Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
KIT_shpory.doc
Скачиваний:
0
Добавлен:
01.05.2025
Размер:
511 Кб
Скачать
☆

23. Понятие искусственного интеллекта

Искусственный интеллект – это возможность решения задач, которые до сих пор не удавалось решить человеку, машинным способом.

Основной проблемой искусственного интеллекта являютрся методы представления и обработки знаний.

К основным задачам искусственного интеллекта относятся:

1. игровые программы (стохастические, компьютерные игры);

2. естественно-языковые программы - машинный перевод, генерация текстов, обработка 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 составляют 70 % общего объема продаж систем искусственного интеллекта, они ориентированы на решение конкретных задач.

Нейронные сети 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, Lotus).

Естественно-языковые (ЕЯ) системы делятся на

  • ЕЯ интерфейс к БД (представление естественно-языковых запросов в SQL-запросы);

  • естественно-языковой поиск в текстах, содержательное сканирование текстов (используется в поисковых системах Internet);

  • 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).

Эволюционные методы, методы нечетких множеств и системы извлечения знаний составляют около 4% систем искусственного интеллекта. Обычно они применяются как инструментальные оболочки в ЭС и СППР.

24. Экспертные системы и их структура

ЭС – это программные средства, которые используют знания и процедуры вывода для решения задач, трудных для человека.

ЭС ориентированны на решение следующих задач:

  1. задач, у которых не существует алгоритма решения,

  2. постановка задачи содержит большой объем информации, которая плохо структурирована и содержит противоречивые данные,

  3. для решения задач, которым необходим большой объем памяти и ограничен временной ресурс.

Структура ЭС:

    1. рабочая память (РП) предназначена для хранения исходных и промежуточных данных, решаемой в данный момент задачи

    2. база знаний (БЗ) предназначена для хранения долгосрочных данных о рассматриваемой области и правил преобразования этих данных

    3. решатель на основании исходных данных из РП и знаний из БЗ формирует последовательность правил, приводящих к решению задач

    4. объяснительный компонент (ОК) объясняет как система получила решение задачи и какие правила она при этом использовала

    5. компонент приобретения знаний (КПЗ) автоматизирует процесс наполнения ЭС знаниями

    6. диалоговый компонент (ДК) ориентирован на организацию удобного интерфейса, используемого для решения задач и приобретения знаний

    7. ППП - внешний пакет прикладных программ и СУБД.

ЭС работает в двух режимах:

  1. режим приобретения знаний от эксперта или инженера по знаниям

  2. режим консультации с конечным пользователем

ЭС делятся на:

  • малые ЭС, ориентированы на БД Access, MS SQL, Dbase,

  • средние, поддерживают Oracle, среды программирования Delphi, Visual Basic, используют ОС типа Unix,

  • большие, ориентированны на Oracle, Sybase, Informix, используют язык логического программирования ПРОЛОГ.

ЭС классифицируются:

  1. по типам решаемых задач - диагностика, проектирование, прогноз, планирование, обучение;

  2. по характеристикам задач – структурированные, неструктурированные, достоверные, с вероятностью достоверности;

  3. по внутренней структуре - фреймовые (представляющие классы знаний), использующие предикаты (т.е. отношения между знаниями), семантические сети, на основе правил алгебры-логики и нечетких множеств.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]