Главная страница

Искусственный интеллект основа новых информационных технологий


Скачать 319,25 Kb.
НазваниеИскусственный интеллект основа новых информационных технологий
Дата14.01.2017
Размер319,25 Kb.
ТипГлава

Глава 1

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -ОСНОВА НОВЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Знания — орудие, а не цель.
Л. Н. Толстой
Искусственный интеллект (ИИ) как наука существует около полувека. Первой интеллектуальной системой считается про­грамма «Логик-Теоретик», предназначенная для доказательства теорем и исчисления высказываний. Ее работа впервые была продемонстрирована 9 августа 1956 г. В создании программы участвовали такие известные ученые, как А. Ньюэлл, А. Тьюринг, К. Шеннон, Дж. Лоу, Г. Саймон и др. За прошедшее с тех пор вре­мя в области ИИ разработано великое множество компьютерных систем, которые принято называть интеллектуальными. Области их применения охватывают практически все сферы человеческой деятельности, связанные с обработкой информации.

На сегодняшний день не существует единого определения, которое однозначно описывает эту научную область. Среди мно­гих точек зрения на нее доминируют следующие три [7]. Соглас­но первой исследования в области ИИ относятся к фундамен­тальным, в процессе которых разрабатываются новые модели и методы решения задач, традиционно считавшихся интеллекту­альными и не поддававшихся ранее формализации и автоматиза­ции. Согласно второй точке зрения это направление связано с новыми идеями решения задач на ЭВМ, с разработкой новых технологий программирования и с переходом к компьютерам не фон-неймановской архитектуры. Третья точка зрения, наиболее прагматическая, основана на том, что в результате исследований, проводимых в области ИИ, появляется множество прикладных систем, способных решать задачи, для которых ранее создавае­мые системы были непригодны. По последней трактовке ИИ яв­ляется экспериментальной научной дисциплиной, в которой роль эксперимента заключается в проверке и уточнении интел­лектуальных систем, представляющих собой аппаратно-про­граммные информационные комплексы.

1.1.

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ В ОБЛАСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Интеллектуальные информационные системы проникают во
все сферы нашей жизни, поэтому трудно провести строгую класс-­
сификацию направлений, по которым ведутся активные и много­
численные исследования в области ИИ. Рассмотрим кратко не-­
которые из них.

Разработка интеллектуальных информационных систем или сис­тем, основанных на знаниях. Это одно из главных направлений ИИ. Основной целью построения таких систем являются выявление, исследование и применение знаний высококвалифицированных экспертов для решения сложных задач, возникающих на практи­ке. При построении систем, основанных на знаниях (СОЗ), ис­пользуются знания, накопленные экспертами в виде конкретных правил решения тех или иных задач. Это направление преследует цель имитации человеческого искусства анализа неструктуриро­ванных и слабоструктурированных проблем [9]. В данной облас­ти исследований осуществляется разработка моделей представле­ния, извлечения и структурирования знаний, а также изучаются проблемы создания баз знаний (БЗ), образующих ядро СОЗ. Ча­стным случаем СОЗ являются экспертные системы (ЭС).

Разработка естественно-языковых интерфейсов и машинный перевод. Проблемы компьютерной лингвистики и машинного пе­ревода разрабатываются в ИИ с 1950-х гг. Системы машинного перевода с одного естественного языка на другой обеспечивают быстроту и систематичность доступа к информации, оператив­ность и единообразие перевода больших потоков, как правило, научно-технических текстов [6]. Системы машинного перевода строятся как интеллектуальные системы, поскольку в их основе лежат БЗ в определенной предметной области и сложные модели, обеспечивающие дополнительную трансляцию «исходный язык оригинала - язык смысла — язык перевода». Они базируются на структурно-логическом подходе, включающем последователь­ный анализ и синтез естественно-языковых сообщений. Кроме того, в них осуществляется ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных базах данных (БД). Данное направление охватывает также исследования мето­дов и разработку систем, обеспечивающих реализацию процесса

18

общения человека с компьютером на естественном языке (так на­зываемые системы ЕЯ-общения) [6].

Генерация и распознавание речи. Системы речевого общения создаются в целях повышения скорости ввода информации в ЭВМ, "разгрузки зрения и рук, а также для реализации речевого общения на значительном расстоянии. В таких системах под тек­стом понимают фонемный текст (как слышится).

Обработка визуальной информации. В этом научном направле­нии решаются задачи обработки, анализа и синтеза изображений [6]. Задача обработки изображений связана с трансформировани­ем графических образов, результатом которого являются новые изображения. В задаче анализа исходные изображения преобра­зуются в данные другого типа, например в текстовые описания. При синтезе изображений на вход системы поступает алгоритм построения изображения, а выходными данными являются гра­фические объекты (системы машинной графики).

Обучение и самообучение. Эта актуальная область ИИ включа­ет модели, методы и алгоритмы, ориентированные на автомати­ческое накопление и формирование знаний с использованием процедур анализа и обобщения данных [4, 13]. К данному на­правлению относятся не так давно появившиеся системы добычи данных (Data-mining) и системы поиска закономерностей в ком­пьютерных базах данных (Knowledge Discovery).

Распознавание образов. Это одно из самых ранних направле­ний ИИ, в котором распознавание объектов осуществляется на основании применения специального математического аппара­та, обеспечивающего отнесение объектов к классам [7], а клас­сы описываются совокупностями определенных значений при­знаков.

Игры и машинное творчество. Машинное творчество охваты­вает сочинение компьютерной музыки [5], стихов [6], интеллек­туальные системы для изобретения новых объектов [2, 14]. Со­здание интеллектуальных компьютерных игр является одним из самых развитых коммерческих направлений в сфере разработки программного обеспечения. Кроме того, компьютерные игры предоставляют мощный арсенал разнообразных средств, исполь­зуемых для обучения.

Программное обеспечение систем ИИ. Инструментальные средства для разработки интеллектуальных систем включают специальные языки программирования, ориентированные на об-

2* 19

работку символьной информации (LISP, SMALLTALK, РЕФАЛ), языки логического программирования (PROLOG), языки пред­ставления знаний (OPS 5, KRL, FRL), интегрированные про­граммные среды, содержащие арсенал инструментальных средств для создания систем ИИ (КЕ, ARTS, GURU, G2), а так­же оболочки экспертных систем (BUILD, EMYCIN, EXSYS Professional, ЭКСПЕРТ), которые позволяют создавать приклад­ные ЭС, не прибегая к программированию [8, 11].

Новые архитектуры компьютеров. Это направление связано с созданием компьютеров не фон-неймановской архитектуры, ори­ентированных на обработку символьной информации. Известны удачные промышленные решения параллельных и векторных ком­пьютеров [1, 8], однако в настоящее время они имеют весьма вы­сокую стоимость, а также недостаточную совместимость с сущест­вующими вычислительными средствами.

Интеллектуальные роботы. Создание интеллектуальных ро­ботов составляет конечную цель робототехники. В настоящее время в основном используются программируемые манипулято­ры с жесткой схемой управления, названные роботами первого поколения. Несмотря на очевидные успехи отдельных разрабо­ток, эра интеллектуальных автономных роботов пока не наступи­ла. Основными сдерживающими факторами в разработке авто­номных роботов являются нерешенные проблемы в области ин­терпретации знаний, машинного зрения, адекватного хранения и обработки трехмерной визуальной информации.

1.2.

КЛАССИФИКАЦИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ

Интеллектуальная информационная система (ИИС) основа­на на концепции использования базы знаний для генерации ал­горитмов решения прикладных задач различных классов в зави­симости от конкретных информационных потребностей пользо­вателей.

Для ИИС характерны следующие признаки [12]:

  • развитые коммуникативные способности;

  • умение решать сложные плохо формализуемые задачи;

  • способность к самообучению;

  • адаптивность.

20



Каждому из перечисленных признаков условно соответствует свой класс ИИС. Различные системы могут обладать одним или несколькими признаками интеллектуальности с различной сте­пенью проявления.

Средства ИИ могут использоваться для реализации различ­ных функций, выполняемых ИИС. На рис. 1.1 приведена класси­фикация ИИС, признаками которой являются следующие интел­лектуальные функции:

  • коммуникативные способности — способ взаимодействия ко­
    нечного пользователя с системой;

  • решение сложных плохо формализуемых задач, которые требу­
    ют построения оригинального алгоритма решения в зависимости
    от конкретной ситуации, характеризующейся неопределеннос­
    тью и динамичностью исходных данных и знаний;

  • способность к самообучению — умение системы автоматичес­
    ки извлекать знания из накопленного опыта и применять их для
    решения задач;

  • адаптивность — способность системы к развитию в соответ­
    ствии с объективными изменениями области знаний.


1.2.2. ЭКСПЕРТНЫЕ СИСТЕМЫ

Экспертные системы как самостоятельное направление в ис­кусственном интеллекте сформировалось в конце 1970-х гг. Исто­рия ЭС началась с сообщения японского комитета по разработке ЭВМ пятого поколения, в котором основное внимание уделялось развитию «интеллектуальных способностей» компьютеров с тем, чтобы они могли оперировать не только данными, но и знания­ми, как это делают специалисты (эксперты) при выработке умо­заключений. Группа по экспертным системам при Комитете British Computer Society определила ЭС как «воплощение в ЭВМ компоненты опыта эксперта, основанной на знаниях, в такой форме, что машина может дать интеллектуальный совет или при­нять решение относительно обрабатываемой функции». Одним из важных свойств ЭС является способность объяснить ход своих рассуждений понятным для пользователя образом [15].

Область исследования ЭС называют «инженерией знаний». Этот термин был введен Е. Фейгенбаумом и в его трактовке озна­чает «привнесение принципов и инструментария из области ис­кусственного интеллекта в решение трудных прикладных про­блем, требующих знаний экспертов». Другими словами, ЭС при­меняются для решения неформализованных проблем, к которым относят задачи, обладающие одной (или несколькими) из следу­ющих характеристик:

  • задачи не могут быть представлены в числовой форме;

  • исходные данные и знания о предметной области обладают
    неоднозначностью, неточностью, противоречивостью;

  • цели нельзя выразить с помощью четко определенной целе­
    вой функции;

не существует однозначного алгоритмического решения
задачи;

алгоритмическое решение существует, но его нельзя исполь­
зовать по причине большой размерности пространства решений
и ограничений на ресурсы (времени, памяти).

Главное отличие ЭС и систем искусственного интеллекта от систем обработки данных состоит в том, что в них используется символьный, а не числовой способ представления данных, а в ка­честве методов обработки информации применяются процедуры логического вывода и эвристического поиска решений.

24

ЭС охватывают самые разные предметные области (рис. 1.2), среди которых лидируют бизнес, производство, медицина, про­ектирование и системы управления [4, 6, 11, 12, 15, 17].

Во многих случаях ЭС являются инструментом, усиливаю­щим интеллектуальные способности эксперта. Кроме того, ЭС может выступать в роли:

консультанта для неопытных или непрофессиональных
пользователей;

ассистента эксперта-человека в процессах анализа вариан­
тов решений;



25

партнера эксперта в процессе решения задач, требующих
привлечения знаний из разных предметных областей.

Для классификации ЭС используются следующие признаки:

  • способ формирования решения;

  • способ учета временного признака;

  • вид используемых данных и знаний;

  • число используемых источников знаний.

По способу формирования решения ЭС можно разделить на ана­лизирующие и синтезирующие. В системах первого типа осуще­ствляется выбор решения из множества известных решений на основе анализа знаний, в системах второго типа решение синте­зируется из отдельных фрагментов знаний.

В зависимости от способа учета временного признака ЭС де­лят на статические и динамические. Статические ЭС предназ­начены для решения задач с неизменяемыми в процессе реше­ния данными и знаниями, а динамические ЭС допускают такие изменения.

По видам используемых данных и знаний различают ЭС с детер­минированными и неопределенными знаниями. Под неопреде­ленностью знаний и данных понимаются их неполнота, ненадеж­ность, нечеткость.

ЭС могут создаваться с использованием одного или несколь­ких источников знаний.

В соответствии с перечисленными признаками можно выде­лить четыре основных класса ЭС (рис. 1.3): классифицирующие, доопределяющие, трансформирующие и мультиагентные [12].

Классифицирующие ЭС решают задачи распознавания ситуа­ций. Основным методом формирования решений в таких систе­мах является дедуктивный логический вывод.

Доопределяющие ЭС используются для решения задач с не полностью определенными данными и знаниями. В таких ЭС возникают задачи интерпретации нечетких знаний и выбора аль­тернативных направлений поиска в пространстве возможных ре­шений. В качестве методов обработки неопределенных знаний могут использоваться байесовский вероятностный подход, коэф­фициенты уверенности, нечеткая логика (см. главу 3).

Трансформирующие ЭС относятся к синтезирующим динами­ческим экспертным системам, в которых предполагается повто­ряющееся преобразование знаний в процессе решения задач. В

26

ЭС данного класса используются различные способы обработки знаний:

  • генерация и проверка гипотез;

  • логика предположений и умолчаний (когда по неполным
    данным формируются представления об объектах определенного
    класса, которые впоследствии адаптируются к конкретным усло­
    виям изменяющихся ситуаций);

  • использование метазнаний (более общих закономерностей)
    для устранения неопределенностей в ситуациях.

Мультиагентные системы - это динамические ЭС, основан­ные на интеграции нескольких разнородных источников знаний. Эти источники обмениваются между собой получаемыми резуль­татами в ходе решения задач. Системы данного класса имеют сле­дующие возможности:

  • реализация альтернативных рассуждений на основе исполь­
    зования различных источников знаний и механизма устранения
    противоречий;

  • распределенное решение проблем, декомпозируемых на па­
    раллельно решаемые подзадачи с самостоятельными источника­
    ми знаний;

  • применение различных стратегий вывода заключений в за­
    висимости от типа решаемой проблемы;

  • обработка больших массивов информации из баз данных;

  • использование математических моделей и внешних про­
    цедур для имитации развития ситуаций.

27