Понятие искусственного интеллекта

Искусственный интеллект – это наука о концепциях, позволяющих компьютерам выполнять задачи, которые до сих пор не удалось решить человеку.

Основной задачей искусственного интеллекта является разработка методов предоставления и обработки знаний.

Область применения искусственного интеллекта:

• доказательство теорем

• игровые программы

• распознавание образов

• естественно-языковые программы

• адаптивное программирование

• программы создания музыкальных произведений, графики, живописи

Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта.

Выделяются следующие модели представления знаний:

· Логическая модель;

· Продукционная модель;

· Сетевая модель;

· Фреймовая модель.

– Логическая модель.

В основе модели лежит идея описания знаний о предметной области в виде некоторого множества утверждений, выраженных в виде логических формул, и получение решения построением вывода в некоторой формальной системе.

Знания, которые могут быть представлены с помощью логики предикатов, являются либо фактами, либо правилами.

При использовании логических методов сначала анализируется структура предметной области, затем выбираются соответствующие обозначения и формируются логические формулы, представляющие собой закономерности рассматриваемой области

• Продукционные модели – модели основанные на правилах, которые позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционные модели обладает недостатком, что при накоплении достаточно большого числа правил, они начинают противоречить друг другу;

• Сетевые модели или семантические сети – как правило, это граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами;

• Фреймовые модели – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.

Выделяются следующие направления искусственного интеллекта:

• экспертные системы

• нейронные сети

• естественно-языковые системы

• эволюционные методы и алгоритмы

• нечеткие множества

• системы извлечения знаний

Экспертные системы разрабатываются для решения конкретных задач (напр., моделирование, управление безлюдными производствами и т.д.).

Нейронные сети поддерживают различные нейросетевые алгоритмы и используются для распознавания символов, управления, предсказания ситуаций.

Естественно-языковые системы представляют собой естественно-языковой интерфейс к базам данных, выполняют поиск в текстах, используются для распознавания речи, исполнения голосовых команд, управления средствами программирования.

Эволюционные методы, методы нечетких множеств и системы извлечения знаний составляют около 4% систем искусственного интеллекта и применяются для разработки инструментальных оболочек экспертных систем и СППР.

Рынок между этими направлениями распределился так: экспертные системы - 62%, нейронные сети - 26%, естественно-языковые системы - 12%.

Причины востребованности систем искусственного интеллекта и их коммерческого успеха, следующие:

1. Специализация. Переход от разработки инструментальных средств общего назначения к проблемно/предметно специализированным средствам, что обеспечивает сокращение сроков разработки приложений, увеличивает эффективность использования инструментария, упрощает и ускоряет работу эксперта, позволяет повторно использовать информационное и программное обеспечение.

2. Использование языков традиционного программирования и рабочих станций. Переход от систем, основанных на языках искусственного интеллекта (Lisp, Prolog и т.п.), к языкам традиционного программирования.

3. Интегрированность. Разработаны инструментальные средства искусственного интеллекта, легко интегрирующиеся с другими информационными технологиями и средствами (с CASE, СУБД, контроллерами, концентраторами данных и т.п.).

4. Открытость и переносимость. Разработки ведутся с соблюдением стандартов, обеспечивающих данные характеристики.

5. Архитектура клиент/сервер. Разработка распределенной ИС в данной архитектуре позволяет снизить стоимость оборудования, используемого в приложении, децентрализовать приложения, повысить надежность и общую производительность

Функциональный комплекс системы искусственного интеллекта состоит из трех компонентов: исполнительная система, интеллектуальный интерфейс пользователя и база знаний.

Исполнительная система представляет собой совокупность программ для решения задач с проблемной ориентацией.

Интеллектуальный интерфейс пользователя – это система программных и аппаратных средств, позволяющих использовать компьютер для решения задач, возникающих в профессиональной деятельности пользователя.

База знаний – это комплекс вычислительных средств, позволяющих обрабатывать системы знаний о проблемной среде.