Искусственный интеллект. Основные понятия. Данные и знания. Модели представления знаний

Искусственный интеллект. Основные понятия. Направления развития. Данные и знания.

Искусственный интеллект — это теории и модели, позволяющие понимать принципы интеллектуальной деятельности человека и воспроизведение этой деятельности с помощью технических устройств.

Метод данных - это данные по данным.

База знаний - это любой индивидуальный интеллектуальной системы.

Направления развития:

1. Представление знаний и разработка систем, основанных на знаниях (связано с созданием представления знаний, создание баз знаний, моделей и методов извлечения и структурирования знаний, инженерия знаний.)

2. Разработка естественных звуковых интерфейсов и машинный перевод.

3. Распознавание образов (каждому объекту в соответствии ставится матрица признаков, по которой происходит его распознавание). Это направление связано с нейрокибернетикой.

4. Игровые программы. В большинстве игровых моделей лежит эвристическое программирование, т.к. число вариантов действия машины велико и выбирается наилучший.

5. Специальное ПО. Создаются пакеты прикладных программ, ориентированных на промышленную обработку интеллектуальных систем.

6. Новые архитектуры компьютера.

7. Робототехника. Занимается созданием технических систем, способных действовать в реальной среде и частично или полностью занимать человека в его интеллектуальной и производственной деятельности. 3 типа роботов:

1) программные (действует по жесткой программе и способен выполнять ограниченный набор действий)

2) адаптивные (имеют простейшие органы чувств, т.е. разнообразные датчики)

3) интеллектуальные (помимо органов чувств имеет способность распознавать образы, принимать решения, составлять планы, самообучаться и т.д.)

8. Обучение и самообучение. Это направление включает модели, методы и алгоритмы, ориентированные на автоматическое накопление данных на основе анализа.

Искусственный интеллект — это теории и модели, позволяющие понимать принципы интеллектуальной деятельности человека и воспроизведение этой деятельности с помощью технических устройств.

Метод данных - это данные по данным.

База знаний - это любой индивидуальный интеллектуальной системы.

Данные и знания:

Знания - это выявленное закономерностью предметной области (принципы, законы, связи), позволяющие решать задачи в этой области.

Знания связаны с данными, основываются на них, но представляют результат деятельности человека, обобщают его опыт, полученный в ходе выполнения практической деятельности.

При обработке на ЭВМ знания трансформируются следующим образом:

1. знания памяти человека как результат мышления.

2. материальные носители знаний (учебники, методические пособия)

3. поле знаний - это условное описание объектов предметной области, их атрибутов и закономерности, их связывающей.

4. знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы)

5. Базы знаний.

Знания классифицируются по категориям:

1. Поверхностные (знания о видимых взаимосвязях между отдельными событиями, фактами предметной области)

2. Глубинные (отображающие структуры и процессы предметной области)

3. Процедурные знания — это алгоритм, которые управляют данными.

4. Декларативные знания - это знания, представленные в структурах знаний и данных.

Искусственный интеллект - это теории и модели, позволяющие понимать принципы интеллектуальной деятельности человека и воспроизведение этой деятельности с помощью технических устройств.

Метод данных - это данные по данным.

Наш знаний - это любой индивидуальный интеллектуальной системы.

Процедурные знания - это алгоритм, которые управляют данными.

Декларативные знания ~~ это знания, представленные в структурах знаний и данных.

Модели представления знаний:

1. Логические

В основе этой модели лежит некоторое формальное исчисление. Все задания в предметной области описываются с помощью формул этого исчисления, которые состоят из логических функций, логических операций.

Допустим А(х) - логическая функция, интерпретирующаяся как х - это ученый.

А В(х,у) - это логическая функция, которая означает что х способен понять у.

V.tVyM(*)л,•)(.>')-> В(х.у)) (Любой ученый поймет другого ученого)

2. Сетевые

В основе сетевой модели лежит идея о том, что любые знания можно представить в виде совокупности понятий и отношений между нами. В рамках данной модели знания представляются в форме графа, вершины которого соответствует понятие предметной области, а дуги - отношения между этими понятиями. Такой граф называется семантической сетью, Преимущества этой модели в том, что в соответствии се с современном представлением об организации долговременной памяти человека.

3. Фреймовые

Фрейм - это минимально возможное описание сущности, которого либо объекта или процесса. Каждый слот соответствует какой-либо характеристики описываемого объекта. В качестве значения слота может выступать имя другого фрейма, т.о. создаются фреймовые сети. Модели фреймов являются достаточно универсальной и позволяет отобразить многообразие знаний и является достаточно удобной для хранения этих знаний. Кроме того, фреймовые модели обладают свойством наследования, наследование может происходить через слот «это» указывающей на фрейм более высокого уровня иерархии, откуда неявно наследуются значения аналогичных слотов.

4. Продукционные

Продукционные модели - это модели, позволяющие представлять знания (если условие, то действие).

Условие - некоторое предложение образец, по которому осуществляется поиск.

Действие выполняется при успешном поиске условия. При использовании продукционной модели база знаний состоит из набора правил.

Программа, управляющая перебором правил, называется машиной вывода. Машина вывода запускается на основании исходных данных, поступающих в машину. Если <пропускать занятия>, то <двойка на экзамене>. В продукционной модели также используются логические связки.

Дата добавления: 2015-04-24