- •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.
- •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.
- •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.
1. Что такое система искусственного интеллекта. В чем состоят теоретический и практический аспекты создания систем искусственного интеллекта?
К искусственному интеллекту принято относить ряд алгоритмов и программных систем отличительным свойством которых является то, что они могут решать задачи так как это делал бы размышляющий над этими задачами человек
Создание систем ИИ имеют двоякий аспект:
Теоритический. Ученые пытались ответить на вопрос: «может ли машина мыслить» и желали создать разумную ЭВМ. Сейчас это направление трансформировалось в изучение функциональных возможностей человеческого мозга по обработке информации.
Практический аспект. Связан с разработкой ЭВМ способных:
Взять на себя всю рутинную часть интеллектуальной деятельности человека;
По возможности заменить его присутствие во вредной для него среде(низкие высокие температуры, загазованность, радиация);
Взаимодействовать с пользователем привычным для его образом(пользователь дает задание на естественном языке в виде текста графики или речи и получает ответ в том же виде);
Обучатся решению новых задач(традиционно обучение ЭВМ состоит в написании программистом программ решающих новые задачи и ввод этих программ в ЭВМ, она настолько обучен сколько и каких программ находятся в ее распоряжении);
2. Охарактеризуйте область искусственного интеллекта. Почему математика и игры стали первыми и оказались хорошими областями приложения методов ИИ? Какие еще области относятся к искусственному интеллекту?
Область ИИ обладает двумя характерными особенностями:
В ней используется информация в символьной форме: буквы, слова, знаки, рисунки. Это отличает область ИИ от областей в которых традиционно компьютеры обрабатывают данные в числовую форму.
В ней предполагается наличие выбора, то есть «не существует алгоритма» означает по сути, что нужно сделать выбор между различными вариантами в условиях неопределенности.
Традиционно к искусственному интеллекту относились следующие области:
Восприятие и распознавание образов;
Математика и автоматическое доказательство теорем.
Игры.
Решение задач.
Понимание естественного языка.
В ИИ особое значение придается символьной, а не числовой информации. Соответственно и первыми областями, в которых работали исследователи ИИ, стала математика и различные игры. Обе эти сферы оказались хорошими областями приложения методов ИИ в силу того, что связанные с ним задачи и проблемы хорошо формализованы, а, кроме того, сами эти области являются примерами высших достижений человеческого разума.
3. Классификация знаний. Знания глубинные и поверхностные, мягкие и жесткие. Чем обусловлена мягкость знаний. Экспертные и концептуальные знания.
Классификация знаний:
По глубине. Знания разделяются на глубинные и поверхностные.
К глубинным знаниям относятся абстракции, образы, аналогии, в которых отражается понимание структуры предметной области, а также назначение и взаимосвязь отдельных понятий.
Поверхностные - обычно касаются лишь совокупности эмпирических ассоциаций и причинно-следственных отношений между понятиями предметной области .
По жесткости. Знания разделяются на мягкие и жесткие.
Жесткие – позволяют получать однозначные четкие рекомендации при заданных начальных условиях.
Мягкие – знания допускают множественные расплывчатые решения и различные варианты рекомендации.
Мягкость знания обусловлена:
Влияние множества факторов которые трудно учесть(реакция организма конкретного бального на конкретное лекарство; объем предполагаемой прибыли на вложенный капитал особенно в абсолютно новое дело);
Нечеткостью границ многих понятий (во сколько лет начинается старость, когда можно считать что прибор работает хорошо)
По виду знаний. Знания делят на концептуальные и экспертные.
Концептуальные знания – выражают свойства объектов процессов и ситуаций через понятия (базовые элементы) соответствующей предметной области, концептуальные знания обычно задаются в виде фреймов (или классов в случае ООп).
Экспертные знания представляют собой знания специалистов – экспертов из различных предметных областей и аккумулируют накопленный опыт, навыки и приемы в соответствующей области.
Концептуальные знания более жесткие и глубинные, экспертные знания более мягкие и поверхностные. Концептуальные знания общедоступные(их описание можно найти в литературе), экспертные знания индивидуальные(ими владеет эксперт);