Сынылатын әдебиеттердің тізімі

Атауы, жылы және басылым орны

Негізгі әдебиет

Ж.-Л. Лорьер, Системы искусственного интеллекта, М. Мир,1999

Джордж Ф.Люгер, Искусственный интеллект, стратегии и методы решения сложных проблем, Вильямс, 2005-864с.

С.А.Орловский. Проблемы принятия решений при нечеткой исходной информации, М. Наука,1981

Алиев Р.А. и др. Производственные системы с искусственным интеллектом./ Р.А. Алиев, Н.М. Абдикеев М.Н. Шахназаров. М., Радио и связь, 1990

Қосымша әдібиеттер

Питер Джексон, Экспертные системы, Вильямс, 2001-624 с.

Острейковский В.А., Информатика, М. Высш. Шк.,1999

Прикладные нечеткие системы: Пер. с япон./К.Асаи и др, М. Мир, 1993

Нечеткие множества в моделях управления и искусственного интеллекта/Под ред. Д.А. Поспелова.-М.: Наука 1986

Левин, Д. Дранг, Б. Эдельсон, Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике, М. Финансы и статистика,1990

Н.Нильсон. Принципы искусственного интеллекта, М.: Радио и связь, 2000

Э.Хант. Искуственный интеллект, Москва, 2000.

ЛЕКЦИЯЛАР КЕШЕНІ

Дәріс 1. Кіріспе. Жасанды интелект ұғымы. Жасанды интелект жүйелерінің негізгі даму кезеңдері.

Кез келген ақпараттық жүйе (АЖ) келесі функцияларды орындайды: пайдаланушымен енгізілген ақпараттық сұраныстар мен қажетті алғашқы деректерді қабылдайды, белгілі алгоритмге сәйкес жүйеде енгізілген және сақталынған деректерді өндейді және қажетті шығыс ақпаратты шығарады. Атап айтылған АЖ функцияларын іске асыру көзқарасынан фабрика сияқты қарауға болады.

Жасанды интеллектің негізгі анықтамалары және түсініктері. Информатика және жасанды интеллект. Жасанды интеллектің тарихы және қолданулары.

Жасанды интеллект (ЖИ) – информатика бағыттарының бірі, оның мақсаты программист емес пайдаланушыға ЭЕМ мен табиғи тілдің шектеулі мөлшерімен тілдесіп, дәстүрлі түрде зияткерлік деп саналатын міндеттерін қойып, шешуге мүмкіндік беретін аппараттық бағдарламалық құралдарды әзірлеу.

Жасанды интеллектің міндеті - ақылға қонымды пайымдаулар мен адам іс - әрекетін жасанды құрылғылар көмегімен тыңнан жасау (имитация).

Интеллект ойлау, ұтқыр, ой сана қабілеті.

Алғашында күрделі есептерді шешу және ойлау қабілетін модельдеу үшін адам ақылының жасанды үлгісін жасауды Л.Луллий ұсынды. Ол оған дейін XIV ғасырда түсініктерді жалпы топтастыру негізінде түрлі есептерді шешетін машина құруға тырысты.

XVIII ғасырда Г.Лейбниц пен Р.Декарт бір-бірінен тәуелсіз жасанды интеллектті жасау аймағында теоретикалық жұмыстар негізіне енген барлық ғылымдарды топтастырудың әмбебап тілдерін ұсына отырып, бұл ойды дамытты.

Жасанды интеллект дамуы ғылыми бағыт ретінде ХХ ғасырдың тек 40-шы жылдарында ЭЕМ-нің пайда болуымен ғана мүмкін болды. Осы уақытта Н.Винер жаңа пән – кибернетика бойынша өзінің негіздеуші жұмыстарын құрды.

1954 жылы ММУ-да (МГУ) профессор А.АЛяпуновтың басқаруымен, «Автоматтар және ойлау» семинары өз жұмысын бастады.

Жасанды интеллект (artificial intelligence) термині 1956 жылы АҚШ-та өткен және санау есептерін емес, логикалық есептерді қарастыруға арналған семинарда ұсынылды. Жасанды интеллектіні ғылымның бөлек бөлімі ретінде қабылдағаннан кейін, ол 2 негізгі бағытқа бөлінді:

1. нейрокибернетика – бионикалық бағыт;

2. «қара жәшік» кибернетикасы – прагматикалық бағыт.

«Ойлау қабілеті бар жалғыз объект – адам миы» - бұл нейрокибернетиканың негізгі ойы. Яғни, кез-келген «ойлаушы» құрылғы адам миының құрылымына ұқсас болу керек. Осылайша, нейрокибернетика ми құрылымына ұқсас құрылымдарды аппараттық модельдеуге бағытталған.

Алғашқы нейрожелілерді 50-ші жылдардың соңында американ ғалымдары Г.Розенблатт және П.Мак-Каллок құрды. Бұл адам көзін және оның миымен өзара әрекетін модельдеуші жүйелерді құру әрекеттері болды. 70-80 жылдарда жасанды интеллектнің бұл бағыты бойынша жұмыстар саны азая бастады. Жұмыс авторлары сәтсіздіктерді сол кездегі компьютерлер есінің аз болуымен және төмен жылдамдығымен түсіндірді. 3 тәсілді бөледі:

· аппараттық – барлық қажет алгоритмдерді іске асыратын арнаулы компьютерлерді, кеңейту тақталарын, микросхемалар жиындарын құру;

· бағдарламалық – жоғары өндірістік компьютерлерге арналған бағдарламаларды құру. Желілер компьютер жадысында құрылады, барлық жұмысты оның процессорлары орындайды;

· гибридті – жоғарыдағы 2 жолдың комбинациясы. Санаудың бір бөлігін арнаулы кеңейту тақталары (сопроцессорлар) іске асырады, басқа бөлігін – бағдарламалық құралдар.

«Қара жәшік» кибернетикасының негізіне нейрокибернетикаға қарама-қарсы принцип жатады.

50-ші жылдардың соңында лабиринттік іздеу моделі жасалды.

60 жылдардың басы – эвристикалық программалау заманы. Эвристика – теоретикалық дәлелденбеген, бірақ іздеу кеңістігінде қарастыру санын азайтуға мүмкіндік беретін ереже. Эвристикалық программалау - әрекеттер стратегиясын белгілі, алдын-ала белгіленген эвристикалар негізінде жасау.

1965-1980 жылдарда жағдайлық басқару жаңа ғылымы дамыды. 1963-1970 жылдарда есептерді шешуге математикалық логика әдістерін қолдана бастады. Бастапқы аксиомалар жиыны болған жағдайда теоремаларды автоматты түрде дәлелдеуге мүмкіндік берген резолюциялар әдісі негізінде 1973 жылы пролог тілі жасалды.

70-ші жылдардың ортасында, ойлаудың универсалды алгоритмін іздеудің орнына маман-эксперттердің нақты білімдерін модельдеу ойы келгенде, жасанды интеллект есептерін шешудің жаңа жолы – білімдерді ұсыну келді.

80-ші жылдардың ортасынан бастап жасанды интеллект дамуына қаржы бөле бастады және өзі оқылатын жүйелерге қызығушылық өсті. Процессорлар саны үлкен параллельді компьютерлер – транспьютерлер пайда болды. Транспьютерлерден бір қадамда адам құрылымын модельдейтін нейрокомпьютерлер орналасты.

1980-1990 жылдары білімдерді ұсыну аумағында белсенді зерттеулер жүргізілді, білімдерді ұсыну тілдері, эксперттік жүйелер жасалды. Мәскеу мемлекеттік университетінде РЕФАЛ тілі жасалды. 1988 жылы Жасанды Интеллект Ассоциациясы (ЖИА) құрылды.

Тарих жағынан жасанды интеллектні модельдеудің 3 негізгі бағыты қалыптасты.

Бірінші бағытта зерттеулер объектісі болып адам миының жұмыс істеу механизмдері мен құрылымы табылады, ал ақырғы мақсаты – ойлау құпияларын ашу.

Екінші бағыт зерттеу объектісі ретінде жасанды интеллектіні қарастырады. Бұл бағыттардағы жұмыстардың мақсаты – интеллектуалды есептерді адамнан кем емес шығара алатын санау машиналардың алгоритмдік және бағдарламалық қамтамасыздануын жасау.

Үшінші бағыт аралас адамдық - машиналық немесе басқаша айтқанда интерактивті интеллектуалды жүйелерді жасауға, табиғи және жасанды интеллект арасында функцияларды оптималды бөлу және адам мен машина арасында сұхбатты ұйымдастыру.

ЭЕМ көмегімен шешілген ең алғашқы интеллектуалды есептер – логикалық ойындар (шашки, шахмат), теоремаларды дәлелдеу. Бірақ мұнда күрделі релейлік схема арқылы басқарылған Клод Шеннонның «электронды тышқаны» сияқты кибернетикалық ойыншықтарды айтып кету қажет. Бұл тышқан лабиринтті «зерттеп», одан шығу жолдарын таба алды.

Американ кибернетигі А.Самуэль санау машинасына шашки ойынын ойнауға мүмкіндік беретін программа шығарды, ойын кезінде машина үйренеді немесе жинақталған білімі негізінде өз ойынын жақсартып, үйрену әсерін қалдырады. 1962 жылы бұл бағдарлама АҚШ-тың ең жақсы ойыншысы Р.Нилимен қарсыласып жеңді.

Шахмат – соңғы кездерге дейін күрделі интеллектуалды ойынның мысалы болды. 1974 жылы сәйкес бағдарламалармен қамтамасыздандырылған машиналардың шахмат бойынша халықаралық турниры өтті. Бұл турнирде «Каисса» шахматты бағдарламасы бар совет машинасы жеңді.

Қазіргі кезде машинаға іскерлік немесе әскери ойындарды ойнауға мүмкіндік беретін бағдарламалар бар және сәтті қолданылады. Сонымен қатар мұнда бағдарламаларға адамға тән оқу және бейімделу қабілетін енгізу өте маңызды. Интеллектлі есептердің ең қызықтыларының бірі – бейнелерді және жағдайларды зерттеуді оқыту есебі.

1957 жылы американ физиологы Ф.Розенблатт көруді қабылдау және талдау моделін – персептронды ұсынды.

Табиғи тілде жүргізілетін адам мен машина арасындағы диалогты қамтамасыздандыратын бағдарламалар да бар.

Логикалық ойлауды модельдеу туралы айтсақ, теоремаларды дәлелдеуді автоматтандыру есебі жақсы модельдік есеп болуы мүмкін. 1960 жылдан бастап бірінші деңгейлік предикаттарды санауда теоремалардың дәлелдеуін таба алатын бағдарламалар қатары шығарылды. Жасанды интеллект аумағындағы американ маманы Дж.Маккати айтуынша, бұл бағдарламалардың «дұрыс мәні» бар, яғни дедуктивті қорытынды жасау қабілеті бар.

Робототехника – жасанды интеллект жүйелерінің өте үлкен бағыты.

Сонымен қатар жасанды интеллектінің таза компьютерлік жүйелерінің негізгі мақсаты – жасанды сезім органдары көмегімен әдетте қоршаған ортаны қабылдаумен де, жұмыс істеу механизмдерінің қозғалысын ұйымдастырумен де еш байланысы жоқ, абстрактті немесе қосымша қасиеті бар, интеллектлік есептерді шешу болып табылады.

Жасанды интеллектіні зерттеудің негізгі мақсаты. Жасанды интеллект - ғылым ретінде

ЖИ жүйелерін құрастырудың әр түрлі тәсілдері бар.

Біріншіден, логикалық тәсіл. Берілген логикалық тәсілдің негізі Буль алгебрасы болып келеді. Өзінің дамуын Буль алгебрасы предикаттарды есептеу түрінде алды. Іс жүзінде логикалық принципте құрастырылған әр ЖИ жүйесі теоремаларды дәлелдеу машинасы болып келеді. Және мұнда алғашқы деректер қорда аксиомалар түрінде, ал логикалық қорытынды ережелері – олардың арасындағы қатынастар түрінде сақталады. Одан басқа, осындай әр машинада мақсатты генерациялау блогы бар, және қорытынды жүйесі берілген мақсатты теореманы сияқты дәлелдеуге тырысады. Егер мақсат дәлелденсе, онда қолданылған ережелердің трассировкасы қойылған мақсатқа жетуге қажетті әрекеттердің тізбегін алуға мүмкіндік береді.

Логикалық тәсілдің көрнекіліктің өсуі нақты емес логика сияқты салыстырмалы қарағанда жаңа бағытқа тәуелді. Оның негізгі айырмашылығы – айтылудың шыңайылығы мұнда иә/жоқтан (1/0) басқа аралық мәндерді де қабылдай алады: білмеймін (0,5), пациент өліге қарағанда тіріге жақын (0,75), пациент тіріге қарағанда өліге жақын (0,25). Бұл тәсілдің адамның ойлауымен ұқсастықтары көп болып келеді, өйткені адам да сұрақтарға тек “иә” немесе тек “жоқ” деп сирек жағдайларда ғана жауап береді.

Логикалық әдістердің көбі үшін еңбекті көп ету – тиісті болып келеді, өйткені дәлелдеулерді іздеу кезінде нұсқаларды толық қарап шығу қажеттіліктің пайда болуы мүмкін. Сондықтан бұл тәсіл есептеу процестің нәтижелі іске асуын қажет етеді, және сапалы жұмыс әдетте деректер қорының салыстырмалы үлкен емес мөлшерінде кепілдендіреді.

Құрылымды тәсіл деп адам миының құрылымын модельдеу жолымен ЖИ құрастыруды айтады. Осындай тәсілдің алғашқылардың бірі Френк Розенблаттың перцептроны болды. Перцептрондардағы (миды модельдеу басқа да нұсқалардың көпшілігіндегідей) негізгі модельделінетін құрылымдық бірлігі-нейрон.

Уақыт өткеннен кейін “нейронды желілер” (НЖ) деген модельдер пайда болды. Бұл модельдердің айырмашылықтары – кейбір нейрондардың құрылымында, олардың арасындағы байланыстардың топологиясында және оқыту алгоритмдерінде. Қазіргі уақытта Ең танымалы НЖ Хопфилд желілері, стохастикалық нейронды желілерін айтуға болады. НЖ-лердің сәтті қолданылуы әдетте – бейнелерді тану есептерінде..

Адам миының құрылымы бойынша құрылған модельдердің келесі қасиеттері болады: аса үлкен емес көркемділік, алгоритмдердің жеңіл параллельденуі, және осыған байланысты параллельді ұйымдасқан НЖ-лердің жоғары өнімділігі.

Эволюциялық тәсіл бойынша ЖИ жүйелерін құрастырған кезде негізгі назар бастапқы модельдің құруына және модельдің өзгеру заңдылықтарын анықтайтын ережелерге түседі. Модель әртүрлі әдістер бойынша құрастырылуы мүмкін: НЖ, логикалық ережелердің жиыны, басқа да кез келген модель. Осыдан кейін компьютерді қосқанда, ол модельдерді тексеру негізінде арасынан ең жақсыларын таңдайды. Осы модельдердің негізінде әр түрлі ережелер бойынша жаңа модельдер құрылады, олардан қайтадан ең жақсылары таңдалынады, т.с.с.

Келесі ерекшеліктері бар: құрастырушының негізгі жұмысы модельді құрастырудан оны модификациялау алгоритміне аударылады және алынған модельдер ЖИ жүйесін қоршаған орта туралы жаңа білімнің алынуына іс - жүзінде әсерін тигізбейді, яғни модель өз-өзінің ішінде зат болып қалады.

И митациялық тәсіл. Негізгі түсініктердің бірі – “қара жәшігі” (ҚЖ). ҚЖ – ішкі құрылымы және мазмұны жөнінде ақпарат мүлдем жоқ, бірақ кіріс және шығыс деректердің спецификациялары белгілі болып келетін құрылым, бағдарламалық модуль немесе деректер жиыны. Сипаттамасы имитацияланатын объект осындай “қара жәшік” болып келеді. Онда және модельдің ішінде не бар, және ол қалай жұмыс істейтіні маңызды емес, бастысы – сәйкес жағдайларда модельдің қимыл-әрекеті дәл объектідегідей болуы. Сөйтіп, мұнда адамның басқа қасиеті модельденеді – басқалардың істейтінін, бұл қалай болатынына және не үшін керегіне ойланбай-ақ, қайталау. Жиі жағдайда бұл қабілет оның көп уақытын үнемдейді, әсіресе өмірінің басында.

Имитациялық тәсілдің негізгі кемшілігі – оның көмегімен құрылған модельдердің көпшілігінің төмен ақпараттық қабілеттілігі.

Жасанды интеллект жүйесінің топтастыруы. Интеллектуалды программалардың өңдеуі қарапайым бағдарламалардан айтарлықтай айырмашылық бар және де ол жасанды интеллект жүйесінің құрылу жолымен жүргізіледі. Егер де қарапайым бағдарлама мынадай мүмкін парадигмасында көрсетілетін болса:

Бағдарлама = Алгоритм + Деректер

онда жасанды интеллект жүйесінде басқаша парадигмада сипатталады:

ЖИЖ = Білім + Білімді өңдеу стратегиясы

Интеллектілік жүйелердің ерекшелігі олар білімге негізделген. Білімді өңдеу стратегияларына моделдер және автоматты білімнің жинақталуына бағытталған алгоритмдер, білімді талдауға және жалпылауға негізделген әдістер кірістірілген.

Білім – пән саласының заңдылықтарын (принциптері, байланыстары, заңдары), осы облыста есептерді шығаруға мүмкіндік береді.

ЭЕМ - де білім өңделген кезде келесі кезеңдерден өту барысында өзгереді:

- ойлау нәтижесі ретіндегі адамның есте сақтау білімділігі;

- білімді нақты тасымалдаушылар;

- білім өрісі – пән саласының негізгі объектілерінің шартты сипаттамасы, олардың атрибуттары мен заңдылықтары және оларды байланыстырушылар;

- білімдерді көрсету тілдерінде сипатталған білім;

- білімдер қоры.

Деректер – ол объектілер мен процестер және пән саласының құбылыстарын, сонымен қатар олардың қасиеттерін сипаттайтын жеке фактілер. ЭЕМ-ларда деректерді өңдеу білімдерге сәйкес жүргізіледі, бірақ карапайым құрылыммен беріледі.

Білім түсінігі деректер түсінігі негізінде жиі қолданылады.

Деректерге қарағанда білім келесі қасиеттерге ие:

- ішкі интерпретациялылық – білім қорында ақпаратпен бірге білімді сақтап қана қоймай, оларды қолдануға мүмкіндік беретін ақпараттық құрылымдар көрсетілген.

- құрылымдылықпен – күрделі объектілердің қарапайым объектілерге декомпозицицялау орындалады және олардың арасындағы байланысты орнатады.

- байланыстылық – құбылыстар, ұстанымдар, фактілерге қарасты заңдылықтар және олардың арасындағы себепті байланыстар бейнеледі.

- белсенділік – нақты есептерді шешуге барынша ақпараттық процестердің басқару қабілетін білім ақпараттың мақсатты бағытталуын қолдануды болжайды.

Білімнің екі мағынасы бар: фактуалды және операциялық.

· Фактуалды білім – ол түсінікті және мағыналы деректер. Деректер өзімен- өзі – кез келген жинақтауыштағы арнайы ұйымдастырылған белгілер.

· Операциялық білім – деректерді құрастыруға немесе олардан алуға мүмкіндік беретін фактілер арасындағы жалпы тәуелділіктер.

Жалпы фактуалдық білімді экстенционалдық (детализированным), ал операциялық білімді – интенсионалдық (жалпыланған) деп айтады.

Нақты пән саласында білімнің келесі типтерін ажыратады: түсінікті, конструктивті, процедуралық, фактографиялық және метабілім (метазнание).

Пән саласының моделін былай анықтауға болады:

(пән саласының моделі) = (түсінікті білім) + (конструктивті білім), ал білім қорын: (білім қорын) = (пән саласының моделі) + (процедуралық білім) + (метабілім) + (фактографиялық білім).

Деректерден ақпаратты бөліп алу процесі операциялық және фактуалды білімнің бірігуін береді және түрлі ақпараттық жүйелердің тпитерінде әр түрлі жүргізіледі. Олардың бірігуінің ең қарапайым жолы бір қолданбалы бағдарламаның шекарасында шығарылуы:

Бағдарлама = Алгоритм (Деректердің жасалу ережесі + басқару құрылымы) + Деректердің құрылымы.

Сөйтіп операциялық білім (алгоритм) және фактуалдық білім (деректер құрылымы) бір-бірінен бөлінбейді.

Бағдарлама және деректер қоры арасындағы делдал ретінде деректерге шығу бағдарламалық құралы – деректер қорын басқару жүйесі шығады (ДҚБЖ):

(ДҚЖ) = Бағдарлама <=> ДҚБЖ<=> Деректер қоры.

Декларативті формада әр түрлі есептердің бірдей білім шекарасын сақтайтын, операциялық білімнің (деректердің құрылу ережесі) бағдарламада аталған білім қорынан бөліну мүмкіндігін бағдарламаның құрылымының анализін көрсетеді. Басқарушы құрылым есепті шешуде әмбебап механизмді береді (шығару механизмі), ал нақты есептерді (исходных шарттарда және мақсатты сұраныста құрылған) кірістіруіне тәуелді білімнің бірліктерін орындалған тізбекпен (генерирленген алгоритмдер) байланыстырады. Мұндай АЖ білімді өңдеудегі басты жүйелер болып саналады (ДҚЖ (СБЗ)- Knowledge Base (Based) Systems):

(ДҚЖ) = Білім қоры <=> Басқарушы құрылым <=> Деректер қоры (қорытындылау механизмі)

Есептерді шешу алгоритмінің генерациясына бейімделген ЖИЖ үшін келесі белгілер сай:

· коммуникативті қабілетінің дамығандығы,

· күрделі нашар құрылған есептерді шешу дағдысы,

· өзін-өзі оқыту қабілеттілігі.

Ж ИЖ – нің коммуникативті қабілеті - жекеше түрде, ЖИЖ-мен сұхбатта еркін сұраныстың құрылу мүмкіндігінің жоғарғы деңгейдегі табиғи түрге жуықтау тілін, ақырғы пайдаланушының жүйемен арақатынасын көрсетеді.

Күрделі нашар құрылатын есептер – білім және деректердің алғашқы динамикалық және анықталмағандық ерекше мүмкіндіктеріне тән нақты жағдайға тәуелді, өзіндік шығару алгоритмін тұрғызуды талап ететін есептер.

Өз бетімен оқу қабілеті – нақты жағдайлардың жиналған тәжірибеден алынған есептерді шығаруға арналған білімді автоматты түрде алу мүмкіндігі.

Әртүрлі АИЖ аталған интеллектлік белгілер бірдей емес дәрежеде дамыған және өте сирек осы төрт белгі біруақытта іске асырылады. Шартты түрде әрбір интеллектілік белгіге АЖЖ өз класы сәйкес келеді:

· Интеллектлік интерфейсі бар жүйелер;

· Сарапшы жүйелер;

· Өз бетімен оқитын жүйелер.