Слайд 2Структура лекции
Понятие искусственного интеллекта
История развития интеллектуальных информационных технологий.
Понятие знаний, модели представления знаний.
Онтологии
Основные
направления развития ИИ.
Слайд 31. Понятие искусственного интеллекта
Тема 5 Интеллектуальные информационные технологии
Слайд 4Искусственный интеллект (AI-artificial intelligence)
свойство автоматических систем брать на себя отдельные (творческие) функции
интеллекта человека, например, выбирать и принимать оптимальные решения.
научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными.
Слайд 5Искусственный интеллект (AI-artificial intelligence)
Искусственный интеллект — это одно из направлений информатики, целью
которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка (Хорошевский В.Ф.).
Слайд 6Интеллектуальная система
Система считается интеллектуальной:
имеет функцию представления и обработки знаний;
имеет функцию рассуждения;
имеет функцию
общения (в удобном для человека виде).
обладает способностью обучения и самообучения
Слайд 7Интеллектуальные задачи
Задачи, связанные с отысканием алгоритма решения класса задач определенного типа;
Поведенческие определения
ИИ:
Критерий А.Н. Колмогорова;
Критерий А. Тьюринга.
Слайд 8Критерий Тьюринга
Испытатель через посредника общается с невидимым для него собеседником – человеком
или системой. Интеллектуальной может считаться та система, которую испытатель в процессе такого общения не может отличить от человека.
Слайд 9Критерий Тьюринга
Достоинства:
Широта тем для обсуждения;
Недостатки:
Проверяется только способность машины походить на человека, а
не разумность машины вообще.
Непрактичность (несоответствие реальным задачам, решаемым в области ИИ).
Тест отслеживает только на поведение.
Слайд 11Captcha
Captcha - Completely Automated Public Turing test to tell Computers and Humans
Apart;
Основная идея: предложить для решения задачу, которую легко решит человек, но которую очень сложно решить компьютеру;
Как правило – это задача распознавания образов.
Слайд 12Цели интеллектуальных информационных технологий
расширение круга задач, решаемых с помощью компьютеров, особенно в
слабоструктурированных предметных областях;
повышение уровня интеллектуальной информационной поддержки современного специалиста.
Слайд 13Предметная область
Предметная область(ПрОб) – это область человеческой деятельности, для которой разрабатывается система.
Слабо
структурированная ПрОб – области, алгоритм действий в которых заранее не известен.
Хорошо структурированная ПрОб – области, в которых уже существуют апробированные алгоритмы и методы решения задач.
Слайд 142. История развития интеллектуальных технологий
Тема 5 Интеллектуальные информационные технологии
Слайд 15История развития искусственного интеллекта
Начало развития направления 1940 гг.
1943 г. – первая статья
в области ИИ (Мак-Коллок и Питтс модель нейронов);
Конец 40-х – задача автоматического перевода с одного языка на другой;
1950 г. – критерий Тьюринга (в статье Computing Machinery and Intelligence);
Слайд 16История развития искусственного интеллекта
1956 г. появление термина «искусственный интеллект», автор Джон Маккарти,
семинар по логическим рассуждениям.
1957 г. – Розенблат предложил устройство для распознавания образов - персептрон;
1959 г. – Саймон и Ньюэлл разработали программу GPS (General Problem Solving program) – универсальный решатель задач;
Слайд 17История развития искусственного интеллекта
50-е годы – моделирование человеческого разума, создание аналогичного ему
искусственного;
60-е годы – эвристическое программирование – разработка стратегии действий на основе заранее известных эвристик;
Эвристика – теоретически необоснованное правило, позволяющее сократить число переборов.
Слайд 18История развития искусственного интеллекта
65-75 гг. – развитие логических методов, доказательство теорем;
1973
г. – создан язык Пролог;
75-е – переход от поиска универсального алгоритма мышления к моделированию знаний экспертов. Основное направление- представление знаний.
Основная роль в данный момент – дополнение возможностей человека по генерации и принятию решений.
Слайд 19Центры исследований в области ИИ
США: Беркли, Стенфорд, Массачусетс.
Япония: Университет Токио, Sony labs;
Европа:
Марсель, Эдинбург;
Россия: Новосибирск (академгородок), Переславль-Залесский, МЭИ, МГТУ им. Баумана;
Беларусь: Минск, Брест.
Слайд 20Основные направления исследований в области ИИ
Нейрокибернетика или бионический;
Символьный или логический
Кибернетика «черного ящика»
или программно-прагматический:
локальный или задачный подход;
системный подход (основанный на знаниях);
использующий метапроцедуры программирования.
Подход, ориентированный на создание смешанных систем человек-компьютер.
И другие
Слайд 213. Понятие знаний, модели представления знаний
Тема 5 Интеллектуальные информационные технологии
Слайд 22Данные и знания
ДАННЫЕ – сведения, представленные в определенной знаковой системе и на
определенном материальном носителе для обеспечения возможностей хранения, передачи, приема и обработки.
Знания – хорошо структурированные данные или данные о данных (метаданные).
Слайд 23Информация, данные, знания
ДАННЫЕ + обработка = ИНФОРМАЦИЯ;
ИНФОРМАЦИЯ + сравнение = ЗНАНИЯ.
Слайд 24Определение знаний
Знания — это основные закономерности предметной области, позволяющие человеку решать конкретные
производственные, научные и другие задачи, т. е. факты, понятия, взаимосвязи, оценки, правила, эвристики(иначе фактические знания), а также стратегии принятия решения в этой области (иначе стратегические знания).
Знания о предметной области – совокупность реальных или абстрактных объектов (сущностей), связей и отношении между этими объектами, а также процедур преобразования этих объектов для решения задач в предметной области.
Слайд 25Свойства знаний
Более сложная структура;
Внутренняя интерпретируемость;
Структурируемость;
Связность.
Внутренняя активность – изменение знаний влияет на поведение
системы.
Слайд 26Неформальный пример
Факты:
Встреча в 17.30
Положение стрелок на часах -
Текущее время – 17.20
Знание(вывод
из фактов): Я опаздываю.
Действия :
Идти быстрее
Позвонить – предупредить.
Слайд 27Классификация знаний
Процедурные знания - описывают последовательности действий, которые могут использоваться при решении
задач;
Декларативные знания - все знания, не являющиеся процедурными, например, статьи в толковых словарях и энциклопедиях, формулировки законов в физике, химии и других науках, собрание исторических фактов и т. п. Основная форма представления знаний
Слайд 28Основные задачи инженерии знаний
Представление знаний:
Как люди представляют знания?
Есть ли универсальный способ представления
знаний?
Как представить знания для решения этой задачи?
Получение знаний:
Где можно найти знания по проблеме?
На основании чего человек сделал именно так?
Основные способы: наблюдение, беседа, анализ книг.
Верификация знаний.
Использование знаний.
Слайд 29Требования к представлению знаний
Наглядность или простота представления знаний;
Удобство представления знаний для работы
интеллектуальной системы (простота использования или обработки);
Универсальность: способность представлять самые разные виды знаний;
Расширяемость базы знаний, возможность интеграции различных баз знаний.
Слайд 30Модель представления знаний
Модель представления знаний - формализм, предназначенный для описания статических и
динамических свойств предметной области (соглашение - как описывать знания).
Классификация моделей:
Универсальные модели представления знаний
Специализированные модели представления знаний.
Слайд 31Основные модели представления знаний
Формальные логические модели;
Продукционные модели;
Семантические сети;
Фреймы.
Слайд 32Формальные логические модели
Виды логических моделей:
Исчисление высказываний;
Исчисление предикатов;
Нечеткая логика.
В основе лежит формальная теория(система)
:
T – множество термов, алфавит системы;
P – синтаксические правила построения выражений из базовых термов;
A – аксиомы, априорно истинные выражения;
R – множество правил вывода, как получить из одних правильных выражений другие.
Не используются в промышленных разработках.
Слайд 33Формальные логические модели
Достоинства:
Высокий уровень формализации, что обеспечивает точность получения результата;
Согласованность
Единый способ
описания знаний о предметной области и способов решения задач в предметной области.
Недостатки:
Ненаглядность представления знаний;
Очень строгие ограничения, накладываемые структурой представления знаний.
Слайд 34Исчисление высказываний
Высказывание – неделимое грамматически правильное предложение, являющееся истинным или ложным.
Сложное высказывание
– комбинация простых при помощи логических связок.
Пример:
A – Луна спутник Земли
B – Солнце спутник Земли
A & B - ложь
Слайд 35Исчисление предикатов
Исчисление предикатов - система моделирования некой среды и проверки гипотез относительно
этой среды при помощи разработанной модели.
Предикат – функция на множестве M=M1*M2*…*Mn, принимающая значение истина или ложь.
Пример:
Если философ выиграет у кого-нибудь в забеге, то этот человек будет им восхищен
(любой X) (любой Y) (PHILOSOPHER(X)^BEATS(X, Y) > ADMIRE(Y, X)).
Слайд 36Продукционные модели
Продукционная модель представляет собой набор продукций - правил вида «Если»- «То»;
Формально
продукция описывается как :
W – сфера применения продукции.
U – предусловие – (истинность продукции).
P – условие применения продукции.
A->B – ядро продукции, правило типа Если … , то … .
C – постусловие продукции, действия после обработки продукции.
Продукционная система = база фактов + продукции + интерпретатор.
Слайд 37Продукционные модели
Достоинства:
Простота и наглядность правил;
Простота пополнения базы знаний;
Простота вывода в базе знаний;
Недостатки:
Несоответствие
представлению знаний человеком;
Сложно управлять выводом при больших БЗ;
Сложность оценки непротиворечивости БЗ.
Слайд 38Семантические сети
Семантическая сеть - ориентированный граф, вершины которого понятия, а дуги –
отношения между ними.
S= (O, R), (R>200).
Наиболее общий способ представления знаний;
Поиск решения сводится к задаче поиска фрагмента семантической сети, соответствующего запросу
Слайд 39Mind Maps
MindMap(Карта ума) – графическое представление некоего центрального образа и основных тем,
с ним связанных.
Свойства:
Наглядность;
Эстетичность;
Однородность элементов.
Слайд 41Классификация семантических сетей
По количеству типов отношений:
однородные;
неоднородные.
По типу отношений:
бинарные;
N-арные.
Слайд 42Семантические сети
Достоинства:
Наглядность, универсальность, простота понимания;
Соответствуют представлению знаний у человека.
Недостатки:
Сложность организации процессов вывода
на семантической сети;
Смешение различных групп знаний.
Слайд 43Фреймы
Фрейм (Каркас) – абстрактный образ для представления некоего стереотипа восприятия.
Фрейм имеет набор
свойств(слотов).
Термин предложен Марвином Минским в 1979 г.
Первоначальное применение – распознавание пространственных сцен по ключевым признакам.
Слайд 44Фреймы
Классификация фреймов:
Фреймы-образцы(прототипы);
Фреймы-экземпляры;
Фрейм – некая структура для описания знаний, которая по мере заполнения
свойствами превращается в описание факта, события или ситуации.
В ходе вывода во фреймовой модели сначала подбирается прототип, а потом идет его уточнение применительно к образу.
Слайд 45Пример фрейма
Ситуация:
Студент Иванов получил книгу А. Я. Архангельского «100 компонентов Delphi» в
библиотеке ТГПУ им. Л. Н. Толстого в г. Туле»
Фрейм ПОЛУЧЕНИЕ
ОБЪЕКТ : (КНИГА (Автор, Название));
АГЕНТ: (СТУДЕНТ(Фамилия));
МЕСТО: (БИБЛИОТЕКА(Название, Расположение)).
Слайд 46Фреймы
Достоинства:
Интеграция знаний (декларативных и процедурных);
Соответствие принципам хранения знаний человеком;
Наглядность, гибкость, однородность.
Недостатки:
Сложность управления
выводом;
Низкая эффективность.
Слайд 47Методы извлечения знаний
Коммуникативные методы
Активные (мозговой штурм, интервью, анкетирование и т.д.);
Пассивные (наблюдения,
лекции).
Текстологические методы (анализ литературы, анализ документов);
Автоматизированные методы извлечения знаний.
Слайд 484. Онтологический подход
Тема 5 Интеллектуальные информационные технологии
Слайд 49Что такое онтология?
Онтология— раздел философии, в котором изучаются наиболее общие характеристики бытия
и сущностей;
Онтология – это точная спецификация концептуализации, формализованное представление основных понятий и связей между ними (М. Грубер);
Онтология – эксплицитная спецификация определенной темы(проект Ontolingua, Стенфорд).
Слайд 50Что такое онтология?
Концептуализация - процесс перехода от представления предметной области на естественном
языке к точной спецификации этого описания на некотором формальном языке, ориентированном на компьютерное представление.
Слайд 51Структура онтологии
Формальная модель онтологии:
О=, где
Х – конечное множество
понятий;
R – множество отношений между понятиями;
Ф – множество функций интерпретации, заданных на понятиях и отношениях онтологии.
Словарь терминов V = – перечисление терминов;
Простая таксономия T = - иерархическая система понятий, связанных между собой отношением is_a (быть элементом класса).
Слайд 52Виды онтологий:
Управляемый словарь терминов - это ограниченный список слов и терминов, используемых
для индексации и категоризации информации на сайте.
Кольцо синонимов - управляемый словарь с перечнем терминов, их синонимов, без указания предпочтительных синонимов.
Тезаурус – управляемый словарь с иерархической структурой (общие термины / конкретные термины), со связями и зависимостями между терминами.
Онтология - сложный тезаурус с настраиваемыми семантическими связями, такими как «находится в», «используется для», «является членом», «принадлежит».
Слайд 53Цели создания онтологий
Для совместного использования людьми или программными агентами общего понимания структуры
информации.
Для возможности повторного использования знаний в предметной области.
Для того чтобы сделать допущения в предметной области явными.
Для отделения знаний в предметной области от оперативных знаний.
Для анализа знаний в предметной области.
Слайд 54Задачи решаемые с помощью онтологий
Создание и использование БЗ;
Организация эффективного поиска в БД,
информационных каталогах, БЗ;
Создание систем, реализующих механизмы рассуждений;
Организация поиска по смыслу в текстовой информации;
Семантический поиск в Internet;
Представление смысла в метаданных об информационных ресурсах;
Построение и использование баз общих знаний (common knowledge) для различных интеллектуальных систем.
Слайд 55Принципы создания онтологий (Грубер)
Ясность;
Согласованность;
Расширяемость;
Минимум влияния кодирования;
Минимум онтологических обязательств.
Слайд 56Языки описания онтологий
Язык описания онтологий — формальный язык, используемый для кодирования онтологии.
OWL(ontology web language), стандарт W3C;
KIF (Knowledge Interchange Format или формат обмена знаниями);
CycL — онтологический язык проекта Cyc;
DAML+OIL (FIPA);
SL/EL.
Слайд 57Разработка онтологий в среде Protege-Frames
Онтология – это
Классы (понятия предметной области);
Подклассы;
Конкретные экземпляры
класса.
Слоты (свойства классов);
Фацеты (ограничения на значения слотов).
База знаний – онтология вместе с конкретными экземплярами классов.
Слайд 58Процесс разработки онтологий в Protege
Определить масштаб онтологии;
Выделить понятия онтологии;
Определить иерархию понятий (класс-подкласс);
Описать
слоты понятий и ограничения на значения этих слотов;
Создать экземпляры классов (наполнить БЗ);
Создать запросы по базе знаний, проверить полноту БЗ.
Слайд 59Шаг 1. Область и масштаб
Какую область будет охватывать онтология?
Для чего мы собираемся
использовать онтологию?
На какие типы вопросов должна давать ответы информация в онтологии?
Кто будет использовать и поддерживать онтологию?
Вопросы проверки компетентности.
Слайд 60Шаг 2. Перечислить все понятия в онтологии
Какие понятия (термины) мы хотим рассмотреть?
Какими
свойствами эти понятия обладают?
Что мы бы хотели сказать об этих понятиях?
Полный список понятий онтологии.
Слайд 61Шаг 3. Определить классы, их слоты, иерархию классов
Класс – объект, существующий независимо.
Иерархия
классов:
Нисходящая разработка;
Восходящая разработка;
Комбинированная разработка.
Слоты – (наследование по иерархии):
Внутренние свойства;
Внешние свойства;
Части объекта;
Отношения с другими классами.
Слайд 62Шаг 4. Определить ограничения(фацеты) слотов
Мощность слота;
Тип значений слота:
Строка;
Число;
Булевое значение;
Набор значений;
Экземпляр разрешенных классов.
Слайд 63Шаг 5. Создать экземпляры классов
Процесс заполнения базы знаний фактами:
Выбрать класс;
Создать экземпляр класса
(instance);
Задать значения слотов экземпляра.
Слайд 64Шаг 6. Проверка работы запросов
Создать запросы, соответствующие выделенным вопросам;
Проверить корректность их работы,
возвращаются ли ожидаемые значения.
Слайд 655. Основные направления развития ИИ
Тема 5 Интеллектуальные информационные технологии
Слайд 665.1 Имитация творчества
Решение игровых задач (шахматы, шашки, домино, го);
Автоматическое доказательство теорем;
Программы анализа
и синтеза музыкальных произведений;
Генерация стихов, сказок, афоризмов.
Программы моделирующие поведение.
Слайд 675.2 Системы основанные на знаниях
Представление и использование знаний - основное направление развития
современных интеллектуальных технологий.
Включает в себя разработку способов представления знаний, извлечения знаний, а также создание систем, использующих эти знания.
Наиболее известные продукты – экспертные системы.
Слайд 685.3 Создание средств разработки для ИИ
Разработка инструментальных средств для создания интеллектуальных систем:
Разработка
новых языков программирования, ориентированных на задачи ИИ;
Создание программ-оболочек для наполнения базой знаний (ЭКО, Protégé).
Автоматический синтез программ.
Слайд 695.4 Анализ и обработка естественного языка
Создание ЕЯ – интерфейсов;
Автоматическое реферирование;
Автоматическая классификация
документов;
Машинный перевод(морфология, синтаксис, лингвистика);
Извлечение фактов из текстов;
Анализ текстов на предмет авторского права.
Слайд 705.5 Новые архитектуры компьютеров
Существующие ЭВМ используют архитектура фон Неймана и неэффективны в
плане символьной обработки.
Основная цель – разработать ЭВМ лучше подходящие для решения отдельных типов задач.
Слайд 71Архитектура фон Неймана
Принципы фон Неймана:
двоичное представление
программное управление
однородность памяти
адресуемость памяти
последовательное программное управление
условные переходы
Слайд 72Новые архитектуры компьютеров
Ассоциативные процессоры;
Машины баз данных;
Параллельные компьютеры;
Векторные компьютеры;
Графодинамический подход.
Слайд 735.6 Интеллектуальные роботы
Робот – электромеханическое устройство для автоматизации человеческого труда.
Поколения:
1-е – роботы
с жесткой схемой управления;
2-е – адаптивные роботы с сенсорами;
3-е – интеллектуальные роботы.
Основные проблемы: машинное зрение, хранение и обработка трехмерной визуальной информации.
Слайд 745.7 Обучение и самообучение
Модели, методы и алгоритмы, ориентированные на автоматическое накопление и
формирование знаний на основе анализа и обобщения данных.
Включает в себя:
Data mining – анализ больших массивов данных
Knowledge discovery – поиск закономерностей в базах данных.
Слайд 755.8 Распознавание образов
Образы характеризуется свои набором свойств и признаков;
Основные задачи:
Идентификация объектов.
Классификация объектов.
Наиболее известные успехи – OCR или автоматическое распознавание текста.
Слайд 765.9 Прочие направления
генетические алгоритмы;
интеллектуальные интерфейсы;
распознавание и синтез речи;
многоагентные системы;
онтологии;
Semantic web;
менеджмент знаний.
Слайд 77Спасибо за внимание!
Есть ли вопросы?
Слайд 78Вопросы к зачету
Понятие искусственного интеллекта.
Понятие интеллектуальной задачи.
Поведенческие критерии интеллекта. Критерий Тьюринга.
Понятие предметной
области. Виды предметных областей.
Основные этапы развития искусственного интеллекта как науки.
Слайд 79Вопросы к зачету
Основные подходы к исследованиям в области ИИ.
Понятие знаний. Классификация видов
знаний.
Основные свойства отличающий знания от данных.
Основные задачи инженерии знаний.
Требования к представлению знаний. Понятие модели представления знаний.
Слайд 80Вопросы к зачету
Представление знаний при помощи формальных логических моделей.
Представление знаний при помощи
продукций.
Представление знаний при помощи семантических сетей.
Понятие mindmap. Основные принципы построения.
Представление знаний при помощи фреймов.
Слайд 81Вопросы к зачету
Основные методы извлечения знаний.
Понятие онтологии. Цели создания онтологий.
Принципы создания онтологий.
Основные задачи, решаемые при помощи онтологий.
Классификация онтологий. Формальная модель онтологии.
Алгоритм создания онтологии в среде Protégé.