МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
ВІННИЦЬКИЙ НАЦІОНАЛЬНИЙ АГРАРНИЙ УНІВЕРСИТЕТ
Реферат
На тему: Вступ до системи штучного інтелекту. Експертні системи як різновид систем штучного інтелекту.
Підготувала студентка
Групи 31-ЕК
Білоус Тетяна
2021
ПОНЯТТЯ ШТУЧНОГО ІНТЕЛЕКТУ
Розвиток штучного інтелекту (ШІ) став можливим і розпочався тільки після створення ЕОМ – в 40х роках XX ст. Сам термін ШІ був запропонований в 1956 році в Стенфордському університеті на семінарі, який був присвячений розробці логічних, а не обчислювальних задач. Після визнання ШІ самостійною наукою, відбулося її розділення на 2-а основні напрями:
Нейрокібернетика – основною ідеєю нейрокібернетики було те, що єдиний об’єкт, який здатен мислити - це людський мозок. Тому будь-який пристрій, що здатен мислити, повинен певним чином відтворювати структуру людського мозку. Звичайні комп’ютери для реалізації цього принципу були не здатні, зважаючи на обмежені ресурси. Тому цей процес орієнтований на створення трансп’ютерів – паралельних комп’ютерів з великою кількістю процесорів і нейрокомп’ютерів, що моделюють структуру нервових структур мозку людини
Кібернетика «чорного ящика» - не має значення, яка структура "мислячого" пристрою. Головне, щоб на задані вхідні дії він реагував так, як людський мозок. Цей напрям орієнтований на пошуки алгоритмів вирішення інтелектуальних задач на існуючих моделях комп’ютерів.
КЛАСИФІКАЦІЯ ЕКСПЕРТНИХ СИСТЕМ
Клас ЕС сьогодні об'єднує декілька тисяч різних програмних комплексів, які можна класифікувати за різними критеріями.
За метою створення:
для навчання фахівців
для вирішення задач
для автоматизації рутинних робіт
для тиражування знань експертів
За ступенем складності структури:
Поверхневі системи — подають знання про область експертизи у вигляді правил (умова -> дія). Умова кожного правила визначає зразок деякої ситуації, при дотриманні якої правило може бути виконано. Пошук рішення полягає у виконанні тих правил, зразки яких зіставляються з поточними даними. При цьому передбачається, що в процесі пошуку рішення послідовність формованих у такий спосіб ситуацій не обірветься до одержання рішення, тобто не виникне невідомої ситуації, що не зіставиться з жодним правилом.
Глибинні системи — крім можливостей поверхневих систем, мають здатність при виникненні невідомої ситуації визначати за допомогою деяких загальних принципів, справедливих для області експертизи, які дії варто виконати.
За зв'язком з реальним часом:
Статичні ЕС розробляються в предметних областях, у яких база знань та інтерпретовані дані не змінюються в часі. Вони стабільні.
Квазідинамічні ЕС інтерпретують ситуацію, що змінюється з деяким фіксованим інтервалом часу.
Динамічні ЕС працюють у поєднанні з датчиками об'єктів у режимі реального часу з постійною інтерпретацією даних, що надходять.
Автономні експертні системи працюють безпосередньо в режимі консультацій з користувачем для специфічних «експертних» завдань, для вирішення яких не потрібно привертати традиційні методи обробки даних (розрахунки, моделювання і так далі).
Гібридні експертні системи представляють програмний комплекс, агрегують стандартні пакети прикладних програм (наприклад, математичну статистику, лінійне програмування або системи управління базами даних) та засоби маніпулювання знаннями. Це може бути інтелектуальна надбудова над ППП або інтегроване середовище для вирішення складного завдання з елементами експертних знань.
За завданням, що вирішується:
Інтерпретація даних
Діагностика
Моніторинг
Проектування
Прогнозування
Звідне планування
Навчання
Керування
Інтерпретація даних – це одна з традиційних завдань для експертних систем. Під інтерпретацією розуміється визначення змісту даних, результати якого мають бути погодженими і коректними. Зазвичай передбачається багатоваріантний аналіз даних.
Діагностика – розуміється виявлення несправності в деякій системі. Несправність — це відхилення від норми. Таке трактування дозволяє з єдиних теоретичних позицій розглядати і несправність устаткування в технічних системах, і захворювання живих організмів, і всілякі природні аномалії. Важливою специфікою є необхідність розуміння функціональної структури («анатомії») діагностуючої системи.
Моніторинг. Основне завдання моніторингу — безперервна інтерпретація даних в I реальному масштабі часу і сигналізація про вихід тих або інших параметрів за допустимі межі. Головні проблеми — «пропуск» тривожної ситуації і інверсна завдання «помилкового» спрацьовування. Складність цих проблем в розмитості симптомів тривожних ситуацій і необхідність обліку тимчасового контексту.
Проектування – полягає в підготовці специфікацій на створення «об'єктів» із заздалегідь визначеними властивостями. Під специфікацією розуміється весь набір необхідних документів — креслення, пояснювальна записка і так далі. Основні проблеми тут — здобуття чіткого структурного опису знань про об'єкт і проблема «сліду». Для організації ефективного проектування і, у ще більшому ступені, перепроектування необхідно формувати не лише самі проектні рішення, але і мотиви їх прийняття. Таким чином, в завданнях проектування тісно зв'язуються два основні процеси, виконуваних в рамках відповідної експертної системи: процес виведення і процес пояснення.
Прогнозування – логічно виводять вірогідні наслідки з заданих ситуацій. У прогнозуючій системі зазвичай використовується параметрична динамічна модель, в якій значення параметрів «підганяються» під задану ситуацію. Виводяться з цієї моделі, складають основу для прогнозів з ймовірними оцінками.
Планування – розуміється знаходження планів дій, що відносяться до об'єктів, здатних виконувати деякі функції. У таких експертних системах використовуються моделі поведінки реальних об'єктів з тим, щоб логічно вивести наслідки планованої діяльності.
Навчання – діагностують помилки при вивченні якої-небудь дисципліни за допомогою ЕОМ і підказують правильні рішення. Вони акумулюють знання про гіпотетичного «учня» і його характерних помилках, потім в роботі здатні діагностувати слабкості в знаннях учнів і знаходити відповідні засоби для їх ліквідації. Крім того, вони планують акт спілкування з учнем залежно від успіхів учня з метою передачі знань.
У загальному випадку всі системи, засновані на знаннях, можна підрозділити на системи, що вирішують завдання аналізу, і на системи, які вирішують завдання синтезу. Основна відмінність завдань аналізу від завдань синтезу полягає в наступному: якщо в завданнях аналізу безліч рішень може бути перераховане і включене в систему, то в завданнях синтезу безліч рішень потенційно будується з рішень компонентів або подпроблем.
Завдання аналізу — це інтерпретація даних, діагностика; до завдань синтезу відносяться проектування, планування. Комбіновані задачі: навчання, моніторинг, прогнозування. підтримка ухвалення рішень
ЕКСПЕРТНІ СИСТЕМИ ЯК ВИД СИСТЕМ ШТУЧНОГО ІНТЕЛЕКТУ
База знань є змістовною частиною банку знань, який необхідно розглядати як сховище знань, що являє собою у сукупності і самі знання і засоби, за допомогою яких здійснюється їх накопичення, збереження, оновлення та використання, а також засоби управління усіма цими процесами.
В системах штучного інтелекту і в експертних системах зокрема вирішуються, як правило, неформалізовані завдання.
До них належать завдання, які мають одну або декілька наступних характеристик:
- завдання не можуть бути заданими в числовій формі;
- їх цілі не можуть бути відображені у термінах точно визначеної цільової функції;
- не існує алгоритмічного рішення завдань,
- алгоритмічне рішення існує, але його не можна використати через обмеженість ресурсів (час, пам'ять).
Експертні системи - одне з найбільш суттєвих практичних досягнень у галузі штучного інтелекту. Сфера їх застосування постійно поширюється, досягнуті значні результати при вирішенні реальних завдань. Вони обумовили велике зацікавлення експертними системами не тільки спеціалістів-теоретиків, але й практичних працівників у найрізноманітніших галузях людської діяльності. Причинами цього зацікавлення є: по-перше, ЕС орієнтовані на вирішення широкого кола завдань у неформалізованій галузі, що раніше вважалося мало доступним для обчислювальної техніки; по-друге, ЕС призначені для роботи фахівців, які не мають навичок програмування, що дає змогу поширення сфери використання обчислювальної техніки; по-третє, ЕС призначені для вирішення практичних завдань і при цьому дають результати, які не гірше, а часто навіть переважають ті, що може отримати людина-експерт, користуючись традиційними засобами. Найбільш високих результатів на цей час досягнуто при розробці та використанні ЕС , які реалізують таку інтелектуальну функцію, як дедукція.
ЕС поклали початок розвитку сукупності методів "інженерії знань" - технічних прийомів використання знань, які склали на час появи ЕС новий підхід до створення високоефективних програмних систем. Якщо при традиційному використанні ЕОМ процес обробки інформації полягає у виконанні програми, за такими технологіями - це отримання потрібних знань.
Загальні вимоги до організації процесу обробки інформації за інтелектуальними технологіями: вирішення завдання має розглядатися як подання користувачу потрібного знання; інформаційна потреба "споживача" у знаннях визначається як відсутність інформації для вирішення загального завдання у складі людино-машинної системи (ЛМС); хід вирішення завдання у будь-який проміжок часу оцінюється за станом системи знань обчислювальної системи. Отже, відмінна риса обробки знань полягає у корінній зміні людино-машинних відносин і становленню нового стилю вирішення проблем.
Світовий досвід створення експертних систем базується на дотриманні таких основних принципів їх розробки:
1. Потужність експертної системи обумовлена в першу чергу потужністю бази знань та можливістю її поповнення і тільки у другу чергу - методами (процедурами), які вона використовує. Раніше у дослідженнях у галузі штучного інтелекту панувала інша точка зору.
2. Знання, що дозволяють експерту (або експертній системі) отримувати якісні та ефективні рішення своїх завдань, є в основному евристичними, експериментальними, невизначеними, правдоподібними. Причинами цього є те, що ці завдання є неформалізованими або слабоформалізованими, а знання експертів мають індивідуальний характер, тобто властивий конкретній людині.
3. Враховуючи неформалізованість завдань, які вирішуються, та евристичний, особистісний характер знань, що при цьому використовуються, користувач (експерт ) повинен мати можливість безпосередньої взаємодії з експертною системою у діалоговій формі.
Особливості побудови і функціонування експертних систем розглянемо на прикладі системи продукційного типу. Така типова експертна система у своєму складі має такі компоненти:
- база знань , яка зберігає множину продукцій (у загальному випадку правил);
- робоча пам'ять, яка зберігає дані (база даних);
- інтерпретатор, який вирішує на основі знань, що є в системі, поставлене їй завдання;
- лінгвістичний процесор, який здійснює діалогову взаємодію з користувачем (експертом) на природній для нього мові;
- компонента надбання знань;
- пояснювальна компонента, яка дає пояснення діям системи та відповідає на питання, чому ті чи інші висновки були зроблені.
Основою кожної експертної системи є широкий запас знань про конкретну проблемну галузь. У більшості випадків ці знання організовані як деяка сукупність правил, які дозволяють робити висновки на основі вихідних даних або припущень. У відповідності з загальною схемою ЕС для її функціонування необхідні такі знання:
· знання про процес вирішення завдання (керуючі знання), які використовує інтерпретатор;
· знання про мову спілкування та способи організації діалогу, які використовує лінгвістичний процесор;
· знання про способи подання та модифікації знань, які використовує компонента надбання знань;
· підтримуючі структурні та керуючі знання, які використовує пояснювальна компонента.
Експертна система працює у двох режимах: у режимі подання знань і у режимі вирішення завдань.
Подання знань
Подання знань є найважливішою областю досліджень з штучного інтелекту. Це основа решти дисциплін. Знання мають форму описів об'єктів, взаємозв'язків і процедур. Наявність адекватних знань і здатність їх ефективно використовувати означає "уміння". Мозок людини добре пристосований до образної обробки інформації, але при виконанні обчислень стає безпорадним навіть в порівнянні з невеликим калькулятором. Чи можуть комп'ютерні системи (КС) відтворити образну обробку, яка здійснюється людським мозком і якщо так, то яким чином? Створення загальної теорії або методу подання знань є стратегічною проблемою. Така теорія здатна відкрити можливість накопичення знань, які потрібні щодня для вирішення все нових і нових задач. Проте для досягнення поставленої мети необхідно, перш за все, знайти спосіб вираження загальних закономірностей нашого світу, в цьому і полягає суть проблеми подання знань.
2. Вирішення задач
В загальному поданні, вирішення задач зводиться до пошуку шляху з деякої початкової точки в цільову або кінцеву. Людина робить це досить ефективно за допомогою міркувань (дедуктивного логічного висновку), процедурного аналізу, аналогії і індукції. Комп'ютерні системи, принаймні в даний час, вирішують задачі тільки з використанням дедуктивного логічного висновку і процедурного аналізу. Характерним є те, що тип задачі визначає метод, найбільш відповідний для її вирішення. Отже, задачі, які зводяться до процедурного аналізу, краще за все розв'язуються на комп'ютері. Облікові задачі, ведення рахунків, аналіз надходження готівки можуть служити прикладами процедурних задач, вирішуваних комп'ютером швидше і надійніше, ніж людиною.
Зазначимо, що вдосконалення, внесені розробниками у сучасні системи управління базами даних, дозволяють використовувати їх при створенні експертних систем. При цьому СУБД використовують не тільки як системи, які забезпечують маніпулювання базою фактів, а навіть як інструментальні засоби побудови ЕС.