ФГБОУ ВПО Ставропольский Государственный Аграрный Университет Лекция 5. Информационные системы в образовании Экономический факультет кафедра «Прикладная информатика» Разработал доцент кафедры «Прикладная информатика», кандидат педагогических наук Попова Марина Викторовна Введение в искусственный интеллект

План 1. Основные понятие и направления развития в области искусственного интеллекта 2. Экспертные системы

Искусственный интеллект это одно из направлений информатики, цель которого разработка аппаратно - программных средств, позволяющих пользователю ставить и решать свои задачи, традиционно считающиеся интеллектуальными, общаясь с компьютером на ограниченном подмножестве естественного языка.

Направления развития искусственного интеллекта : представление знаний и разработка систем, основанных на знаниях ; игры и творчество ; разработка естественно - языковых интерфейсов и машинный перевод ; распознавание образов ; новые архитектуры компьютеров ; интеллектуальные роботы ; специальное программное обеспечение ; обучение и самообучение.

Знания это выявленные закономерности предметной области ( принципы, связи, законы ), позволяющие решать задачи в этой области. Знания связаны с данными, основываются на них, но представляют результат мыслительной деятельности человека, обобщают его опыт, полученный в ходе выполнения какой - либо практической деятельности. Они получаются эмпирическим путем.

Знания можно классифицировать на : поверхностные видимые взаимосвязи между отдельными событиями и фактами в предметной области глубинные абстракции, аналогии, схемы, отображающие структуру и процессы предметной области п роцедурные « растворены » в алгоритмах, они управляют данными и для их изменения требуется изменять программы. д екларативные таблицы, списки, абстрактные типы данных.

Продукционная модель ( модель, основанная на правилах ) позволяет представить знания в виде предложений типа если условие..., то действие... Под условием понимается некоторое предложение - образец, по которому осуществляется поиск в базе знаний. Продукционная модель чаще всего применяется в промышленных экспертных системах.

Имеется большое число программных средств, реализующих продукционный подход : язык OPS; оболочки EXSYS, ЭКСПЕРТ ; инструментальные системы ПИЭС, СПЭИС и промышленных экспертных систем на основе этого подхода.

Характерная особенность семантических сетей – обязательное наличие трех типов отношений : класс - элемент класса ; свойство - значение ; пример элемента класса. Для реализации семантических сетей существуют специальные сетевые языки ( например, NET). Известны экспертные системы, использующие семантические сети в качестве языка представления знаний : PROSPECTOR, CASNET, TORUS.

Фреймом называется формализованная модель для отображения образа. Виды фреймов : фреймы - образцы ( прототипы ), хранящиеся в базе знаний, фреймы - экземпляры создаются для отображения реальных ситуаций на основе поступающих данных.

Стратегии получения знаний : приобретение способ автоматизированного построения базы знаний посредством диалога эксперта и специальной программы извлечение касается непосредственно живого контакта инженера по знаниям и источника знаний формирование занимается разработкой моделей, методов и алгоритмов анализа данных для получения знаний и обучения.

Свойства интеллектуальных ресурсов личности : 1. Человеческий капитал неотчуждаем и, соответственно, неликвиден. 2. Человеческий капитал не храним. Время, в течение которого он не использовался, упущено навсегда. 3. Интеллектуальные ресурсы являются ресурсами двойного назначения. Они используются не только в производственной деятельности, но и в повседневном обиходе. 4. Так же как и другие виды человеческого капитала, интеллектуальные ресурсы личности двойственны с точки зрения их стоимости.

Интеллектуальный капитал обладает специфическими особенностями : старение знаний – понимается не утрата знания, связанная с биофизическим старением работника, а явление, аналогичное моральному износу оборудования, в основе которого лежит старение объективированного в этом оборудовании знания ; соотношение явного и неявного знания в структуре интеллектуальных ресурсов личности.

2. Экспертные системы Экспертные системы это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей

Структура экспертной системы

Класс « экспертные системы » сегодня объединяет несколько тысяч различных программных комплексов. И только то, что экспертные системы остаются весьма сложными, дорогими, а главное, узкоспециализированными программами, сдерживает их еще более широкое распространение. Экспертные системы – один из немногих видов систем искусственного интеллекта, получившие широкое распространение и практическое применение.

Классификация экспертных систем

Интерпретирующие экспертные системы Интерпретация – это определение смысла данных, результаты которого должны быть согласованными и корректными. Это традиционная задача для экспертных систем. Интерпретирующие системы имеют дело не с четкими символьными представлениями проблемной ситуации, а непосредственно с реальными данными ( оценка производственного процесса на химическом заводе ). Примеры : o программы обнаружения и идентификации океанских судов – SIAP; o определение основных свойств личности по результатам психодиагностического тестирования АВТАНТЕСТ.

Диагностирующие экспертные системы Диагностика–это обнаружение неисправности в некоторой системе; определение причины заболевания, локализация неисправностей в электронных схемах; определение неисправных компонент в системе охлаждения ядерных реакторов. Диагностические системы часто являются консультантами, которые не только ставят диагноз, но и помогают в отладке, они могут взаимодействовать с пользователем, чтобы оказать помощь при поиске неисправностей, а затем предложить порядок действий по их устранению. В настоящее время диагностические системы разрабатываются для приложений к инженерному делу и компьютерным системам. Примеры: диагностика и терапия сужения коронарных сосудов ANGY, диагностика ошибок в аппаратуре и математическом обеспечении компьютеров CRIB.

Экспертные системы мониторинга Мониторинг – это непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Эти системы должны работать в режиме реального времени и осуществлять зависящую как от времени, так и от контекста интерпретацию поведения небольшого объекта. Примеры : контроль за работой электростанций СПРИНТ, контроль аварийных датчиков на химическом заводе FALCON.

Проектирующие экспертные системы Эти экспертные системы разрабатывают конфигурации объектов с учетом набора ограничений, присущих проблеме и готовят спецификации на создаваемые объекты с заранее определенными свойствами. В этих системах тесно связаны два процесса : вывод решения и его объяснение. Примеры : генная инженерия, разработка интегральных схем CADHELP, конфигурирование компьютеров XCON.

Планирующие экспертные системы Эти системы определяют полную последовательность действий, прежде чем начнется их выполнение, для объектов, способных выполнять некоторые функции. Используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности. Примеры : планирование поведения робота STRIPS, планирование эксперимента по оценке боеспособности предполагаемого противника MOLGEN.

Прогнозирующие экспертные системы Эти системы логически выводят вероятные следствия из заданных ситуаций. Используются параметрические динамические модели, в которых значения параметров « подгоняются » под заданную ситуацию. Примеры : предсказание погоды WILLARD, экономические прогнозы ECON, возникновение военных конфликтов ( прогноз по данным разведки ).

Обучающие экспертные системы диагностируют ошибки при изучении какой - либо дисциплины с помощью компьютера и подсказывают правильные решения ; создают модель того, что обучаемый знает и как эти знания применяет к решению проблемы ; « исправляют » поведение обучаемых с помощью непосредственных указаний ; планируют акт общения в зависимости от успехов обучаемого с целью передачи знаний. Примеры : системы для обучения студентов языкам программирования (PROUST для Паскаля, « Учитель Лиспа »).

Экспертные системы, осуществляющие управление Эти системы адаптивно руководят поведением системы в целом. Они должны включать наблюдающие компоненты, чтобы отслеживать поведение объекта на протяжении времени, и другие компоненты для выполнения множества задач : интерпретирования, прогнозирования, диагностики, проектирования, ремонта, отладки, обучения.

Технология разработки экспертных систем Процесс разработки промышленной экспертной системы, опираясь на традиционный подход в области технологий, можно разделить на шесть этапов, практически подходящих для любой предметной области : выбор проблемы ; разработка прототипа системы : идентификация проблемы, извлечение знаний, концептуализация знаний, формализация знаний, реализация, тестирование ; развитие прототипа до промышленной экспертной системы ; оценка системы ; стыковка системы ; поддержка системы.

Спасибо за внимание !!!