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

Подождите немного. Документ загружается.

- 81 -

скрещиваются. Прямые а и b лежат водной плоскости и не

пересекаются. Если прямые лежат в одной плоскости, то они не

скрещиваются. Следовательно, прямые а и b параллельны.

в)

Если в параллелограмме диагонали взаимно перпендикулярны, то

этот параллелограмм - ромб. В данном параллелограмме диагонали

не взаимно перпендикулярны. Следовательно, параллелограмм не

есть ромб.

г)

Если функция непрерывна на данном интервале и имеет разные

знаки на его концах, то внутри данного интервала функция

обращается в нуль. Функция не обращается в нуль на данном

интервале, то на концах имеет разные знаки. Следовательно,

функция не является непрерывной

д)

Если цены высоки, то и зарплата высока. Цены высоки или

применяется регулирование цен. Если применяется регулирование

цен, то нет инфляции. Наблюдается инфляция. Следовательно,

зарплата высока

е)

Либо аудитория была закрыта, либо, если преподаватель опоздал,

то все студенты ушли в столовую. Если аудитория не была

закрыта, то преподаватель не опоздал. Если все студенты ушли в

столовую, то преподаватель опоздал. Следовательно, аудитория не

была закрыта.

ж)

Если Павел не встречал Ивана, то либо Иван не был на лекциях,

либо Павел лжет. Если Иван был на лекциях, то Павел встречал

Ивана, и Сергей был в читальном зале после лекции. Если Сергей

был в читальном зале после лекции, то либо Павел не был на

лекциях, либо Павел лжет. Следовательно, Иван не был на

лекциях.

з)

Если я буду говорить правду, то меня прославит простой народ.

Если я буду лгать, то меня прославят богатые и знатные. Но я

должен говорить правду или лгать. Значит меня прославит простой

народ или прославят богатые и знатные

и)

Если ты будешь говорить правду, то тебя возненавидят богатые и

знатные. Если ты будешь лгать, то тебя возненавидит простой

народ. Но ты должен говорить правду или лгать. Значит, тебя

возненавидят богатые и знатные или тебя возненавидит простой

народ

к)

Если студент много занимается, то он успешно сдает экзамены.

Студент не сдал экзамены. Следовательно, он занимался мало

л)

Если в комнате душно, следует открыть окно. Если открыто окно,

то в комнате холодно. Окно может быть открыто или закрыто. В

комнате холодно и душно, следовательно, окно открыто.

м)

Если в комнате темно, следует зажечь лампу. Если лампа

перегорела, следует зажечь свечу. В комнате светло,

следовательно, горит лампа или свеча.

- 82 -

11. Постройте семантическую сеть вокруг указанных понятий.

а) методы представления знаний;

б) структура экспертной системы;

в) структура вычислительной машины;

12. Постройте семантическую сеть, реализующую отношения, заданные

предложением:

а) «Поэт Сергей Есенин родился в селе Константиново в Рязанской

области на правом берегу р. Ока»;

б) «Фтор – самый активный неметалл – представляет собой бледно-

желтый газ с неприятным запахом»;

в) Учебник «Интеллектуальные информационные системы» Гаскарова

Д.В. был опубликован московским издательством «Высшая школа» в

2003 году».

13. Постройте фрейм, реализующий отношения, заданные предложением:

а) «Поэт Сергей Есенин родился в селе Константиново в Рязанской

области на правом берегу р. Ока»;

б) «Фтор – самый активный неметалл – представляет собой бледно-

желтый газ с неприятным запахом»;

в) Учебник «Интеллектуальные информационные системы» Гаскарова

Д.В. был опубликован московским издательством «Высшая школа» в

2003 году».

14. Заданы функции принадлежности лексической переменной

"температура воздуха" стандартного вида. Синтезировать следующее

значения, выразив их с помощью операций над нечеткими множествами.

Рис. 42. Лексическая переменная «Температура воздуха»

а) Очень жарко

б) Тепло или жарко

в) Мороз или холод

г) Ни тепло, ни холодно

д) Ни холодно, ни жарко

- 83 -

е) Тепло и не жарко

ж) Мороз и холод

15. Задание. Построить нейроподобный элемент, реализующий

логическую функцию Y.

а) Y=¬((x1&x2)| x3)

б) Y=(¬x1&(x2|x3))

в) Y=¬(x1&(x2→x3))

г) Y=(x1→¬(x2→x3))

д) Y=(¬x1→¬(¬x2|¬x3))

е) Y=¬(¬x1&¬(¬x2&¬x3))

ж) Y=(¬x1&¬((¬x2&¬x3)→x1))

з) Y=(x1&¬((x2&¬x3)→x1))

и) Y=(x1| (¬x2|¬x3)→x1))

к) Y=¬(x1&((x2&x3)→x1))

л) Y=(¬x1→((x2&x3) |x2))

м) Y=(x1→((x2&x3)→x2))

н) Y=(x1→¬(¬(x2&x3)→x2))

о) Y=(x1| ((x2&x3)→x3))

п) Y=(x1→((x2&¬x3)→x2))

р) Y=(x1→((¬x2&x3)→x2))

с) Y=(x1&((x2&x3)&x3))

т) Y=(x1| ((x2|x3) |x3))

у) Y=(x1|¬((x2|¬x3) |¬x3))

ф) Y=(x1&¬((x2&x3)&¬x3))

х) Y=(x1→¬((x2→¬x3)→¬x3))

ц) Y=(x1→¬((x2→¬x3)→¬x4))

ч) Y=(x1&¬((x2&¬x3)&¬x4))

ш) Y=(x1|¬((x2˅¬x3) |¬x4))

щ) Y=(x1| ((x2˅x3) |x4))

ы) Y=(x1&((x2&x3)&x4))

э) Y=¬(x1&¬((x2&¬x3)&¬x4))

ю) Y=¬(x1&((x2&x3)&x4))

я) Y=¬(x1|¬((x2˅¬x3) |¬x4))

аа) Y=¬(x1→¬((x2→¬x3)→¬x4))

Вопросы для самоконтроля

1. Что такое знания? Какие выделяют типы знаний?

2. Приведите классификацию знаний.

3. Что есть логика как наука? Дайте объектное определение логики?

4. Что такое понятие, объем понятия и дополнение к объему понятия?

5. Какие выделяют виды понятий?

6. Опишите суть основных приѐмов постижения понятий.

- 84 -

7. Какова цель деления понятия? Каковы правила логического деления?

8. Что такое суждение? Приведите пример.

9. Какие структурные элементы суждения Вы знаете? Дайте определение и

приведите пример.

10. Приведите примеры сложных суждений.

11. Что есть умозаключение?

12. Перечислите основные законы логики.

13. Что такое логический вывод? Приведите пример.

14. Дайте понятие лингвистической переменной.

15. Дайте определение нечѐткого множества.

16. Перечислите формы кривых для задания функций принадлежности.

17. Опишите основные отношения И, ИЛИ, НЕ в нечеткой логике с

максиминными, ограниченными и вероятностными операциями.

18. Перечислите различные формулировки задач нечѐткого

математического программирования.

19. Что такое семантическая сеть? Приведите пример.

20. Приведите классификацию отношений семантической сети.

21. Что такое фрейм? Приведите пример.

22. Что такое продукция? Фронт продукции?

23. Опишите эвристики выбора продукции.

24. Приведите пример правила продукции, указав ядро, сферу применения,

предусловия и постусловия.

25. Опишите продукционно-фреймовую модель представления знаний

26. Что такое нейронная сеть?

27. Что такое нейроподобный элемент? Опишите принципы его

функционирования.

28. Укажите ограничения модели нейроподобного элемента.

29. Перечислите методы моделирования нейронных сетей.

30. Приведите классификацию нейронных сетей.

31. Простой персептрон: устройство и алгоритм обучения.

32. Многослойный персептрон: устройство, алгоритм решения задач.

33. Сеть Хопфилда: структура, принципы работы, алгоритмы обучения.

Литература

1. Аверкин, А.Н. Нечеткие множества в моделях управления и

искусственного интеллекта / А.Н. Аверкин, И.З. Батыршин, А.Ф.

Блишун [и др.] : под.ред. Д.А.Поспелова. - М.: Наука. Гл.ред.физ.-

мат.лит., 1986. -312 с.

2. Гаврилова, Т. А. Базы знаний интеллектуальных систем /

Т.А. Гаврилова, В.Ф. Хорошевский. – СПб. : Питер, 2002. – 384 с.

3. Гаскаров, Д. В. Интеллектуальные информационные системы : учебник

для вузов / Д.В. Гаскаров. – М.: Высшая школа, 2003 . – 431 с.

- 85 -

4. Джонс, М. Т. Программирование искусственного интеллекта в

приложениях / М. Тим Джонс; пер. с англ. Осипов А.И. – М.: ДМК

Пресс, 2006. – 312 с.

5. Ивлева, М.И. Логика. / М.И. Ивлева. – М.: Маркет ДС, 2007. – 160 с.

6. Интеллектуальные информационные системы : методические указания

к лабораторному практикуму по курсу «Интеллектуальные

информационные системы» для студентов специальности 071900 -

Информационные системы в экономике / Уфимск. гос. авиац. техн. ун-т;

сост.: Г.Г.Куликов, Т.В.Брейкин, Л.З.Камалова. -Уфа, 1999. - 40с.

7. Искусственный интеллект :справочник. Кн. 2: Модели и методы. - М:

Радио и связь,1990. - 304 с.

8. Масалович, А. Нечеткая логика: на гребне «третьей волны». – Режим

доступа: http://www.tora-centre.ru/library/fuzzy/ct_fuz.htm

9. Осовский, С. Нейронные сети для обработки информации / С.

Осовский; пер. с польск. И.Д. Рудинский. – М. : Финансы и статистика,

2004. – 344 с.

10. Осуга, С. Приобретение знаний / С. Осуга - М.: Мир, 1993. - 303 с.

11. Осуга, С. Обработка знаний / С. Осуга. - М.: Мир, 1989. - 293 с.

12. Попо,в Э.В. Экспертные системы: Решение неформализованных задач в

диалоге с ЭВМ / Э.В. Попов. – М.: Наука, 1987. – 288 с.

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

интеллекта: лекции. – Режим доступа:

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

14. Тельнов, Ю.Ф. Интеллектуальные информационные системы: учеб.

пособие / Ю.Ф. Тельнов. – М.: Московский международный институт

эконометрики, информатики, финансов и права, 2002. – 118 с.

- 86 -

ГЛАВА 3. ЭКСПЕРТНЫЕ СИСТЕМЫ

3.1. Понятие об экспертной системе

В течение 70-80-х годов в рамках исследований по искусственному

интеллекту сформировалось самостоятельное направление – экспертные

системы (ЭС) или инженерия знаний. В задачу этого направления входит

исследование и разработка программ (устройств), использующих знания и

процедуры вывода для решения задач, являющихся трудными для людей-

экспертов.

Знания, которыми обладает специалист в какой-либо области

(дисциплине), можно разделить на формализованные (точные) и

неформализованные (неточные).

Формализованные знания формулируются в книгах и руководствах в

виде общих и строгих суждений (законов, формул, моделей, алгоритмов и

т.п.), отражающих универсальные знания. Неформализованные знания, как

правило, не попадают в книги и руководства в связи с их конкретностью,

субъективностью и приблизительностью. Знания этого рода являются

результатом обобщения многолетнего опыта работы и интуиции

специалистов. Они обычно представляют собой многообразие эмпирических

(эвристических) приемов и правил

В зависимости от того, какие знания преобладают в той или иной

области (дисциплине), ее относят к формализованным или к

неформализованным (если преобладают неточные знания) описательным

областям. Задачи, решаемые на основе точных знаний, называют

формализованными, а задачи, решаемые с помощью неточных знаний, –

неформализованными.

Ньюэлл предложил относить к неформализованным задачам те,

которые обладают одной или несколькими из следующих особенностей:

− алгоритмическое решение задачи неизвестно (хотя возможно и

существует) или не может быть использовано из-за ограниченности ресурсов

ЭВМ (времени, памяти);

− задача не может быть определена в числовой форме (требуется

символьное представление);

− цели задачи не могут быть выражены в терминах точно

определенной целевой функции.

Как правило, неформализованные задачи обладают неполнотой,

ошибочностью, неоднозначностью знаний.

Традиционное программирование в качестве основы для разработки

программы использует алгоритм, т.е. формализованное знание. Поэтому до

Специфичен в этом контексте такой сектор знаний, как энциклопедические знания или знания о мире.

Они являются общими как формализованные (т.е. научные) знания, однако не являются формализованными,

так как представляют собой опыт многих поколений людей, который передается вместе с воспитанием

(здесь и далее примечания авторов).

- 87 -

недавнего времени считалось, что ЭВМ не приспособлены для решения

неформализованных задач.

Расширение сферы использования ЭВМ показало, что

неформализованные задачи составляют очень важный класс задач, вероятно,

значительно больший, чем класс формализованных задач. Неумение решать

неформализованные задачи сдерживает внедрение ЭВМ в описательные

науки.

По мнению академика Дородницына, основной задачей информатики

является внедрение еѐ методов в описательные науки и дисциплины. На

основании этого можно утверждать, что исследования в области ЭС занимает

значительное место в информатике. Обобщение сказанного отражено на

рисунке ниже.

Рис. 43. Место ЭС в инженерии знаний

ЭС не отвергают и не заменяют традиционного подхода к

программированию, они отличаются от традиционных программ тем, что

ориентированы на решение неформализованных задач и обладают

следующими особенностями:

− алгоритм решения не известен заранее, а строится самой ЭС с

помощью символических рассуждений, базирующихся на эвристических

приемах;

− ясность полученных решений, т.е. система «осознает» в терминах

пользователя, как она получила решение;

− способность анализа и объяснения своих действий и знаний;

− способность приобретения новых знаний от пользователя –

эксперта, не знающего программирования, и изменения в соответствии с

ними своего поведения;

- 88 -

− обеспечение «дружественного», как правило, естественно-

языкового интерфейса с пользователем.

Обычно к ЭС относятся системы, основанные на знаниях, т.е. системы,

вычислительная возможность которых является в первую очередь следствием

их наращиваемой базы знаний и только во вторую очередь определяется

используемыми методами.

Методы инженерии знаний (методы ЭС) в значительной степени

инвариантны тому, в каких областях они могут применяться. Области

применения ЭС весьма разнообразны: военные приложения, медицина,

электроника, вычислительная техника, управление, финансы, юриспруденция

и т.д. Более критичны методы инженерии знаний к типу решаемых задач. В

настоящее время ЭС используются при решении задач следующих типов:

− принятие решений в условиях неопределенности (неполноты);

− интерпретация символов и сигналов, предсказание, диагностика,

конструирование, планирование;

− управление, контроль и т.д.

Интерес к ЭС со стороны пользователей (и разработчиков) вызван, по

крайней мере, тремя причинами.

Во-первых, они (ЭС) ориентированы на решение широкого спектра

задач в неформализованных областях, на приложения, которые до недавнего

времени считались малодоступными для вычислительной техники.

Во-вторых, с помощью ЭС, специалисты, не знающие

программирования, могут самостоятельно разрабатывать интересующие их

приложения, что позволяет резко расширить сферу использования

вычислительной техники.

В-третьих, ЭС при решении практических задач достигают

результатов, не уступающих, а иногда и превосходящих возможности людей

– экспертов, не оснащенных ЭС.

В настоящее время ЭС применяются в различных областях

человеческой деятельности. Наибольшее распространение ЭС получили в

проектировании интегральных микросхем, в поиске неисправностей, в

военных приложениях и автоматизации программирования.

Применение ЭС позволяет:

1) при проектировании интегральных микросхем повысить (по данным

фирмы NEC) производительность труда в 3-6 раз, при этом выполнение

некоторых операций ускоряется в 10-15 раз.

2) ускорить поиск неисправностей в устройствах в 5-10 раз;

3) повысить производительность труда программистов в (по данным

фирмы Toshiba) в 5 раз;

4) при профессиональной подготовке сократить (без потери качества) в

8-12 раз затраты на индивидуальную работу с обучаемым.

В настоящее время ведутся разработки ЭС для следующих

приложений:

- 89 -

− раннее предупреждение национальных и международных

конфликтов и поиск компромиссных решений;

− принятие решений в кризисных ситуациях;

− охрана правопорядка; планирование и распределение ресурсов;

− системы организационного управления (кабинет министров,

муниципалитет, учреждение) и т.д.

В США ЭС составляют 90 процентов всех программных продуктов в

области искусственного интеллекта. Исследования и разработки ЭС

составляют основу программ по информатике развитых государств. По

данным опроса английских ведущих фирм в области информатики в 1984 г.

известно, что ЭС используется в 54 процентах фирм, 20 % планируют их

использование. Несмотря на значительную стоимость их разработки ЭС

приносят существенный доход. Так, например, доход от ЭС DEFT (проверка

гигантских дисководов) для ЭВМ фирмы IBM составляет 12 млн.долл.

(начальная стоимость системы 100 тыс.долл.), а от ЭС XCON (помогает

продавцам системы VAX фирмы DEC определять конфигурацию системы)

25 млн.долл (при стоимости разработки около 3 млн.долл.).

В качестве заключения следует отметить, что ЭС. Находящие

применение в различных областях знаний, могут выполнять следующие

роли:

− консультанта для неопытных или непрофессиональных

пользователей;

− ассистента в связи с необходимостью анализа экспертом

различных вариантов принятия решений;

− партнера эксперта по вопросам, относящимся к источникам

знаний из смежных областей деятельности и др.

3.2. Виды экспертных систем и типы решаемых задач

Экспертные системы как любой сложный объект можно определить

только совокупностью характеристик. Выделим следующие характеристики

ЭС: назначение, предметная область, глубина анализа предметной области,

тип используемых методов и знаний, класс системы, стадия существования,

инструментальные средства (ИС).

Назначение определяется следующей совокупностью параметров:

− цель создания ЭС – для обучения специалистов, для решения задач,

для автоматизации рутинных работ, для тиражирования знаний

экспертов и т.п;

− основной пользователь – не специалист в области экспертизы,

специалист, учащийся.

Предметная область характеризуется решаемыми задачами. Этот

параметр можно рассматривать как с точки зрения конечного пользователя,

так и с точки зрения разработчика ЭС.

С точки зрения пользователя обычно рассматривают следующие

типы задач:

- 90 -

− интерпретация символов и сигналов – составления смыслового

описания по входным данным;

− предсказание – определение последствий наблюдаемых ситуаций;

− диагностика – определение неисправностей (заболеваний) по

симптомам;

− конструирование – разработка объекта с заданными свойствами при

соблюдении установленных ограничений;

− планирование – определение последовательности действий,

приводящих к желаемому состоянию объекта;

− слежение – наблюдение за изменяющимся состоянием объекта и

сравнение его показателей с установленными или желаемыми.

С точки зрения разработчика выделяют статические и динамические

предметные области (ПО). Предметная область называется статической, если

описывающие ее исходные данные не изменяются во времени, иначе она

называется динамической. Кроме того, предметные области характеризуется

числом и сложностью сущностей, их атрибутов и значений атрибутов,

связностью сущностей и атрибутов, полнотой и точностью знаний.

Решаемые задачи также можно разделить на статические и

динамические. В динамических задачах процесс решения изменяет исходные

данные о текущем состоянии предметной области. Большинство ЭС

относится к разряду статических, реже – динамических.

Решаемые задачи, кроме того, можно характеризовать следующими

аспектами: числом и сложность правил, их связностью, пространством

поиска, количеством активных агентов, изменяющих предметную область,

классом решаемых задач.

По степени сложности выделяют простые и сложные правила. К

сложным относят правила, текст записи которых на естественном языке

занимают 1/3 страницы и больше, иначе правила относят к простым.

По степени связности правила задачи делят на связные и малосвязные.

К связным относятся задачи (подзадачи), которые не удается разбить на

независимые задачи. Малосвязные задачи удается разбить на некоторое

количество независимых подзадач. Можно сказать, что степень сложности

задачи определяется не просто общим количеством правил данной задачи, а

количеством правил в ее наиболее связанной независимой подзадаче.

Пространство поиска может быть определено по крайней мере тремя

подаспектами: размером, глубиной и шириной. Размер пространства поиска

дает обобщенную характеристику сложности задачи. Выделяют малые (до

10! состояний) и большие (свыше 10! состояний) пространства поиска.

Глубина пространства поиска характеризуется средним числом

последовательно применяемых правил, преобразующие исходные данные в

конечный результат, ширина пространства - средним числом правил,

пригодных к выполнению в текущем состоянии.

Класс решаемых задач характеризует методы, используемые ЭС для

решения задачи. Данный аспект в существующих ЭС принимает следующие