- •1. Что такое система искусственного интеллекта. В чем состоят теоретический и практический аспекты создания систем искусственного интеллекта?
- •3. Классификация знаний. Знания глубинные и поверхностные, мягкие и жесткие. Чем обусловлена мягкость знаний. Экспертные и концептуальные знания.
- •7. Фреймы: определение, структура. Для какого типа знаний подходит фреймовое представление?
- •8 Что такое логическая модель? Понятие предиката, квантора. Сложное высказывание.
- •9. Нечеткие знания. Коэффициент уверенности. Схема объединения свидетельств (схема Шортлиффа).
- •10. Вероятностная логика Неполные знания. Немонотонная логика. Основной недостаток логических моделей.
- •12. Нечеткие отношения. Лингвистическая переменная. Нечеткая логика. Построение функций принадлежности.
- •13. Что такое экспертная система? Чем вызван интерес к экспертным системам? Какие задачи относятся к трудноформализуемым? Какими свойствами обладают неформализуемые задачи?
- •14. Структура экспертной системы. Подсистема объяснений. Режимы работы экспертной системы.
- •15. Дайте краткую характеристику языка лисп как средства разработки систем искусственного интеллекта.
- •17. Оболочки и интегрированные инструментальные среды.
- •20. Уровни разработки и принципы построения экспертных систем.
- •21. Пассивные методы приобретения знаний: метод наблюдения и анализа протоколов. Достоинства и недостатки пассивных методов приобретения знаний.
- •22. Активные индивидуальные методы приобретения знаний: анкетирование, интервьюирование, свободный диалог. Достоинства и недостатки этих методов.
- •23. Активные групповые методы приобретения знаний: «круглый стол», «мозговой штурм». Достоинства и недостатки этих методов.
- •24. Текстологические методы приобретения знаний. Структура текста.
- •Алгоритм извлечения знаний из текста
- •25. Два типа обучения: обучение «заучиванием наизусть» и когнитивное обучение.
- •26. Метод обучения "Hit-and-Near-Miss". При каких условиях этот метод сходится?
- •27. Дайте характеристику двумерных систем технического зрения.
- •28. Трехмерные системы технического зрения. Какие дополнительные возможности они имеют по сравнению с двумерными системами.
- •29. Распознавание образов как область искусственного интеллекта. Охарактеризуйте общие проблемы распознавания.
- •30. Промышленные и автономные роботы. Методы обучения робота. Чем отличается язык управления роботом от обычного языка программирования.
- •31. Основные термины, используемые в методах поиска. «Слепые» методы поиска.
- •32. Эвристические методы поиска. Множественное решение. Методы построения множественных решений.
17. Оболочки и интегрированные инструментальные среды.
Основой оболочки ЭС выступает архитектура – «готовый» механизм вывода и «пустая» база знаний. Приобретение знаний поддерживают сервисные программы – редактор базы знаний, средства отладки, трассировки, предназначенные для инженера знаний. Оболочка диктует разработчику язык описания фактов, формализм представления знаний и стратегию вывода.
Достоинства:
-очень большая скорость разработки;
-обычно не требует программирования;
-малое время на изучения оболочки и тренировки.
Недостатки:
-часто очень дорогие;
-эффективна только для очень узкого круга задач;
-слаборазвиваемая.
Интегрированные инструментальные среды позволяют генерировать «оболочки» ЭС в некотором диапазоне, т.е. она дает возможность осуществлять выбор способа представления знаний, соответствующего механизма вывода, механизма контроля. Зачастую включает язык специального назначения (ЛИСП), для повышения гибкости системы и специальную поддержку отладки. Работа по проектированию ЭС начинается с выбора используемой комбинации характеристик.
Достоинства: -большая скорость разработки; -обычно не требует программирования; -существенно более гибкая, чем оболочка; -есть возможность развития.
Недостатки: -достаточно дорогие; -готовые системы по показателям времени работы и занимаемой памяти обычно неэффективны.
18-19 Этапы построения систем искусственного интеллекта. Этапы идентификации, концептуализации, формализации, реализации и тестирования.
Этап 1. Идентификация
Определяются задачи, которые подлежат решению. Планируется ход разработки прототипа экспертной системы, определяются: нужные ресурсы (время, люди, ЭВМ и т.д.), источники знаний (книги, дополнительные специалисты, методики), имеющиеся аналогичные экспертные системы, цели (распространение опыта, автоматизация рутинных действий и др.), классы решаемых задач и т.д. Этап идентификации – это знакомство и обучение коллектива разработчиков. Средняя длительность 1-2 недели.
На этом же этапе разработки экспертных систем проходит извлечение знаний. Инженер по знаниям помогает эксперту выявить и структурировать знания, необходимые для работы экспертной системы, с использованием различных способов: анализ текстов, диалоги, экспертные игры, лекции, дискуссии, интервью, наблюдение и другие. Извлечение знаний – это получение инженером по знаниям более полного представления о предметной области и методах принятия решения в ней. Средняя длительность 1-3 месяца.
Этап 2. Концептуализация
Выявляется структура полученных знаний о предметной области. Определяются: терминология, перечень главных понятий и их атрибутов, структура входной и выходной информации, стратегия принятия решений и т.д. Концептуализация – это разработка неформального описания знаний о предметной области в виде графа, таблицы, диаграммы либо текста, которое отражает главные концепции и взаимосвязи между понятиями предметной области. Средняя длительность этапа 2-4 недели.
Этап 3. Формализация
На этапе формализации все ключевые понятия и отношения, выявленные на этапе концептуализации, выражаются на некотором формальном языке, предложенном (выбранном) инженером по знаниям. Здесь он определяет, подходят ли имеющиеся инструментальные средства для решения рассматриваемой проблемы или необходим выбор другого инструментария, или требуются оригинальные разработки. Средняя длительность 1-2 месяца.
Этап 4. Реализация
Создается прототип экспертной системы, включающий базу знаний и другие подсистемы. На данном этапе применяются следующие инструментальные средства: программирование на обычных языках (Паскаль, Си и др.), программирование на специализированных языках, применяемых в задачах искусственного интеллекта (LISP, FRL, SmallTalk и др.) и др. Четвертый этап разработки экспертных систем в какой-то степени является ключевым, так как здесь происходит создание программного комплекса, демонстрирующего жизнеспособность подхода в целом. Средняя длительность 1-2 месяца.
Этап 5. Тестирование
Прототип проверяется на удобство и адекватность интерфейсов ввода-вывода, эффективность стратегии управления, качество проверочных примеров, корректность базы знаний. Тестирование – это выявление ошибок в выбранном подходе, выявление ошибок в реализации прототипа, а также выработка рекомендаций по доводке системы до промышленного варианта.