- •Содержание
- •Введение
- •Глава 1. Основные понятия
- •1.1. Понятие об искусственном интеллекте
- •1.1.1. Точка зрения Петрунина.
- •1.1.2. Интеллектуальные алгоритмы.
- •1.2. Основные направления исследования в области ии
- •1.3. Данные и знания. Основные модели представления знаний
- •Глава 2. Логические модели представления знаний
- •2.1. Логика высказываний
- •2.1.1. Булева алгебра.
- •2.1.2. Понятие о логическом следствии.
- •2.1.3. Метод резолюции в лв.
- •Имеет место теорема о полноте резолютивного вывода. Множество клозов противоречиво тогда и только тогда, когда из него методом резолюции можно вывести пустой клоз.
- •2.2. Логика предикатов первого порядка
- •2.2.1. Основные определения.
- •2.2.2. Метод резолюции в лппп.
- •2.2.3. Стратегии проведения резолюции.
- •2.2.4. Упорядоченный линейный вывод в лппп.
- •2.2.5.Применение поиска в пространстве состояний при реализации автоматизированного логического вывода.
- •2.2.6. Логический вывод на хорновских дизъюнктах.
- •Понятие экспертной системы и применение логического вывода при построении экспертных систем.
- •2.2.9. Запросы класса b.
- •2.2.10. Запросы класса c.
- •2.3. Понятие о нечетком выводе
- •2.4. Неклассические логики
- •2.4.1. Логики высших порядков.
- •2.4.2. Модальные логики.
- •2.4.3. Многозначные логики.
- •Глава 3. Продукционные модели представления знаний
- •3.1. Основные понятия
- •3.2. Стратегии управления
- •3.2.1. Поиск с возвратом.
- •3.2.2. Поиск в пространстве состояний.
- •3.3. Понятие о коммутативных системах продукций
- •3.4. Понятие о нечетком выводе на продукциях
- •3.5. Сравнение продукционных и логических моделей
- •Глава 4. Реляционные языки представления знаний
- •4.1. Основные элементы естественных языков
- •4.2. Дескрипторные модели
- •4.2.1. Понятие об ипс.
- •4.2.2. Линейная модель работы ипс.
- •4.2.3. Понятие о многоуровневом поиске.
- •4.2.4. Основные характеристики ипс.
- •4.4. Синтагматические цепи
- •4.4.1. Понятие синтагматических цепей.
- •4.4.2. Фреймы.
- •4.5. Сетевые модели представления знаний
- •4.5.1. Понятие семантической сети.
- •4.5.2. Структура интеллектуальной системы доступа к данным на основе семантической сети.
- •4.5.3. Задача поиска кратчайшего обхода образца в семантической сети.
- •4.5.4. Понятие о логическом выводе на семантических сетях.
- •Глава 5. Нейронные сети
- •5.1. Параллели из биологии
- •5.2. Базовая искусственная модель
- •5.3. Применение нейронных сетей
- •5.4. Обучение сети
- •Глава 6. Организация диалога с эвм на естественном языке
- •6.1. Элементы теории формальных языков
- •6.2. Обратная польская запись
- •6.3. Недостатки применения аппарата формальных грамматик
- •6.4. Элементы семиотики
- •6.5. Модель непосредственных составляющих
- •6.6. Многозначность в естественных языках
- •6.7. Расширенные сети переходов
- •6.8. Глубинные (семантические) падежи
- •Глава 7. Логическое программирование на языке пролог
- •7.1. Основные понятия в языке Пролог
- •7.2. Пакет Turbo Prolog
- •7.3. Структура программы
- •7.4. Поиск решений
- •7.5. Механизм отката
- •7.6. Операторы. Декларативный и процедурный смысл программы
- •7.7. Повторение и рекурсия
- •7.8. Повторение и откат
- •7.8.1. Метод отката после неудачи (опн).
- •7.8.2. Метод отсечения и отката (оо).
- •7.8.3. Метод повтора, определенный пользователем.
- •7.9. Методы организации рекурсии
- •7.10. Отладка программы и обнаружение ошибок
- •7.11. Графика в Turbo Prolog’е
- •7.11.1 Создание меню.
- •7.11.2. Создание графического режима.
- •7.11.3. Черепашья графика
- •7.12. Списки и их использование
- •7.12.1. Использование списка.
- •7.12.2. Поиск элементов в списке.
- •7.12.3. Создание нового списка путем слияния двух списков
- •7.12.3. Разделение на два списка.
- •7.13. Сортировки
- •7.13.1. Наивная сортировка.
- •7.13.2. Сортировка включением.
- •7.13.3. Метод «пузырька».
- •7.13.4. Быстрая сортировка.
- •7.14. Компоновка данных из базы в список
- •7.15. Работа с символами и строками
- •7.16. Специальные строки
- •7.17. Работа с файлами
- •7.18. Создание динамических баз данных
- •7.19. Библиотеки Turbo Prolog’а
- •7.19. Модульное программирование
- •7.20. Решение задачи о волке, козе и капусте
- •Глава 8. Введение в язык лисп
- •8.1. Основные особенности языка Лисп
- •8.2. Понятия языка Лисп
- •8.2.1 Атомы и списки.
- •8.2.2 . Внутреннее представление списка.
- •8.2.3 .Написание программы на Лиспе.
- •8.2.4. Определение функций.
- •8.2.5. Рекурсия и итерация.
- •В) maplist. Эта функция действует подобно mapcar, но действия осуществляет не над элементами списка, а над последовательными cdr этого списка.
- •8.2.6 . Функции интерпретации выражения.
- •8.2.7. Макросредства.
- •8.2.8. Функции ввода-вывода.
- •Список используемых источников
- •Перечень используемых сокращений
-
Понятие экспертной системы и применение логического вывода при построении экспертных систем.
Экспертной системой (ЭС) называется система, которая позволяет пользователю описать проблемную ситуацию и получить ее решение, сопровождаемое объяснениями, почему выбрано именно это решение.
Перечислим основные компоненты ЭС.
-
ГБД – глобальная база данных (содержит исходную информацию, необходимую для решения проблемной ситуации).
-
БЗ – база знаний, суть набор операции преобразования ГБД (с помощью последовательности этих операций мы и получаем ответ, причем сама последовательность правил составляет определяет обоснование).
-
Стратегия выбора следующей операции.
-
Терминальное состояние ГБД (содержит ответ на вопрос).
Схема работы ЭС выглядит в виде дерева.
//рисунок (17)
Одним из видов ЭС являются ЭС, основанные на предикатных языках представления знаний, и частности на языке ЛППП. В этом случае ГБД представляет собой набор предикатов, а БЗ – суть набор логических формул. Стратегия определяется применяемой стратегией резолюции (например OL-вывод, вывод на клозах Хорна и т.д.) и реализуется с помощью соответствующей машины логического вывода. В случае применения хорновской стратегии, ГБД формулируется в виде хорновских фактов, БЗ – в виде хорновских аксиом, а терминальное состояние в виде хорновской теоремы.
Различают 3 класса запросов к ЭС – классы A, B, C.
2.2.8. Запросы класса A.
Запросы класса A предполагают ответ «да» или «нет». В полноценных системах возможно три случая. Рассмотрим соответствующие примеры.
Пример 1. Предикаты: С(x) – x – человек, S(x) – x – смертен.
ГБД – C(Мао) – Мао человек.
БЗ - x [C(x) S(x)] – все люди смертны
Вопрос. S(Мао) – смертен ли Мао?
Система пытается доказать теорему S(Мао).
C (Мао) S (Мао) С (Мао) S (Мао) С (Мао) =
С(x) S (x) {Мао/x} С (Мао)
S (Мао)
Это удается - ответ «да».
Пример 2. P(x, y) – x в пункте y.
ГБД - P(Иван, Томск) – Иван в Томске.
БЗ - x [P(x, Томск)P(x, Новосибирск)] – если кто-то в Томске, то он не в Новосибирске.
Вопрос. P(Иван, Новосибирск) – Иван в Новосибирске?
Система пытается доказать теорему P(Иван, Новосибирск).
//вывод (19)
P(Иван, Томск)
P (x, Томск) P (x, Новосибирск) {Иван/x}
P (Иван, Новосибирск)
Это невозможно (нет унифицируемых литер).
Система пытается доказать теорему P(Иван, Новосибирск)
//вывод (20)
P(Иван, Томск)
P (x, Томск) P (x, Новосибирск) {Иван / x}
P (Иван, Новосибирск)
P (Иван, Новосибирск) |
|
P(Иван, Томск) |
|
P (Иван, Томск) |
|
|
|
P (Иван, Новосибирск) |
|
P(Иван, Томск) |
Это удается. Значит, ответ «нет».
Пример 3. ГБД - P(Огород, Бузина) – Бузина в огороде
Вопрос. P(Дядька, Киев) – дядька в Киеве?
Невозможно доказать ни P(Дядька, Киев), ни P(Дядька, Киев). Ответ – недостаточно информации (данных или знаний) для получения информации.
Примечание. Иногда автоматизированные системы всегда выдают ответы «да» или «нет» (например, Turbo Prolog в вопросно-ответном режиме). В этом случае ответ «нет» реально может означать, как «нет», так и недостаточность информации.