Мегаобучалка Главная | О нас | Обратная связь


Разновидности интеллектуальных систем



2015-11-06 2261 Обсуждений (0)
Разновидности интеллектуальных систем 5.00 из 5.00 6 оценок




В зависимости от набора компонентов, реализующих рассмотренные функции, можно выделить следующие основные разновидности интеллектуальных систем:

· интеллектуальные информационно-поисковые системы;

· экспертные системы (ЭС);

· расчетно-логические системы;

· гибридные экспертные системы.

Интеллектуальные информационно-поисковые системы являются системами взаимодействия с проблемно-ориентированными (фактографическими) базами данных на естественном, точнее, ограниченном как грамматически, так и лексически (профессиональной лексикой) естественном языке (языке деловой прозы). Для них характерно использование (помимо базы знаний, реализующей семантическую модель представления знаний о проблемной области) лингвистического процессора.

Экспертные системы являются одним из бурно развивающихся классов интеллектуальных систем. Данные системы в первую очередь стали создаваться в математически слабоформализованных областях науки и техники, таких как медицина, геология, биология и другие. Для них характерна аккумуляция в системе знаний и правил рассуждений опытных специалистов в данной предметной области, а также наличие специальной системы объяснений.

Расчетно-логические системы позволяют решать управленческие и проектные задачи по их постановкам (описаниям) и исходным данным вне зависимости от сложности математических моделей этих задач. При этом конечному пользователю предоставляется возможность контролировать в режиме диалога все стадии вычислительного процесса. В общем случае по описанию проблемы на языке предметной области обеспечивается автоматическое построение математической модели и автоматический синтез рабочих программ при формулировке функциональных задач из данной предметной области. Эти свойства реализуются благодаря наличиюбазы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования.

В последнее время в специальный класс выделяются гибридные экспертные системы. Указанные системы должны вобрать в себя лучшие черты как экспертных, так и расчетно-логических и информационно-поисковых систем. Разработки в области гибридных экспертных систем находятся на начальном этапе.

Наиболее значительные успехи в настоящее время достигнуты в таком классе интеллектуальных систем, как экспертные системы.

Важное место в теории искусственного интеллекта (ИИ) занимает проблема представления знаний. В настоящее время выделяют следующие основные типы моделей представления знаний:

· семантические сети, в том числе функциональные;

· фреймы и сети фреймов ;

· продукционные модели.

Семантические сети определяют как граф общего вида, в котором можно выделить множество вершин и ребер. Каждая вершинаграфа представляет некоторое понятие, а дуга - отношение между парой понятий. Метка и направление дуги конкретизируют семантику. Метки вершин семантической нагрузки не несут, а используются как справочная информация.

Различные разновидности семантических сетей обладают различной семантической мощностью, следовательно, можно описать одну и ту же предметную область более компактно или громоздко.

Фреймом называют структуру данных для представления и описания стереотипных объектов, событий или ситуаций. Фреймоваямодель представления знаний состоит из двух частей:

· набора фреймов, составляющих библиотеку внутри представляемых знаний;

· механизмов их преобразования, связывания и т. д. Существует два типа фреймов:

· образец (прототип) - интенсиональное описание некоторого множества экземпляров;

· экземпляр (пример) - экстенсиональное представление фрейм -образца.

В общем виде фрейм может быть представлен следующим кортежем:

<ИФ, (ИС, ЗС, ПП),..., (ИС, ЗС, ПП)>,

где ИФ - имя фрейма ; ИС - имя слота ; ЗС - значение слота ; ПП - имя присоединенной процедуры (необязательный параметр).

СЛОТЫ - это некоторые незаполненные подструктуры фрейма, заполнение которых приводит к тому, что данный фреймставится в соответствие некоторой ситуации, явлению или объекту.

В качестве данных фрейм может содержать обращения к процедурам (так называемые присоединенные процедуры). Выделяют два вида процедур: процедуры-демоны и процедуры-слуги. Процедуры-демоны активизируются при каждой попытке добавления или удаления данных из слота. Процедуры-слуги активизируются только при выполнении условий, определенных пользователем при создании фрейма.

Продукционные модели- это набор правил вида "условия-действие", где условиями являются утверждения о содержимом базы данных, а действия представляют собой процедуры, которые могут изменять содержимое базы данных.

Формально продукция определяется следующим образом:

· (i); Q;P;С; QA В; N,

где (i) - имя продукции (правила); Q - сфера применения правила; Р - предусловие (например, приоритетность); С - предикат(отношение); А - > В - ядро; N - постусловия (изменения, вносимые в систему правил). Практически продукции строятся по схеме: "ЕСЛИ" (причина или, иначе, посылка), "ТО" (следствие или, иначе, цель правила).

Полученные в результате срабатывания продукций новые знания могут использоваться в следующих целях:

· понимание и интерпретация фактов и правил с применением продукций, фреймов, семантических цепей;

· решение задач с помощью моделирования;

· идентификация источника данных, причин несовпадений новых знаний со старыми, получение метазнаний;

· составление вопросов к системе;

· усвоение новых знаний, устранение противоречий, систематизация избыточных данных.

Процесс рассмотрения компьютером набора правил (выполнение программы) называют консультацией.Ее наиболее удобная для пользователя форма - дружественный диалог с компьютером. Интерфейс может быть в форме меню, на языке команд и на естественном языке.

Диалог может быть построен на системе вопросов, задаваемых пользователем, компьютером, или фактов - данных, хранящихся в базе данных. Возможен смешанный вариант, когда в базе данных недостаточно фактов.

При прямом поиске пользователь может задавать две группы вопросов, на которые компьютер дает объяснения:

· как получено решение. При этом компьютер должен выдать на экран трассу в виде ссылок на использованные правила;

· почему компьютер задал какой-то вопрос. При этом на экран выдается своеобразная трасса, которую компьютер хотел бы использовать для вывода после получения ответа на задаваемый вопрос. Вопрос " почему" может быть задан как в процессе консультации, так и после выполнения программы.

Специфичен алгоритм поиска, реализуемый логическими языками: он является фактически последовательным перебором по дереву сверху вниз - слева направо.

Машинный интеллект

Под понятием " машинный интеллект " подразумевают совокупность аппаратных и программных средств ЭВМ, с помощью которых обеспечивается такое общение человека с машиной ( интерфейс ), которое по своему уровню приближается к общению между собой специалистов, решающих совместную задачу.

Машинный интеллект предполагает наличие средств, которые определяют восприимчивость ЭВМ к языкам программированиявысокого уровня, близким к естественному языку выдачи заданий на решение задач, а также средств, позволяющих выполнить эти задания за счет знаний о предметной области,где решается данная задача.

Основой машинного интеллекта является так называемый структурный способ обработки информации. Его альтернатива -программный способ. В обоих способах используются и аппаратное оборудование, и программы выполнения заданий на нем. Но по отношению к конкретной работе машины эти способы принципиально различаются. Если выполнение данного задания не требует никаких программных указаний о промежуточных действиях, то такой способ будет структурным. В этом случае машина знает, как выполнять задание, поскольку в ее внутреннем математическом обеспечении заложена соответствующая информация, которая активизируется по имени полученного машиной задания. Другими словами, в состав базовых операций машины,нетребующихпрограммирования,входит операция по выполнению данного задания. Например, если в состав базовых операций входит получение скалярного произведения двух векторов, то чтобы на йти его, пользователю достаточно лишь задать эти векторы и указать знакоперации скалярного произведения. Если же такая операция (как самостоятельная) в машине отсутствует, то для получения требуемого результата необходимо ее реализовать в виде соответствующей программы из последовательности имеющихся базовых операций над компонентами векторов и промежуточными результатами вычислений. Это и будет программный способвыполнения задания.

Оба этих способа обработки информации можно реализовать на любой из ЭВМ, но степень развития ее машинного интеллектазависит от соотношения между этими способами. Чем более сложные действия может выполнять машина без их детализации со стороны пользователя (в виде последовательностей программных указаний), т. е. чем больше знает машина, как делать (что делать - задает пользователь), тем более высоким является ее интеллект. Следовательно, пользователю на ней легче работать, и вычислительный процесс становится более эффективным.

Восприимчивость ЭВМ к языкам программирования означает степень понимания этих языков. Машина понимает язык тогда, когда она в состоянии непосредственно превращать записи на нем в конкретные действия. Эти программы интерпретируются и выполняются в едином пошаговом режиме. Тогда восприимчивость к языкам означает, насколько во внутреннем языке ЭВМ отражены выражения внешнего языка заданий. В частном случае в качестве внутреннего языка машины может быть целиком принят какой-либо конкретный язык программирования. Но тогда ограничивается диапазон эффективного использования машины. Она будет хорошо решать задачи лишь того класса, для которого предназначен данный язык. Кроме того, внутренний язык ЭВМ должен иметь развитые средства для программирования различных служебных (системных) процедур, не программируемых и даже не предусматриваемых пользователем. Поэтому более развитому машинному интеллекту соответствует такой внутренний язык, который не повторяет какой-либо из языков программирования высокого уровня, а содержит в качестве базовых средств часто употребляемые конструкции ряда типовых задач высокого уровня, охватывающих различные классы задач, и, кроме того, конструкции, необходимые для эффективного представления системных процедур.

Исходные программы в соответствии с современной технологией решения задач на машинах пишутся, как правило, на языках высокого уровня, а не на внутренних языках конкретных машин. Поэтому необходим перевод этих программ на внутренние языки машин, осуществляемый с помощью специальных программ - трансляторов .Но чем более развит внутренний язык в смысле содержания в нем конструкций языков высокого уровня и средств реализации трансляторов, тем проще процесс трансляции и тем ближе полученная в результате рабочая программа окажется к исходной. Особенно это проявляется в том случае, когда исходная программа написана на языке высокого уровня, выражения которого реализованы во внутреннем языке ЭВМ.

Вторая черта машинного интеллекта - способность выполнять набор операций с данными и знаниями, хранящимися в базах данныхи базах знаний в памяти ЭВМ без специального программирования этих операций. Этими операциями являются процедуры поиска информации, необходимой для решения задачи, моделирование рассуждений с привлечением знаний, корректировка содержимого баз и т. п. Наличие таких встроенных операций позволяет говорить об ЭВМ не только как о вычислительных, но и как о рассуждающих машинах.

Уровень машинного интеллекта отражается и на том, как внутри ЭВМ организован процесс поиска решения задачи.

Организация вычислительного процесса основана на выполнении совокупности служебных процедур, входящих в составоперационной системы машины, без которой вообще невозможен вычислительный процесс. Как правило, эти процедуры не подлежат программированию со стороны пользователя. Это означает, что они представлены во внутреннем языке и по мере вызова эти стандартные программы извлекаются из памяти и выполняются. Если выполнение таких процедур будет происходить на специально предназначенном для них оборудовании, а не на универсальных обрабатывающих процессорах, то это будет соответствовать более высокой степени машинного интеллекта и обеспечит большую эффективность процесса обработки информации в ЭВМ.

Еще один путь повышения машинного интеллекта связан с возможностью непосредственного выполнения операций со сложно организованными данными (векторами, таблицами, списками и т. п.). Чем сложнее структура данных, тем более сложными будутоперации, производимые над ними. Но они будут заменять собой большие участки программ, которые до этого должен был писатьпользователь. Теперь же, вместо того, чтобы выполнять эту работу, пользователю достаточно лишь указать имя соответствующей процедуры.

В том случае, когда структуры данных допускают параллельную однотипную обработку элементов, достигается резкое повышение производительности ЭВМ. Такая обработка меняет сам процесс, реализуемый в ЭВМ, и стимулирует появление новых типов ЭВМ, ориентированных на параллельные модели вычислений.

Машинный интеллект, развиваясь, постепенно приближает ЭВМ к настоящим системам искусственного интеллекта.



2015-11-06 2261 Обсуждений (0)
Разновидности интеллектуальных систем 5.00 из 5.00 6 оценок









Обсуждение в статье: Разновидности интеллектуальных систем

Обсуждений еще не было, будьте первым... ↓↓↓

Отправить сообщение

Популярное:
Как вы ведете себя при стрессе?: Вы можете самостоятельно управлять стрессом! Каждый из нас имеет право и возможность уменьшить его воздействие на нас...
Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной...
Как распознать напряжение: Говоря о мышечном напряжении, мы в первую очередь имеем в виду мускулы, прикрепленные к костям ...



©2015-2020 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (2261)

Почему 1285321 студент выбрали МегаОбучалку...

Система поиска информации

Мобильная версия сайта

Удобная навигация

Нет шокирующей рекламы



(0.01 сек.)