Области применения искусственного интеллекта

Размещено на http://www.allbest.ru/

Курсовая работа по дисциплине "Информационные технологии"

На тему "Области применения искусственного интеллекта"

Выполнил Жуков Александр Павлович

Содержание

Введение

1. Понятие искусственного интеллекта

2. Области применения искусственного интеллекта

2.1 Искусственный интеллект и теория алгоритмов

3. Математические основы искусственного интеллекта

3.1 Формальная система

3.2 Теорема о резолюции

Заключение

Глоссарий

Список использованных источников

Список сокращений

Введение

В наше время уже существует общепринятое определение «искусственного интеллекта». Это определение представляет собой метафорическое понятие, обозначающее целую систему средств, которые созданы людьми. Основная особенность этих средств -- воспроизведение некоторых функций человеческого мышления. Соответственно этому определению была кристаллизована основная область применения искусственного интеллекта: создание компьютерных экспертных систем Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. -- СПб: Питер, 2000.

Поверхностный взгляд на проблему искусственного интеллекта позволяет выделить несколько её основных аспектов:

* необходимость декларирования таких схем работы компьютерной техники, которые достоверно производили бы впечатление разумной целенаправленной деятельности;

* создание на основе теории информации таких компьютерных программ, чтобы их функционирование можно было квалифицировать как разумное;

* восстановление на базе компьютерных программ интеллектуальных процедур оперирования знаниями, знаками и символами.

На современном этапе развития человечества существует достаточно обоснованное убеждение, что основная цель появления искусственного интеллекта -- это воспроизведение метапроцедур создания человеческим разумом оригинальных программ собственной творческой деятельности.

Более того, компьютерные технологии есть новая, бурно развивающаяся форма деятельности. Появление киберпространства изменило отношение человека к действительности, проявив «искусно созданную искусственную реальность». Человек столкнулся с новой объектной сферой, ранее никогда не осваивавшейся. Киберпространство обладает подобием «свободной воли», способно к изменению (спонтанному или осмысленному) критериев управления и самоуправления, имеет изменяющиеся во времени цели его собственного существования.

Схожесть с человеческим разумом как основная цель существования искусственного интеллекта являлась импульсом для появления целого ряда философских дискуссий в контексте проблемы сознания.

1. Понятие искусственного интеллекта

Искусственный интеллект - дисциплина, изучающая возможность создания программ для решения задач, которые требуют определенных интеллектуальных усилий при выполнении их человеком. Примерами областей использования ИИ являются игры, логический вывод, обучение, понимание естественных языков, формирование планов, понимание речи, доказательство теорем, визуальное восприятие, распознавание образов и т.п.

Вся история человечества - это история раздвигания граней неизвестного. Одним из вечно спорных и до сих пор нерешенных вопросов человека к самому себе остается вопрос о возможности создания искусственного интеллекта.

Одни ученые считают, что машина никогда не сможет превзойти человека интеллектуально. Бытует байка, будто бы однажды у Норберта Винера спросили: “А может ли случиться, что машины станут умнее людей?” Имелись в виду ЭВМ. И Винер ответил: “Может! Если люди поглупеют…”

Другие ученые придерживаются прямо противоположной точки зрения и утверждают, что создание искусственного интеллекта - дело нескольких лет. Они аргументируют свои выводы проводящимися в этом направлении исследованиями. А Стивен Хоукинг, современный американский физик-теоретик, личность, не менее легендарная, чем Винер, вообще утверждает, что люди уже создали на Земле искусственную жизнь в форме компьютерных вирусов. К чему привел процесс естественной эволюции примерно известно, а вот каковы будут последствия развития новой формы жизни - большой вопрос!

Интеллектуальный интерфейс(ИнИ)

Интеллектуальный интерфейс, ИнИ (Intelligent interface) - интерфейс пользователя, дополнительно снабженный программным обеспечением, способным выполнять элементарные функции анализа, синтеза, сравнения, обобщения, накопления, обучения всех составных элементов, участвующих в процессе взаимодействия с пользователем, делая обычный интерфейс пользователя разумным, т.е. интеллектуальным.

В ИнИ должны быть реализованы следующие функции:

анализ выполняемых действий пользователя. Для этого реализуются функции распознавания действий человека и текущего состояния информационной системы, определение класса пользователя и в зависимости от этого проведения непрерывного его обучения в соответствии со степенью образования [5];

оптимизация выполнения технических операций. Формируется четкая последовательность действий интерфейса: опрос пользователя Иллюстрированный самоучитель по Access2002: электронный учебник, 2004 - формирование (при необходимости возврат к диалогу с пользователем) и выполнение команд для аппаратной части прибора - вывод результатов измерений;

синтез формируемых сообщений для пользователя. Реализация механизма формирования различных диалоговых форм и сообщений;

обоснование алгоритма измерения или результата измерений при выполнении нестандартной задачи или аварийном режиме работы.

Рис. 1 Интеллектуальный интерфейс

Процесс, с помощью которого интерпретируется полученная информация, часто описывается в форме распознавания образов. Поступающая информация сопоставляется с образцами, содержащимися в модели мира, чтобы определить, какие из них пригодны, т.е. какая из интерпретаций предпочтительнее.

Вторая особенность интеллектуальных интерфейсов заключается в том, что они также используют форму распознавания образов для интерпретации входных сообщений от пользователя в свете системной модели мира. Возникают две проблемы: сам по себе механизм распознавания образов, и обеспечение модели мира, которая приобретает и хранит образы. При этом требуется большая компьютерная мощность для обработки правил, используемых компьютерной системой при принятии даже простых решений.

Третьей особенностью интеллектуальных интерфейсов является потребность в процессоре большой мощности. Однако, даже если предположить, что обеспечена достаточная мощность обработки данных, остается проблема представления образцов в системной модели, а также получение новых образцов и совершенствование старых.

Интеллектуальные интерфейсы являются сферой активных совместных исследований в области взаимодействия человек-компьютер и искусственного интеллекта.

Направления искусственного интеллекта

Всякая задача, для которой неизвестен алгоритм решения, априорно относится к искусственному интеллекту. Под алгоритмом понимается вся последовательность заданных действий. Он известен далеко не всегда. Например, никто не знает алгоритма игры в шахматы, действия мастера в каком-либо ремесле или искусстве часто тоже невозможно даже описать формально. Таким образом, к сфере искусственного интеллекта относят те, порою очень далекие области, где действуют, не имея точного знания.

Общими для этих областей являются две черты:

1. Информация хранится в символьной форме Компьютерные сети. Принципы, технологии, протоколы./ В.Г. Олифер, Н.А. Олифер. -СПб.: Издательство «Питер», 2005.

2. Всегда присутствует наличие выбора, свобода действия.

С точки зрения математика, эти две черты приводят к необходимости перебора, а перебор является операцией, наименее привлекательной, однако классифицированной и класс задач, решаемых перебором называется NP-сложными (т.е. не полиномиально сложными Корнеев В.В., Гарев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. - М.: «Нолидж», 2000). Это логично, так как объем перебора с ростом объема исходных данных растет в общем случае по экспоненте, т.е. быстрее любого полинома после превышения объемом данных какого-то предела.

С точки зрения повседневной практики, две вышеназванные черты характеризуют некоторые формы мышления, которые сегодня представляются наименее механистичными.

Формы или направления искусственного интеллекта:

1. Восприятие и распознавание образов. Любая система обработки информации получает исходные данные от своих органов восприятия. Область обработки поступающих сигналов известна под названием распознавание образов. На сегодня наилучшим образом справляются с этой задачей искусственные нейронные сети. Разработки давно вышли на промышленный уровень и приносят дивиденды, которые не всегда можно оценить денежным эквивалентом (если речь идет о медицине, диагностики состояния химического реактора, управлении мощнейшим телескопом в астрономии или перспективах в создании вычислительной техники нового поколения и т. д.)

2.Математика и автоматическое доказательство теорем. Первыми областями, в которых работали исследователи искусственного интеллекта, были математика и игры. Первые программы автоматического доказательства теорем появились в 1957 г., то есть 10 лет спустя после появления первых ЭВМ. В процессе создания таких программ получила развитие теория доказательств и эффективных методов их построения, приложения используются в робототехнике, поиске информации в базах данных, для решения ряда математических задач.

3.Игры Лорьер Ж. -Л. Системы искусственного интеллекта. - М.: Мир, 1991. В этой области, как нигде, проявляются преимущества моделей искусственного интеллекта. Уровень среднего игрока был достигнут сразу, а в некоторых играх, как всем известно, достигается уже и уровень чемпионов мира.

Игры могут порождать необычайно большие пространства состояний. Для поиска в них требуются мощные методики, определяющие, какие альтернативы следует рассматривать.

4.Понимание естественного языка. В этой области исследователи интересуются анализом и генерацией текстов, выявлением знаний, необходимых для понимания текстов, т.е. знаний синтаксических, прагматических и семантических. В этой области широко используются модели нечеткой логики.

5.Управление динамическими объектами Люгер Джордж Ф. «Искусственный интеллект: стратегии и методы решения сложных проблем», 4-е издание. : Пер. с англ. - М. : Издательский дом «Вильямс», 2003. Постольку, поскольку математически эта задача является также задачей перебора, она обладает слишком высокой вычислительной трудоемкостью, однако некоторые модели искусственного интеллекта (нейронные сети и нечеткая логика) в частных случая решают это проблему и оказываются единственными практически применимыми способами решения технической задачи управления динамическим объектом.

6.Получение новых знаний. Это новое направление получило развитие в последние десятилетия, хотя сама задача была отправным пунктом еще для разработчиков первых автоматических доказательств(см.прилА). Проблема новых знаний о получении новых знаний не лишена внутренней противоречивости, вызывает споры корректность постановки задачи обучения нейронных сетей без учителя, однако в данном направлении по-прежнему ожидают получения интересных результатов, во всяком случае, модели искусственного интеллекта позволяют изучать самое себя их биологическому прототипу.

2. Области применения искусственного интеллекта

искусственный интеллект программа математический

2.1 Искусственный интеллект и теория алгоритмов

Итак, если назвать правила вывода правилами перехода от истинных формул к истинным (хотя истинность зависит от наполнения абстрактных элементов формальной системы конкретным содержанием), то получим, что определение формальной системы содержит возможность двух способов построения формул. В нем указывается какая формула является синтаксически верной (это та, которая строится в соответствии с правилами) и указывается какая формула является семантически верной (это та, которая получена из аксиом с помощью правил вывода). Если те и другие правила позволяют получить конечные перечислимые множества, как они будут соотноситься? Оказались возможными все варианты:

1.Синтаксически правильно, по смыслу - ложно. Может быть.

2.Синтаксически ложно, по смыслу - ложно. Может быть.

3.Синтаксически правильно, по смыслу - истинно. Может быть.

4.Синтаксически ложно, по смыслу - истинно. Может быть.

Для решения задач, о которых известна только принадлежность их третьему классу Эрбраном был разработан универсальный алгоритм, хотя он является универсальным, то есть метаалгоритмом, с одной стороны, но технически реализуется так трудно, что его вообще трудно назвать алгоритмом в такой степени, что задачи, решаемыми таким алгоритмом, часто называют не имеющими алгоритма. Является ли этот алгоритм решением или тупиком? Для ответа на этот вопрос его нужно сравнить с другими алгоритмами и выбрать мерило для оценки качества и сравнения различных алгоритмов. Поскольку любой алгоритм предназначен для решения нескольких однотипных задач с различными исходными данными, естественной оценкой качества алгоритма является количество шагов в наихудшем из всех возможных случаев, допускающих применение этого алгоритма. Для удобства сопоставления алгоритмов под шагом понимают элементарную операцию. Сложностью алгоритма называется выраженная в виде функции от размерности входных данных верхняя граница числа операций, необходимых для выполнения этой процедуры. Сложность задачи - это сложность наилучшего, известного алгоритма ее решения. С помощью понятия сложности основе можно сравнивать алгоритмы, и ценность алгоритма резолюции определится ответами на следующие вопросы:

1.Каково число задач, которые хорошо решаются? Как это число соотносится с общим числом задач?

2. Нельзя ли разработать метод, позволяющий перевести задачу из одного класса в другой.

3. Есть ли какой-либо алгоритм определения сложности любой задачи

Ответы на эти вопросы показывают, что для решения многих задач классических, “хороших” алгоритмов не существует и вероятность разработки в будущем мала.

Алгоритмы по сложности разделяют на формулы, линейные, полиномиальные и экспоненциальные.

Самым лучшим является алгоритм, сложность которого вообще не зависит от размерности входных данных, такой алгоритм называется формулой. Почти такими же хорошими являются линейные алгоритмы, т.е. алгоритмы, обладающие сложностью порядка O(n) (где n- размерность входных данных). Например, подсчет суммы чисел, состоящих из n₁ и n₂ цифр способом “в столбик” является линейным алгоритмом, т.к. требует совершения не более (n₁+n₂) элементарных операций сложения одноразрядных чисел и не более max(n1,n2) элементарных операций запоминания.

Чуть хуже алгоритмы, называемые полиномиальными, однако их все еще относят к хорошим алгоритмам. Полиномиальным называют алгоритм, сложность которого не превышает полином заданной постоянной и не зависящей от размерности n входных данных степени. Т. е. для алгоритма существует такая константа с, что О(n)<n ^c.

Экспоненциальным считается алгоритм, сложность которого не менее порядка сⁿ.

Сюда относятся алгоритмы сплошного перебора. Заметим, что при небольших значениях n экспоненциальный алгоритм может быть более быстрым, чем полиномиальный. Однако различие между этими двумя типами алгоритмов велико и всегда проявляется при больших значения n.

Класс P. “Хорошей”, или принадлежащей классу P задачей называют задачу, для которой известен полиномиальный алгоритм. Согласно этому определению в класс P попадают задачи, имеющие алгоритмы решения: формулы, линейные и полиномиальные.

(Формула - это полином степени 0, линейный алгоритм - это полиномиальный степени 1).

Класс E. Сюда относят задачи, в которых сплошной перебор необходим, экспоненциальные по природе. Например, задача построения всех подмножеств некоторого множества, всех подграфов одного графа и т.д.

Класс NP. Все остальные задачи. Неполиномиальные NP- задачи - это задачи, не попавшие ни в класс E (говорят, что в их условиях не содержатся экспоненциальные исчисления), ни в класс P(для них не разработан полиномиальный алгоритм).

Вот примеры таких задач:

1. Решения систем уравнений с целыми переменными.

2. Определение цикла, проходящего через все вершины графа.

3. Составление расписаний, учитывающих определенные условия.

4. Диагностика Стюарт Рассел, Питер Норвиг, «Искусственный интеллект: современный подход (AIMA)», 2-е издание.: Пер. с англ. - М. : Издательский дом «Вильямс», 2006.

Вышеприведенные задачи были объектом исследований, и они дали результаты, среди которых главные следующие:

1. Ни для одной задачи не найден полиномиальный алгоритм.

2. Была доказана взаимная эквивалентность этих задач. Это означает, что, если все-таки удастся представить для одной из этих задач хороший (т.е. полиномиальный) алгоритм, то все они автоматически будут решены.

Класс P - очень немногочисленный. Задачи, которые сегодня люди умеют решать хорошо, образуют весьма небольшое семейство.

Алгоритмы, предназначенные для выявления полиномиального по сложности решения (если оно есть) сами являются неполиномиальными.

Теория искусственного интеллекта позволяет решать именно задачи класса NP. Рассмотрим этот класс подробнее. Теоретической основой для изучения особенностей этого класса является модель, называемая машиной Тьюринга. Абстрактно любую задачу можно решить, используя либо детерминированную (что предпочтительнее) (ДМТ), либо недетерминированную машину Тьюринга (НДМТ). Детерминированной машиной Тьюринга называется автомат, умеющий выполнять только заданное множество элементарных операций: +,-,*,/,или, и, читать, писать, если…то…, повторять. Недетерминированная машина Тьюринга имеет еще одну инструкцию - выбор (Е), которая создает варианты текущего состояния, называемые копиями, в таком количестве, сколько элементов во множестве Е, различающиеся этими элементами. Опишем на этом языке неполиномиальный алгоритм решения задачи разрешимости логического выражения.

Пусть дано логическое выражение L. Оно включает символы (или), (и), (не) и логические переменные q₁,q₂,q₃,… ,q_n. Выражение разрешимо (так ли это - требуется узнать), если можно так подобрать логическим переменным значения истина или ложь, чтобы выражение L стало истинным.

Алгоритм для НДМТ запишется в следующем виде:

Повторять для i [1,n]

q_i<- выбор [истина, ложь]

Конец цикла по i

Если L -истина, то успех, иначе - неудача .

Если, например,

L=q₁ q₂,

то алгоритм создаст четыре копии, из которых только одна приведет к успеху. Нетрудно записать любой алгоритм с помощью такой абстрактной машины и наглядно убедиться, что сложность каждой копии алгоритма полиномиальна, но число этих копий растет практически по экспоненте.

Лучше всего было бы тем или иным способ свести класс NP к классу P. Но это не единственное направление исследований, на котором можно получить полезные результаты. Есть и другие - например, исследование взаимоотношений между различными задачами класса NP. Для этой цели вводятся новые определения:

1.Задача А сводится к задаче В тогда и только тогда, когда для всякого решения s задачи A существует функция g(s) , которую можно вычислить за полиномиальное число шагов и значение которой является решением задачи B.

2.Если одновременно задача А сводится к задаче В, а задача В сводится к задаче А, то говорят что задачи А и В эквивалентны.

Теперь можно ввести градацию внутри класса неполиномиальных задач. Получаем новые определения:

Задача называется NP-сложной, если к ней сводима любая задача из класса NP.

Задача логической разрешимости является NP-сложной. Другими словами (это следует прямо из определения) любая задача класса NP сводится к задаче логической разрешимости. Это значит, в частности, что задача разрешимости системы уравнений в целых числах сводится к задаче логической разрешимости. Также - задача оптимального раскроя сводится к задаче логической разрешимости. Список можно продолжать.

Задача называется NP-полной в том и только в том случае, если она является NP-сложной и попадает в класс NP.Для многих задач доказана их сводимость к задаче логической разрешимости. Но отношение сводимости является транзитивным. Поэтому если удастся свести задачу логической разрешимости, к какой-либо из сводимых к ней задач, то получится класс эквивалентных задач.

3. Математические основы искусственного интеллекта

3.1 Формальная система

Принято считать, что первые модели искусственного интеллекта возникли в трудах философов Древнего мира, посвященных искусству правильного рассуждения. Как рассуждали древние философы. Соберем и сравним ряд изречений, с которыми мы полностью согласны. Мы можем признать свою смертность или любого другого человека на том основании, что все люди смертны. Здесь присутствует реализация некоторой общей мысли, и слова в предложении становятся неравноправны: имя человека, о смертности которого говорится в изречении, не так важно для его истинности, при замене имени изречение останется истинным, но, если в предложении заменить есть смертен на не есть смертен, изречение станет ложным. Отсюда деление составляющих рассуждения на переменные и логические операторы, а все рассуждение можно представить как цепочку или формулу, состоящую из переменных и операторов.

Уже на примере данного рассуждения можно заметить, что оно является рассуждением о рассуждении, в таком случае возможно ли изучать предмет с помощью его самого? Как сделать, чтобы переход от символизмов к конкретной интерпретации был корректным и другой переход - распространение на символизм достижений конкретной интерпретации, в качестве которой можно рассматривать всю математику, был корректным .

Все эти вопросы исследовались в конце девятнадцатого - начале двадцатого веков великими математиками (Г.Фреге, Г.Пеано, Б.Рассел, М. Паш, Д.Гильберт, К. Гедель и др.). Тогда были доказаны теоремы фундаментального характера, значение которых невозможно переоценить.

Отправным пунктом научных рассуждений о рассуждений оказалось понятие формальной системы.

Формальная система представляет собой совокупность чисто абстрактных объектов (не связанных с внешним миром), в которой представлены правила оперирования множеством символов в чисто синтаксической трактовке без учета смыслового содержания.

Отвечающая этому определению модель включает:

1.Конечный алфавит (множество символов).

2.Процедуру построения слов из элементов алфавита. Слово называется формулой.

3.Несколько формул, называемых аксиомами Леонтьев Ю. Microsoft Office 2005: Краткий курс. - СПб.: Питер, 2001.

4.Конечное множество правил вывода, то есть правил, которые позволяют получать из одного конечного множества формул другое конечное множество формул.

Такое определение не создает никаких проблем, не содержит противоречий даже потенциально. Но это формальный аппарат, который в какой-то момент должен соприкоснуться с действительностью и в этот момент все меняется. Прежде всего, сделаем несколько определений.

Формальное доказательство определяется как конечная последовательность формул такая, что каждая последующая формула либо является аксиомой, либо выводима из предшествующих с помощью правил вывода.

Формула называется теоремой, если существует доказательство, в которой она является последней.

Заметим, что хотя доказательство практически формализовано, еще нигде не встретилось слово истинность. Ее не существует в теории за ненадобностью. Хотя эта теория используется как фундамент логичного рассуждения. Истинность появляется при построении формальной системы в конкретной области, когда за элементами алфавита становятся конкретные объекты, пусть это будут буквы реального алфавита или целые теории - не имеет значения. Главное, что в реальном мире за аксиомами и правилами вывода стоят знания или истинные суждения. Приложение формальной системы называется интерпретацией. Возникает вопрос - как соотносятся в интерпретации формулы и теоремы. Очевидно, в естественном языке не может быть истинно то, что неверно синтаксически, в то же время не все, что синтаксически верно, истинно. Здесь теоремы - подмножество формул. Но почему в других интерпретациях других формальных систем не может быть наоборот ? Оказалось, что такое может быть.

Формальную систему называют разрешимой, если существует алгоритм, позволяющий за конечное число шагов определить, является ли формула теоремой. Особенно хороша, очевидно, формальная система, разрешимая во всех интерпретациях. Это уже можно использовать на практике при доказательстве теорем в обычном математическом смысле слова. Все, чем можно оперировать в доказательстве представляется в виде формальной системы, и теперь можно обратиться к ее свойствам. Если формальная система разрешима во всех интерпретациях, то ее доказательство за конечное число шагов, по крайней мере, заведомо существует. Более того, для этого случая годится один универсальный алгоритм, и доказательство можно препоручить компьютеру.

Однако важно, что вообще могут существовать формулы не-теоремы формальной системы, которые в определенной интерпретации являются истинными. На практике это означает, что когда не могут построить доказательство, то это может означать, что доказываемое положение истинно, но доказательство ему не найдено, потому что данная формула не является теоремой, т.е. нет цепочки формул, отвечающей вышеприведенному определению теоремы. Попытки доказать не-теорему являются бесполезными по определению теоремы.

Вот примеры результатов формальной логики, называемых теоремами ограничения.

Возможны формальные системы, в которых:

существуют формулы такие, что ни эта формула, ни ее отрицание не являются доказуемыми(теорема Геделя)

во всякой их интерпретации найдутся выражения истинные, но не доказуемые (теорема Тарского)

не существует алгоритма, чтобы отличить теоремы от не-теорем (теорема Черча).

Вывод на прологе как доказательство.

Обратимся к вышеупомянутому алгоритму, т.к. именно он лежит в основе языка логического программирования пролог, что связано с тем, что задачи логического программирования легко сводить к доказательству теоремы.

Алгоритм называется алгоритмом резолюции Ноткин Л.И. Искусственный интеллект и проблемы обучения,2003. В 1930 г. Эрбран предложил метод доказательства в формальных системах определенного класса. Идея состоит в том, чтобы для доказательства

H₁ H₂…H_n->C (а к этому виду всегда можно привести доказываемое утверждение)

доказывается противоречивость

F= H₁ H₂…H_n C.

Такое доказательство осуществляется с помощью итеративной процедуры, на каждой итерации сопоставляются какие-либо элементы-подвыражения H(p₁) и H(p₁,p₂) и на основании леммы, утверждающей корректность этого перехода, получают, что из истинности F следует (p₁ p₁ p₂), откуда следует истинность p₂. p₂ называют резольвентой и присоединяют к F. На каком-то шаге получают (p₁p₁), (что равносильно пустой резольвенте) но т.к. это ложь, то полученное противоречие доказывает, что F - ложь, а значит доказываемое утверждение истина. Алгоритм основывается на лемме, по которой (p₁ p₁ p₂)->p₂ , и это достаточно очевидно, и на теореме о резолюции, которая звучит так

3.2 Теорема о резолюции

Пусть имеется формула F₁F₁=C₁ C₂ … (p L_i) (pL_j)… C_m и формула F₂=F₁ (L_i L_j). Тогда, если противоречива F₂, то и F₁ также противоречива. В языке пролог легко записать аксиомы и правила вывода. Пусть истинны a и b. Правила вывода: Из a следует d, из d следует e. Спрашивается, истинно ли e? Запишем задачу на прологе. На прологе предложение “из а следует d”нужно сначала представить в виде “d верно в том случае, если верно а ”, а это предложение записывается так : “d:-a”. А предложение “а верно” записывается так :”а.”. Однако записать чуть более сложные правила вывода такими примитивными средствами становится сложно, поэтому вводятся логические (булевские) функции - предикаты, такая функция в зависимости от значения аргументов может быть истинной или ложной. Так как A->B можно иначе записать A B, то и все условия и следствия можно записать в виде одного логического выражения или формулы, которую нужно доказать.

F=p(a)p(b)(p(d) p(a))(p(e)p(d))p(e), применяя алгоритм очень близкий алгоритму резолюции (вторично изобретенному создателями пролога) доказывает, что F - ложь, то есть e-истина.

Сопоставляя p(a) и ( p(d) p(a)) получаем резольвенту p(d).

Сопоставляя p(d) и (p(e)p(d)) получаем резольвенту p(e).

Сопоставляя p(e) и p(e) , иначе p(e) и ( p(e) ) получаем резольвенту . Пришли к противоречию, значит F ложно, но так как все подвыражения F заданы, кроме p(e), которое является предположением, то это предположение ложно, значит истинно p(e).Первые программы автоматического доказательства были разработаны в 1957 году. Применения аппарата формальной логики в доказательстве теорем дали различные результаты. Так, например, с его помощью в 1970-м г., через 65 лет после постановки была доказана неразрешимость второй задачи Гильберта, знаменитая проблема раскраски географической карты четырьмя красками была разрешена спустя 120 лет после постановки с помощью компьютера.

Заключение

Работы, посвящённые нейроинформационным технологиям как, собственно говоря, и большинство работ по философии искусственного интеллекта (ИИ), изобилуют вопросами методологического плана, направленных на выяснение возможных способов построения нейроподобных и искусственно интеллектуальных систем.

Однако, как показывают наши исследования], существует большая зависимость методологии ИИ от решения соответствующих вопросов экзистенциального характера, то есть что именно исследовать, конструировать, моделировать и воспроизводить. И эти вопросы в подавляющем большинстве случаев являются не только определяющими сами вырабатываемые методологические принципы, но и в значительной степени определяют вид конечного результата продуктов, получаемых путём применения этих принципов. В свою очередь, экзистенциальность указанных проблем, определяющих фундаментальность оснований ИИ, детерминируется их онтологическими основаниями, то есть решением ряда вопросов существования -- не существования предмета изучения или тех или иных наших представлений о предмете изучения.

Глоссарий

№ п/п	Понятие	Определение
1	Искусственный интеллект	раздел информатики, занимающийся вопросами имитации мышления человека с помощью компьютера
2	Знания в информатике	вид информации, отражающей опыт специалиста (эксперта) в определенной предметной области, его понимание множества текущих ситуаций и способы перехода от одного описания объекта к другому
3	Интеллектуальная система	система или устройство с программным обеспечением, имеющие возможность с помощью встроенного процессора настраивать свои параметры в зависимости от состояния внешней среды
4	Интеллектуальный интерфейс	интерфейс непосредственного взаимодействия ресурсов информационного комплекса и пользователя посредством программ обработки текстовых запросов пользователя
5	Нейронная сеть	вычислительная или логическая схема, построенная из однородных процессорных элементов, являющихся упрощенными функциональными моделями нейронов
6	Механизм вывода	в системах искусственного интеллекта - процедура нахождения решений задач
7	Вывод правдоподобный	Вывод, при котором каждый шаг сопровождается вычислением оценки достоверности полученного утверждения
8	Атрибут	Уникальное имя, приписываемое домену значений некоторой информационной единицы
9	Экспертная система	система искусственного интеллекта, включающая знания об определенной слабо структурированной и трудно формализуемой узкой предметной области и способная предлагать и объяснять пользователю разумные решения
10	Дисциплина обслуживания	Правила, согласно которым запросы выбираются из очереди для обслуживания

Список использованных источников

1. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. -- СПб: Питер, 2000.

2 Гаврилов А.В. Системы искусственного интеллекта. Уч. пособие, ч. 1. - Новосибирск, НГТУ, 2000.

3 Иллюстрированный самоучитель по Access2002: электронный учебник,2004.

4 Компьютерные сети. Принципы, технологии, протоколы./ В.Г. ОлиферН.А. Олифер. -СПб.: Издательство «Питер», 2005.

5 Корнеев В.В., Гарев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. - М.: «Нолидж», 2000.

6 Лорьер Ж. -Л. Системы искусственного интеллекта. - М.: Мир, 1991.

7 Люгер Джордж Ф. «Искусственный интеллект: стратегии и методы решения сложных проблем», 4-е издание. : Пер. с англ. - М. : Издательский дом «Вильямс», 2003.

8 Леонтьев Ю. Microsoft Office 2005: Краткий курс. - СПб.: Питер, 2001.

9 Ноткин Л.И. Искусственный интеллект и проблемы обучения,2003.

10 Стюарт Рассел, Питер Норвиг, «Искусственный интеллект: современный подход (AIMA)», 2-е издание.: Пер. с англ. - М. : Издательский дом «Вильямс», 2006.

11 Труды третьего международного симпозиума «Интеллектуальные системы» - Псков: 1998.

Список сокращений

т. е. - то есть

см. - смотрите

т. д. - так далее

т. о. - таким образом

т. к. - так как

ИИ - искусственный интеллект

Размещено на Allbest.ru