Интеллектуальные системы

Идеи моделирования человеческого разума известны с древнейших времен. Впервые об этом упоминается в сочинении философа и теолога Раймунда Луллия «Великое искусство», который не только высказал идею логической машины для решения разнообразных задач, исходя из всеобщей классификации понятий (XIV в.), но и попытался ее реализовать. Рене Декарт(1596-1650) и Готфрид Вильгельм Лейбниц(1646-1716).

Толчком к дальнейшему развитию модели человеческого мышления стало появление в 40-х гг. XX в. ЭВМ. В 1948 г. американский ученый Норберт Винер(1894-1964) сформулировал основные положения новой науки - кибернетики. В 1956 г. в Стенфордском университете (США) на семинаре под названием «Artificial intelligence» (искусственный интеллект), посвященном решению логических задач, признано новое научное направление, связанное с машинным моделированием человеческих интеллектуальных функций и названное искусственный интеллект.

Под интеллектуальной системой понимается совокупность программ, имитирующих на компьютере элементы мышления человека, его способы рассуждения и решения задач.

При изучении интеллектуальных систем необходимо выяснить, что представляют собой знания и в чем их отличие от данных.

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

Для хранения знаний используют базы знаний (БЗ).

Обычно, знания делят на декларативные и процедурные.

Декларативные знания - это совокупность сведений о характеристиках свойств конкретных объектов, явлений или процессов, представленных в виде фактов и эвристик. Исторически такие знания накапливались в виде разнообразных справочников, с появлением ЭВМ приобрели форму баз данных. Декларативные знания часто называют просто данными, они хранятся в памяти информационной системы (ИС) так, что имеют непосредственный доступ для использования.

Процедурные знания хранятся в памяти ИС в виде описаний процедур, с помощью которых их можно получить. В виде процедурных знаний обычно описывают способы решения задач предметной области, различные инструкции, методики и т.п. Процедурные знания - это методы, алгоритмы, программы решения различных задач в выбранной предметной области, они составляют ядро базы знаний. Процедурные знания образуются в результате осуществления процедур над фактами как исходными данными.

Экспертные системы (ЭС) - это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.

ЭС определяется набором логически взаимосвязанных правил, формирующих знания и опыт специалиста данной предметной области, и механизмом решения, позволяющим распознавать ситуацию, давать рекомендации к действию, ставить диагноз.

Отметим, что для решения задач управления и прогнозирования широко используются нейронные сети и генетические алгоритмы, относящиеся к классу интеллектуальных систем.

Искусственные нейронные сети (ИНС) представляют собой вычислительные устройства, состоящие из множества взаимодействующих блоков обработки данных. Такие блоки принято называть нейронами. ИНС сформированы также,как нейронные сети в биологических системах. Биологический нейрон - это одна клетка с каналами для ввода информации, называемыми дендритами, и каналами для вывода информации - аксонами (рис. 7.3)

Сигналы передаются или не передаются через аксоны клетки в зависимости от того, в возбужденном или не возбужденном состоянии находится сама клетка. Это состояние определяется комбинацией сигналов, полученных дендритами клетки. Дендриты принимают сигналы от аксонов других клеток через небольшие промежутки, называемые синапсами, проводимость которых управляется их химическим составом.

Обучение нейронной сети осуществляется за счет изменения проводимостей синапсов, которое приводит к увеличению или снижению тормозящих или возбуждающих действий входных сигналов на нейрон, при этом меняется его выход.

Генетический алгоритм (ГА) представляет собой адаптивный метод, в основу которого заложены идеи эволюционной теории Ч. Дарвина и методов случайного поиска. Согласно Дарвину эволюция популяции - это чередование поколений, в которых особи изменяют свое значение так, чтобы новое поколение наилучшим образом приспосабливалось к внешней среде.

ГА показал высокую эффективность в задачах минимизации (максимизации) многомерных и плохо определенных функций, типа

J(x) ® min,

в которой входной вектор x = (x₁, x₂, …, x_m) имеет достаточно большую размерность.