Штучний інтелект. Експертні і навчальні системи

Размещено на http://www.allbest.ru/

Міністерство освіти і науки України державний вищий навчальний

Заклад київський коледж легкої промисловості

Реферат

на тему: «Штучний інтелект. Експертні і навчальні системи»

Виконала

Студентка групи Б-86

Столярчук Лідія

Перевірила

Ткаченко І.П.

Зміст

Вступ

1. Історія розвитку галузі штучного інтелекту

2. Системи машинного перекладу

3. Перспективні напрямки інтелектуалізації INTERNET

4. Технологія інтелектуальних агентів в INTERNET

5. Експертна система

6. Структура експертної системи

7. Навчальні системи

Висновок

Список використаних джерел

Вступ

При вирішенні будь-якої задачі управління здійснюється обробка інформації на рівні спеціаліста з можливим залученням засобів комп'ютерної обробки. Інформаційне забезпечення повинне забезпечити ефективність обміну інформацією між керівництвом і об'єктом управління.

В склад інформаційного забезпечення, звичайно, включають дані, які характеризують різнобічну діяльність підприємств, нормативні та законодавчі акти, що впливають на процеси господарювання, засоби їх формалізованого опису, програмні засоби ведення і підтримки баз даних. Швидкі зміни в політичній та економічній сферах країни ще більше підкреслили роль своєчасного інформаційного забезпечення для управління виробництвом. штучний інтелект комп'ютерний

Економічні моделі діяльності часто визначаються не стільки інтересами власника виробництва, а і в значній мірі формуються під впливом дії законів та податкової політики держави. Це і обумовлює необхідність впровадження та мобільного використання експертних систем, які б допомагали орієнтуватися в динамічно змінному середовищі, - на що у менеджерів не вистачає часу через основні обов'язки.

1. Історія розвитку галузі штучного інтелекту

Тепер, коли нагромаджено досвід в організації технологій переробки інформації, відбувається перехід до створення інформаційних технологій з використанням штучного інтелекту. Вважається, що основні напрями в галузі створення інформаційних технологій і штучного інтелекту пов'язані з винайденням ефективних систем подання знань і організацією процесу комунікації користувачів з ЕОМ, а також з плануванням доцільної діяльності та формуванням глобальної структури нормативної поведінки.

Вважається, що розвиток сучасних систем штучного інтелекту розпочався з 50-х років ХХ століття. Цьому сприяла програма, що була розроблена А.Ньюеллом і призначена для доведення теорем в численні під назвою “Логіг-Теоретик”. Деякі автори називають цю систему експертною. Ця робота поклала початок першого етапу досліджень в галузі штучного інтелекту, пов'язаного з розробкою програм, які розв'язують задачі на основі використання різноманітних евристичних методів. Цей етап обумовив появу і розповсюдження терміну штучний інтелект.

Спеціалісти в галузі штучного інтелекту завжди прагнули розробити такі програми, які могли б в деякому розумінні “думати“, тобто розв'язувати задачі таким чином, який би вважався розумним при вирішенні цієї проблеми людиною. Проблема вважається інтелектуальною, якщо алгоритм її розв'язування апріорі не відомий. На початку розвитку штучного інтелекту були спроби моделювати процес мислення людини, але ці спроби зазнали краху. Розробити універсальні програми, як стало зрозуміло, є безперспективною справою. В зв'язку з тим, що важко забезпечити універсальність програми, зосередження розробок перейшло на загальні методи і прийоми спеціальних програм.

З 70-х років зусилля вчених концентрувалися на таких напрямках:

розробка методів представлення, тобто способів формулювання проблем таким чином, щоб їх можна було легко вирішити; розробка методів пошуку, тобто доцільних способів управління ходом рішення завдання, щоб воно вирішувалося протягом реального часу за допомогою реальних засобів.

На початку 80-х років було зроблено наступний висновок: ”ефективність програми вирішення задач залежить від знань, якими вона володіє, а не тільки від формул і схем висновків, які вона використовує”. Сьогодні розвиток фундаментальних досліджень в галузі штучного інтелекту передбачає вирішення зокрема таких проблем:

автоматизоване створення програмного продукту;

автоматизований переклад, інформаційний пошук, генерація документів, організація природного діалогу між користувачем і комп'ютером;

обробка та сприйняття природної мови та тексту;

системи технічного зору та розпізнавання образів;

створення баз знань;

створення експертних систем.

2. Системи машинного перекладу

Машинний переклад значно дешевший і швидший від традиційного, хоч і поступається йому по якості. Ним користуються в тих випадках, коли важливіше зрозуміти зміст документу, ніж перекласти текст відповідно до літературних критеріїв. Машинний переклад обіцяє стати важливим інструментом для розвитку міждержавної торгівлі, тому що він спроможний значно спростити і прискорити одержання інформації про товари, що випускаються в інших країнах. Останнім часом в цій галузі досягнуто значних успіхів.

Розрізняють два магістральні напрямки створення та застосування машинного перекладу. В першому випадку система машинного перекладу функціонує на великій ЕОМ і представляє “сирий”, чорновий переклад, який згодом редагують кваліфіковані перекладачі. Як правило, така методика використовується у великих організаціях, які змушені готувати документи на різних мовах. Деколи досить успішно використовується попереднє редагування вихідних текстів. Деякі фірми вводять у себе так звані “контрольовані природні мови”: коли кожен працівник фірми, що готує документацію, повинен її готувати саме з дотриманням вимог цієї обмеженої мови (наприклад, вимога відсутності складних синтаксичних конструкцій). Використання контрольованої природної мови спрощує роботу машинного перекладу і зменшує обсяги постредагування, яке дорого коштує через необхідність залучення спеціалістів високої кваліфікації. Другим магістральним напрямком машинного перекладу є використання систем, орієнтованих на персональні комп'ютери. Такі системи вперше появилися ще на початку 1980-х років (наприклад, MicroCAT фірми Weidner). Найбільший успіх в застосуванні цих систем перекладу припав на 90-і роки.

Статистичні оцінки підтверджують постійне зростання продаж систем машинного перекладу. На ринку зараз знаходиться понад тисячу різних пакетів (якщо враховувати окремо кожну мовну пару). Популярність машинного перекладу пояснюється не тільки простою цікавістю, хоча і це є однією з основних причин поширення систем машинного перекладу. Велика частина користувачів використовує невідредагований машинний переклад текстів великих обсягів з метою ознайомлення, коли низька якість перекладу цілком допустима.

Сучасні системи перекладу пропонують користувачам приблизно однаковий спектр можливостей:

редагування тексту в багатомовному режимі з розбиттям екрану, так що в кожному вікні знаходиться текст на відповідній мові;

розпізнавання термінів;

пошук слів у словниках, вставка перекладів у текст;

так звана “пам'ять перекладача” - переклад з використанням нагромадженого досвіду;

створення паралельних двомовних текстових баз даних;

збереження форматування;

підтримка великого спектру європейських мов.

Зараз інтенсивно проводяться дослідження в галузі перекладу усної мови. Компанія IBM, яка вважається лідером в цій області, випустила програмний пакет ViaVoice 4.1, яка дозволяє комп'ютеру сприймати до 140 слів на хвилину неперервної диктовки. Попередні версії цієї програми передбачали лише дискретний спосіб введення мови. Для налагодження на персональні особливості мовлення певної людини при початковій установці програми в залежності від якості вимови і конкретного діалекту потрібно повторити від 104 до 256 речень, що попередньо задаються. Але розпізнавання мови не означає розуміння її змісту. Слід розрізняти розпізнавання машинної мови і перетворення її в текст або ж її використання у вигляді команд, і справжнє розуміння її змісту, як це робить людина. Останнє вимагає знання комп'ютером всього обсягу стилістичних та семантичних конструкцій, правил використання слів та висловів, при чому останні повинні задаватися не жорстко - адже люди говорять, що завгодно і як завгодно, не звертаючи уваги наскільки це грамотно і літературно. Іноді навіть те, що говориться, не відповідає тому, що малося на увазі. Так що навчити машину розуміти людей - задача незрівнянно складніша і віддалена в часі.

3. Перспективні напрямки інтелектуалізації INTERNET

Сьогодні INTERNET - це велика і складну система, яка об'єднує мільйони вузлів та зв'язків, по яких транспортується інформація. Ця система складна настільки, що з точки зору синергетики, здатна стати самостійним носієм інтелекту. Враховуючи величезні інформаційні обсяги і значні обчислювальні ресурси у вузлах мережі, інтелектуальні здібності цього організму практично непередбачувані. При відсутності організуючої ідеї INTERNET може назавжди залишитися хаотичним сховищем інформаційних потоків, не більш інтелектуальним, ніж телевізійна мережа. Цілком можливо, що на протязі декількох десятиріч всесвітня мережа буде розвиватися по екстенсивному шляху. Серед низки перспективних технологій, що розширюють можливості INTERNET, можна виділити декілька взаємозв'язаних технологічних концепцій: технологію інтелектуальних агентів (Intelligent Agents) та Push - технологію. Push - технологія сьогодні вже достатньо пророблена і стабільно розвивається. З її допомогою користувачі не тільки формують запити в режимі Online але регулярно отримувати інформацію по заздалегідь розміщеним запитах. Для цього достатньо необхідно вибрати потрібний Internet - канал, встановити бажаний період та час доби для обновлення. Надходження нової інформації будуть автоматично доставлятися на потрібний комп'ютер. Таким чином користувач завжди може бути в курсі найсвіжіших подій. Крім того сьогодні практично кожна фірма може організувати власний канал, що призначається для відкритого чи внутрішнього “мовлення“.

4. Технологія інтелектуальних агентів в INTERNET

Сьогодні перед користувачем постає задача шукати потрібну інформацію в невідомому і постійно наростаючому віртуальному інформаційному просторі. Якщо потрібно розв'язати яку-небудь складну, нетривіальну задачу, що зв'язано з використанням цілком екзотичних математичних методів, про які користувач має слабке уявлення, або ж вияснити який небудь маловідомий історичний факт (наприклад походження батьків відомої людини), або ж знайти та використати деяке програмне забезпечення, тоді подальші дії повинні проходити по такому сценарію (звичайно, якщо розвиток мережі піде в даному напрямку). Користувач активізує програму - агента на своєму комп'ютері і достатньо вільній формі описує задачу. Потім агент з'єднується з іншими агентами, щоб вияснити, що їм відомо про розв'язання поставленої задачі. Якщо знаходиться агент, якому відоме вирішення, тоді агент користувача відфільтровує знайдену інформацію з метою ідентифікації потрібних розв'язків і відсіює непотрібні дані. Якщо розв'язок не знайдено або ж є неповним, кожен з агентів звертається до сусідніх агентів, щоб взнати можливі адреси інформаційних сховищ і (або) професійних “розв'язувачів“ даних задач. Цей процес продовжується до попередньо обумовленого користувачем терміну. Якщо за даний час не отримано позитивного результату - комп'ютер повідомляє, що розв'язок поставленої задачі сучасній науці невідомий. Приведений сценарій передбачає ряд процедур, таких як евристичний пошук, інтелектуальні взаємодії, нагромадження та узагальнення інформації, розпізнавання і класифікацію.

Найважливішими проблемами для створення інтелектуальних агентів є:

розробка стандартної мови спілкування агентів;

розробка методів ефективної обробки знань, класифікації та розпізнавання;

розробка “живого“ користувацького інтерфейсу (“природна мова“).

Головною серед цих проблем є розробка стандартів обміну знаннями в процесі спілкування агентів. Зараз існує щонайменше два подібні стандарти в цій галузі: Knowledge Query Manipulation Language та Knowledge Interchange Format, які до цього часу мають масу недоробок. Те саме можна сказати і відносно другої проблеми. Дійсно ефективних методів, що здатні стати базою побудови промислової технології світового масштабу, на сьогодні немає. Відносно останньої проблеми варто підкреслити, що саме проблема створення інтерфейсу, близького до природної мови, зруйнувала проект ESPRIT, який передбачав створення комп'ютера п'ятого покоління до 90-тих років. Проте зрушення в цьому напрямку є.

Сьогодні Push - технології, а завтра інтелектуальні агенти будуть спрямовані для якнайкращого використання інформації і ефективної взаємодії між людьми через глобальні інформаційні мережі

Штучний інтелект (ШІ) -- метафорична назва одного з найпріоритетніших наукових напрямів, що охоплює потужний арсенал теоретичих і технічних засобів, спрямованих на вирішення комплексу актуальних складних проблем, пов'язаних з дослідженням інтелектуальної сфери людини, комп'ютеризацією її розумової діяльності, створенням інформаційних інтелектуальних систем, здатних перебирати на себе функції, що традиційно вважалися незаперечною прерогативою головного мозку людини. У системі підходів до ШІ важливу роль відіграє відносно новий підхід -- когнітивний, що своєю появою завдячений ряду обставин. Передусім, через встановлення істотних аналогій між інтелектуальною діяльністю людини та функціонуванням комп'ютера сформувалася двополюсна метатеоретична комп'ютерна метафора, за якою природний інтелект уподібнюється «штучному інтелекту», тобто людський мозок за структурою та діяльністю вважається аналогічним комп'ютеру. Водночас, навпаки, принципи архітектурної організації та функціонування комп'ютера розглядаються як подібні відповідно принципам будови й діяльності мозку. В контексті цих припущень цілком логічно викристалізовується теза: наявність суттєвих аналогій між розумовою діяльністю людини й функціонуванням комп'ютера становить онтологічну основу формування комп'ютерної метафори, сама ж ця метафора слугує концептуально-епістемологічною основою правомірності наділення комп'ютера епітетом «інтелектуальний» та зівставлення інтелектуальності людини й «інтелектуальності» комп'ютера.

З цією метафорою пов'язане виникнення когнітивного напряму в психологiчнiй науцi (когнітивної психології, що виходить з принципу визначальної ролі знання у детермiнацiї поведiнкової функцiї людини, причому увага акцентується на виявленнi когнiтивних механiзмiв iнтелекту, пам'ятi), у галузi ШІ, лінгвістиці тощо. Саме когнітивний підхід, когнітивна комп'ютерна графіка відкривають обнадійливі можливості дослідження «правопівкульового феномена» головного мозку людини, стрімкого підвищення її творчого потенціалу, інтенсифікації когнітивного процесу. Тож «правопівкульове мислення» реалізується на рівні чуттєво-інтуїтивних образів, невербалізованих процесів чи процедур, сутність яких поки що мало досліджена. Встановлення функціональної асиметрії півкуль мозку, а саме наявності двох різних складових людського мислення, двох асиметричних світів -- світу свідомого, логічного, раціонального та світу підсвідомого, інтуїтивного, емоційного, слугує переконливим аргументом для пояснення причини існування так би мовити «лівопівкульового крену» у традиційному науковому пізнанні (його методології та епістемології) загалом і (принаймні поки що) у дослідженнях з ШІ (цебто комп'ютеризації метапроцедур саме лівої півкулі як більш пізнаних, визначених, формалізованих й алгоритмізованих) зокрема.

Отже, у глобально-стратегічному плані виправлення «лівопівкульового крену» розглядається як невіддільне від вирішення проблем ШІ, безпосередньо пов'язується з актуалізацією проблеми розкриття сутності «правопівкульового феномену», інтенсифікацією досліджень метапроцедур правої півкулі (котрі відіграють істотно важливу роль у творчому мисленні, науковому пізнанні, хоча поки що недоступні, невербалізовані) з метою їх зівставлення з лівопівкульовими метапроцедурами та технічної реалізації, тобто комп'ютеризації.

Найбільш обнадійливі перспективи дослідження правопівкульових метапроцедур, зокрема когнітивних, творчих, передусім пов'язуються саме з когнітивним підхідом, когнітивною інтерактивною комп'ютерною графікою. Це відкриває невичерпні можливісті безпосереднього цілеспрямованого дослідження інтуїтивних, підсвідомих змістовнообразних механізмів мислення, «право-півкульового феномену» людського мозку передусім з метою включення у процес наукового пізнання (поряд з лівою) колосальних потенційних потужностей правої півкулі. Розробка інтелектуальних систем, заснованих на застосуванні методів комп'ютерної графіки, створення наукової методології використання таких систем з метою інтенсифікації наукового пізнання, репрезентують собою новий, нетрадиційний і особливо перспективний науково-технічний напрям у галузі ШІ. Саме з когнітивною комп'ютерною графікою, як унікальним технічним засобом прямого експериментального дослідження метапроцедур правої півкулі мозку, пов'язуються перспективи розкриття потенційних творчих можливостей «пра-вопівкульового мислення». Тож слід чекати, що ефективне застосування когнітивної графіки, тобто «включення» в активну пізнавальну діяльність правої півкулі, принаймні подвоюватиме сумарний ефект функціонування мозку (як системи, що складається з двох автономно діючих півкуль). Однак, якщо виходити з припущення синергетичного взаємо-зв'язку ліво- й правопівкульових процесів мозку як єдиної цілісної системи (власне продуценту мислення!), то цілком логічним буде припущення, що цей ефект може досягти й кількох порядків. Отже, когнітивний підхід, когнітивна ком'ютерна графіка відкривають реальні перспективи для радикального підвищення потенційних можливостей інтелектуальної діяльності, творчих здібностей людини, для ефективної інтенсифікації наукового пізнання, що свідчить про унікальну сутність ідеї когнітивізму, когнітивної методології.

5. Експертна система

Експертна система - це програма, що поводиться подібно експерту в деякій, звичайно вузькій прикладній області. Типові застосування експертних систем містять у собі такі задачі, як медична діагностика, локалізація несправностей в устаткуванні й інтерпретація результатів вимірів.

Експертні системи повинні вирішувати задачі, що вимагають для свого рішення експертних знань у деякій конкретній області. У тій чи іншій формі експертні системи повинні мати ці знання. Тому їх також називають системами, заснованими на знаннях. Однак не всяку систему, засновану на знаннях, можна розглядати як експертну.

Експертна система повинна також уміти певним чином пояснювати свою поведінку і свої рішення користувачу, так само, як це робить експерт-людин. Це особливо необхідно в областях, для яких характерна невизначеність, неточність інформації (наприклад, у медичній діагностиці). У цих випадках здатність до пояснення потрібна для того, щоб підвищити ступінь довіри користувача до рад системи, а також для того, щоб дати можливість користувачу знайти можливий дефект у міркуваннях системи. У зв'язку з цим в експертних системах варто передбачати дружня взаємодія з користувачем, що робить для користувача процес міркування системи "прозорим".

Часто до експертних систем висувають додаткову вимогу - здатність мати справу з невизначеністю і неповнотою. Інформація про поставлену задачу може бути неповною чи ненадійною; відносини між об'єктами предметної області можуть бути наближеними. Наприклад, може не бути повної впевненості в наявності в пацієнта деякого симптому чи в тому, що дані, отримані при вимірі, вірні; ліки може стати причиною ускладнення, хоча звичайно цього не відбувається. В усіх цих випадках необхідні міркування з використанням ймовірнісного підходу.

У самому загальному випадку для того, щоб побудувати експертну систему, ми повинні розробити механізми виконання наступних функцій системи:

1. рішення задач з використанням знань про конкретну предметну область можливо, при цьому виникне необхідності мати справу з невизначеністю;

2. взаємодія з користувачем, включаючи пояснення намірів і рішень системи під час і після закінчення процесу рішення задачі.

Кожна з цих функцій може виявитися дуже складною і залежить від прикладної області, а також від різних практичних вимог. У процесі розробки і реалізації можуть виникати різноманітні важкі проблеми.

6. Структура експертної системи

При розробці експертної системи прийнято поділяти її на три основних модулі:

1. база знань;

2. машина логічного висновку;

3. інтерфейс із користувачем.

База знань містить знання, що відносяться до конкретної прикладної області, у тому числі окремі факти, правила, що описують чи відносини явища, а також, можливо, методи, евристики і різні ідеї, що відносяться до рішення задач у цій прикладній області.

Машина логічного висновку вміє активно використовувати інформацію, що міститься в базі знань.

Інтерфейс із користувачем відповідає за безперебійний обмін інформацією між користувачем і системою; він також дає користувачу можливість спостерігати за процесом рішення задач, що протікають у машині логічного висновку.

Прийнято розглядати машину висновку й інтерфейс як один великий модуль, звичайно називаний оболонкою експертної системи, чи, для стислості, просто оболонкою.

В описаній вище структурі власне знання відділені від алгоритмів, що використовують ці знання. Такий поділ зручно по наступним розуміннях. База знань, мабуть, залежить від конкретного додатка. З іншого боку, оболонка, принаймні в принципі, незалежна від додатків. Таким чином, розумний спосіб розробки експертної системи для декількох додатків зводиться до створення універсальної оболонки, після чого для кожного додатка досить підключити до системи нову базу знань. Зрозуміло, усі ці бази знань повинні задовольняти тому самому формалізму, що оболонка "розуміє". Практичний досвід показує, що для складних експертних систем сценарій з однією оболонкою і багатьма базами знань працює, не так гладко, як би цього хотілося, за винятком тих випадків, коли прикладні області дуже близькі. Проте, навіть якщо перехід від однієї прикладної області до іншої вимагає модифікації оболонки те, принаймні основні принципи її побудови звичайно вдається зберегти.

Для створення оболонки, за допомогою якої можна проілюструвати основні ідеї і методи в області експертних систем, можна дотримувати наступного плану:

*Вибрати формальний апарат для представлення знань.

*Розробити механізм логічного висновку, що відповідає цьому формалізму.

*Додати засобу взаємодії з користувачем.

* Забезпечити можливість роботи в умовах невизначеності.

7. Навчальні системи

Придбання знань реалізується за допомогою двох функцій: одержання інформації ззовні і її систематизації. При цьому в залежності від здатності системи навчання до логічних висновків можливі різні форми придбання знань, а також різні форми одержуваної інформації. Форма представлення знань для їхнього використання визначається усередині системи, тому форма інформації, що вона може приймати, залежить від того, які здібності має система для формалізації інформації до рівня знань. Якщо система, що навчається, зовсім позбавлена такої здатності, то людина повинна заздалегідь підготувати всі, аж до формалізації інформації, тобто чим вище здатності машини до логічних висновків, тим менше навантаження на людину.

Функції, необхідні системі, що навчається, для придбання знань, розрізняються в залежності від конфігурації системи. Надалі при розгляді систем інженерії знань передбачається, що Існує система з конфігурацією, , що включає базу знань і механізм логічних висновків, що використовує ці знання при рішенні задач. Якщо база знань поповнюється знаннями про стандартну форму їхнього представлення, то цими знаннями також можна скористатися. Отже, від функцій навчання потрібно перетворення отриманої ззовні інформації в знання і поповнення ними бази знань.

Можна запропонувати наступну класифікацію систем придбання знань, що буде спиратися на здатність системи до сприйняття знань у різних форматах, що якісно розрізняються між собою і здатністю до формалізації.

Висновок

Отже виконавши і дослідивши цей реферат я зробила такі висновки, що

штучний інтелект -- розділ комп'ютерної лінгвістики та інформатики, що займається формалізацією проблем та завдань, які нагадують завдання, виконувані людиною.

Експертна система - це програма, що поводиться подібно експерту в деякій, звичайно вузькій прикладній області. Типові застосування експертних систем містять у собі такі задачі, як медична діагностика, локалізація несправностей в устаткуванні й інтерпретація результатів вимірів.

Експертні системи повинні вирішувати задачі, що вимагають для свого рішення експертних знань у деякій конкретній області. У тій чи іншій формі експертні системи повинні мати ці знання. Тому їх також називають системами, заснованими на знаннях. Однак не всяку систему, засновану на знаннях, можна розглядати як експертну.

Придбання знань реалізується за допомогою двох функцій: одержання інформації ззовні і її систематизації. При цьому в залежності від здатності системи навчання до логічних висновків можливі різні форми придбання знань, а також різні форми одержуваної інформації. Форма представлення знань для їхнього використання визначається усередині системи, тому форма інформації, що вона може приймати, залежить від того, які здібності має система для формалізації інформації до рівня знань. Якщо система, що навчається, зовсім позбавлена такої здатності, то людина повинна заздалегідь підготувати всі, аж до формалізації інформації, тобто чим вище здатності машини до логічних висновків, тим менше навантаження на людину.

Список використаних джерел

1. С. М. Шалютин “Штучний інтелект”, М.: Думка.

2. А. Ендрю “Штучний інтелект”, М.: Світ.

3. В.Л. Стефанюк “Експертні системи і їхнє застосування”: Курс лекцій.

4.Блек Ю. Сети ЭВМ : протоколы, стандарты, интерфейсы. -М.: Мир.

5.Вершинин О.В. Компьютер для менеджера. - М.: Высшая школа.

6.Гордієнко І.В. Інформаційні системи в менеджменті. Навчально-методичний посібник. - К.: КНЕУ.

Размещено на Allbest.ru