29. Искусственный интеллект. Модели представления знаний.

Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта. Почему одно из важнейших? Да потому, что без знаний искусственный интеллект не может существовать в принципе.

На сегодняшний день разработано уже достаточное количество моделей. Каждая из них обладает своими плюсами и минусами, и поэтому для каждой конкретной задачи необходимо выбрать именно свою модель. От этого будет зависит не столько эффективность выполнения поставленной задачи, сколько возможность ее решения вообще.

Рассмотрим три наиболее часто используемые и популярные на сегодняшний день модели представления знаний:

1. продукционные модели – модели основанные на правилах, позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционные модели обладает тем недостатком, что при накоплении достаточно большого числа правил, они начинают противоречить друг другу;

2. сетевые модели или семантические сети – как правило, это граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами;

3. фреймовые модели – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм– структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.е. образуя целую иерархическую сеть.

30. Искусственный интеллект. Экспертные системы.

В начале 70-х акценты в ИИ сместились на создание человеко-машинных систем, позволяющих комплексно на основе эвристических методов вырабатывать решения в рамках конкретных предметных областей на основе символьного подхода.

В это же время стали развиваться бурными темпами экспертные системы (ЭС). ЭС - позволяет выявлять, накапливать и корректировать знания из различных областей и на основе этих знаний формировать решения, которые считаются если не оптимальными, то достаточно эффективными в определенных ситуациях.

ЭС используют знания группы экспертов в рамках определенной предметной области. В качестве экспертов используются конкретные специалисты, которые могут быть не достаточно знакомы с ЭВМ.

Если проранжировать области применения ЭС по количеству созданных образцов:

1. Медицинская диагностика, обучение, консультирование

2. Проектирование ЭС

3. Оказание помощи пользователя:.! по решению задач в разных областях

4. Автоматическое программирование. Проверка и анализ качества ПО

5. Проектирование сверхбольших интегральных схем

6. Техническая диагностика и выработка рекомендаций по ремонту оборудования

7. Планирование в различных предметных областях и анализ данных, в том числе и на основе статистических методов

Первые образцы ЭС занимали по трудоемкости разработки 20-30 человеко лет. В колтектив разработчиков входили: эксперты предметной области, инженеры по знания:.! или проектировщики ЭС. программисты. В проектировании ЭС есть существенное отличие от проектирования традиционных информационных систем. Это объясняется тем. что в ЭС используется понятие "знание", а в традиционной системе - "данные". В ЭС отсутствует понятие жесткого алгоритма, а всевозможные действия задаются в виде правил которые являются эвристиками, т.е. эмпирическими правилами или упрощениями. В процессе работы системы производится построение динамического плана решения задачи с помощью специального аппарата логического вывода понятий.

Приведем примеры крупномасштабных экспертных систем.

MIC'IX— экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета. Ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 правил

PUFF — анализ нарушения дыхания. Данная система представляет собой MICEs. из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.

DENDRAL — распознавание химических структур. Данная система старейшая, из имеющих звание экспертных. Первые версии данной системы появились еще в 1965 году во все том же Стенфордском университете. Пользователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии). и та в свою очередь выдает диагноз в виде соответствующей химической структуры.

PROSPECTOR — экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.