Shpory_2_0

1.Интеллектуальная компьютерная система. Принципиальные отличия интеллектуальной компьютерной системы от традиционной. Интеллектуальные системы - системы, в основе которых лежит формальное представление используемых ими знаний. Интеллектуальная система в определенном смысле моделирует интеллектуальную деятельность человека и, в частности, - логику его рассуждений. Принципиальное отличие ИС от традиционных компьютерных систем состоит в том, что они способны обучаться новым видам деятельности, т.е. могут находить решения задач не по заранее заданному алгоритму, а по постановке задачи, даже в том случае, когда она не четко сформулирована. Пользователь ИС лишь дает системе нужное задание, а программу, выполняющую это задание, система должна построить сама. ИС способны учиться на своих ошибках, накапливать опыт и тем самым совершенствоваться в решении возникающих перед ними задач. Классификация ИИС: Интеллектуальная информационная система Экспертная система Расчётно-логические системы Гибридная интеллектуальная система Рефлекторная интеллектуальная система

2. Архитектура интеллектуальной системы. База знаний. Машина обработки знаний. Интеллектуальная система состоит: База знаний Механизм вывода решений Интеллектуальный интерфейс. База знаний - это особого рода база данных, разработанная для оперирования знаниями (метаданными). База знаний содержит структурированную информацию, покрывающую некоторую область знаний, для использования кибернетическим устройством (или человеком) с конкретной целью. База знаний является основным компонентом систем Искусственного интеллекта и Экспертных систем. Большинство БЗ ограничены в некоторой специальной, обычно узкой предметной области, в которой они сосредоточены. Машина вывода — программа, которая выполняет логический вывод из предварительно построенной базы фактов и правил в соответствии с законами формальной логики. Машины обработки знаний являются важной составляющей интеллектуальных систем. К ним предъявляются серьезные требования со стороны разработчиков современных интеллектуальных систем такие как: открытость, интегрируемость, расширяемость, гибкость, безопасность.

3. База знаний. Требования, предъявляемые к базам знаний. Критерии качества. База знаний - это особого рода база данных, разработанная для оперирования знаниями (метаданными). База знаний содержит структурированную информацию, покрывающую некоторую область знаний, для использования кибернетическим устройством (или человеком) с конкретной целью. База знаний является основным компонентом систем Искусственного интеллекта и Экспертных систем. Большинство БЗ ограничены в некоторой специальной, обычно узкой предметной области, в которой они сосредоточены. При создании БЗ технология ИИ позволяет встраивать в компьютер механизм и способности вывода, основывающиеся на фактах и отношениях, содержащихся в БЗ.  В базах знаний можно хранить лишь множество аксиом, а все остальные знания получают путем логического вывода. Требования к БЗ: полнота сведений, корректность, непротиворечивость. Наиболее важный параметр БЗ — качество содержащихся знаний. Лучшие БЗ включают самую релевантную, достоверную и свежую информацию, имеют совершенные системы поиска информации и тщательно продуманную структуру и формат знаний. Виды знаний: факторы, закономерности(утверждения), алгоритмы (програмы). В зависимости от уровня сложности систем, в которых применяются базы знаний, различают: БЗ всемирного масштаба — например, Интернет или Википедия БЗ национальные — например, Википедия БЗ отраслевые— например, Автомобильная энциклопедия БЗ организаций БЗ экспертных систем БЗ специалистов Простые базы знаний могут использоваться для создания экспертных систем и хранения данных об организации: документации, руководств, статей технического обеспечения. Главная цель создания таких баз — помочь менее опытным людям найти существующее описание способа решения какой-либо проблемы предметной области. Двумя наиболее важными требованиями к информации, хранящейся в базе знаний интеллектуальной системы, являются: 1.Достоверность конкретных и обобщённых сведений, имеющихся в базе данных; 2.Релевантность информации, получаемой с помощью правил вывода базы знаний.

8. Онтология. Онтология – система, состоящая из набора понятий, на основе которых можно строить отношения, функции, классы, объекты и теории предметной области. O = <A, B, C> А – конечное множество понятий, терминов (концепций) предметной области, которые представляют данную онтологию. В – конечное множество отношений между концепциями (понятиями) данной предметной области. С – конечное множество функций интерпретации, заданной на A и B. Онтологии – это базы знаний специального типа, которые могут читаться, пониматься, отчуждаться или физически разделяться от разработчиков. Существует отдельная ветвь -  онтологический инжиниринг. Онтологию предметной области можно рассматривать как словарь терминов, специфических для данной предметной области, вместе с совокупностью аксиом, которые обеспечивают интерпретацию и правильное использование этих терминов. Онтологическое представление знаний используется для семантической интеграции информационных ресурсов, адекватной интерпретации содержания текстовых документов и поисковых запросов, представленных на естественном языке. Такие описания на каждом иерархическом уровне поддерживают отношение эквивалентности на множестве классифицируемых сущностей, обеспечивающее его разбиение на попарно непересекающиеся классы. При этом сущности соседних уровней иерархии обычно находятся в отношении «целое-часть» или «род-вид». В более сложном случае онтология задается в виде формального определения на языках представления знаний, допускающих логический вывод. для интеллектуальных систем поиска информационных ресурсов в среде Web второго поколения. Еще одним способом описания онтологии предметной области, широко используемым в исследовательских и коммерческих системах текстового поиска, является это представление ее в форме тезауруса предметной области.

5. Четкие и нечеткие множества и знания. Под нечётким множеством понимается совокупность упорядоченных пар, составленных из элементов универсального множества и соответствующих степеней принадлежности , причем  — функция принадлежности (характеристическая функция), указывающая в какой степени (мере) элемент принадлежит нечёткому множеству . Функция принимает значения в некотором линейно упорядоченном множестве . Множество называют множеством принадлежностей, часто в качестве выбирается отрезок . Если (т.е. состоит только из двух элементов), то нечёткое множество может рассматриваться как обычное, чёткое множество. Нечеткое мн-во – это модель мн-ва с нечеткими или «размытыми границами». «Нечеткий»: недетерминированность выводов; многозначность; ненадежность; неполнота; неточность. Недетерминированность выводов: заранее путь решения конкретной задачи в пространстве ее состояний определить невозможно. Поэтому в большинстве случаев методом проб и ошибок выбирается некоторая цепочка логических заключений, согласующихся с имеющимися знаниями, а в случае если она не приводит к успеху, организуется перебор с возвратом для поиска другой цепочки и т.д. Многозначность смысла слов, их подчиненности, порядка слов в предложении и т. п. Распознавание графич. образов. Ненадежность: для оценки их достоверности нельзя применить двухбалльную шкалу. Поэтому применяется вероятностный подход.	6. Смысл. Смысловое представление знаний. Смысл — сущность феномена в более широком контексте реальности. Смысл феномена оправдывает существование феномена, так как определяет его место в некоторой целостности, вводит отношения «часть-целое», делает его необходимым в качестве части этой целостности. Смысл — это понятие подразумеваемое и оно прямо зависит от знаний о предмете. Необходимо различать три уровня представления знания: •Внешнее представление – знания в том виде, в котором их видит пользователь (при вводе информации в систему и при получении информации из системы), •Внутреннее представление – знания в том виде, в котором они хранятся в системе, •Смысловое (модельное) представление – знания в том виде, в котором пользователь может их себе представить при работе с системой. Семантика — это наука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков. •продукционные модели; •семантические сети; •фреймы; •формальные логические модели. Продукционная модель (модель, основанная на правилах) позволяет представить знания в виде предложений, называемых продукциями, типа «Если (условие), то (действие)». Семантическая сеть – это ориентированный граф, вершины которого отображают некоторые понятия, а дуги – отношения между ними. Фрейм – это абстрактный образ для представления некоего стереотипа информации.
4.Виды знаний и модели их представления. Некоторые авторы разделяют знания на две большие категории: факты и эврис­тики. Факты указывает на хорошо известные в той или иной предметной области обстоятельства. Такие знания еще называют текстовыми, имея в виду достаточную их освещенность в специальной литературе и учебниках. Эвристики основывается на индивидуальном опыте специалиста (эксперта) в предметной области, накопленном в результате многолетней практики. Эта категория нередко играет решающую роль при построе­нии интеллектуальных программ. Под декларативными знаниями подразумевают знания типа «А это В», и они характерны для баз данных. Например «в час пик на улице много машин», «зажженная плита — горячая» К процедурным знаниям относятся сведения о способах оперирования или пре­образования декларативных знаний. Интенсиональные знания — это знания о связях между атрибутами объектов данной предметной области. Они оперируют абстрактными объек­тами, событиями и отношениями. Экстенсиональные знания представляют собой данные, характеризующие конк­ретные объекты, их состояния, значения параметров в пространстве и времени.. Жесткие знания позволяют получать однозначные четкие рекомендации при заданных начальных условиях. Мягкие знания допускают множественные, «раз­мытые» решения и различные варианты рекомендаций. Характеристика различных предметных областей по глубине и жесткости дает возможность проследить тенденцию развития интеллектуальных систем. 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.	Модели представления знаний: •продукционные модели; •семантические сети; •фреймы; •формальные логические модели. Продукционная модель(модель, основанная на правилах) позволяет представить знания в виде предложений, называемых продукциями, типа «Если (условие), то (действие)». Семантическая сеть – это ориентированный граф, вершины которого отображают некоторые понятия, а дуги – отношения между ними. Классификация семантических сетей по отношениям между понятиями: 1. По количеству отношений: - однородные – на графе представлен один тип отношений; - неоднородные – на графе представлены различные типы отношений. 2. По типу отношений: - бинарные – связаны пары объектов; - n-арные – отношениями связано более двух понятий или объектов. Достоинства: знания хорошо структурированы, структура понятна человеку; соответствие организации долговременной памяти у человека. Недостатки: сложность организации процедуры поиска; при большом объеме сеть трудно обозрима Фрейм – это абстрактный образ для представления некоего стереотипа информации. Достоинства: знания хорошо структурированы, структура понятна человеку; соответствие организации долговременной памяти у человека. Недостатки: сложность поиска; при большом объеме сеть трудно обозрима Логические модели представления знаний основаны на исчислении предикатов. Предикат – это высказывание, в которое можно подставлять аргументы. Если аргумент один – то предикат выражает свойство аргумента, если больше – то отношение между аргументами. Достоинства: формальный аппарат вывода новых фактов (знаний) из известных фактов (знаний); возможность контроля целостности; простая и ясная нотация. Недостатки: знания трудно структурировать и поэтому к предметной области предъявляются высокие требования и ограничения; при большом количестве формул их совокупность трудно обозрима, и вывод идет очень долго.
7.Предметная область Предметная область – область человеческой деятельности, для которой разрабатывается система. Предме́тная о́бласть — множество всех предметов, свойства которых и отношения между которыми рассматриваются в научной теории. Слабо структурир-я пр.обл. – область, алгоритмы действий в кот-х заранее неизвестны. Хорошо структур-я пр.обл. – обл., в кот-й уже существуют опробованные алгоритмы и методы решения задач.	9. Высказывания и формальные теории. Высказывание - это повествовательное предложение, которое можно охарактеризовать как истинное или ложное. Высказывания бывают простые и составные. Составные образуются из простых с помощью логических операций: отрицание, дизъюнкция, конъюнкция, импликация, эквивалентность. Формальная теория — это понятие, разработанное в рамках формальной логики в качестве основы для формализации теории доказательства. Формальная теория — это: Множество символов, образующих алфавит; Множество слов в алфавите , которые называются формулами; Подмножество формул, , которые называются аксиомами; Множество отношений на множестве формул, , которые называются правилами вывода. Множество символов может быть конечным или бесконечным. Обычно для образования символов используют конечное множество букв, к которым при необходимости, приписываются в качестве индексов целые числа или выражения. Множество формул обычно задаётся индуктивным определением, например, с помощью формальной грамматики. Как правило, это множество бесконечно. Множества и в совокупности определяют язык или сигнатуру формальной теории. Множество аксиом может быть конечным или бесконечным. Если множество аксиом бесконечно, то, как правило, оно задаётся с помощью конечного числа схем аксиом и правил порождения конкретных аксиом из схемы аксиом. Обычно аксиомы делятся на два вида: логические аксиомы (общие для целого класса формальных теорий) и нелогические или собственные аксиомы (определяющие специфику и содержание конкретной теории). Множество правил вывода , как правило, конечно.
10.Вопросы и информационные задачи. Вопрос – это непроцедурная формулировка информационной цели, т.е. декларативная формулировка некоторой информационной цели, которая описывает спецификацию (свойства) той информации, которую требуется либо найти, если она уже присутствует в текущем состоянии базы знаний, либо построить (сгенерировать, вывести), если она отсутствует в текущем состоянии памяти. По аналогии с логическими формулами множество вопросов разбивается на: атомарные вопросы; неатомарные вопросы, каждый из которых представляет собой конечное множество вопросов. Компонентами неатомарного вопроса могут быть как атомарные, так и неатомарные вопросы. При этом, если построить орграф, вершинами которого будут знаки всех вопросов, входящих в состав заданного неатомарного вопроса, а дуги которого будут связывать знаки неатомарных вопросов, входящих в состав заданного неатомарного вопроса, с их компонентами, то этот орграф будет деревом, все конечные вершины которого являются знаками атомарных вопросов. Поскольку в общем случае вопросу может соответствовать несколько правильных ответов (т.е. ответов, удовлетворяющих, релевантных, соответствующих заданному вопросу, множество вопросов разбивается на: вопросы, запрашивающие все правильные ответы; вопросы, запрашивающие один (или по крайней мере один) правильный ответ; вопросы, запрашивающие несколько разнообразных правильных ответов; вопросы, запрашивающие точно указанное число (большее единицы) правильных ответов Информационная цель – это описание (спецификация) некоторого действия, которое требуется выполнить и которое направлено на преобразование (изменение состояния) базы знаний, хранимой в некоторой памяти. Информационная задача задается формулировкой информационной цели, т.е. описанием того, что требуется, и той хранимой в памяти информацией, которая семантически связана с заданной информационной целью, является контекстом этой информационной цели, т.е. тем, что дано.	12. Информационно-поисковые задачи. Интеллектуализация информационного поиска. Информационно-поисковые системы ориентированны на решение задач поиску информации, документа или факта в множестве источников информации (документов). Содержательная обработка информации в таких системах отсутствующая. Производят ввод, систематизацию, хранение, выдачу информации по запросу пользователя без сложных преобразований данных. Например, информационно-поисковая система в библиотеке билетов. В таких системах хранится информационный массив, из которого по требованиям пользователей выдается нужная информация. Поиск информации по требованию пользователя осуществляется либо автоматически, либо вручную. Поисковый образ документа (ПОД) получается в результате процесса индексирования, который состоит из двух этапов: выявление смысла документа и описание смысла на специальном информационно-поисковом языке (ИПЯ). Запрос к ИПС описывается также на этом языке. Поиск документа состоит в сравнении множества хранящихся в системе ПОД и текущего поискового образа запроса (ПОЗ), в результате чего пользователю выдается требуемый документ или отказ.
13.Трудноформализуемые задачи. Задачи, для которых отсутствует четкая постановка. Конкретизация массовой проблемы позволяет найти решение той или иной задачи, но каждый раз по-своему. Например, в общей постановке задача распознавания применимости алгоритма неразрешима, однако, если рассматривать конкретный алгоритм, то решение может быть найдено, и это решение будет вытекать из описания самого алгоритма. Однако для другого алгоритма потребуется искать новое решение. Такие задачи будем называть трудноформализуемыми. Таким образом, основной особенностью трудноформализуемых задач является наличие их общей формальной постановки которая ,тем не менее, не имеет единого алгоритма решения. Иными словами, для каждого конкретного случая решения трудноформализуемой задачи приходится искать свой, присущий только этому случаю алгоритм решения. Примерами трудноформализуемых задач могут служить задачи аннотирования текстов, доказательства теорем, распознавания образов, принятия решений, классификации и кластеризации данных.	14.Классы задач и хранимые (интерпретируемые) способы их решения – программы. В общем случае можно выделить следующие предметно независимые классы задач: a) Задачи синтеза доказательства b) Задачи верификации c) Задачи синтеза способа (алгоритма) решения d) Задачи анализа e) Задачи классификации В качестве примера предметной области рассмотрим геометрию Евклида. Тогда классификация задач тестового сборника будет выглядеть следующим образом: по способу решения: вычислительные задачи; задачи на доказательство; задачи на построение; задачи на уточнение; комбинированные задачи; по объекту решения: геометрические точки; прямые и отрезки; треугольники; многоугольники; окружности; по размерности пространства: планиметрические; стереометрические.
15.Типология хранимых программ и их интерпретаторов. Архитектура фон Неймана — широко известный принцип совместного хранения команд и данных в памяти комп-ра. Однородн. памяти: команды и данные хранятся в одной и той же памяти и внешне в памяти неразличимы. Адресность: структурно основная память состоит из пронумеров-х ячеек, причем процессору в произвольн. момент доступна любая ячейка. Программное управление: все вычисления, предусмотренные алгоритмом решения задачи, должны б. представлены в виде прог-мы, состоящей из послед-сти управляющих слов — команд. Двоичное кодирование: вся инф-ция, как данные, так и команды, кодир-ся двоичными цифрами 0 и 1. Каждый тип инф. представл-ся двоичной послед-стью и имеет свой формат. Новые архитектуры: Ассоциативные процессоры; Машина баз данных; Параллельные вычисл. системы; Векторные процессоры; Графодинамические системы и др. Интерпрета́ция — пооператорный (покомандный, построчный) анализ, обработка и тут же выполнение исходной программы или запроса (в отличие от компиляции, при которой программа транслируется без её выполнения). Интерпрета́тор — программа (разновидность транслятора), выполняющая интерпретацию. Трансляция программы — преобразование программы, представленной на одном из языков прогр-я, в программу на другом языке и, в определённом смысле, равносильную первой. Трансля́тор — программа или техническое средство, выполняющее трансляцию программы.	17. Правдоподобные рассуждения. Рассуждения, применяемые для формализации эвристик решения задач в компьютерной системе таких, что необходимо выдвижение гипотез (рациональных догадок), согласующихся с базой фактов, будем называть правдоподобными рассуждениями. Получивший распространение в настоящее время термин для охвата всех рассуждений недедуктивного характера. В правдоподобных рассуждениях истинность посылок не гарантирует истинности заключения (как в дедуктивных рассуждениях), а обеспечивает лишь большую степень его правдоподобия по сравнению с той, какая имеется без учета посылок. К правдоподобным относят все недедуктивные рассуждения, в которых заключения не достоверны, а лишь вероятны в той или иной степени. Поэтому их называют также вероятностными рассуждениями. В то время как дедуктивное умозаключение полностью переносит истинность посылок на заключение, и его результат оказывается достоверно истинным, посылки правдоподобного рассуждения лишь с той или иной степенью вероятности подтверждают заключение. Эта степень подтверждения не остается постоянной, а изменяется по мере установления новых фактов, подтверждающих или даже опровергающих заключение. Это обстоятельство показывает тесную связь правдоподобных рассуждений с гипотезами, предсказания которых имеют также вероятностный характер. В наиболее знакомой нам форме правдоподобных рассуждений – в индукции – речь идет о таком логическом отношении, когда на основании изучения ограниченного числа случаев, фактов или явлений делают заключение обо всем их классе. Другими словами, здесь истинность посылок переносится на неисследованные факты, случаи, события. В результате заключение может оказаться и ошибочным.
18.Машина обработки знаний интеллектуальной системы как многоагентная система. Машина обработки знаний каждой конкретной системы во многом зависит от назначения данной системы, множества решаемых задач. Основная проблема заключается в отсутствии средств, позволяющ. относит-но неподготовл-му разраб-ку в нормальн. сроки проектировать МОЗ для прикладных интелл-х сист. различного назнач. Технология проектир. МОЗ предполаг. использование многоагентной архит-ры. Существует два основных способа классификации агентов: по функциональному назначению и по внутренней структуре. Агенты обработки знаний взаимод-вуют м-ду собой не непосредственно, а через общую графодинамическую память, что делает МОЗ более гибкой и расширяемой. По функциональному назначению агенты можно декомпозировать следующим образом: Поисковые агенты (осуществление поиска готового ответа на поставленный вопрос). Агенты, реализующие стратегии решения (реализуют принципы решения задач, заложенные в ту или иную стратегию решения). Агенты логического вывода (генерация новых знаний на основе некоторых логических утверждений) Агенты интерпретации программ (интерпретация программ) Агенты-мусорщики (удал. из памяти сист. инф-го мусора) Агенты интеграции знаний и устранения противоречий в базе знаний (обеспечение корректной интеграции в системе новых знаний с уже существующими; верификация знаний) На основании внутренней структуры агенты можно декомпозировать следующим образом: Атомарные агенты (не содерж в себе др. агентов) Составные агенты (содерж в себе более прост. агент.) Деление агентов на атомарные и неатомарные является достаточно условным и зависит от уровня детализации при анализе структуры МОЗ.	19. Понятие многоагентной системы. Многоагентная система (МАС) — это система, образованная несколькими взаимодействующими интеллектуальными агентами. Многоагентные системы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы. Примерами таких задач являются онлайн-торговля, ликвидация чрезвычайных ситуаций, и моделирование социальных структур. В многоагентной системе агенты имеют несколько важных характеристик: • Автономность: агенты, хотя бы частично, независимы • Ограниченность представления: ни у одного из агентов нет представления о всей системе, или система слишком сложна, чтобы знание о ней имело практическое применение для агента. • Децентрализация: нет агентов, управляющих всей системой Обычно в многоагентных системах исследуются программные агенты. Тем не менее, составляющими мультиагентной системы могут также быть роботы, люди или команды людей. Также, МАС могут содержать и смешанные команды. В МАС может проявляться самоорганизация и сложное поведение даже если стратегия поведения каждого агента достаточно проста. Это лежит в основе так называемого роевого интеллекта. Агенты могут обмениваться полученными знаниями, используя некоторый специальный язык и подчиняясь установленным правилам «общения» (протоколам) в системе. МАС также относятся к самоорганизующимся системам, так как в них ищется оптимальное решение задачи без внешнего вмешательства. Под оптимальным решением понимается решение, на которое потрачено наименьшее количество энергии в условиях ограниченных ресурсов. Главное достоинство МАС — это гибкость. Многоагентная система может быть дополнена и модифицирована без переписывания значительной части программы. Также эти системы обладают способностью к самовосстановлению и обладают устойчивостью к сбоям, благодаря достаточному запасу компонентов и самоорганизации.
20. Пользовательские интерфейсы как интеллектуальные системы Пользовательский интерфейс (ПИ) ИС трактуется как специализированная интеллектуальная система, являющаяся посредником диалога между польз-лем и некот. (основной) ИС. Как основная ИС, так и её ПИ построены на основе SC-кода, то есть обе являются sc-системами. Это обеспеч. их глубокую совместимость, дает возможность основной интеллектуальной системе и её ПИ иметь общие фрагменты БЗ, что дает возможность польз-лю задавать основной ИС любые вопросы, касающиеся её ПИ. Каждая выделенная интерфейсная подсистема имеет свою БЗ и МОЗ. ПИ в целом является результатом интеграции всех его подсистем. Каждая интерфейсная операция инициируется соответствующей ей пользовательской или системной интерфейсной командой. Порядок инициирования интерфейсных операций специфицируется на языке описания задач, который включает все интерфейсные команды поддерживаемые пользовательским интерфейсом. В процессе работы с sc-системой пользователь может сам специфицировать способ решения той или иной интерфейсной задачи. Однако для решения любой интерфейсной задачи всегда существует хотя бы один способ её решения. Операции пользовательского интерфейса делятся на следующие классы: • рецепторные операции, инициируемые пользователем и приводящие к изменению в sc-памяти (операция синтеза sc.g-узла заданного типа (при инициировании её пользователем), операция синтеза sc.g-дуги заданного типа (при инициировании её пользователем), операция трансляции sc.g-конструкции с указанного sc-окна в семантически эквивалентную ей sc-конструкцию и др.) • эффекторные операции, отображающие sc-конструкции из sc-памяти пользователю. • операции «память-память», обрабатывающие информационные конструкции без участия польз-ля (операция размещения информационной конструкции согласно указанному алгоритму размещения, операция подсветки последней пришедшей в указанное sc-окно информационной конструкции, операции интерпретации правил трансляции с SC-кода на внешний язык).	21.Внешние языки общения с пользователями: универсальные и специализированные.
22. Редакторы внешних информационных конструкций. Это редактор, не являющейся SC-системой, т.е., в принципе, все существующие в мире программы, в разработке которых не участвовала наша кафедра. А это и Microsoft Office, и Adobe FlashPlayer, и всякие другие проигрыватели и много-много другого…	23. Синтаксический анализ вводимой информации. Синтакси́ческий ана́лиз в информатике — процесс сопоставления линейной последовательности лексем формального языка с его формальной грамматикой. Синтаксический анализатор — это программа или часть программы, выполняющая синтаксический анализ. В ходе синтаксического анализа исходный текст преобразуется в структуру данных, обычно — в дерево, которое отражает синтаксическую структуру входной последовательности и хорошо подходит для дальнейшей обработки. Предложение может допускать несколько альтернативных вариантов связывания слов. В этом случае анализатор пытается применять некоторые эвристики и базу знаний, но может в конце концов вернуть несколько вариантов синтаксического дерева. К такому поведению особенно склонен восходящий парсер, так как он сильно ограничен в средствах по пресечению экспоненциального роста числа вариантов. Наличие нескольких итоговых вариантов разбора может означать не только недостаточный набор правил в языковой модели, но и присущую данному предложению неоднозначность, устраняемую только учетом более широкого контекста. Структура данных может быть представлена в виде дерева зависимостей, либо в виде дерева составляющих, либо в виде некоторого сочетания первого и второго способов представления. Анализируемые предложения могут иметь разную сложность, включать неизвестные слова или отступления от нормативного синтаксиса. Чтобы эффективно справляться с разными задачами, синтаксический анализатор применяет несколько разных алгоритмов, включая структурный нисходящий анализ и восходящий анализ, а также применяет семантический анализ для уточнения результатов в случае неоднозначностей. Структурный нисходящий анализ - самый точный. Восходящий анализ работает очень быстро и способен разобрать даже очень длинные предложения, игнорируя непонятные фрагменты.
24. Семантический анализ вводимой информации. В задачу семантического анализа входит выделение смысла входного текста и выражения этого смысла на внутреннем языке системы. Интерпретация заключается в отображении входного текста на знания системы. Одним из основных параметров анализа текста является понимание смысла входного предложения, включающее в себя описание сущностей входного текста, определение их свойств и отношений между ними. От этого параметра часто зависит глубина проникновения в смысл входного текста. Латентно-семантический анализ (ЛСА) — это метод обработки информации на естественном языке, анализирующий взаимосвязь между коллекцией документов и терминами в них встречающимися, сопоставляющий некоторые факторы (тематики) всем документам и терминам. В основе метода латентно-семантического анализа лежат принципы факторного анализа, в частности, выявление латентных связей изучаемых явлений или объектов. При классификации / кластеризации документов этот метод используется для извлечения контекстно-зависимых значений лексических единиц при помощи статистической обработки больших корпусов текстов Факторный анализ — многомерный метод, применяемый для изучения взаимосвязей между значениями переменных. Предполагается, что известные переменные зависят от меньшего количества неизвестных переменных и случайной ошибки. Семантический анализ реализуется не формальными, а содержательными методами (т.е. на данный момент нет универсальных математических моделей и формальных средств описания «смысла» программы). Лексический и синтаксический анализ имеют дело со структурными, т.е. внешними, текстовыми конструкциями языка. Семантика же, ориентированная на содержательную интерпретацию, имеет дело с внутренним представлением «смысла» объектов, описанных в программе. Для любого, имеющего опыт практического программирования, ясно, что формальные конструкции языка дают описание свойств и действий над внутренними объектами, с которыми имеет дело программа. Семантика программы – внутренняя модель (база данных) множества именованных объектов, с которыми работает программа, с описанием их свойств, характеристик и связей.	25. Естественно-языковой интерфейс. Естественно-языковой интерфейс (ЕЯИ) - разновидность пользовательского интерфейса, который принимает запросы на естественном языке, а также, возможно, использует ЕЯ и для вывода информации (реакции системы на запрос пользователя). Этот интерфейс предполагает трансляцию естественно-языковых конструкций на внутримашинный язык представления знаний. Для этого необходимо решать задачи морфологического, синтаксического и семантического анализа и синтеза высказываний на естественном языке. ЕЯ интерфейс используется для следующих целей: 1) для доступа к интеллектуальным БД; 2) для контекстного поиска документальной текстовой информации; 3) для голосового ввода команд в системах управления; 4) для машинного перевода с иностранных языков.
26. Модель понимания Понима́ние — универсальная операция мышления, связанная с усвоением нового содержания, включением его в систему устоявшихся идей и представлений. В общей схеме (ситуации) процесса коммуникации имеется некий «отправитель»; у него имеется некоторое сообщение. Отправитель, чтобы передать это сообщение, использует передатчик, который преобразовывает (кодирует) сообщение в речевой (языковой) сигнал и передает по каналу связи. Для того чтобы коммуникация состоялась, кодирование и декодирование должны производиться на основе единого кода (языка). Итак, преобразование в сигнал происходит с использованием определенного кода. Пройдя по каналу связи, сигнал поступает в приемник. Около приемника находится «получатель». Получатель с помощью кода преобразует (декодирует) сигнал в сообщение. В канале связи могут возникнуть помехи (шумы), которые искажают сообщение. Поэтому сообщение-1 (от отправителя) и сообщение-2 (принятое получателем) отличаются друг от друга. (Схема передачи инф-ции К.Шеннона)
29. Технология проектирования компьютерных систем. Автономная компьютерная система — компьютерная система, отвечающая следующим критериям: 1. «знание самой себя» — её компоненты должны самоидентифицировать себя. Так как система может существовать на нескольких уровнях, то автономная система должна детально знать о своих компонентах, их текущем статусе, возможностях и всех связях с другими системами, влияющих на неё. Она должна знать собственные ресурсы, те ресурсы, которая она может одолжить или дать в долг. 2. … должна конфигурировать и переконфигурировать сама себя после изменений в окружающей, внешней среде. Конфигурация системы должна совершаться автоматически при изменении внешних условий. 3. …никогда не останавливает процесс оптимизации внутренней структуры и процедур с точки зрения достижения заранее предопределенных общих целей системы. Она постоянно отслеживает все процедуры и даже их части для оптимизации работы. 4. …должна иметь возможность обнаружить нарушение обычной деятельности системы и найти в этом случае альтернативный способ использования ресурсов в случае нарушения обычной деятельности и соответственно самостоятельно переконфигурироваться. 5. …должна быть способной защитить сама себя. Она должна быть способна обнаружить, идентифицировать и защититься от различного рода негативных внешних воздействий для сохранения системной стабильности. 6. … должна получать информацию о внешней среде, особенно в контексте её собственной деятельности и действовать соответственно, что и означает быть адаптивной. 7. … является открытой системой. 8. …прячет внутреннюю сложность предоставляемых ресурсов. Это необходимо для уменьшения разрыва между требованиями пользователя, логики (программной части) и технологической реализации системы..	30.Требования, предъявляемые к технологии проектирования интеллектуальных систем. К основным требованиям, предъявляемым к выбираемой тех­нологии проектирования, относятся следующие: 1) созданный с помощью этой технологии проект должен отве­чать требованиям заказчика в части функциональной полноты, достоверности и оперативности при минимизации стоимостных затрат на создание и эксплуатацию системы 2) должна максимально отражать все эта­пы цикла жизни проекта; 3) должна обеспечивать минимальные трудовые и стоимостные затраты на проектирование и сопро­вождение проекта; 4) должна быть основой связи между проектирова­нием и сопровождением проекта; 5) должна способствовать росту производительнос­ти труда проектировщика; 6) должна обеспечивать надежность процесса про­ектирования и эксплуатации проекта; 7) должна способствовать простому ведению проект­ной документации. 8) должна позволить проектировщикам разработать проект в установленные сроки. 9) должна отвечать требованиям надежности функционирования информационной системы. 10) требование адаптивности проектных решений в процессе эксплуатации информационной системы. 11) должна быть обеспечена экономическая эффективность проектной деятельности, т.е. затраты на разработку проекта должны окупаться за счет доходов от его реализации. Основными ограничениями при выборе технологии могут служить: · наличие денежных средств на приобретение и поддержку выбранной технологии; · ограничение во времени проектирования; · наличие специалистов соответствующей квалификации.