Масленникова О.Е., Попова И.В. Основы искусственного интеллекта

Подождите немного. Документ загружается.

- 21 -

система (обученная) не будет делать ничего такого, чего бы не хотел ее

владелец.

Вопросы для самоконтроля

1. Что такое искусственный интеллект?

2. С какими научными направлениями взаимодействует искусственный

интеллект?

3. Охарактеризуйте подходы к пониманию предмета искусственного

интеллекта как научной дисциплины.

4. Охарактеризуйте современное состояние ИИ в России.

5. Охарактеризуйте «докомпьютерный» этап развития искусственного

интеллекта

6. Охарактеризуйте развитие искусственного интеллекта в 40-е гг. ХХ в.

7. Охарактеризуйте развитие искусственного интеллекта в 50-е гг. ХХ в.

8. Охарактеризуйте развитие искусственного интеллекта в 60-е гг. ХХ в.

9. Охарактеризуйте развитие искусственного интеллекта в 70-е гг. ХХ в.

10. Охарактеризуйте развитие искусственного интеллекта в 80-е гг. ХХ в.

11. Опишите основные задачи искусственного интеллекта.

12. Какие разделы выделяют в области искусственного интеллекта?

13. Приведите доказательства возможности моделирования мышления

человека.

14. Чем обоснован переход к проблеме влияния интеллектуальных

инструментов на общество?

15. Чем обусловлена и как может быть решена проблема безопасности

систем искусственного интеллекта?

Литература

1. Люгер, Дж, Ф. Искусственный интеллект: стратегии и методы решения

сложных проблем : пер. с англ / Джордж Ф. Люгер.- М.: Издательский

дом «Вильямс», 2003. – 864 с.

2. Основы искусственного интеллекта / Б.В. Костров, В.Н. Ручкин, В.А.

Фулин. – М.: «ДЕСС», «Техбук», 2007. – 192 с.

3. Сайт Российской ассоциации искусственного интеллекта. – Режим

доступа: http://www.raai.org/

4. Сотник, С.Л. Основы проектирования систем искусственного

интеллекта: лекции. – Режим доступа:

http://newasp.omskreg.ru/intellect/f25.htm

5. Рассел, С. Искуственный интеллект: современный подход / Стюарт

Рассел, Питер Норвиг. – М.: Издательский дом «Вильямс», 2006. –

1408 с.

- 22 -

ГЛАВА 2. МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

2.1. Знания

Какие виды знаний необходимы для того, чтобы обеспечить

"интеллектуальное" поведение? "Секрет" феноменологии модели знаний

заключается в окружающем нас мире. В общем случае модель представления

знаний должна обеспечивать различное описание объектов и явлений,

составляющих ту предметную область, в которой приходится работать

интеллектуальному агенту.

Предметная область - часть действительности, связанная с решением

задачи.

Интеллектуальный агент - система (человек, программа),

обладающая интеллектуальными способностями.

Знания — это выявленные закономерности предметной области

(принципы, связи, законы).

Знания имеют более сложную структуру, чем данные (метаданные).

При этом знания задаются как экстенсионально (т. е. через набор конкретных

фактов, соответствующих данному понятию и касающихся предметной

области), так и интенсионально (т.е. через свойства, соответствующие

данному понятию, и схему связей между атрибутами).

Типы знаний

Объекты. Обычно, человек представляет знания в терминах фактов об

окружающих его объектах.

По этой причине должны быть способы представления объектов,

классов (категорий, типов) объектов, описания свойств и взаимодействия

объектов. Одним из способов классификации объектов является иерархия

классов. Кроме того необходимо различать абстрактные объекты, которые

используются для обозначения групп (множеств, классов) индивидов.

Пример

«Птицы имеют крылья»

«Голуби - это птицы»

«Снег – белый»

«Эта книга новая» - индивидный объект

Ситуации – все виды взаимодействий между объектами.

Пример

«Вчера шел дождь»

«Поезд опоздал на 10 минут»

Пример классификации ситуаций, предложенной Падучевой показан на

рис. 9. Кроме того, чтобы иметь возможность описания ситуаций самих по

- 23 -

себе, модель представления должна позволять описывать расположение

событий на временной оси, а также их причинно-следственную связь.

Рис. 9. Пример классификации ситуаций, предложенной Падучевой

При представлении иерархии объектов и отношений основную

трудность составляет выбор основания, т.е. свойства (признака), по которому

происходит деление. Обычно, если даже человек легко различает разные

виды объектов и ситуаций в жизни, попытка вербальной классификации

представляет большую проблему.

Процедуры. Поведение (например: езда на велосипеде) требует

знаний, которые находятся за пределами декларативных знаний об объектах

и отношений между ними. Это знания о том, как надо делать то или иное

действие, которые называются процедурные знания, или опыт (навык).

Подобно езде на велосипеде, большинство видов сознательного

поведения, (например: общение, понимание или доказательство теорем),

включают процедурные знания, и зачастую трудно четко разграничить

знания о процедуре и знания об объекте.

Пример

Термин "начетничество" - описывает ситуацию отсутствия

процедурных знаний у человека, который выдает себя за специалиста

Мета-знания - знания о знаниях: об объеме и происхождении знаний о

частном объекте, о надежности конкретной информации или об

относительной важности отдельных фактов. Мета-знания также включают

Ситуации

Статические

Динамические

Состояния

Постоянные

свойства и

отношения

Устойчивые

Временные

Процессы

События

Происшествия

Результаты

- 24 -

то, что люди знают о собственной способности как процессора по обработке

знаний: силу, слабость, уровень опыта в различных областях, и ощущение

прогресса при решении задач.

Классификация знаний

По глубине:

 Поверхностные знания (совокупность эмпирических

ассоциаций и причинно-следственных отношений между

понятиями предметной области).

 Глубинные знания (абстракции, образы, аналогии, в которых

отражается понимание структуры предметной области и

взаимосвязь отдельных понятий).

По способу существования:

 Факты (хорошо известные обстоятельства).

 Эвристики (знания из опыта экспертов).

По жесткости:

 Жесткие знания (позволяют получать однозначные четкие

рекомендации при заданных начальных условиях).

 Мягкие знания (допускают множественные, расплывчатые

решения и различные варианты рекомендаций).

По формам представления:

 Декларативные знания (факты в виде наборов

структурированных данных).

 Процедурные знания (алгоритмы в виде процедур обработки

фактов).

По способу приобретения:

 Научные знания (полученные в ходе систематического

обучения и/или изучения).

 Житейские, бытовые знания (полученные в ходе жизни).

Для размещения базы знаний с целью ее использования для решения

прикладных задач, необходимо ее формальное описание с помощью

математических моделей. Как уже упоминалось, представление знаний

возможно с помощью декларативных и процедурных моделей. К типовым

декларативным моделям обычно относят сетевую и фреймовую модели; к

процедурным – логическую и продукционную.

С точки зрения подхода к представлению знаний в ЭВМ модели

представления знании можно классифицировать следующим образом:

На основе эвристического подхода: «тройкой», продукционная,

фреймовая, сетевая модели

На основе теоретического подхода: на базе формальной логики и на

базе «человеческой логики» - модальной и многозначной.

- 25 -

2.2. Логическая модель представления знаний

Основные понятия логики

Большинство людей считают, что слово «логичный» означает

«обоснованный». Таким образом, если человек рассуждает логично, то его

рассуждения обоснованны, поэтому он не допускает поспешных выводов.

Логика – это наука о формах и методах правильного мышления.

Это означает, что при наличии необходимого количества истинных

фактов вывод всегда должен быть истинным. С другой стороны, если

логический вывод недействителен, это означает, что на основании истинных

фактов получено ложное заключение. Необходимо развести понятия

формальной логики и неформальной. Отличительная особенность

неформальной логики состоит в том, что ею пользуются в обычной жизни.

Сложное логическое доказательство представляет собой цепь логических

выводов, в которой одно заключение ведет к другому, и т.д.

В формальной логике, называемой также символической логикой,

важным является то, как осуществляется логический вывод, как учитываются

другие факторы, которые обеспечивают доказательство истинности или

ложности окончательного заключения допустимым способом. Логика

нуждается также в семантике, позволяющей придать смысл символам. В

формальной логике используется семантика, основанная не на применении

слов, несущих эмоциональную нагрузку, а на выборе осмысленных имен для

переменных, подобно программированию.

Как и математика, логика непосредственно изучает не эмпирические, а

абстрактные объекты. В связи с этим возникает вопрос: Какова природа или

онтологический статус абстрактных объектов? О каких именно абстрактных

объектах идет речь?

В логике (классической) различают две основополагающие

разновидности абстрактных объектов:

− понятия (свойства);

− отношения.

Понятия могут быть как простыми, так и сложными. Сложные

понятия представляют собой совокупность относительно более простых

понятий (простых свойств), связанных между собой теми или иными

отношениями. Более сложными абстрактными объектами являются

суждения, структурными элементами которых являются также понятия и

определенные отношения. Суждения в свою очередь являются структурными

элементами умозаключений (систем суждений), а умозаключения -

структурными элементами концепций и теорий (систем умозаключений). На

Рис. 10 показана иерархия типов абстрактных объектов в классической

логике.

Специфика логики заключается в том, что она изучает наиболее общие,

универсальные отношения, или взаимосвязи, между абстрактными

объектами. В соответствии с этим существует следующее объектное

- 26 -

определение логики: «Логика – это наука об универсальных (общезначимых)

взаимосвязях между понятиями, суждениями, умозаключениями и другими

абстрактными объектами».

Рис. 10. Иерархия типов абстрактных объектов в классической логике

Пример

«Студент» – понятие.

«Прилежание» – свойство.

«Прилежный студент», «Студент 4-го курса» – отношения.

«Человек учится в университете» – суждение.

«Если человек учится в институте, то он, либо студент, либо

аспирант» – умозаключение.

«Теория исчисления предикатов первого порядка» – это концепция.

Понятие

Понятия - суть абстрактные объекты, доступные пониманию человека

в качестве простых и сложных свойств (признаков) эмпирических объектов.

Понятие противопоставляется таким сущностям как: «слово», «перцепция»,

«эмпирический объект».

Понятие является универсальной единицей мышления и основой

интеллектуальной деятельности. Важнейшими характеристиками понятия

являются содержание и объѐм. Все логические характеристики и логические

операции являются результатом выводных знаний из закона обратно

пропорциональной зависимости между содержанием и объѐмом понятия.

Всякое понятие имеет объѐм понятия (понятийный объѐм) и

дополнение к объѐму понятия (рис. 11, 12).

Объем понятия – это совокупность (множество) всех тех

эмпирических (индивидных объектов), которым присуще данное понятие (в

качестве свойства, признака).

Концепции и теории (системы

умозаключений)

Умозаключения

(система суждений)

Суждения

Понятия (свойства)

Отношения

- 27 -

Дополнение к объему – совокупность всех тех эмпирических

объектов, которым не присуще данное понятие.

Рис. 11. Понятие X, объѐм понятия X, элемент объѐма (a1, a2, a3)

Рис. 12. Объем и его дополнение

Пример

Понятие: фактографическая модель данных.

Объѐм понятия: реляционная, сетевая, иерархическая модели данных

Дополнение объѐма: документальные модели данных

(дескрипторные, тезаурусные, модели данных, ориентированные на

формат документа)

Понятия могут быть следующих видов:

1) по объему:

a. единые (U =1 элемент, Камаз);

b. общие (U>1 элемента, Московский автозавод);

2) по существованию элементов:

a. непустое (студент);

b. пустое (колобок);

3) по структуре элементов:

a. несобирательные (Северный Полюс);

b. собирательные (должник);

4) по содержанию:

a. безотносительные(аудитория);

b. соотносительные (родители);

5) по наличию качеств, свойств, отношений

a. положительные (добродетель);

b. отрицательные (правонарушение);

6) по качеству элементов:

a. регистрируемые (журнал «Открытые системы», 1/ 2008);

b. нерегистрируемые (интеллигенция), абстрактные;

7) по характеру объекта:

a. конкретные (ручка);

Не Х

а1 а2 а3

Понятие Х

V Объѐм

- 28 -

b. абстрактные (модель).

На основе перечисленных видов, можно дать логическую

характеристику любому понятию, то есть показать употребление понятия во

всех семи смыслах. Например, понятие должник является общим, непустым,

собирательным, соотносительным, положительным, нерегистрируемым и

конкретным.

Основные приѐмы постижения понятий

К числу основных приѐмов постижения понятия относятся:

− абстрагирование;

− сравнение;

− обобщение;

− анализ;

− синтез.

Абстрагирование – есть мысленное выделение (понимание)

некоторого свойства или отношения путем отвлечения от других свойств или

отношений эмпирического объекта.

Сравнение – установление сходства или различия между объектами.

Обобщение – мысленное выделение некоторого понятия путем

сравнения каких-либо других понятий.

Абстрагирование, сравнение и обобщение – приемы, тесно связанные

друг с другом. Их можно назвать «когнитивные процедуры». Сравнение

невозможно безотносительно к абстрагированию. Обобщение предполагает

сравнение и вместе с тем есть не что иное, как разновидность сложного

абстрагирования и т.д.

Анализ – мысленное разделение эмпирического или абстрактного

объекта на составляющие его структурные компоненты (части, свойства,

отношения).

Синтез – мысленное объединение различных объектов в некоторый

целостный объект.

Примеры

1. Сравнение людей по росту предполагает абстрагирование для

выделения свойства «рост» понятия «человек».

2. Обобщение: «стул» и «стол» – «мебель».

Соотношение понятий

Для пояснения соотношений между понятиями можно использовать

диаграммы в виде кругов Эйлера (рис. 13).

Примеры

Равномерные (равнообъѐмные): Казань – столица.

Независимые (пересечение): пассажир– студент.

Подчинение: дерево – береза.

Противоположность (контрарность): белый и черный.

- 29 -

Конрадикторные: белый – не белый.

Соподчинение (субконтрарность): офицеры (майор-капитан).

Логическое деление понятия есть разделение объѐма понятия на

непересекающиеся части на основании какого-либо признака.

M(X)M(Y)=M(X)

Понятия X, Y

Совместимые

M(X)M(Y)

Несовместимые

M(X)M(Y)=

Независимые

M(X)M(Y);

M(X)M(Y)M(X);

M(X)M(Y)M(Y)

Тождественные

(равномерные)

X, Y

M(X)= M(Y)

X подчинено Y

Контрадикторные

Y=Не-X

M(X)M(Y)=U

Контрарные

M(X)M(Y)U

Рис. 13. Соотношение понятий

При этом существуют:

− родовое понятие X;

− члены деления (видовые понятия A и B);

− основание деления (т.е. признак).

- 30 -

Три правила логического деления.

1. Правило несовместимости. Объемы видовых понятий не должны

пересекаться, (т.е. члены деления не должны быть несовместимыми друг с

другом);

2. Правило последовательности. Нельзя делить сразу по нескольким

основаниям;

3. Правило соразмерности. Сумма объѐмов видовых понятий должна

быть равна объѐму родового понятия.

Дихотомическое деление (наиболее строгий вид) – деление понятий

по принципу контрадикторности (A, не-А).

Классификации – определенные системы (упорядоченные

совокупности) видовых понятий. Классификации используются с целью

поиска новых взаимосвязей между понятиями, а также с целью

систематизации уже имеющихся знаний.

Пример

1. Таблица Менделеева – пример научной классификации химических

элементов.

2. Пример классификации информационных систем (ИС) представлен

на рисунке ниже. Основания деления: функциональное назначение. А, В, С

– примеры информационных систем по этой классификации.

Приѐмы постижения понятий (абстрагирование, сравнение, обобщение,

анализ, синтез, деление) – это универсальные и фундаментальные

когнитивные процедуры, которые не научились пока успешно моделировать

в рамках искусственного интеллекта. Это один из основополагающих

разделов классической логики, который должен быть интегрирован в теорию

баз знаний. После этого станут доступными задачи моделирования таких

мыслительных актов, как выдвижение гипотез, обучение декларативным

знаниям, более емкими станут процедуры умозаключения.

ИС

Документальные

системы

Системы

искусственного

интеллекта

ИС

«Университет»

Lingvo

«Консультант

Плюс»

Фактографические

системы

Рис. 14. Пример классификации