ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 29.12.2024

Просмотров: 8667

Скачиваний: 3

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

СОДЕРЖАНИЕ

Федеральное агентство по образованию

Оглавление

Глава 1. Основные понятия искусственного интеллекта

§ 1.1. Основные термины и определения

§ 1.2. История развития систем ии

§ 1.3. Направления развития искусственного интеллекта

§ 1.4. Основные направления развития и применения

Вопросы для самоконтроля

Глава 2. Положения теории нечетких множеств

§ 2.1. Нечеткое множество. Операции над нечеткими множествами

§ 2.1.1. Основные операции над нечеткими множествами.

§ 2.2. Построение функции принадлежности

§ 2.2.1. Некоторые методы построения функции принадлежности.

§ 2.3. Нечеткие числа

§ 2.4. Операции с нечеткими числами (l-r)-типа

§ 2.5. Нечеткая и лингвистическая переменные

§ 2.6. Нечеткие отношения

§ 2.7. Нечеткая логика

§ 2.8. Нечеткие выводы

§ 2.9. Автоматизация обработки информации с использованием

Вопросы для самоконтроля

Глава 3. Основные интеллектуальные системы

§ 3.1. Данные и знания

§ 3.2. Модели представления знаний

§ 3.3.1. Продукционные правила.

§ 3.3.2. Фреймы.

§ 3.3.3. Семантические сети.

Вопросы для самоконтроля

§ 3.4. Экспертные системы. Предметные области

§ 3.5. Назначение и область применения экспертных систем

§ 3.6. Методология разработки экспертных систем

§ 3.7. Основные экспертные системы

§ 3.8. Трудности в разработке экспертных систем и пути их

Вопросы для самоконтроля

§ 3.9. Назначение, классификация роботов

§ 3.10. Примеры роботов и робототехнических систем

§ 3.10.1. Домашние (бытовые) роботы.

§ 3.10.2. Роботы спасатели и исследовательские роботы.

§ 3.10.3. Роботы для промышленности и медицины.

§ 3.10.4. Военные роботы и робототехнические системы.

§ 3.10.5. Мозг как аналого-цифровое устройство.

§ 3.10.6. Роботы – игрушки.

§ 3.11. Проблемы технической реализации роботов

Вопросы для самоконтроля

§ 3.12. Адаптивные промышленные роботы

§ 3.12.1. Адаптация и обучение.

§ 3.12.2. Классификация адаптивных систем управления

§ 3.12.3. Примеры адаптивных систем управления роботами.

§ 3.12.4. Проблемы в создании промышленных роботов.

Вопросы для самоконтроля

§ 3.13. Нейросетевые и нейрокомпьютерные технологии

§ 3.13.1. Общая характеристика направления.

§ 3.13.2. Нейропакеты.

Вопросы для самоконтроля

§ 3.14. Нейронные сети

§ 3.14.1. Персептрон и его развитие.

3.14.1.1. Математический нейрон Мак-Каллока-Питтса.

3.14.1.2. Персептрон Розенблатта и правило Хебба.

3.14.1.3. Дельта-правило и распознавание букв.

3.14.1.4. Адалайн, мадалайн и обобщенное дельта-правило.

§ 3.14.2. Многослойный персептрон и алгоритм обратного

§ 3.14.3. Виды активационных функций.

Вопросы для самоконтроля

Список литературы

Основы искусственного интеллекта

Интерфейс пользователя — комплекс программ, реализующих диалог пользователя с экспертной системой на стадии, как ввода информации, так и получения результатов.

Знания выражены в явном виде и организованы так, чтобы упростить принятие решений. Важность этой особенности экспертной системы невозможно переоценить. Накопление и организация знаний - одна из самых ярких характеристик ЭС. Наиболее полезной характеристикой ЭС является то, что она применяет для решения проблем высококачественный опыт.

Экспертная система может наращиваться постепенно в соответствии с нуждами заказчика. Это означает, что можно вначале вложить сравнительно скромные средства, а потом наращивать ее возможности по мере необходимости. Другой полезной чертой ЭС является наличие у них прогностических возможностей. ЭС может объяснить подробно, каким образом новая ситуация привела к изменениям. Это позволяет пользователю оценить возможное влияние новых факторов или информации и понять, как они связаны с решением.

База знаний, определяющая компетентность экспертной системы, может обеспечить новое качество: институциональную память. Если база знаний разработана в ходе взаимодействия с ведущими специалистами учреждения, отдела или организации, то она представляет текущую политику или способы действий этой группы людей. Этот набор знаний становится сводом очень квалифицированных мнений и постоянно обновляющимся справочником наилучших стратегий и методов, используемых персоналом. Ведущие специалисты уходят, но их опыт остается. Это особенно ценно для управления производством, организацией и т.п.

И последним важным свойством экспертных систем является то, что их можно использовать для обучения и тренировки руководящих работников и ведущих специалистов. Что опять-таки важно для производства.

Существуют веские доводы в пользу применения искусственной компетентности с целью усилить возможности человеческого рассуждения. Можно назвать следующие преимущества искусственной компетентности: постоянство; легкость, с которой ее можно передавать или воспроизводить; невысокая стоимость. Хотя экспертные системы хорошо справляются со своей работой, тем не менее, в определенных областях деятельности человеческая компетентность явно превосходит любую искусственную. Это не есть отражение фундаментальных ограничений искусственного интеллекта, но характерно для современного состояния. Человеческая компетентность имеет следующие преимущества:


творческий характер;

способность быстрого обучения;

способность непосредственно воспринимать весь комплекс входной сенсорной информации;

способность охватить картину в целом - исследовать все аспекты проблемы и понять, как они относятся к основной задаче;

обладание «здравым смыслом» или общедоступными знаниями.

По этим причинам, а также по другим, связанным с общественной приемлемостью экспертных систем, они часто используются как советчики, в качестве консультантов или помощников экспертов или новичков в некоторой предметной области. Экспертные системы создаются для решения равного рода проблем, но основные типы их деятельности можно сгруппировать в категории, приведённые в табл.3.1.

Таблица 3.1

Типичные категории способов применения ЭС

Категория

Решаемая проблема

Интерпретация

Описание ситуации по информации, поступающей от датчиков

Прогноз

Определение вероятных последствий, заданных ситуацией

Диагностика

Выявление причин неправильного функционирования системы по результатам наблюдений

Проектирование

Построение конфигурации объектов при заданных ограничениях

Планирование

Определение последовательности действий

Наблюдение

Сравнение результатов наблюдений с ожидаемыми результатами

Отладка

Составление рецептов исправления неправильного функционирования системы

Ремонт

Выполнение последовательности предписанных исправлений

Обучение

Диагностика, отладка и исправление поведения обучаемого

Управление

Управление поведением системы как целого

Стадия существования характеризует степень проработанности и отлаженности ЭС (табл. 3.2).



§ 3.6. Методология разработки экспертных систем

В коллектив разработчиков экспертной системы входят как минимум четыре специалиста (или четыре группы специалистов): эксперт, инженер-когнитолог (инженер по знаниям), программист, пользователь. Возглавляет коллектив инженер-когнитолог — ключевая фигура при разработке систем, основанных на знаниях. Обычно это руководитель проекта, в задачу которого входит организация всего процесса создания экспертной системы. С одной стороны, он должен быть специалистом в области искусственного интеллекта, а с другой — разбираться в предметной области, общаться с экспертом, извлекая и формализуя его знания, передавать их программисту, кодирующему и помещающему их в базу знаний экспертной системы.

Таблица 3.2

Эволюция ЭС

Уровень

разработки

Характеристика

Демонстрационный прототип

ЭС решает часть поставленной задачи, указывая тем самым, что подход применим и разработка ЭС осуществлена. База знаний содержит 50-100 правил. Развитие приводят к следующему уровню. Разработка занимает 6...12 месяцев.

Исследовательский прототип

ЭС решает все требуемые задачи, но неустойчива в работе и не полностью проверена. База знаний включает 200-500 правил. Разра­ботка занимает 3... 6 месяцев.

Действующий прототип

ЭС надежно решает все задачи, но для решения сложных задач может потребоваться чрезмерно много времени и (или) памяти. База знаний включает до 500-1000 правил. Время разработки — 6... 12 месяцев.

Промышленный прототип

ЭС обеспечивает высокое качество решений всех задач при минимуме времени и памяти, что достигается переписыванием программ с использованием более совершенных инструментальных средств и языков низкого уровня. База знаний содержит 1000... 1500 правил. Время разработки — 1... 1,5 года.

Коммерческая

система

ЭС пригодна не только для собственного использования, но и для продажи различным потребителям. База знаний содержит 1500...3000 правил. Время разработки — 1,5...3 года. Стоимость — 0,3...5 млн. долларов.


Экспертная система работает в двух режимах — приобретения знаний и решения задач или консультаций.

В режиме приобретения знаний происходит формирование базы знаний. В режиме решения задач общение с экспертной системой осуществляет конечный пользователь. Обычно знания, которыми располагает эксперт, различаются степенью надежности, важности, четкости. В этом случае они снабжаются некоторыми весовыми коэффициентами, которые называют коэффициентами доверия. Такие знания обрабатываются с помощью алгоритмов нечеткой математики.

В процессе опытной эксплуатации коэффициенты доверия могут подвергаться корректировке. В этом случае говорят, что происходит обучение экспертной системы. Процесс обучения экспертной системы может производиться автоматически с помощью обучающего алгоритма либо путем вмешательства инженера-когнитолога, выполняющего роль учителя.

Перед разработкой ЭС инженер по знаниям должен определить необходимость такой разработки для данного приложения. Инженер по знаниям - специалист, помогающий эксперту выявить и структурировать знания, необходимые для работы ЭС, осуществляет выбор того инструментального средства, которое наиболее подходит для данной проблемной области и определяет способ представления знаний в этом инструментальном средстве, выделяет и программирует стандартные функции, которые будут использоваться в правилах, вводимых экспертом.

В обобщенном виде ответ может быть таким: использовать ЭС следует тогда, когда разработка ЭС возможна, оправдана и методы инженерии знаний соответствуют решаемой задаче (табл. 3.3).

В настоящее время уже сложилась определенная технология разработки экспертных систем, которая состоит из следующих этапов, схематично изображенных на рис. 3.7.

Идентификация (постановка задачи). На этапе устанавливаются задачи, которые подлежат решению, выявляются цели разработки, требования к экспертной системе, ресурсы, используемые понятия и их взаимосвязи, определяются методы решения задач. Цель этапа — сформулировать задачу, охарактеризовать поддерживающую ее базу знаний и таким образом обеспечить начальный импульс для развития базы знаний.

Концептуализация. Проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

Формализация. Определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, оценивается адекватность целям системы зафиксированных понятий, методов решения, средств представления и манипулирования знаниями.