Интеллектуальные информационные системы

Тема 1. Искусственный интеллект. История развития искусственного интеллекта ( 2 час) Понятие «интеллект» (лат. intellectus) имеет многочисленные определения и трактовки. В общем смысле интеллект – способность мыслить. В теории познания интеллект – способность к рациональному (объективному) познанию, реализуемому посредством приобретения, запоминания, целенаправленного преобразования и применения знаний. Эти качества широко используются человеком как в бытовых ситуациях, так в общественной и производственной деятельности. Тема 2. Основные направления исследований в области искусственного интеллекта. Обзор прикладных интеллектуальных информационных систем ( 2 час) Основные исследования в области искусственного интеллекта проводятся по следующим направлениям. 1. Представление знаний. 2. Манипулирование знаниями. 3. Восприятие и общение. 4. Обучение. 5. Поведение. 6. Разработка аппаратного и программного обеспечения интеллектуальных информационных систем. Основные прикладные ИИС - экспертные системы (системы, основанные на знаниях), системы распознавание образов, системы обработки речи, системы обработки визуальной информации, Игры и машинное творчество, системы машинного перевода, системы извлечения новых знаний (обучения и самообучения). Программное обеспечение ИИС. Системы планирования и интеллектуальные роботы. Тема 3. Представление знаний (2 час) Традиционно информация, которую обрабатывают компьютеры, разделяется на процедурную и декларативную. Процедурная информация овеществлена («растворена») в программах (алгоритмах), которые выполняются в процессе решения задач, декларативная – в данных, с которыми эти программы работают. Классификация знаний: - по степени основательности - по степени теоретической обоснованности - по способу представления и использования в интеллектуальных информационных системах - по степени детерминированности (определенности). Тема 4. Продукционная модель представления знаний (2 час) Вывод в продукционных системах, существуют два типа выполнения систем продукций: прямой и обратный: Прямой вывод называется также выводом, управляемым данными, или нисходящим. В таких системах поиск идет от исходных данных (фактов) к заключениям. T.е. проверяются условия А, включающие известные факты, и активизируются те продукции, для которых А истинно. После этого в рабочую память заносятся промежуточные заключения В’, которые в дальнейшем выступают как дополнительные факты для А’ и так до тех пор, пока не будет получено итоговое заключение В. Обратный вывод называется также выводом, управляемым целями, или восходящим. В таких системах выдвигается некоторая гипотеза В, а затем идет поиск промежуточных фактов A’, подтверждающих эту гипотезу. После этого в рабочую память заносятся промежуточные факты А’, которые в дальнейшем выступают как промежуточные гипотезы (заключения) В’. Если принятая гипотеза В приводит к известным фактам А, то она считается итоговым заключением. При выполнении условия применимости одновременно для нескольких продукции возникает дилемма выбора продукции или их группы (в случае возможности параллельной обработки), которая в данной ситуации будет активизирована в целях наискорейшего достижения поставленной цели. Решение этой задачи возлагается на систему активизации продукций. Тема 5. Семантические сети и концептуальные графы. Фреймы ( 2 час) Семантика – раздел языкознания, изучающий значение единиц языка, прежде всего его слов и словосочетаний. В более общем смысле, семантика определяет смысл знаков (образов, обозначений) и их сочетаний. Семантическая сеть (смысловая сеть) — модель предметной области, представленная в виде графа, вершинами которого являются понятия, а дуги (ребра) – отношения между ними. Концептуальный граф – это двудольный ориентированный граф, состоящий из вершин двух типов: понятий (англ. concept) и концептуальных отношений (англ. conceptual relation). Напомним, что двудольный граф – это граф, множество вершин которого можно разбить на две части таким образом, что каждое ребро графа соединяет какую-то вершину из одной части с какой-то вершиной другой части, то есть не существует ребра, соединяющего две вершины из одной и той же части. Фрейм — это модель (абстракция, минимально возможное описание) реальной или воображаемой сущности (объекта, события, ситуации, явления, процесса и т.д.). Определение фрейма, данное М. Минским: «Фрейм – это единица представления знаний, запомненная в прошлом, детали которой при необходимости могут быть изменены согласно текущей ситуации». Тема 6. Логические модели. Традиционная логика. Логика высказываний. ( 2 час) Логика предикатов первого порядка является дальнейшим развитием традиционной логики Аристотеля и логики высказываний. Одним из ключевых понятий логики высказываний является непосредственно высказывание – выражение, записанное с помощью определенного синтаксиса, которому можно приписать истинностное значение (истина или ложь).

Тема 7. Логика предикатов первого порядка ( 2 час) Логика предикатов первого порядка является дальнейшим развитием традиционной логики Аристотеля и логики высказываний. Одним из ключевых понятий логики высказываний является непосредственно высказывание – выражение, записанное с помощью определенного синтаксиса, которому можно приписать истинностное значение (истина или ложь). Например, выражения «В сутках 24 часа» или «Инопланетяне существуют» являются высказываниями, т.к. могут быть истинными или ложными (в зависимости от принятой объективной или субъективной точки зрения). Тема 8. Язык логического программирования Пролог ( 2 час) Языки программирования в зависимости от базовых конструкций языка, заложенных в структуру программы можно разбить на четыре категории: - функциональные; - процедурные; - объектно-ориентированные; - декларативные (реляционные). Программа, написанная на функциональном языке, выражает алгоритм решения задачи в терминах значений, которые возвращают функции. Тема 9. Онтологии ( 2 час) Онтология – раздел философии, изучающий фундаментальные принципы бытия: категории, сущности, структуру, свойства и закономерности сущего. В настоящее время онтологии широко используются в обучении, различного рода исследованиях и информационных технологиях. Как своеобразная форма представления некоторой области знаний (предметной области) онтологии применяются при создании семантической паутины, систем искусственного интеллекта, а также прикладных информационных систем. Каждая сущность (ресурс), описываемая в онтологии, должна иметь уникальный идентификатор. Для этого используются URI или IRI. Отличие последнего заключается в возможности использовании символов национальных алфавитов при указании имени ресурса за счет поддержки Unicode. RDF и OWL – языки представления информации (знаний), которые могут использоваться для описания онтологий как в семантической паутине, так и в различных прикладных информационных системах. RDFS является надстройкой над RDF и определяет его базовые конструкции (ресурс, класс, подкласс, тип данных, домен и т.п.). Тема 10. Краткие сведения из теории оптимизации Нечеткие знания и способы их обработки. ( 2 час) В последующих лекциях методы, на которых базируются интеллектуальные информационные системы, будут рассматриваться применительно к решению оптимизационных задач. В связи с этим в лекции приводятся краткие сведения из теории оптимизации. Оптимизация (в математике, информатике и исследовании операций) - задача нахождения экстремума (минимума или максимума) целевой функции в некоторой области конечномерного векторного пространства, ограниченной набором линейных и/или нелинейных равенств и/или неравенств. Классическая теория оптимизации базируется на аппарате дифференциального исчисления (математического анализа). программирование. Наиболее известными и эффективными методами математического программирования являются методы линейного программирования, когда целевая функция и все ограничения являются линейными функциями. Тема 11. Эволюционные вычисления и генетические алгоритмы ( 2 час) Интеллектуальные системы извлечения новых знаний (обучения и самообучения) ориентированы на автоматическое накопление и формирование знаний с использованием процедур анализа и обобщения данных. К ним относятся системы символьного, нейросетевого и эволюционного (эмерджентного) обучения. Системы символьного обучения ориентированы на добычу знаний (англ. Data-mining), поиск скрытых правил и закономерностей в компьютерных базах данных (англ. Knowledge Discovery), автоматические рассуждения, доказательство теорем и т.д. Тема 12 Искусственные нейронные сети Инженерия знаний и экспертные системы Распознавание образов — научное направление, связанное с разработкой принципов и построением систем, предназначенных для определения принадлежности объекта к одному из классов объектов. Классы объектов могут быть заранее выделены (задача классификации) или необходимо их выявить в процессе решения задачи (задача кластеризации). Под объектами в распознавании образов (англ. pattern) понимают (семантическая классификация): - различные предметы;- явления;- процессы;- ситуации;- сигналы;- и т.п.