Создание и развитие искусственного интеллекта

Автор работы: Пользователь скрыл имя, 15 Марта 2012 в 09:02, реферат

Краткое описание

ТНачало современного этапа развития систем искусственного интеллекта (ИИ) может быть отнесено к середине 50-х гг. Этому способствовала программа, разработанная А. Ньюэллом, предназначенная для доказательства теорем в исчислении высказываний и названная «ЛОГИК-ТЕОРЕТИК». Некоторые авторы называют эту систему экспертной и связывают определение ее назначения с анализом ее возможностей, проведенных Клодом Шенноном и Марвином Минским.

Содержимое работы - 1 файл

Создание и развитие искусственного интеллекта.rtf

— 158.60 Кб (Скачать файл)

Создание и развитие искусственного интеллекта

Выполнил:

Маслов Виктор студент 371гр.

 

Введение в искусственный интеллект

 

Начало современного этапа развития систем искусственного интеллекта (ИИ) может быть отнесено к середине 50-х гг. Этому способствовала программа, разработанная А. Ньюэллом, предназначенная для доказательства теорем в исчислении высказываний и названная «ЛОГИК-ТЕОРЕТИК». Некоторые авторы называют эту систему экспертной и связывают определение ее назначения с анализом ее возможностей, проведенных Клодом Шенноном и Марвином Минским.

Эти работы положили началу исследованиям в области ИИ, связанному с разработкой программ, решающих задачи на основе применения разнообразных эвристических методов и правил. Эвристика -- совокупность логических приемов и методических правил, теоретического Исследования и отыскания истины, методика поиска доказательств. Эвристические правила -- неформальные правила, используемые в целях повышения эффективности поиска в данной предметной области.

Данный метод решения задачи при этом рассматривался как свойственный человеческому мышлению «вообще», для которого характерно возникновение «догадок» о пути решения с последующей проверкой их. Эвристическому методу противопоставлялся используемый в ЭВМ алгоритмический (процедуральный, процедурный) метод, который интерпретировался как механическое осуществление заданной последовательности шагов, детерминированно приводящей к правильному ответу. Такая трактовка эвристических методов решения задачи и обусловила появление и распространение термина «искусственный интеллект».

В 70--80 гг. исследования в области ИИ характеризовались перемещением внимания специалистов от проблем создания автономно функционирующих систем к созданию человеко-машинных систем, интегрирующих в единое целое интеллект человека и способности ЭВМ для достижения общей цели - решения задачи, поставленной перед подобной системой. Многие считали, что это позволит создать новое направление информационных технологий -- машинную экспертизу, которая заменит труд специалиста. Однако в силу ряда причин эти ожидания не вполне оправдались.

Тем не менее, в последнее десятилетие это направление возродилось в виде исследований и разработок, направленных на создание экспертных систем с базой знаний. Их используют в управленческой деятельности и многих отраслях экономики (страховании, банковском деле и др.), чтобы с помощью правил и объектов, суммирующих накопленный опыт, повысить качество принимаемых решений.

Проблематика ИИ в настоящее время довольно обширна. Список Дисциплин по искусственному интеллекту постоянно увеличивается. Сегодня в него входят представление знаний, решение задач, экспертные системы, средства общения с ЭВМ на естественном языке, обучение, когнитивное моделирование, обработка визуальной информации, робототехника, нейрокомпьютерные технологии и др.

Представление знаний -- наиболее важная область исследований по искусственному интеллекту, основа всех остальных дисциплин. Знания имеют форму описаний объектов, взаимосвязей и процедур. Наличие адекватных знаний и способность их эффективно использовать означают «умение».

Создание общей теории или метода представления знаний является стратегической проблемой. Такая теория открыла бы возможность накопления знаний, которые нужны ежедневно для решения все новых и новых задач. Однако для достижения поставленной цели необходимо найти способ выражения общих закономерностей предметных областей (ПО), в чем и состоит суть проблемы представления знаний.

Решение задач сводится к поиску пути из некоторой исходной точки в целевую. Человек делает это весьма эффективно с помощью дедуктивного логического вывода (рассуждения), процедурального анализа, аналогии и индукции. Люди способны также учиться на собственном опыте. Компьютеры в общем случае решают задачи только с использованием дедуктивного логического вывода и процедурального анализа.

Тип задачи определяет метод, наиболее подходящий для ее решения. Задачи, которые сводятся к процедуральному анализу, вообще говоря, лучше всего решаются на компьютере. Учетные и аналитические задачи служат примерами процедуральных задач, решаемых компьютером быстрее и надежнее, чем человеком. Задачи же, связанные с использованием аналогии или индукции, эффективнее решаются человеком. Задачи, требующие дедуктивных и индуктивных рассуждений, представляются наиболее вероятными кандидатами для решения с помощью экспертных систем (систем, основанных на знаниях).

Экспертные системы представляют собой класс компьютерных программ, которые выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от программ, использующих процедуральный анализ, экспертные системы решают задачи в узкой предметной области (конкретной области экспертизы) на основе логических рассуждений. Такие системы часто способны найти решение задач, которые неструктурированно плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, что может быть полезным в тех ситуациях, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.

Машины обладают собственным языком для представления знаний и решения задач, т. е. набором символов, используемых для представления знаний (семантика), и правил, предназначенных для обработки этих символов (синтаксис) и решения задач. Человек работает наиболее эффективно, если он владеет специальными языками, которые развиваются до уровня потребностей конкретной предметной области.

Если правила трансляции с естественного языка в машинный и наоборот выражены в виде совокупности знаний (символов и процедур), то логично предположить, что могут быть разработаны средства, позволяющие компьютеру понимать постановку задачи на естественном языке, а затем на естественном же языке выдавать ее решение. Это основная тема исследований по разработке средств общения с ЭВМ на естественном языке. Здесь можно выделить четыре ключевые проблемы:

Машинный перевод -- использование компьютеров для перевода текстов с одного языка на другой.

Информационный поиск -- обеспечение с помощью компьютеров доступа к информации по конкретной тематике, хранящейся в большой базе данных.

Генерация документов -- применение компьютеров для преобразования документов, имеющих определенную форму или заданных на специализированном языке, в эквивалентный документ в другой форме или на другом языке.

Взаимодействие с компьютером -- организация диалога между пользователем и компьютером.

Считается, что способностью обучения должна быть наделена практически каждая прикладная программа, которая может понадобиться пользователю. Пятнадцать -- двадцать лет назад большая часть обработки данных при решении задач проводилась программистами вычислительных центров. Они фактически выполняли роль посредников, являясь как бы связующим звеном между ЭВМ и теми, кто использовал полученные данные и принимал решения. С появлением персонального компьютера взаимоотношения между пользователем и вычислительной техникой, а следовательно, и роль программиста резко изменились. Вместо того чтобы заставлять пользователя преодолевать сложности программирования, проще обучить компьютер сложностям выполнения конкретной задачи. Это, конечно, не означает, что необходимость в программистах отпадет, но несколько изменяет их роль во взаимоотношениях между компьютером и конечными пользователями.

Цель когнитивного моделирования -- разработка теории, концепций и моделей человеческого мышления и его функций. Оно позволяет реализовывать не только диагностические и лечебные функции, но и выявлять процессы, протекающие в сознании человека при решении задач. Однако отсюда вовсе не следует, что лучшими компьютерами являются те, которые моделируют работу человеческого мозга, но можно сделать вывод о том, какого типа компьютеры нужны, как спроектировать компьютер, который бы расширил возможности мышления человека и позволил бы ему более эффективно решать задачи.

Современные роботы уже облегчили труд (особенно неквалифицированный) многих рабочих, занятых в сфере производства, безупречно выполняя свою работу. Исследования в области робототехники являются составной частью исследований искусственного интеллекта, ставящих целью оснастить компьютеры средствами визуальной обработки и манипулирования объектами в некоторой среде. Эти исследования ведутся в трех основных направлениях:

  • разработка воспринимающих элементов (в частности, для визуальной информации) и распознавание информации, поступающей от систем восприятия;
  • создание манипуляторов и систем управления ими;
  • выявление эвристик для решения задач перемещения в пространстве и манипулирования объектами (планирование деятельности).

Анализ разработок в области нейрокомпьютерных систем позволил выделить перспективные основные направления современного развития нейрокомпьютерных технологий: нейропакеты, нейросетевые экспертные системы, системы управления базами данных и базами знаний с включением нейросетевых алгоритмов, обработка изображений, управление динамическими системами и обработка сигналов, управление финансовой деятельностью, оптические нейрокомпьютеры, виртуальная реальность.

Знания и модели их представления

 

Для специалистов в области искусственного интеллекта термин «знания» означает информацию, которая необходима программе, чтобы она вела себя «интеллектуально».

Функционирование средств интеллектуального интерфейса опирается на развитые методы работы со знаниями: их представление, хранение, преобразование и т. п.

Под термином «знания» при этом понимается вся совокупность информации, необходимой для решения задачи, включающая в себя, в том числе информацию о:

  • системе понятий предметной области, в которой решаются задачи;
  • системе понятий формальных моделей, на основе которых решаются задачи;
  • соответствии систем понятий, упомянутых выше;
  • текущем состоянии предметной области;
  • методах решения задач.

При этом система знаний должна быть организована таким образом, чтобы обеспечить взаимодействие вычислительной системы с пользователем в системе понятий и терминов предметной области.

Что же такое знания и чем они отличаются от данных в системах машинной обработки?

Знания -- это целостная и систематизированная совокупность понятий о закономерностях природы, общества и мышления, накопленных человечеством в процессе активной преобразующей производственной деятельности и направленная на дальнейшее познание и изменение объективного мира.

Следовательно, интеллектуальная деятельность человека связана с поиском решений в новых, нестандартных ситуациях. Отсюда, задача называется интеллектуальной, если алгоритм ее решения априори неизвестен. При этом задача и ее решение понимаются в самом широком смысле. Решение задачи -- это любая деятельность (человека или машины), связанная с выработкой планов и действий, необходимых для достижения определенной цели; выводом новых закономерностей и т. п. Любая интеллектуальная деятельность опирается на знания о предметной области, в которой ставятся и решаются задачи. Предметной областью обычно называют совокупность взаимосвязанных сведений, необходимых и достаточных для решения данной задачи или определенной совокупности задач.

Знания о предметной области включают описания объектов, явлений, фактов, а также отношений между ними.

В общем виде знания в ЭВМ представляются некоторой семиотической (знаковой) системой, в которой выделяются по аналогии с данными три аспекта: синтаксический, семантический и прагматический.

Синтаксис описывает внутреннее устройство знаковой системы, т. е. правила построения и преобразования сложных знаковых выражений. Для естественного языка синтаксис определяет правильное построение предложений и связанного текста.

Семантика определяет отношения между знаками и их свойствами (концептами), т. е. задает смысл или значения конкретных знаков.

Прагматика определяет знак с точки зрения конкретной сферы его применения либо субъекта, использующего данную знаковую систему.

В соответствии с перечисленными аспектами семиотических систем можно выделить три типа знаний: синтаксические, семантические и прагматические.

Синтаксические знания характеризуют синтаксическую структуру описываемого объекта или явления, которая не зависит от смысла и содержания используемых при этом понятий.

Семантические знания содержат информацию, непосредственно связанную со значениями и смыслом описываемых объектов и явлений.

Прагматические знания описывают объекты и явления с точки зрения решаемой задачи, например, с учетом действующих в данной даче специфических критериев.

Трем типам знаний соответствуют и три типа моделей для их представления: синтаксические, семантические и прагматические. Наличие двух последних является наиболее существенным признаком, отличающим интеллектуальные системы от всех других.

Прежде чем перейти к описанию моделей представления знаний, проанализируем особенности знаний, которые собственно и отличают их от данных.

Интерпретируемость. Данные, помещенные в ЭВМ, могут содержательно интерпретироваться лишь соответствующей программой. В отрыве от нее данные не несут никакой содержательной информации. Знания отличаются тем, что возможность содержательной интерпретации всегда присутствует.

Структурированность или наличие классифицирующих отношений. Несмотря на разнообразие форм хранения данных, ни одна из них не обеспечивает возможности компактного описания всех связей между различными типами данных. Информационные единицы знаний должны обладать гибкой структурой, т. е. для них должен выполняться «принцип матрешки» -- такой вложимости, когда любую информационную единицу можно включить в состав другой и из каждой информационной единицы можно выделить некоторые ее составляющие. Это позволяет записывать и хранить отдельно информацию, одинаковую для всех элементов множества. При необходимости эту информацию можно автоматически передать описанию любого элемента множества. Такой процесс называется «наследованием» информации.

Информация о работе Создание и развитие искусственного интеллекта