Естественно-языковые программы - машинный перевод, генерация текстов, обработка речи;
Игровые программы (стохастические, компьютерные игры);
Основные понятия теории искусственного интеллекта.
Искусственный интеллект – это возможность решения задач, которые до сих пор не удавалось решить человеку, машинным способом с помощью программных средств.
Искусственный интеллект (ИИ) можно определить как область компьютерной науки, занимающуюся автоматизацией разумного поведения. Это определение имеет существенный недостаток, поскольку само понятие интеллекта не очень понятно и четко сформулировано. Большинство из нас уверены, что смогут отличить "разумное поведение", когда с ним столкнутся. Однако вряд ли кто-нибудь сможет дать интеллекту определение, достаточно конкретное для оценки предположительно разумной компьютерной программы и одновременно отражающее жизнеспособность и сложность человеческого разума.
Основной проблемой искусственного интеллекта является разработка методов представления и обработки знаний.
К программам искусственного интеллекта относятся:
Игры могут порождать необычайно большие пространства состояний. Для поиска в них требуются мощные методики, определяющие, какие альтернативы следует рассматривать. Такие методики называются эвристиками и составляют значительную область исследований ИИ. Эвристика- стратегия полезная, но потенциально способная упустить правильное решение. Примером эвристики может быть рекомендация проверять, включен ли прибор в розетку, прежде чем делать предположения о его поломке, или выполнять рокировку в шахматной игре, чтобы попытаться уберечь короля от шаха. Большая часть того, что мы называем разумностью, по-видимому, опирается на эвристики, которые люди используют в решении задач.
Одной из долгосрочных целей искусственного интеллекта является создание программ, способных понимать человеческий язык и строить фразы на нем. Способность применять и понимать естественный язык является фундаментальным аспектом человеческого интеллекта, а его успешная автоматизация привела бы к неизмеримой эффективности самих компьютеров. Многие усилия были затрачены на написание программ, понимающих естественный язык. Хотя такие программы и достигли успеха в ограниченных контекстах, системы, использующие натуральные языки с гибкостью и общностью, характерной для человеческой речи, лежат за пределами сегодняшних методологий.
Понимание естественного языка включает куда больше, чем разбор предложений на индивидуальные части речи и поиск значений слов в словаре. Оно базируется на обширном фоновом знании о предмете беседы и идиомах, используемых в этой области, так же, как и на способности применять общее контекстуальное знание для понимания недомолвок и неясностей, присущих естественной человеческой речи.
3. распознающие программы – распознавание почерков, изображений, карт;
4. программы создания и анализа графики, живописи, музыкальных произведений.
Выделяются следующие направления искусственного интеллекта:
1. экспертные системы;
2. нейронные сети;
3. естественно-языковые системы;
4. эволюционные методы и генетические алгоритмы;
5. нечеткие множества;
6. системы извлечения знаний.
Экспертные системы ориентированы на решение конкретных задач.
Нейронные сети реализуют нейросетевые алгоритмы. Делятся на :
· сети общего назначения, которые поддерживают около 30 нейросетевых алгоритмов и настраиваются на решение конкретных задач;
· объектно-ориентированные - используемые для распознания символов, управления производством, предсказание ситуаций на валютных рынках,..
· гибридные - используюемые вместе с определенным программным обеспечением (Excel, Access, Lotus).
Естественно-языковые (ЕЯ) системы делятся на:
· программные продукты естественного языкового интерфейса в БД (представление естественно-языковых запросов в SQL-запросы);
· естественно-языковой поиск в текстах, содержательное сканирование текстов (используется в поисковых системах Internet, например, Google);
· масштабируемые средства распознания речи (портативные синхронные переводчики);
· средства голосового ввода команд и управления (безлюдные производства);
· компоненты речевой обработки, как сервисные средства программного обеспечения (ОС Windows XP).
Нечёткие множества – реализуют логические отношения между данными. Эти программные продукты используются для управления экономическими объектами, построения экспертных систем и систем поддержки принятия решений.
Генетические алгоритмы – это методы анализа данных, которые невозможно проанализировать стандартными методами. Как правило, используются для обработки больших объёмов информации, построения прогнозных моделей. Используются в научных целях при имитационном моделировании.
Системы извлечения знаний – используются для обработки данных из информационных хранилищ.
Нейронные сети - это одно из направлений искусственного интеллекта, которые реализуют нейросетевые алгоритмы.
Делятся на :
· сети общего назначения, которые поддерживают около 30 нейросетевых алгоритмов и настраиваются на решение конкретных задач;
· объектно-ориентированные - используемые для распознания символов, управления производством, предсказание ситуаций на валютных рынках,..
· гибридные - используюемые вместе с определенным программным обеспечением (Excel, Access, Lotus).
Нейронные сети также относятся к инструментальным средствам создания ЭС и СППР и представляют собой совокупность связанных узлов, моделирующих структуру биологического нейрона.
Области применения нейронных сетей:
1. чтение печатных текстов
2. распознание ручного и печатного шрифтов
3. контроль качества на производстве, классификация дефектов
4. финансовый анализ и прогнозирование инвестиционных проектов, курса $ и ценных бумаг
5. области управления и оптимизации управления химического производств, ядерных реакторов,…
6. военная промышленность для моделирования военных конфликтов
7. в медицине
8. в области ИТ.
В повседневной жизни мы постоянно сталкиваемся с экспертами в самых различных областях человеческой деятельности- врачи, преподаватели, референты и т.д. Имея огромный багаж знаний, касающихся предметной области, они умеют точно сформулировать и правильно решить задачу.
В течение последних десятилетий многочисленные попытки исследователей были направлены на создание систем, способных заменить специалиста в конкретной предметной области, т.е. решать задачи в отсутствии людей- экспертов.
Эти системы получили название экспертных систем .
В ходе исследований выяснилось, что среди задач, решаемых экспертами, формализованные задачи составляют лишь малую часть, в то время как основная их масса относится к числу неформализованных.
Экспертные системы отличаются и от других видов информационных систем:
· Экспертные системы имеют дело с предметами реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком.
· Экспертная система должна за приемлемое время (достаточно малое) найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.
· Экспертная система должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность. Пользователь должен получить всю информацию, необходимую ему для того, чтобы быть уверенным, что решение принято "не с потолка". Экспертная система проектируется в расчете на взаимодействие с разными пользователями, для которых ее работа должна быть, по возможности, прозрачной.
В настоящее время существует несколько определений экспертных систем (их иногда называют также «инженерия знаний» или «системы, основанные на знаниях»).
Одним из наиболее популярных определений экспертной системы является следующее:
Под экспертной системой понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить разумный совет или осуществить разумное решение поставленной задачи. Дополнительно желаемой характеристикой такой системы является способность системы пояснять по требованию ход своих рассуждений в понятной для спрашивающего форме.
Приведенное определение, позволяют выделить ряд базовых структурных элементов экспертной системы.
Как и любая система, основанная на знаниях, экспертная система обязательно содержит в своем составе базу знаний и механизм логических выводов. Зачастую для представления фактический знаний используется отдельный механизм - база данных, а в базе знаний остаются лишь процедурные знания. Кроме того, для ведения базы знаний и дополнения ее при необходимости знаниями, полученными от эксперта, требуется отдельный модуль приобретения знаний.
Другим важным компонентом экспертной системы является пользовательский интерфейс, необходимый для правильной передачи ответов пользователю в удобной для него форме. Кроме того, пользовательский интерфейс необходим и эксперту для осуществления манипуляций со знаниями.
И наконец, в экспертной системе должен присутствовать модуль, который способен при помощи механизма логического вывода, "предложить разумный совет или осуществить разумное решение поставленной задачи", сопровождая его по требованию пользователя различными комментариями, поясняющими ход проведенных рассуждений. Модуль, реализующий эти функции, называется модулем советов и объяснений. Следует отметить, что механизм объяснений играет весьма важную роль, позволяя повысить степень доверия пользователя к полученному результату. Кроме того, он важен не только для пользователя системы, но и для эксперта, который с его помощью определяет, как работает система и как используются предоставленные им знания.
Базовая структура экспертной системы показана на рис.1.
Перечисленные структурные элементы являются наиболее характерными для большинства экспертных систем, хотя в реальных условиях некоторые из них могут отсутствовать.
Экспертная система может полностью взять на себя функции, выполнение которых обычно требует привлечения опыта человека-специалиста, или играть роль ассистента для человека, принимающего решение. Другими словами, система (техническая или социальная), требующая принятия решения, может получить его непосредственно от программы или через промежуточное звено — человека, который общается с программой. Тот, кто принимает решение, может быть экспертом со своими собственными правами, и в этом случае программа может "оправдать" свое существование, повышая эффективность его работы. Альтернативный вариант — человек, работающий в сотрудничестве с такой программой, может добиться с ее помощью результатов более высокого качества. Вообще говоря, правильное распределение функций между человеком и машиной является одним из ключевых условий высокой эффективности внедрения экспертных систем.
Важность экспертных систем состоит в следующем:
· технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;
· ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;
· технология ЭС, получившая коммерческое распространение, обеспечит революционный прорыв в создании интеллектуально взаимодействующих модулей.
Использовать ЭС следует только тогда, когда разработка ЭС возможна, оправдана и методы инженерии знаний соответствуют решаемой задаче. Применение ЭС может быть оправдано одним из следующих факторов:
· решение задачи принесет значительный эффект, например экономический;
· использование человека-эксперта невозможно либо из-за недостаточного количества экспертов, либо из-за необходимости выполнять экспертизу одновременно в различных местах;
· использование ЭС целесообразно в тех случаях, когда при передаче информации эксперту происходит недопустимая потеря времени или информации;
· использование ЭС целесообразно при необходимости решать задачу в окружении, враждебном для человека.
При разработке реальных экспертных систем в большинстве случаев используют так называемые языки искусственного интеллекта типа ЛИСП и ПРОЛОГ.
Рассмотрим различные способы классификации ЭС.
По назначению ЭС делятся на:
· ЭС общего назначения.
Специализированные ЭС:
1. проблемно-ориентированные для задач диагностики, проектирования, прогнозирования
2. предметно-ориентированные для специфических задач, например, контроля ситуаций на атомных электростанциях.
По степени зависимости от внешней среды выделяют:
· Статические ЭС, не зависящие от внешней среды.
· Динамические, учитывающие динамику внешней среды и предназначенные для решения задач в реальном времени. Время реакции в таких системах может задаваться в миллисекундах, и эти системы реализуются, как правило, на языке С++.
По типу использования различают:
· Изолированные ЭС.
· ЭС на входе/выходе других систем.
· Гибридные ЭС или, иначе говоря, ЭС интегрированные с базами данных и другими программными продуктами (приложениями).
По сложности решаемых задач различают:
· Простые ЭС - до 1000 простых правил.
· Средние ЭС - от 1000 до 10000 структурированных правил.
· Сложные ЭС - более 10000 структурированных правил.
По стадии создания выделяют:
· Исследовательский образец ЭС, разработанный за 1-2 месяца с минимальной БЗ.
· Демонстрационный образец ЭС, разработанный за 2-4 месяца, например, на языке типа LISP, PROLOG, CLIPS
· Промышленный образец ЭС, разработанный за 4-8 месяцев, например, на языке типа CLIPS с полной БЗ.
· Коммерческий образец ЭС, разработанный за 1,5-2 года, например, на языке типа С++, Java с полной БЗ.
