ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ Казаков Василий Александрович Кафедра Прикладной информатики в экономике (ПИЭ), ауд. 305

2 1. Разработка компьютерных программ, поведение которых было бы названо разумным, если бы его обнаружили у людей, и развитие на этой основе теории интеллектуальных систем. 2. Построение компьютерных программ, имитирующих интеллектуальное поведение, используя для решения задач те же процессы, что и люди. 3. Создание компьютерных программ, служащих как усилители интеллекта человека. Цели работ по ИИ

3 Направления исследований Представление знаний и разработка систем, основанных на знаниях Это основное направление искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем (ЭС). Включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний. Игры и творчество Традиционно искусственный интеллект включает в себя игровые интеллектуальные задачи шахматы, шашки, Го. В основе лежит один из ранних подходов лабиринтная модель плюс эвристики. Сейчас это скорее коммерческое направление, так как в научном плане эти идеи считаются тупиковыми.

4 Направления исследований Разработка ЕЯ интерфейсов и машинный перевод В 50-х гг. одной из популярных тем исследований ИИ являлась область машинного перевода. Первая программа в этой области переводчик с английского языка на русский. Первая идея пословный перевод, оказалась неплодотворной. В наст. время используется более сложная модель, включающая анализ и синтез ЕЯ сообщений, которая состоит из нескольких блоков. Для анализа это: морфологический анализ - анализ слов в тексте; синтаксический анализ - анализ предложений, грамматики и связей между словами; семантический анатиз - анализ смысла каждого предложения на основе некоторой предметно-ориентированной базы знаний; прагматический анализ анализ смысла предложений в окружающем контексте на основе собственной базы знаний. Синтез включает аналогичные этапы, но несколько в другом порядке.

5 Направления исследований Распознавание образов Традиционное направление искусственного интеллекта, берущее начало у самых его ис­токов. Каждому объекту ставится в соответствие матрица признаков, по которой происходит его распознавание. Это направление близко к машинному обучению, тесно связано с нейрокибернетикой. Новые архитектуры компьютеров Это направление занимается разработкой новых аппаратных решений и архитектур, направленных на обработку символьных и логических данных. Создаются Пролог- и Лисп-машины, компьютеры V и VI поколений. Последние разработки посвящены компьютерам баз данных и параллельным компьютерам.

6 Направления исследований Интеллектуальные роботы Создание человекоподобных механизмов для решения различных задач, привлекало человека с древних времен. В истории развития роботов выделяют четыре глобальных этапа: - донаучный, - андроидный, - период «кибернетических игрушек», - современный, связанный с практическими разработками в области искусственного интеллекта. Созданные в разные времена механизмы могли копировать некоторые механические действия человека или другой биологической системы, но ни одно из них не умело произносить членораздельных звуков и совершать осознанные действия. Загадка шагающих механизмов окончательно не разрешена и в наше время. Она по-прежнему привлекает к себе внимание специалистов самого разного профиля.

7 Направления исследований Специальное программное обеспечение В рамках этого направления разрабатываются специальные языки для решения задач не­вычислительного плана. Эти языки ориентированы на символьную обработку информации LISP, PROLOG, SMALLTALK, РЕФАЛ и др. Помимо этого создаются пакеты прикладных про­грамм, ориентированные на промышленную разработку интеллектуальных систем, или про­граммные инструментарии искусственного интеллекта, например КЕЕ, ARTS. Достаточно популярно создание так называемых пустых экспертных систем, или "оболочек", EXSYS, Ml и др., в которых можно наполнять базы знаний, создавая различные системы.

8 Направления исследований Обучение и самообучение Активно развивающаяся область искусственного интеллекта. Включает модели, методы и алгоритмы, ориентированные на автоматическое накопление знаний на основе анализа и обобщения данных. Включает обучение по примерам (или индуктивное), а также традиционные подходы распознавания образов.

9 Направления исследований Эволюционное моделирование В общем виде эволюционный алгоритм – это оптимизационный метод, базирующийся на эволюции популяции особей. Каждая особь характеризуется приспособленностью – многомерной функцией ее генов. Задача оптимизации состоит в максимизации функции приспособленности. В процессе эволюции в результате отбора, рекомбинаций и мутаций геномов особей происходит поиск особей с высокими приспособленностями.

10 Направления исследований Эволюционное моделирование Основные эволюционные алгоритмы: генетический алгоритм, предназначенный для оптимизации функций дискретных переменных и акцентирующий внимание на рекомбинациях геномов; эволюционное программирование, ориентированное на оптимизацию непрерывных функций без использования рекомбинаций; эволюционная стратегия, ориентированная на оптимизацию непрерывных функций с использованием рекомбинаций; генетическое программирование, использующее эволюционный метод для оптимизации компьютерных программ.

11 Направления исследований Системы управления знаниями Управление знаниями можно рассматривать и как новое направление в менеджменте, и как направление в информатике для поддержки процессов создания, распространения, обработки и использования знаний внутри предприятия. Реализуется управление знаниями как совокупность процессов внутри корпорации для: систематического приобретения, синтеза, обмена, использования знаний.

12 Многоагентные системы Основоположник теории агентов Алан Кэй (Alan Kay), определил агента как программу, которая получив задание, способна поставить себя наместо пользователя. При попадании в тупиковую ситуацию, программа агент может задать пользователю вопрос для продолжения работы. Теория агентов сформировалась на основе документов, полученных в рамках работ по распределенному решению задач и распределенному ИИ. С начала 1990 годов работы в этой области выделились в самостоятельную область исследований и приложений, претендующую на одно из ведущих мест в сфере интеллектуальных информационных технологий.

13 Нечеткие и гибридные системы Основой являются: нечеткая логика приближенные вычисления, грануля­ция информации, вычисление на словах; нейрокомпьютинг обучение, адаптация, классификация, системное моделирование и идентификация; генетические вычисления синтез, настройка и оптими­зация с помощью систематизированного случайного поиска и эволюции; вероятностные вычисления управление неопределенно­стью, сети доверия, хаотические системы, предсказание.

Виды интеллектуальных систем Для ИИС характерно: Развитые коммуникативные способности (наиболее развито у систем с интеллектуальным интерфейсом) Умение решать сложные плохо формализуемые задачи (наиболее развито у экспертных систем) Способность к самообучению (наиболее развито у самообучающихся систем)

Виды систем с интеллектуальным интерфейсом Основными представителями являются: Интеллектуальные базы данных Естественно-языковой интерфейс Гипертекстовые системы Контекстные системы помощи Когнитивная графика

Виды самообучающихся систем Основными представителями являются: Индуктивные системы Нейронная сеть Системы, основанные на прецедентах Информационные хранилища (data mining и knowledge discovery)

Виды экспертных систем Основными представителями являются: Классифицирующие системы Доопределяющие системы Трансформирующие системы Многоагентные системы

18 Интеллектуальная задача Под интеллектуальной задачей понимается такая задача, у которой хотя бы одна из трех составляющих: исходные данные (начальное состояние), требуемый результат (конечное состояние), модель процесса получения результата по исходным данным (алгоритм перевода из начального состояния в конечное) - отсутствует или имеет хотя бы один НЕ- фактор (недоопределенность, неточность, некорректность, нечеткость и др.).

Экспертные системы ЭС – инструмент, усиливающий интеллектуальные способности эксперта, который может выполнять роли: Консультанта для неопытных или непрофессиональных пользователей Ассистента для анализа различных вариантов принятия решений Партнера по вопросам из смежных областей знаний

Экспертные системы Основные области применения ЭС: Бизнес (анализ ФХД, управление стратегией) Производство Медицина Реже всего ЭС применяются в областях: Наука

Архитектура экспертных систем ПользовательЭкспертИнженер по знаниям Интеллекту альный интерфейс База знаний Механизм вывода Механизм объяснений Механизм приобретен ия знаний

Архитектура экспертных систем Стоимость базы знаний хорошей экспертной системы может оцениваться в сотни тысяч долларов

Классы экспертных систем По способу формирования решения: Аналитические (выбор из альтернатив) Синтетические (генерация решений) По способу учета временного признака Статические Динамические По видам используемых знаний: С детерминированными знаниями С неопределенными знаниями (неполнота, недостоверность, двусмысленность, нечеткость) По числу используемых источников знаний: С множеством источников (альтернативных или дополняющих друг друга) С одним источником

Виды экспертных систем Для решения задач интерпретации данных, диагностики и коррекции применяются: Классифицирующие экспертные системы Доопределяющие системы Для решения задач проектирования, прогнозирования, планирования, диспетчирования, мониторинга и управления применяются: Трансформирующие системы Многоагентные системы

Виды экспертных систем Основные классы задач решаемые ЭС: Диагностика Интерпретация Рекомендация Реже всего ЭС проектируется для решения задач: Выбор Моделирование Прогнозирование