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.
