная на знаниях» (СОЗ), как наиболее часто употребляемый в зарубежной литературе термин [15, 7].

Одним из направлений исследований в области ИИ является интеллектуальное программирование. Выбор инструментария разработки или инструментальной среды определяет успех создания проекта в целом.

Предметом рассмотрения в настоящем учебном пособии являются инструментальные средства создания ИнС и технологии работы с ними. Описываются язык и методология использования языка логического программирования Пролог и инструментальных оболочек различного назначения в рамках задач ИИ.

Экспертные оболочки KAPPA и CLIPS предназначены для построения СОЗ, иногда называемых базами знаний. Они могут служить иллюстрацией базовых концепций ИИ, используемых при создании СОЗ. При создании БЗ в их среде происходит построение модели реальной системы. Студенты, только приступающие к освоению материала об экспертных системах и СОЗ, найдут в описании этих компьютерных программ все необходимое для разработки программ в более современных системах.

Иногдаоболочки ЭС могут быть ориентированы (как следует из их описания) на работу с пользователями, не являющимися профессионалами в области программирования. Основным свойством таких оболочек является то, что они содержат все компоненты ЭС в готовом виде, и их использование не предполагает программирования, а сводится лишь к вводу формализованных знаний о проблемной области. Каждая оболочка характеризуется фиксированным способом представления знаний, организации вывода и функционирования компонентов, которые будут использоваться во всех приложениях, где она будет применяться.

Желание предоставить разработчику ЭС разнообразные средства для учета особенностей приложения привело к объединению в рамках одной компьютерной системы различных методов решения задач, представления и интерпретации знаний. В их состав могут входить средства модификации функционирования оболочки, набор компонентов, позволяющих конструировать собственные оболочки, средства комплексирования компонентов в виде встроенного языка, развитый интерфейс пользователя. Подобные средства называют средствами автоматизации разработки (проектирования) ЭС. Они обычно позволяют представлять предметную область в виде сложной структуры, состоящей из произвольного числа понятий.

Необходимость выбора инструментальных средств, анализа их возможностей, модификации их функционирования и т.д. требует от пользователя специальных знаний в области ИИ, независимо от того является он программистом или нет.

Среди производителей и разработчиков оболочек экспертных систем в группу лидеров попадают фирмы: Gensym (G2, Rethink), Intellicorp (KAPPA), Exsys (Exsys Professional), Национальное аэрокосмическое Агентство США (CLIPS – C Language Integrated Production System).

В настоящее время наблюдается постоянный рост интереса к исследованиям в области искусственного интеллекта. В первую очередь это связано с увеличением объемов обрабатываемой информации в расширяющемся информационном пространстве. Получают внедрение новые методы, разработанные в области технологии символических вычислений и теории представления знаний, хорошо сочетающиеся со статистическим и вероятностным подходами.

Развитие Интернет-приложений, в частности интеллектуальных агентов, облегчает извлечение информации при работе с различными электронными проблемными областями. Результаты исследований в области ИИ сегодня в значительной степени зависят от того, как исследователи преодолеют влияние традиционных концепций, и сосредоточат усилия на задачах, решаемых в распределенной информационной среде. Например, задача многоагентной обработки информации в условиях пространственного распределения знаний о проблемной области является сложной. Использование онтологий для представления знаний позволяет установить семантические связи между элементами проблемной области и как следствие использовать известные методы ИИ.

Изучение инструментальной среды Protégé позволяет наглядно представить процесс создания онтологий. Система реализует объектно-ориентированный подход, имеет дополнительные возможности экспортирования онтологии в различные форматы, такие как CLIPS, HTML и т.п. Это является важным фактором при выборе системы для построения онтологий специалистами, занимающимися проблемами ИИ, семантического WEB, разработкой программного обеспечения, системами разбора естественного языка, экспертными системами.

Дата добавления: 2014-12-29