- •1.1. Краткая история искусственного интеллекта
- •1.1.1. Предыстория
- •1.1.2. Зарождение нейрокибернетики
- •1.1.3. От кибернетики "черного ящика" к ии
- •1.1.4. История искусственного интеллекта в России
- •1.2. Основные направления исследований в области искусственного интеллекта
- •1.2.1. Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems)
- •1.2.2. Программное обеспечение систем ии (software engineering for ai)
- •1.2.3. Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing)
- •1.2.4. Интеллектуальные роботы (robotics)
- •1.2.5. Обучение и самообучение (machine learning)
- •1.2.6. Распознавание образов (pattern recognition)
- •1.2.7. Новые архитектуры компьютеров (new hardware platforms and architectures)
- •1.2.8. Игры и машинное творчество
- •1.2.9. Другие направления
- •1.3. Представление знаний и вывод на знаниях
- •1.3.1. Данные и знания
- •1.3.2. Модели представления знаний
- •1.3.3. Вывод на знаниях
- •1.4. Нечеткие знания
- •1.4.1. Основы теории нечетких множеств
- •1.4.2. Операции с нечеткими знаниями
- •1.5. Прикладные интеллектуальные системы
1.2.8. Игры и машинное творчество
Это, ставшее скорее историческим, направление связано с тем, что на заре исследований ИИ традиционно включал в себя игровые интеллектуальные задачи - шахматы, шашки, го. В основе первых программ лежит один из ранних подходов - лабиринтная модель мышления плюс эвристики. Сейчас это скорее коммерческое направление, так как в научном плане эти идеи считаются тупиковыми.
Кроме того, это направление охватывает сочинение компьютером музыки [Зарипов, 1983], стихов, сказок [Справочник по ИИ, 1986] и даже афоризмов [Любич, 1998]. Основным методом подобного "творчества" является метод пермутаций (перестановок) плюс использование некоторых баз знаний и данных, содержащих результаты исследований по структурам текстов, рифм, сценариям и т. п.
1.2.9. Другие направления
ИИ - междисциплинарная наука, которая, как мощная река по дороге к морю, вбирает в себя ручейки и речки смежных наук. Выше перечислены лишь те направления, которые прямо или косвенно связаны с основной тематикой учебника - инженерией знаний. Стоит лишь взглянуть на основные рубрикаторы конференций по ИИ, чтобы понять, насколько широко простирается область исследований по ИИ:
генетические алгоритмы;
когнитивное моделирование;
интеллектуальные интерфейсы;
распознавание и синтез речи;
дедуктивные модели;
многоагентные системы;
онтологии;
менеджмент знаний;
логический вывод;
формальные модели;
мягкие вычисления и многое другое.
1.3. Представление знаний и вывод на знаниях
1.3.1. Данные и знания
При изучении интеллектуальных систем традиционно возникает вопрос - что же такое знания и чем они отличаются от обычных данных, десятилетиями обрабатываемых ЭВМ. Можно предложить несколько рабочих определений, в рамках которых это становится очевидным.
________________________________________
Данные - это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.
________________________________________
При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы:
1. D1 - данные как результат измерений и наблюдений;
2. D2 - данные на материальных носителях информации (таблицы, протоколы, справочники);
3. D3 - модели (структуры) данных в виде диаграмм, графиков, функций;
4. D4 - данные в компьютере на языке описания данных;
5. D5 - базы данных на машинных носителях информации.
Знания основаны на данных, полученных эмпирическим путем. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.
________________________________________
Знания - это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.
________________________________________
При обработке на ЭВМ знания трансформируются аналогично данным.
1. Z1 - знания в памяти человека как результат мышления;
2. Z2 - материальные носители знаний (учебники, методические пособия);
3. Z3 - поле знаний - условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;
4. Z4 - знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы - см. далее);
5. Z5 - база знаний на машинных носителях информации.
Часто используется такое определение знаний.
________________________________________
Знания - это хорошо структурированные данные, или данные о данных, или метаданные.
________________________________________
Существует множество способов определять понятия. Один из широко применяемых способов основан на идее интенсионала. Интенсионал понятия - это определение его через соотнесение с понятием более высокого уровня абстракции с указанием специфических свойств. Интенсионалы формулируют знания об объектах. Другой способ определяет понятие через соотнесение с понятиями более низкого уровня абстракции или перечисление фактов, относящихся к определяемому объекту. Это есть определение через данные, или экстенсионал понятия.
________________________________________
Пример 1.1
Понятие "персональный компьютер". Его интенсионал: "Персональный компьютер - это дружественная ЭВМ, которую можно поставить на стол и купить менее чем за $2000-3000".
Экстенсионал этого понятия: "Персональный компьютер - это Мас, IBM PC, Sinkler..."
________________________________________
Для хранения данных используются базы данных (для них характерны большой объем и относительно небольшая удельная стоимость информации), для хранения знаний - базы знаний (небольшого объема, но исключительно дорогие информационные массивы). База знаний - основа любой интеллектуальной системы.
Знания могут быть классифицированы по следующим категориям:
• Поверхностные - знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области.
• Глубинные - абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и могут использоваться для прогнозирования поведения объектов.
________________________________________
Пример 1.2
Поверхностные знания: "Если нажать на кнопку звонка, раздастся звук. Если болит голова, то следует принять аспирин".
Глубинные знания: "Принципиальная электрическая схема зввонка и проводки. Знания физиологов и врачей высокой квалификации о причинах, видах головных болей и методах их лечения".
________________________________________
Современные экспертные системы работают в основном с поверхностными знаниями. Это связано с тем, что на данный момент нет универсальных методик, позволяющих выявлять глубинные структуры знаний и работать с ними.
Кроме того, в учебниках по ИИ знания традиционно делят на процедурные и декларативные. Исторически первичными были процедурные знания, то есть знания, "растворенные" в алгоритмах. Они управляли данными. Для их изменения требовалось изменять программы. Однако с развитием искусственного интеллекта приоритет данных постепенно изменялся, и все большая часть знаний сосредоточивалась в структурах данных (таблицы, списки, абстрактные типы данных), то есть увеличивалась роль декларативных знаний.
Сегодня знания приобрели чисто декларативную форму, то есть знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному и понятных неспециалистам.