Слайд 1
Под интеллектуальной базой знаний (ИБЗ) понимается управляемый комплекс языковых, алгоритмических, программных и технических средств, предназначенных для восприятия, обработки, хранения и выдачи (отображения) знаний о предметной области, включающий четыре компоненты:
а) упорядоченные каким-либо способом факты и данные, отражающие модель профессиональной сферы (предметные данные);
б) правила, модели, алгоритмы и программы, позволяющие рассчитывать определенные показатели объектов профессиональной сферы, строить цепочки логических выводов и на этой основе делать обобщения и заключения, а также вызывать определенные ассоциации (декларативные знания);
в) управляющая и интерпретирующая структура, определяющая порядок и способы применения моделей и правил логического вывода для получения или трансформации информации (процедурные знания);
г) правила морфологического, синтаксического и семантического анализа входных и выходных текстов, а также списки основ слов, которые используются для организации диалога между базой знаний и пользователем (лингвистические знания).
2 Слайд
Под термином «представление знаний» чаще всего подразумеваются способы представления знаний, ориентированные на автоматическую обработку современными компьютерами, и, в частности, представления, состоящие из явных объектов и из суждений или утверждений о них. Представление знаний в подобной явной форме позволяет компьютерам делать дедуктивные выводы из ранее сохраненного знания.
Представление знаний – структурирование знаний с целью формализации процессов решения задач в определенной проблемной области.
Представление знаний — вопрос, возникающий в когнитологии (науке о мышлении) и информатике, а также в исследовании вопросов, связанных с искусственным интеллектом. В когнитологии он связан с тем, как люди хранят и обрабатывают информацию. В информатике — с подбором представления конкретных и обобщенных знаний, сведений и фактов для накопления и обработки информации в ЭВМ. Главная задача в искусственном интеллекте (ИИ) — научиться хранить знания таким образом, чтобы программы могли осмысленно обрабатывать их и достигнуть тем подобия человеческого интеллекта.
3 Слайд
Нейросетевыми называются методы представления знаний, основанные на использовании искусственных нейронных сетей. Искусственные нейронные сети, они же коннекционистские (от англ. connection – связь), представляют собой устройства, использующие огромное число взаимосвязанных элементарных условных рефлексов, названных по имени канадского физиолога Д. Хебба – «синапсами Хебба»
4 Слайд
В настоящее время нейросетевые методы представления знаний применяются для решения задач обработки изображений, управления роботами и непрерывными производствами, для понимания и синтеза речи, для диагностики заболеваний людей и обнаружения технических неполадок в приборах, для имитации пищевых технологических про- цессов. Та часть работ, которая связана с разработкой устройств пере- работки информации на основе принципов работы нейронных сетей, относится к области нейроинформатики.
5 Слайд
Суть всех подходов нейроинформатики заключается в разработке методов синтеза нейронных сетей, имитирующих процессы функционирования различных объектов, и позволяющих решать те или иные задачи, возлагаемые на ИБЗ. Нейрон при этом выглядит как очень простое устройство: нечто вроде усилителя с большим числом входов и одним выходом. Различие между подходами и методами – в деталях представлений о работе нейрона, и, конечно, в представлениях о работе связей. В отличие от цифровых микропроцессорных систем, представляющих собой сложные комбинации процессоров и запоминающих блоков, в искусственных нейросетях память и операции сосредоточены в связях между процессорами-нейронами. Тем самым основная нагрузка на выполнение операций представления и анализа знаний ложится не на отдельные процессоры, а на всю архитектуру системы, структура которой определяется межнейронными связями.
6 Слайд
Таким образом, ядром нейроинформатики выступает паллиативная идея, что нейроны можно моделировать довольно простыми автоматами, а вся сложность интеллекта, гибкость его функционирования и другие важнейшие качества определяются связями между нейронами. С этой идеей тесно связаны следующие аксиомы:
несмотря на то, что элементы, из которых строя искусственные нейронные сети, однородны и просты, с их помощью можно имитировать процессы любой сложности;
из простых и ненадежных элементов можно построить вполне надежную систему, когда при разрушении случайно выбранной части система сохраняет свои полезные свойства;
предполагается, что нейросеть достаточно богата по своим возможностям и достаточно избыточна, чтобы компенсировать бедность выбора элементов, их ненадежность, возможные разрушения части связей.
Названные аксиомы, определяя принципы нейросетевых методов представления знаний, не указывают на то, как же их строить и научить решать реальные задачи. На первый взгляд кажется, что искусственные нейросети не допускают прямого программирования, то есть формирования связей по явным правилам. Это, однако, не совсем так.