6. Характеристика бионического направления в исследованиях по искусственному интеллекту

Второе, которое можно назвать бионическим, интересовалось проблемами искусственного воспроизведения тех структур и процессов, которые характерны для живого человеческого мозга и которые лежат в основе процесса решения задач человеком. Это направление имеет четко выраженный фундаментальный характер, и его интенсивное развитие невозможно без одновременного глубокого изучения мозга нейрофизиологическими, морфологическими и психологическими методами.

В бионическом направлении выделяются три различных подхода.

Первый - нейробионический. В его основе лежат системы нейроподобных элементов, из которых создаются системы, способные воспроизводить некоторые интеллектуальные функции. К числу задач, которые, по-видимому, могут быть решены в рамках этого подхода, относится многоканальное (параллельное) распознавание сложных зрительных образов, обучение условным рефлексам и др.

Второй подход - структурно-эвристический. В его основе лежат знания о наблюдаемом поведении объекта, рассматриваемого как "черный" (скорее, "серый") ящик, и соображения о тех структурах (и их свойствах) мозга, которые могли бы обеспечить реализацию наблюдаемых форм поведения.

Наконец, третий подход, интенсивно развивающийся в последнее время, - гомеостатический. В этом случае мозг рассматривается как гомеостатическая система, представляющая собой совокупность противоборствующих (и сотрудничающих) подсистем, в результате функционирования которых обеспечивается нужное равновесие (устойчивость) всей системы в условиях постоянно изменяющихся воздействий среды. Гомеостатические модели подтверждают перспективность этого подхода. Однако в настоящее время еще не существует гомеостатических модулей, которые могли бы рассматриваться как универсальные элементы для создания интеллектуальных систем.

7. Знания и модели их представления

Интенсионал понятия – это общие правила, характеризующие множество объектов.

Экстенсионал понятия – это конкретная характеристика элемента данного множества.

Классификация знаний – с точки зрения задач в предметной области:

• Факты – это хорошо известные обстоятельства в данной области.

• Эвристика – это знания отдельных специалистов и экспертов, накопленные в данной предметной области в результате практики.

- с точки зрения исторического развития:

• Процедурные знания - знания, хранящиеся в памяти интеллектуальной системы в виде описаний процедур, с помощью которых их можно получить. «Растворены» в алгоритмах, управляют данными. Описание процедур, с помощью которых можно получить новые знания.

• Декларативные знания - знания, которые записаны в памяти интеллектуальной системы так, что они непосредственно доступны для использования после обращения к соответствующему полю памяти. Представляют собой структуру данных. Над структурами данных осуществляется алгоритмические последовательности данных. Сведения о качественных и количественных свойствах объектов, хранящиеся в виде фактов и эвристик, хранятся в непосредственной доступности.

Различие между ними состоит в том, что декларативные знания – это правила связи, а процедурные знания – это правила преобразования.

База знаний – это совокупность знаний, описанных с помощью выбранной формы представления.

Представление знаний – это их формализация и структурирования, с целью облегчения решения задач.

В настоящее время разработано множество моделей представления знаний. Имея обобщенное название, они различаются по идеям, лежащим в их основе, с точки зрения математической обоснованности.

Первый подход, называемый эмпирическим, основан на изучении принципов организации человеческой памяти и моделировании механизмов решения задач человеком. На основе этого подхода в настоящее время разработаны и получили наибольшую известность следующие модели:

• продукционные модели – модель основанная на правилах, позволяет представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу;

• сетевые модели (или семантические сети) – в инженерии знаний под ней подразумевается граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами. Обладает тем недостатком, что однозначного определения семантической сети в настоящее время отсутствует;

• фреймовая модель – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.

Условно в группу эмпирического подхода можно включить нейронные сети и генетические алгоритмы, относящиеся к бионическому (основано на предположении о том, что если в искусственной системе воспроизвести структуры и процессы человеческого мозга, то и результаты решения задач такой системой будут подобны результатам, получаемым человеком) направлению искусственного интеллекта. Особенностью моделей этого типа является широкое использование эвристик, что в каждом случае требует доказательства правильности получаемых решений.

Второй подход можно определить как теоретически обоснованный, гарантирующий правильность решений. Он в основном представлен моделями, основанными на формальной логике (исчисление высказываний, исчисление предикатов), формальных грамматиках, комбинаторными моделями, в частности моделями конечных проективных геометрий, теории графов, тензорными и алгебраическими моделями. В рамках этого подхода до настоящего времени удавалось решать только сравнительно простые задачи из узкой предметной области.

Наиболее многообещающими являются смешанные представления.