Размещено на http://www.allbest.ru/

Лекция №1

Искусственный интеллект: основные понятия и история возникновения

1. Данные и знания

искусственный интеллект вычислительный

Понятие искусственного интеллекта, задачи, решаемые с помощью методов искусственного интеллекта, и, как следствие, необходимость создания интеллектуальных систем (систем искусственного интеллекта) возникли практически сразу после создания А. Тьюрингом, Фон Нейманом и др. основополагающих принципов построения автоматических дискретных вычислений (ЭВМ, компьютеров).

Появление ЭВМ, работа которых происходит под управлением созданных человеком программ (т.е. с максимально полным привлечением интеллектуальных способностей человека), позволило автоматизировать самые разнообразные процессы обработки данных или, по-другому, самые разнообразные вычислительные процессы.

Здесь под автоматизацией вычислительных процессов или вычислений понимается выполнение их вычислительным устройством (компьютером) без непосредственного участия человека. При этом важным является то, что

а) вычислительный процесс должен представляться в виде последовательности (сколь угодно большой, но конечной длины) элементарных или «рутинных» операций;

б) формирование последовательности элементарных операций или, по-другому, составление алгоритма решения задачи, осуществляется непосредственно человеком (пользователем ЭВМ);

в) вычислительное устройство не может само (без участия человека) ни создавать, ни менять алгоритм, если это изменение не предусмотрено самим алгоритмом.

Поэтому принято говорить, что вычислительные устройства (в дальнейшем ЭВМ или компьютеры), построенные по классической фон-неймановской схеме (а таковыми сейчас являются подавляющее большинство ЭВМ) реализуют т.н. «жесткие» вычисления. Термин «жесткие» вычисления обозначает организацию вычислений по заранее (до начала вычислений) разработанному человеком (пользователем ЭВМ) вполне определенному алгоритму.

Если обозначить через Х - исходные данные для решения задачи, через Z - результат решения, то процедуру решения задачи на ЭВМ можно рассматривать как реализацию некоторого отображения исходных данных в конечный результат в соответствии с алгоритмом F решения задачи (рис.1).

Рис.1.

По сути, в алгоритме F аккумулированы наши знания о тех или иных законах (математических, физических, химических и т.д.), привлекаемых для решения поставленной задачи (разработки алгоритма ее решения), а также новые приемы решения, специально для этой цели разработанные человеком - пользователем ЭВМ.

Таким образом, можно констатировать, что традиционная обработка информации на ЭВМ происходит по схеме «Данные» ----» «Данные» на основе (или с помощью) знаний человека - пользователя ЭВМ. (рис. 2)

Рис. 2.

Поэтому говорят обработка информации на ЭВМ, понимаемая в общепринятом смысле, представляет собой обработку данных. в то же время, характерным признаком интеллектуальных систем является обработка знаний. При этом Данными называют информацию фактического характера, описывающую объекты, процессы и явления конкретной предметной области. Как правило, эта информация не требует при своем дальнейшем использовании более глубокого осмысления и анализа. К примеру, в качестве данных могут быть координаты материальной точки измеренные в процессе ее плоского движения (точнее вращения вокруг начала координат) и соответствующей данным координатам моменты времени (рис. 3).

Рис.3.

Обычно данные представляются в виде таблиц, диаграмм, графиков. Так, данные о движении точки (рис. 3) можно представить в ивде следующей таблицы:

Таблица 1

Знания являются более сложной категорией информации по сравнению с данными. Знания описывают не только отдельные факты, но и взаимосвязи между ними. Поэтому, знания иногда структурированными данными. Знания могут быть получены:

А) на основе обработки экспериментальных данных (данных эксперимента);

Б) в результате мысленной деятельности человека.

Интеллектуальные системы позволяют производить автоматическую (без участия человека) обработку данных в условиях существенной априорной неполноты знаний о том, как нужно вести эту обработку для получения требуемого результата. Очевидно. Что для этого интеллектуальные системы должны быть способны сами генерировать (получать) недостающие знания путем:

А) логического (дедуктивного) вывода;

Б) обучения

В) поиска

Г) обработки экспериментальных данных

В первых, трех случаях обработка информации происходит по схеме «знания» --- «знания», «знания» --- «данные».

С помощью существующих на настоящий момент времени методов искусственного интеллекта (нечеткой логики, нейронных сетей и генетических алгоритмов) в последнем случае - по схеме «данные» --- «знания» с помощью нейросетевых методов аппроксимации и интерпретации данных. (рис. 4) Так, если аппроксимировать приведенные в табл.1 данные о движении материальной точки, брошенной с высоты h под углом к горизонту, то получим следующую функциональную зависимость высоты x от времени t движения

(1)

Где g=9.8 - гравитационная постоянная.

Рис. 4.

Выражение (1) можно трактовать как запись (на языке математических формул) наших знаний о законе движения материальной точки под действием силы земного притяжения.

Сопоставляя табл. 1. и формулу (1), можно отметить, что запись информации о движении материальной точки с помощью знаний дает (по сравнению с совокупностью данных о ее движении) более целостную и системную картину движения.

2. Общая характеристика задач, решаемых методами ИИ

Рассмотрим главные или, что более правильно, сущностные отличия задач, решаемых на ЭВМ с помощью методов искусственного интеллекта, от обычных задач, решаемых традиционными методами и способами.

Степень использования человеческого интеллекта.

Как известно, традиционно решаемые на ЭВМ задачи требуют максимально полного использования интеллекта (способностей, знаний) при выборе метода и составлении алгоритма решения задачи.

При этом на ЭВМ возлагается лишь задача правильного выполнения (или реализации) разработанного человеком алгоритма.

Напротив, решение задач с привлечением методов искусственного интеллекта (или задач, решаемых системами искусственного интеллекта) основывается не только на использовании знаний человека, но и дополнительных знаниях, полученных самой ЭВМ.

Методы и структурные решения, лежащие в основе получения (вывода) знаний, являются предметом рассмотрения сравнительно молодой науки (ей не более 50 лет), называемой искусственным интеллектом.

Полнота априорной информации

Традиционно решаемые на ЭВМ задачи (разумеется речь идет не о простых задачах, а о достаточно сложных) требуют для своего успешного решения большого объема априорной информации о закономерностях поведения исследуемого объекта или процесса. Например, если рассматривается движение летательного аппарата в атмосфере, то должны быть точно известны:

а) физические законы, определяющие силы, действующие на летательный аппарат;

б) полученные на их основе математические состояния (математическая модель объекта), определяющие реакцию летательного аппарата (изменение его высоты, скорости полета и т.п.) на эти силы и на управляющие воздействия со стороны системы управления летательным аппаратом.

На практике это весьма сложно обеспечить, учитывая существенную нестационарность условий полета (внешних и внутренних). Действительно, для современных летательных аппаратов характерен большой диапазон изменения характеристик атмосферы, возможность возникновения нештатных (или критических) ситуаций как в атмосфере (грозы, смерчи, турбулентные потоки и т.п.), так и на борту летательного аппарата (отказы оборудования, неправильные действия летчиков). Заранее все это при разработке алгоритма управления сложно предусмотреть. Поэтому, «жесткие» алгоритмы управления современными летательными аппаратами не обеспечивают требуемой эффективности (в том числе боевой) их применения.

Интеллектуальные или «мягкие» алгоритмы управления, основанные на применении методов искусственного интеллекта («мягких» вычислений), существенно снижают требования к объему необходимой априорной информации за счет ее доопределения интеллектуальной системой непосредственно в процессе функционирования (в режиме on-line).

«Продвинутость» задач.

На сегодняшний день практически все ЭВМ имеют фон-неймановскую архитектуру, основанную на функциональных принципах построения дискретных вычислений, изложенных в работах Ч. Бэббиджа, Поста, А.Тьюринга. Это накладывает определенные ограничения на класс задач, решаемых на ЭВМ. В частности, решение задач должно допускать возможность описания его с помощью некоторого алгоритма.

В свою очередь, это означает, что на ЭВМ могут быть реализованы только алгоритмические процедуры, допускающие представление в виде совокупности базовых (элементарных) операций (в современных ЭВМ это сложение и сдвиг).

Однако с помощью алгоритмов и алгоритмических процедур в классическом понимании можно автоматизировать решение только т.н. «рутинных» задач, не связанных с получением качественно новой информации (новых знаний), а связанных с организацией вычислительной процедуры их решения при условии, что априорно имеется вся необходимая для этого информация.

Решение же более содержательных по смыслу (более интеллектуальных задач) только с помощью алгоритмических процедур невозможно. Например, невозможно с помощью алгоритмов описать процессы, реализующие

а) решение задач, начиная от словесной постановки и кончая получением результата решения;

б) перевода текстов с одного языка на другой;

в) игру в шахматы, карты и т.п.

г) диагностики болезней;

д) доказательства математических теорем и др.

Для этого нужно располагать качественно новым математическим аппаратом и вычислительными машинами, позволяющими моделировать процесс мышления человека.

Рассмотрим характерные особенности данного процесса.

1. Деятельность человека всегда целесообразна, т.е. связана с достижениями некоторой цели. Это означает, что мыслительные процессы человека направлены на достижение цели (цель заставляет человека думать).

2. Человеческий мозг хранит огромное количество фактов и правил их использования. Для достижения определенной цели надо только обратиться к нужным фактам и правилам.

3. Принятие решений всегда осуществляется на основе специального механизма упрощения, позволяющего отбрасывать ненужные (малосущественные) факты и правила. Не имеющие отношения к решаемой в данный момент задаче и, наоборот, выделять главные, наиболее значимые факты и правила, нужные для достижения цели.

4. Достигая цели, человек не только приходит к решению поставленной перед ним задачи, но и одновременно приобретает новые знания. Та часть интеллекта, которая позволяет ему делать соответствующие заключения (выводы) на основании правил, сформулированных человеком, а также генерировать новые факты из уже существующих, называется механизмом логического вывода.

Так, типовая схема решения математической задачи часто выглядит следующим образом. Выбираются неизвестные величины, подлежащие определению. На основании анализа условий (ограничений), содержащихся в исходной формулировке задачи, составляется система уравнений, связывающих указанные неизвестные.

Далее, применяя какой либо из стандартных методов решения полученных уравнений, находим искомое решение задачи. Заметим, то решив один раз конкретную задачу по описанной схеме, мы решим (и гораздо быстрее) другую подобную (и даже более сложную) задачу, отличающуюся значениями исходных данных, числом неизвестных, формой представления условий и т.д.

Поскольку система ИИ принимает решения аналогично тому, как это делает человек, то она должна включать в себя следующие ключевые элементы - цель, факты и данные. Правила, механизмы вывода и упрощения. Все эти компоненты системы ИИ показаны на рис. 5.. на этом же рисунке выделена база знаний, которая содержит всю располагаемую информацию о внешнем мире (моделях решаемых задач).

Условно она может быть разделена на три части (или области), называемые базой целей, базой правил и базой данных. первая область содержит информацию о целях, для достижения которых предназначена система ИИ. Вторая область включает в себя сведения, которые отражают закономерности, характерные для решаемого класса задач.

Это правила, механизмы упрощения и вывода, которые позволяют не только выводить новые факты, не зафиксированные ранее в базе данных, но и приобретать новые знания в ходе функционирования системы или на этапе ее обучения. В третьей области содержатся в некотором упорядоченном виде качественные данные, необходимые для решения данной задачи. В силу той особой роли, которую играет база знаний в процессе формирования решений, системы ИИ называют системами основанными на знаниях.

Рис. 5. Компоненты системы ИИ.

Размещено на Allbest.ru