ПиОИвИС - тема 5

Содержание

Слайд 2

Структура лекции
Понятие искусственного интеллекта
История развития интеллектуальных информационных технологий.
Понятие знаний, модели представления знаний.
Онтологии
Основные

Структура лекции Понятие искусственного интеллекта История развития интеллектуальных информационных технологий. Понятие знаний,
направления развития ИИ.

Слайд 3

1. Понятие искусственного интеллекта

Тема 5 Интеллектуальные информационные технологии

1. Понятие искусственного интеллекта Тема 5 Интеллектуальные информационные технологии

Слайд 4

Искусственный интеллект (AI-artificial intelligence)

свойство автоматических систем брать на себя отдельные (творческие) функции

Искусственный интеллект (AI-artificial intelligence) свойство автоматических систем брать на себя отдельные (творческие)
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 5

Искусственный интеллект (AI-artificial intelligence)

Искусственный интеллект — это одно из направлений информатики, целью

Искусственный интеллект (AI-artificial intelligence) Искусственный интеллект — это одно из направлений информатики,
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 6

Интеллектуальная система

Система считается интеллектуальной:
имеет функцию представления и обработки знаний;
имеет функцию рассуждения;
имеет функцию

Интеллектуальная система Система считается интеллектуальной: имеет функцию представления и обработки знаний; имеет
общения (в удобном для человека виде).
обладает способностью обучения и самообучения

Слайд 7

Интеллектуальные задачи

Задачи, связанные с отысканием алгоритма решения класса задач определенного типа;
Поведенческие определения

Интеллектуальные задачи Задачи, связанные с отысканием алгоритма решения класса задач определенного типа;
ИИ:
Критерий А.Н. Колмогорова;
Критерий А. Тьюринга.

Слайд 8

Критерий Тьюринга

Испытатель через посредника общается с невидимым для него собеседником – человеком

Критерий Тьюринга Испытатель через посредника общается с невидимым для него собеседником –
или системой. Интеллектуальной может считаться та система, которую испытатель в процессе такого общения не может отличить от человека.

Слайд 9

Критерий Тьюринга

Достоинства:
Широта тем для обсуждения;
Недостатки:
Проверяется только способность машины походить на человека, а

Критерий Тьюринга Достоинства: Широта тем для обсуждения; Недостатки: Проверяется только способность машины
не разумность машины вообще.
Непрактичность (несоответствие реальным задачам, решаемым в области ИИ).
Тест отслеживает только на поведение.

Слайд 10

Критерий Тьюринга

Критерий Тьюринга

Слайд 11

Captcha

Captcha - Completely Automated Public Turing test to tell Computers and Humans

Captcha Captcha - Completely Automated Public Turing test to tell Computers and
Apart;
Основная идея: предложить для решения задачу, которую легко решит человек, но которую очень сложно решить компьютеру;
Как правило – это задача распознавания образов.

Слайд 12

Цели интеллектуальных информационных технологий

расширение круга задач, решаемых с помощью компьютеров, особенно в

Цели интеллектуальных информационных технологий расширение круга задач, решаемых с помощью компьютеров, особенно
слабоструктурированных предметных областях;
повышение уровня интеллектуальной информационной поддержки современного специалиста.

Слайд 13

Предметная область

Предметная область(ПрОб) – это область человеческой деятельности, для которой разрабатывается система.
Слабо

Предметная область Предметная область(ПрОб) – это область человеческой деятельности, для которой разрабатывается
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 14

2. История развития интеллектуальных технологий

Тема 5 Интеллектуальные информационные технологии

2. История развития интеллектуальных технологий Тема 5 Интеллектуальные информационные технологии

Слайд 15

История развития искусственного интеллекта

Начало развития направления 1940 гг.
1943 г. – первая статья

История развития искусственного интеллекта Начало развития направления 1940 гг. 1943 г. –
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 16

История развития искусственного интеллекта

1956 г. появление термина «искусственный интеллект», автор Джон Маккарти,

История развития искусственного интеллекта 1956 г. появление термина «искусственный интеллект», автор Джон
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 17

История развития искусственного интеллекта

50-е годы – моделирование человеческого разума, создание аналогичного ему

История развития искусственного интеллекта 50-е годы – моделирование человеческого разума, создание аналогичного
искусственного;
60-е годы – эвристическое программирование – разработка стратегии действий на основе заранее известных эвристик;
Эвристика – теоретически необоснованное правило, позволяющее сократить число переборов.

Слайд 18

История развития искусственного интеллекта

65-75 гг. – развитие логических методов, доказательство теорем;
1973

История развития искусственного интеллекта 65-75 гг. – развитие логических методов, доказательство теорем;
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 19

Центры исследований в области ИИ

США: Беркли, Стенфорд, Массачусетс.
Япония: Университет Токио, Sony labs;
Европа:

Центры исследований в области ИИ США: Беркли, Стенфорд, Массачусетс. Япония: Университет Токио,
Марсель, Эдинбург;
Россия: Новосибирск (академгородок), Переславль-Залесский, МЭИ, МГТУ им. Баумана;
Беларусь: Минск, Брест.

Слайд 20

Основные направления исследований в области ИИ

Нейрокибернетика или бионический;
Символьный или логический
Кибернетика «черного ящика»

Основные направления исследований в области ИИ Нейрокибернетика или бионический; Символьный или логический
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 21

3. Понятие знаний, модели представления знаний

Тема 5 Интеллектуальные информационные технологии

3. Понятие знаний, модели представления знаний Тема 5 Интеллектуальные информационные технологии

Слайд 22

Данные и знания

ДАННЫЕ – сведения, представленные в определенной знаковой системе и на

Данные и знания ДАННЫЕ – сведения, представленные в определенной знаковой системе и
определенном материальном носителе для обеспечения возможностей хранения, передачи, приема и обработки.
Знания – хорошо структурированные данные или данные о данных (метаданные).

Слайд 23

Информация, данные, знания
ДАННЫЕ + обработка = ИНФОРМАЦИЯ;
ИНФОРМАЦИЯ + сравнение = ЗНАНИЯ.

Информация, данные, знания ДАННЫЕ + обработка = ИНФОРМАЦИЯ; ИНФОРМАЦИЯ + сравнение = ЗНАНИЯ.

Слайд 24

Определение знаний

Знания — это основные закономерности предметной области, позволяющие человеку решать конкретные

Определение знаний Знания — это основные закономерности предметной области, позволяющие человеку решать
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 25

Свойства знаний

Более сложная структура;
Внутренняя интерпретируемость;
Структурируемость;
Связность.
Внутренняя активность – изменение знаний влияет на поведение

Свойства знаний Более сложная структура; Внутренняя интерпретируемость; Структурируемость; Связность. Внутренняя активность –
системы.

Слайд 26

Неформальный пример

Факты:
Встреча в 17.30
Положение стрелок на часах -
Текущее время – 17.20
Знание(вывод

Неформальный пример Факты: Встреча в 17.30 Положение стрелок на часах - Текущее
из фактов): Я опаздываю.
Действия :
Идти быстрее
Позвонить – предупредить.

Слайд 27

Классификация знаний

Процедурные знания - описывают последовательности действий, которые могут использоваться при решении

Классификация знаний Процедурные знания - описывают последовательности действий, которые могут использоваться при
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 28

Основные задачи инженерии знаний

Представление знаний:
Как люди представляют знания?
Есть ли универсальный способ представления

Основные задачи инженерии знаний Представление знаний: Как люди представляют знания? Есть ли
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 29

Требования к представлению знаний

Наглядность или простота представления знаний;
Удобство представления знаний для работы

Требования к представлению знаний Наглядность или простота представления знаний; Удобство представления знаний
интеллектуальной системы (простота использования или обработки);
Универсальность: способность представлять самые разные виды знаний;
Расширяемость базы знаний, возможность интеграции различных баз знаний.

Слайд 30

Модель представления знаний

Модель представления знаний - формализм, предназначенный для описания статических и

Модель представления знаний Модель представления знаний - формализм, предназначенный для описания статических
динамических свойств предметной области (соглашение - как описывать знания).
Классификация моделей:
Универсальные модели представления знаний
Специализированные модели представления знаний.

Слайд 31

Основные модели представления знаний

Формальные логические модели;
Продукционные модели;
Семантические сети;
Фреймы.

Основные модели представления знаний Формальные логические модели; Продукционные модели; Семантические сети; Фреймы.

Слайд 32

Формальные логические модели

Виды логических моделей:
Исчисление высказываний;
Исчисление предикатов;
Нечеткая логика.
В основе лежит формальная теория(система)

Формальные логические модели Виды логических моделей: Исчисление высказываний; Исчисление предикатов; Нечеткая логика.
:
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 33

Формальные логические модели

Достоинства:
Высокий уровень формализации, что обеспечивает точность получения результата;
Согласованность
Единый способ

Формальные логические модели Достоинства: Высокий уровень формализации, что обеспечивает точность получения результата;
описания знаний о предметной области и способов решения задач в предметной области.
Недостатки:
Ненаглядность представления знаний;
Очень строгие ограничения, накладываемые структурой представления знаний.

Слайд 34

Исчисление высказываний

Высказывание – неделимое грамматически правильное предложение, являющееся истинным или ложным.
Сложное высказывание

Исчисление высказываний Высказывание – неделимое грамматически правильное предложение, являющееся истинным или ложным.
– комбинация простых при помощи логических связок.
Пример:
A – Луна спутник Земли
B – Солнце спутник Земли
A & B - ложь

Слайд 35

Исчисление предикатов

Исчисление предикатов - система моделирования некой среды и проверки гипотез относительно

Исчисление предикатов Исчисление предикатов - система моделирования некой среды и проверки гипотез
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 36

Продукционные модели

Продукционная модель представляет собой набор продукций - правил вида «Если»- «То»;
Формально

Продукционные модели Продукционная модель представляет собой набор продукций - правил вида «Если»-
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 37

Продукционные модели

Достоинства:
Простота и наглядность правил;
Простота пополнения базы знаний;
Простота вывода в базе знаний;
Недостатки:
Несоответствие

Продукционные модели Достоинства: Простота и наглядность правил; Простота пополнения базы знаний; Простота
представлению знаний человеком;
Сложно управлять выводом при больших БЗ;
Сложность оценки непротиворечивости БЗ.

Слайд 38

Семантические сети

Семантическая сеть - ориентированный граф, вершины которого понятия, а дуги –

Семантические 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 39

Mind Maps

MindMap(Карта ума) – графическое представление некоего центрального образа и основных тем,

Mind Maps MindMap(Карта ума) – графическое представление некоего центрального образа и основных
с ним связанных.
Свойства:
Наглядность;
Эстетичность;
Однородность элементов.

Слайд 40

Пример MindMaps

Пример MindMaps

Слайд 41

Классификация семантических сетей

По количеству типов отношений:
однородные;
неоднородные.
По типу отношений:
бинарные;
N-арные.

Классификация семантических сетей По количеству типов отношений: однородные; неоднородные. По типу отношений: бинарные; N-арные.

Слайд 42

Семантические сети

Достоинства:
Наглядность, универсальность, простота понимания;
Соответствуют представлению знаний у человека.
Недостатки:
Сложность организации процессов вывода

Семантические сети Достоинства: Наглядность, универсальность, простота понимания; Соответствуют представлению знаний у человека.
на семантической сети;
Смешение различных групп знаний.

Слайд 43

Фреймы

Фрейм (Каркас) – абстрактный образ для представления некоего стереотипа восприятия.
Фрейм имеет набор

Фреймы Фрейм (Каркас) – абстрактный образ для представления некоего стереотипа восприятия. Фрейм
свойств(слотов).
Термин предложен Марвином Минским в 1979 г.
Первоначальное применение – распознавание пространственных сцен по ключевым признакам.

Слайд 44

Фреймы

Классификация фреймов:
Фреймы-образцы(прототипы);
Фреймы-экземпляры;
Фрейм – некая структура для описания знаний, которая по мере заполнения

Фреймы Классификация фреймов: Фреймы-образцы(прототипы); Фреймы-экземпляры; Фрейм – некая структура для описания знаний,
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 45

Пример фрейма

Ситуация:
Студент Иванов получил книгу А. Я. Архангельского «100 компонентов Delphi» в

Пример фрейма Ситуация: Студент Иванов получил книгу А. Я. Архангельского «100 компонентов
библиотеке ТГПУ им. Л. Н. Толстого в г. Туле»
Фрейм ПОЛУЧЕНИЕ
ОБЪЕКТ : (КНИГА (Автор, Название));
АГЕНТ: (СТУДЕНТ(Фамилия));
МЕСТО: (БИБЛИОТЕКА(Название, Расположение)).

Слайд 46

Фреймы

Достоинства:
Интеграция знаний (декларативных и процедурных);
Соответствие принципам хранения знаний человеком;
Наглядность, гибкость, однородность.
Недостатки:
Сложность управления

Фреймы Достоинства: Интеграция знаний (декларативных и процедурных); Соответствие принципам хранения знаний человеком;
выводом;
Низкая эффективность.

Слайд 47

Методы извлечения знаний

Коммуникативные методы
Активные (мозговой штурм, интервью, анкетирование и т.д.);
Пассивные (наблюдения,

Методы извлечения знаний Коммуникативные методы Активные (мозговой штурм, интервью, анкетирование и т.д.);
лекции).
Текстологические методы (анализ литературы, анализ документов);
Автоматизированные методы извлечения знаний.

Слайд 48

4. Онтологический подход

Тема 5 Интеллектуальные информационные технологии

4. Онтологический подход Тема 5 Интеллектуальные информационные технологии

Слайд 49

Что такое онтология?

Онтология— раздел философии, в котором изучаются наиболее общие характеристики бытия

Что такое онтология? Онтология— раздел философии, в котором изучаются наиболее общие характеристики
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 50

Что такое онтология?

Концептуализация - процесс перехода от представления предметной области на естественном

Что такое онтология? Концептуализация - процесс перехода от представления предметной области на
языке к точной спецификации этого описания на некотором формальном языке, ориентированном на компьютерное представление.

Слайд 51

Структура онтологии

Формальная модель онтологии:
О=, где
Х – конечное множество

Структура 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 52

Виды онтологий:

Управляемый словарь терминов - это ограниченный список слов и терминов, используемых

Виды онтологий: Управляемый словарь терминов - это ограниченный список слов и терминов,
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 53

Цели создания онтологий

Для совместного использования людьми или программными агентами общего понимания структуры

Цели создания онтологий Для совместного использования людьми или программными агентами общего понимания
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 54

Задачи решаемые с помощью онтологий

Создание и использование БЗ;
Организация эффективного поиска в БД,

Задачи решаемые с помощью онтологий Создание и использование БЗ; Организация эффективного поиска
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 55

Принципы создания онтологий (Грубер)

Ясность;
Согласованность;
Расширяемость;
Минимум влияния кодирования;
Минимум онтологических обязательств.

Принципы создания онтологий (Грубер) Ясность; Согласованность; Расширяемость; Минимум влияния кодирования; Минимум онтологических обязательств.

Слайд 56

Языки описания онтологий

Язык описания онтологий — формальный язык, используемый для кодирования онтологии.

Языки описания онтологий Язык описания онтологий — формальный язык, используемый для кодирования

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 57

Разработка онтологий в среде Protege-Frames

Онтология – это
Классы (понятия предметной области);
Подклассы;
Конкретные экземпляры

Разработка онтологий в среде Protege-Frames Онтология – это Классы (понятия предметной области);
класса.
Слоты (свойства классов);
Фацеты (ограничения на значения слотов).
База знаний – онтология вместе с конкретными экземплярами классов.

Слайд 58

Процесс разработки онтологий в Protege

Определить масштаб онтологии;
Выделить понятия онтологии;
Определить иерархию понятий (класс-подкласс);
Описать

Процесс разработки онтологий в Protege Определить масштаб онтологии; Выделить понятия онтологии; Определить
слоты понятий и ограничения на значения этих слотов;
Создать экземпляры классов (наполнить БЗ);
Создать запросы по базе знаний, проверить полноту БЗ.

Слайд 59

Шаг 1. Область и масштаб

Какую область будет охватывать онтология?
Для чего мы собираемся

Шаг 1. Область и масштаб Какую область будет охватывать онтология? Для чего
использовать онтологию?
На какие типы вопросов должна давать ответы информация в онтологии?
Кто будет использовать и поддерживать онтологию?
Вопросы проверки компетентности.

Слайд 60

Шаг 2. Перечислить все понятия в онтологии

Какие понятия (термины) мы хотим рассмотреть?
Какими

Шаг 2. Перечислить все понятия в онтологии Какие понятия (термины) мы хотим
свойствами эти понятия обладают?
Что мы бы хотели сказать об этих понятиях?
Полный список понятий онтологии.

Слайд 61

Шаг 3. Определить классы, их слоты, иерархию классов

Класс – объект, существующий независимо.
Иерархия

Шаг 3. Определить классы, их слоты, иерархию классов Класс – объект, существующий
классов:
Нисходящая разработка;
Восходящая разработка;
Комбинированная разработка.
Слоты – (наследование по иерархии):
Внутренние свойства;
Внешние свойства;
Части объекта;
Отношения с другими классами.

Слайд 62

Шаг 4. Определить ограничения(фацеты) слотов

Мощность слота;
Тип значений слота:
Строка;
Число;
Булевое значение;
Набор значений;
Экземпляр разрешенных классов.

Шаг 4. Определить ограничения(фацеты) слотов Мощность слота; Тип значений слота: Строка; Число;

Слайд 63

Шаг 5. Создать экземпляры классов

Процесс заполнения базы знаний фактами:
Выбрать класс;
Создать экземпляр класса

Шаг 5. Создать экземпляры классов Процесс заполнения базы знаний фактами: Выбрать класс;
(instance);
Задать значения слотов экземпляра.

Слайд 64

Шаг 6. Проверка работы запросов
Создать запросы, соответствующие выделенным вопросам;
Проверить корректность их работы,

Шаг 6. Проверка работы запросов Создать запросы, соответствующие выделенным вопросам; Проверить корректность
возвращаются ли ожидаемые значения.

Слайд 65

5. Основные направления развития ИИ

Тема 5 Интеллектуальные информационные технологии

5. Основные направления развития ИИ Тема 5 Интеллектуальные информационные технологии

Слайд 66

5.1 Имитация творчества

Решение игровых задач (шахматы, шашки, домино, го);
Автоматическое доказательство теорем;
Программы анализа

5.1 Имитация творчества Решение игровых задач (шахматы, шашки, домино, го); Автоматическое доказательство
и синтеза музыкальных произведений;
Генерация стихов, сказок, афоризмов.
Программы моделирующие поведение.

Слайд 67

5.2 Системы основанные на знаниях

Представление и использование знаний - основное направление развития

5.2 Системы основанные на знаниях Представление и использование знаний - основное направление
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 68

5.3 Создание средств разработки для ИИ

Разработка инструментальных средств для создания интеллектуальных систем:
Разработка

5.3 Создание средств разработки для ИИ Разработка инструментальных средств для создания интеллектуальных
новых языков программирования, ориентированных на задачи ИИ;
Создание программ-оболочек для наполнения базой знаний (ЭКО, Protégé).
Автоматический синтез программ.

Слайд 69

5.4 Анализ и обработка естественного языка

Создание ЕЯ – интерфейсов;
Автоматическое реферирование;
Автоматическая классификация

5.4 Анализ и обработка естественного языка Создание ЕЯ – интерфейсов; Автоматическое реферирование;
документов;
Машинный перевод(морфология, синтаксис, лингвистика);
Извлечение фактов из текстов;
Анализ текстов на предмет авторского права.

Слайд 70

5.5 Новые архитектуры компьютеров

Существующие ЭВМ используют архитектура фон Неймана и неэффективны в

5.5 Новые архитектуры компьютеров Существующие ЭВМ используют архитектура фон Неймана и неэффективны
плане символьной обработки.
Основная цель – разработать ЭВМ лучше подходящие для решения отдельных типов задач.

Слайд 71

Архитектура фон Неймана

Принципы фон Неймана:
двоичное представление
программное управление
однородность памяти
адресуемость памяти
последовательное программное управление
условные переходы

Архитектура фон Неймана Принципы фон Неймана: двоичное представление программное управление однородность памяти

Слайд 72

Новые архитектуры компьютеров

Ассоциативные процессоры;
Машины баз данных;
Параллельные компьютеры;
Векторные компьютеры;
Графодинамический подход.

Новые архитектуры компьютеров Ассоциативные процессоры; Машины баз данных; Параллельные компьютеры; Векторные компьютеры; Графодинамический подход.

Слайд 73

5.6 Интеллектуальные роботы

Робот – электромеханическое устройство для автоматизации человеческого труда.
Поколения:
1-е – роботы

5.6 Интеллектуальные роботы Робот – электромеханическое устройство для автоматизации человеческого труда. Поколения:
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 74

5.7 Обучение и самообучение

Модели, методы и алгоритмы, ориентированные на автоматическое накопление и

5.7 Обучение и самообучение Модели, методы и алгоритмы, ориентированные на автоматическое накопление
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 75

5.8 Распознавание образов

Образы характеризуется свои набором свойств и признаков;
Основные задачи:
Идентификация объектов.
Классификация объектов.

5.8 Распознавание образов Образы характеризуется свои набором свойств и признаков; Основные задачи:

Наиболее известные успехи – OCR или автоматическое распознавание текста.

Слайд 76

5.9 Прочие направления

генетические алгоритмы;
интеллектуальные интерфейсы;
распознавание и синтез речи;
многоагентные системы;
онтологии;
Semantic web;
менеджмент знаний.

5.9 Прочие направления генетические алгоритмы; интеллектуальные интерфейсы; распознавание и синтез речи; многоагентные

Слайд 77

Спасибо за внимание!

Есть ли вопросы?

Спасибо за внимание! Есть ли вопросы?

Слайд 78

Вопросы к зачету

Понятие искусственного интеллекта.
Понятие интеллектуальной задачи.
Поведенческие критерии интеллекта. Критерий Тьюринга.
Понятие предметной

Вопросы к зачету Понятие искусственного интеллекта. Понятие интеллектуальной задачи. Поведенческие критерии интеллекта.
области. Виды предметных областей.
Основные этапы развития искусственного интеллекта как науки.

Слайд 79

Вопросы к зачету

Основные подходы к исследованиям в области ИИ.
Понятие знаний. Классификация видов

Вопросы к зачету Основные подходы к исследованиям в области ИИ. Понятие знаний.
знаний.
Основные свойства отличающий знания от данных.
Основные задачи инженерии знаний.
Требования к представлению знаний. Понятие модели представления знаний.

Слайд 80

Вопросы к зачету

Представление знаний при помощи формальных логических моделей.
Представление знаний при помощи

Вопросы к зачету Представление знаний при помощи формальных логических моделей. Представление знаний
продукций.
Представление знаний при помощи семантических сетей.
Понятие mindmap. Основные принципы построения.
Представление знаний при помощи фреймов.

Слайд 81

Вопросы к зачету

Основные методы извлечения знаний.
Понятие онтологии. Цели создания онтологий.
Принципы создания онтологий.

Вопросы к зачету Основные методы извлечения знаний. Понятие онтологии. Цели создания онтологий.
Основные задачи, решаемые при помощи онтологий.
Классификация онтологий. Формальная модель онтологии.
Алгоритм создания онтологии в среде Protégé.
Имя файла: ПиОИвИС---тема-5.pptx
Количество просмотров: 51
Количество скачиваний: 0