страница 1страница 2 ... страница 6страница 7
|
|||||||||||||||||||||||||||||||||||||||||||||||
Похожие работы
|
Базы знаний интеллектуальных - страница №1/7
Т. А. Гаврилова В. Ф. Хорошевский БАЗЫ ЗНАНИЙ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
Содержание Предисловие 6 Об авторах 8 От издательства 8
искусственного интеллекта 15 1.3. Представление знаний и вывод на знаниях 19 1.4. Нечеткие знания 31 2. Разработка систем, основанных на знаниях 39
3. Теоретические аспекты инженерии знаний 59
4. Технологии инженерии знаний 99
знаний 137 4.6. Примеры методов и систем приобретения знаний 145 5. Новые тенденции и прикладные аспекты инженерии знаний 161
6. Программный инструментарий разработки систем, основанных на знаниях 203 6.1. Технологии разработки программного обеспечения — цели, принципы, парадигмы 203
7. Пример разработки системы, основанной на знаниях .... 237
8. Представление данных и знаний в Интернете 271
9. Интеллектуальные Интернет-технологии 317 s
| Заключение 356 Литература 358 С любовью, учителю Д. А. Поспелову, друзьям и близким, всем, кто помог созданию этой версии учебника, и, надеемся, будет сотрудничать с нами дальше Предисловие Вы открываете необычный учебник — учебник, предназначенный для студентов технических университетов и их преподавателей, для аспирантов, магистров, ба- калавров и практиков-разработчиков. Этот учебник написан для тех, кто хочет вступить в мир науки с интригующим названием — ИСКУССТВЕННЫЙ ИН- ТЕЛЛЕКТ. Несмотря на обилие книг с аналогичным названием (см. список основной лите- ратуры), на сегодняшний день нет вузовского учебника по предметам «Интеллек- туальные системы», «Экспертные системы», «Базы знаний» и т. д. Тем не менее практически все технические университеты совершенно справедливо включили такого рода дисциплины в свои программы. Поскольку бум в этой науке при- шелся на конец 70-х и 80-е, большинство книг на русском языке издано в эти годы. И авторы приносят благодарность создателям первых отечественных мо- нографий и справочников, а также переводчикам классических книг в этой обла- сти — Д. А. Поспелову, Э. В. Попову, В. Л. Стефанюку, Г. С. Осипову и другим пионерам, без работ которых создание этого учебника было бы невозможно. Необычность этого учебника связана также с подчеркнутой междисциплинарно- стью выбранного подхода, отказом от «клановости» отдельных научных школ и направлений. Этот учебник могут читать инженеры и математики, экономисты и биологи, программисты и медики. Он практически не требует предварительной подготовки в данной области знаний и рассчитан на широкий круг читателей, заинтересованных разработкой интеллектуальных систем, основанных на зна- ниях. Мы отказались от излишней специализации в пользу широты изложения, нам хотелось представить горизонты этой науки, а не прокопать в ней глубокий, но узкий туннель. Другой особенностью учебника является его практическая направленность. Ос- воив изложенный материал, студент или другой заинтересованный читатель смо- жет самостоятельно приступить к разработке интеллектуальной системы в роли инженера по знаниям. Акцент в учебнике сделан именно на работу со знаниями. Фактически он ориентирован на подготовку уникальных специалистов, спрос на которых на современном рынке высоких информационных технологий много- кратно превышает спрос на программистов. Этих специалистов называют по-раз- ному — системные аналитики, постановщики задач, инженеры по знаниям, инже- неры-когнитологи. По английски это — knowledge engineers. Рассмотренные в учебнике вопросы представляют лишь вершину айсберга срав- нительно молодой науки — ИНЖЕНЕРИИ ЗНАНИЙ. И, надеемся, показывают ее новые горизонты в мире информационных технологий. Учитывая значительное число достижений и публикаций в этой области за рубе- жом, авторы сознательно будут приводить терминологию, используемую в ориги- налах, что существенно облегчит изучение проблемы желающим повысить свою квалификацию через Интернет и другие источники англоязычной информации. Материал учебника основан на курсах лекций, прочитанных авторами для сту- дентов Санкт-Петербургского государственного технического университета (быв- ший Политех) и Московского физико-технического института (Технического университета). Объем курса от 32 до 64 лекционных часов плюс столько же практических занятий. По сути дела здесь в одном учебнике собрано несколько курсов лекций, ориентированных на разные специализации и разную базовую подготовку. В целом же данный учебник, по опыту авторов, содержит материал для двухгодовых курсов с общим названием «Искусственный интеллект». Разные категории читателей могут читать учебник по различным «сценариям».
» минимальный курс: параграфы 1.1-1.4, 2.1-2.4, 3.2, 3.4, 4.1-4.3, 4.4, 6.3, 8.2, 9.1;
» наконец, главы 8, 9 дают основу для курса по тематике интеллектуальных Интернет-технологий. • Сценарий 5 — для системных аналитиков. Главы 3-6. • Сценарий 6 — для программистов и разработчиков. Главы 2-4, 6-9. В заключение авторы благодарят заведующую редакцией технической литера- туры издательства «Питер» Екатерину Строганову за энергию и энтузиазм при убеждении авторов принять решение о начале работы над учебником и поддерж- ку в ее завершении. В параграфе 4.6 четвертой главы использованы материалы монографии «При- обретение знаний интеллектуальными системами», любезно предоставленные ее автором Г. С. Осиновым. Глубокую признательность авторы выражают Александру Волкову. Он является разработчиком программных систем, описанных в пятой главе. Параграф 5.1 на- писан совместно с А. В. Волковым, работа с которым существенно повлияла на формирование взглядов одного из авторов. На подготовку материалов, представленных в параграфах 8.2 и 8.3 восьмой гла- вы, а также в параграфах 9.1 и 9.3 девятой главы, в значительной мере повлияла работа по мультиагентным системам и интеллектуальным Интернет-ориентиро- ванным системам поиска информации, проведенная Н. В. Майкевич. По сути дела именно ей один из авторов данной книги обязан своей «миграцией» в эту новую область интеллектуальных информационных технологий из проблемати- ки программного обеспечения систем искусственного интеллекта. Отдельная благодарность должна быть высказана Е. Васильевой, Н. Нумеровой и Н. Сташ, сотрудницам Института высокопроизводительных вычислений и баз данных Миннауки РФ, за техническую помощь при работе над рукописью, без которой книга могла бы так и не дойти до читателей. Главы 1-5 написаны д. т. н., проф. Т. А. Гавриловен, главы 6-9 — д. т. н., проф. В. Ф. Хорошевским. Предисловие и заключение — результат совместной работы авторов, которые с надеждой на дальнейшее сотрудничество выражают глубо- кую признательность всем, кто помог выходу этой книги. Об авторах Т. А. Гаврилова — д. т. н., профессор кафедры компьютерных интеллектуальных технологий Санкт-Петербургского государственного технического университета, председатель Петербургского отделения Ассоциации искусственного интеллекта. В. Ф. Хорошевский — д. т. н., профессор МФТИ, заведующий сектором вычис- лительного центра РАН, член Научного Совета Российской Ассоциации искусст- венного интеллекта. От издательства Ваши замечания, предложения, вопросы отправляйте по адресу электронной по- чты comp@piter.com (издательство «Питер», компьютерная редакция). Мы будем рады узнать ваше мнение! Подробную информацию о наших книгах вы найдете на Web-сайте издательства
Введение в интеллектуальные системы о Краткая история искусственного интеллекта d Основные направления исследований в области искусственного интеллекта п Представление знаний и вывод на знаниях d Нечеткие знания d Прикладные интеллектуальные системы 1.1. Краткая история искусственного интеллекта 1.1.1. Предыстория Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума витала в воздухе еще в древнейшие време- на. Так, в древнем Египте была создана «оживающая» механическая статуя бога Амона. У Гомера в «Илиаде» бог Гефест ковал человекоподобные существа-авто- маты. В литературе эта идея обыгрывалась многократно: от Галатеи Пигмалиона до Буратино папы Карло. Однако родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII веке попытался создать механическую машину для решения различных задач, на основе разработанной им всеобщей классификации понятий. В XVIII веке Лейбниц и Декарт независимо друг от друга продолжили эту идею, предложив универсальные языки классификации всех наук. Эти работы можно считать первыми теоретическими работами в области искусственного интеллекта. Окончательное рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 40-х годах XX века. В это же время Нор- берт Винер создал свои основополагающие работы по новой науке — киберне- тике. Термин «искусственный интеллект» — ИИ — (AI — artificial intelligence) был предложен в 1956 г. на семинаре с аналогичным названием в Дартсмутском колледже (США). Семинар был посвящен разработке методов решения логи- ческих, а не вычислительных задач. В английском языке данное словосочетание не имеет той слегка фантастической антропоморфной окраски, которую оно при- обрело в довольно неудачном русском переводе. Слово intelligence означает «уме- ние рассуждать разумно», а вовсе не «интеллект», для которого есть термин intel- lect. Вскоре после признания искусственного интеллекта отдельной областью науки произошло разделение его на два направления: нейрокибернетика и «кибернети- ка черного ящика». Эти направления развиваются практически независимо, су- щественно различаясь как в методологии, так и в технологии. И только в настоя- щее время стали заметны тенденции к объединению этих частей вновь в единое целое. 1.1.2. Зарождение нейрокибернетики Основную идею этого направления можно сформулировать следующим образом: Единственный объект, способный мыслить, — это человеческий мозг. Поэтому лю- бое «мыслящее» устройство должно каким-то образом воспроизводить его струк- туру. Таким образом, нейрокибернетика ориентирована на программно-аппаратное моделирование структур, подобных структуре мозга. Физиологами давно уста- новлено, что основой человеческого мозга является большое количество (до 1021) связанных между собой и взаимодействующих нервных клеток — нейронов. По- этому усилия нейрокибернетики были сосредоточены на создании элементов, аналогичных нейронам, и их объединении в функционирующие системы. Эти си- стемы принято называть нейронными сетями, или нейросетями. Первые нейросети были созданы Розенблаттом и Мак-Каллоком в 1956-1965 гг. Это были попытки создать системы, моделирующие человеческий глаз и его взаи- модействие с мозгом. Устройство, созданное ими тогда, получило название пер- септрона (perceptron). Оно умело различать буквы алфавита, но было чувстви- тельно к их написанию. Например, буквы А, А и А для этого устройства были тремя разными знаками. Постепенно в 70-80 годах количество работ по этому направлению искусственного интеллекта стало снижаться. Слишком неутеши- тельны были первые результаты. Авторы объясняли неудачи малой памятью и низким быстродействием существующих в то время компьютеров. Однако в 1980-х в Японии в рамках проекта «ЭВМ V поколения» был создан первый нейрокомпьютер, или компьютер VI поколения. К этому времени ограни- чения по памяти и быстродействию были практически сняты. Появились транс- пьютеры — параллельные компьютеры с большим количеством процессоров. Транспьютерная технология — это только один из десятка новых подходов к ап- паратной реализации нейросетей, которые моделируют иерархическую структу- ру мозга человека. Основная область применения нейрокомпьютеров сегодня — это задачи распознавания образов, например идентификация объектов по резуль- татам аэрофотосъемки из космоса. Можно выделить 3 подхода к созданию нейросетей:
Более глубокое рассмотрение этого чрезвычайно перспективного и интересного направления исследований искусственного интеллекта выходит за рамки данной книги. Подробнее см. работы [Соколов, Вейткявичус, 1989; Амамия, Танака, 1993]. 1.1.3. От кибернетики «черного ящика» к ИИ В основу этого подхода был положен принцип, противоположный нейрокиберне- тике. Не имеет значения, как устроено «мыслящее» устройство. Главное, чтобы на за- данные входные воздействия оно реагировало так же, как человеческий мозг. Сто- ронники этого направления мотивировали свой подход тем, что человек не дол- жен слепо следовать природе в своих научных и технологических поисках. Так, например, очевиден успех колеса, которого не существует в природе, или самоле- та, не машущего крыльями, подражая птице. К тому же пограничные науки о че- ловеке не смогли внести существенного теоретического вклада, объясняющего хо- тя бы приблизительно, как протекают интеллектуальные процессы у человека, как устроена память и как человек познает окружающий мир. Это направление искусственного интеллекта было ориентировано на поиски ал- горитмов решения интеллектуальных задач на существующих моделях компью- теров. Существенный вклад в становление новой науки внесли ее «пионеры»: Маккартни (автор первого языка программирования для задач ИИ — ЛИСПа), Минский (автор идеи фрейма и фреймовой модели представления знаний), Нъю- элл, Саймон, Шоу, Хант и другие. В 1956-1963 гг. велись интенсивные поиски моделей и алгоритмов человеческо- го мышления и разработка первых программ на их основе. Представители сущес- твующих гуманитарных наук — философы, психологи, лингвисты — ни тогда, ни сейчас не в состоянии были предложить таких алгоритмов. Тогда кибернетики начали создавать собственные модели. Так последовательно были созданы и оп- робованы различные подходы. 1. В конце 50-х годов родилась модель лабиринтного поиска. Этот подход представ- ляет задачу как некоторое пространство состояний в форме графа, и в этом графе проводится поиск оптимального пути от входных данных к результиру- ющим. Была проделана большая работа по разработке этой модели, но для ре- шения практических задач эта идея не нашла широкого п-рименения. В первых учебниках по искусственному интеллекту [Хаит, 1986; Эндрю, 1985] описаны эти программы — они играют в игру «15», собирают «Ханойскую башню», иг- рают в шашки и шахматы.
гонку упущенных возможностей в начале 80-х объявлена глобальная програм- ма развития новых технологий ESPRIT (Европейский Союз), в которую вклю- чена проблематика искусственного интеллекта. 6. В ответ на успехи США в конце 70-х в гонку включается Япония, объявив о начале проекта машин V поколения, основанных на знаниях. Проект был рас- считан на 10 лет и объединял лучших молодых специалистов (в возрасте до 35 лет) крупнейших японских компьютерных корпораций. Для этих специ- алистов был создан специально новый институт ICOT, и они получили пол- ную свободу действий, правда, без права публикации предварительных резуль- татов. В результате они создали достаточно громоздкий и дорогой символьный процессор, программно реализующий ПРОЛОГо-подобный язык, не получив- ший широкого признания. Однако положительный эффект этого проекта был очевиден. В Японии появилась значительная группа высококвалифицирован- ных специалистов в области ИИ, которая добилась существенных результатов в различных прикладных задачах. К середине 90-х японская ассоциация ИИ насчитывает 40 тыс. человек. Начиная с середины 1980-х годов, повсеместно происходит коммерциализация искусственного интеллекта. Растут ежегодные капиталовложения, создаются промышленные экспертные системы. Растет интерес к самообучающимся систе- мам. Издаются десятки научных журналов, ежегодно собираются международ- ные и национальные конференции по различным направлениям ИИ. Искусственный интеллект становится одной из наиболее перспективных и пре- стижных областей информатики (computer science). 1.1.4. История искусственного интеллекта в России В 1954 г. в МГУ начал свою работу семинар «Автоматы и мышление» под руковод- ством академика Ляпунова А. А. (1911-1973), одного из основателей российской ки- бернетики. В этом семинаре принимали участие физиологи, лингвисты, психологи, математики. Принято считать, что именно в это время родился искусственный ин- теллект в России. Как и за рубежом, выделились два основных направления — ней- рокибернетики и кибернетики «черного ящика». В 1954-1964 гг. создаются отдельные программы и проводятся исследования в области поиска решения логических задач. В Ленинграде (ЛОМИ — Ленинград- ское отделение математического института им. Стеклова) создается программа АЛПЕВ ЛОМИ, автоматически доказывающая теоремы. Она основана на ориги- нальном обратном выводе Маслова, аналогичном методу резолюций Робинсона. Среди наиболее значимых результатов, полученных отечественными учеными в 60-е годы, следует отметить алгоритм «Кора» М. М. Бонгарда, моделирующий деятельность человеческого мозга при распознавании образов. Большой вклад в становление российской школы ИИ внесли выдающиеся ученые Цетлин М.Л., Пушкин В. Н., Гаврилов М. Д чьи ученики и явились пионерами этой науки в Рос- сии (например, знаменитая Гавриловская школа). В 1965-1980 гг. происходит рождение нового направления — ситуационного управления (соответствует представлению знаний, в западной терминологии). Основателем этой научной школы стал проф. Поспелов Д. А. Были разработаны специальные модели представления ситуаций — представления знаний [Поспе- лов, 1986]. В ИПМ АН СССР был создан язык символьной обработки данных РЕФАЛ [Тургин, 1968]. При том что отношение к новым наукам в советской России всегда было насторо- женное, наука с таким «вызывающим» названием тоже не избежала этой участи и была встречена в Академии наук в штыки [Поспелов, 1997]. К счастью, даже среди членов Академии наук СССР нашлись люди, не испугавшиеся столь необычного словосочетания в качестве названия научного направления. Двое из них сыграли огромную роль в борьбе за признание ИИ в нашей стране. Это были академики А. И. Берг и Г. С. Поспелов. Только в 1974 году при Комитете по системному анализу при президиуме АН СССР был создан Научный совет по проблеме «Искусственный интеллект», его возглавил Г. С. Поспелов, его заместителями были избраны Д. А. Поспелов и Л. И. Микулич. В состав совета входили на разных этапах М. Г. Гаазе-Рапопорт, Ю. И. Журавлев, Л. Т. Кузин, А. С. Нариньяни, Д. Е. Охоцимский, А. И. Поло- винкин, О. К, Тихомиров, В. В. Чавчанидзе. По инициативе Совета было организовано пять комплексных научных проектов, которые были возглавлены ведущими специалистами в данной области. Проек- ты объединяли исследования в различных коллективах страны: «Диалог» (рабо- ты по пониманию естественного языка, руководители А. П. Ершов, А. С. Наринь- яни), «Ситуация» (ситуационное управление, Д. А. Поспелов), «Банк» (банки данных, Л. Т. Кузин), «Конструктор» (поисковое конструирование, А. И. Поло- винкин), «Интеллект робота» (Д. Е. Охоцимский). В 1980-1990 гг. проводятся активные исследования в области представления зна- ний, разрабатываются языки представления знаний, экспертные системы (более 300). В 1988 г. создается АИИ — Ассоциация искусственного интеллекта. Ее членами являются более 300 исследователей. Президентом Ассоциации единогласно из- бирается Д. А. Поспелов, выдающийся ученый, чей вклад в развитие ИИ в России трудно переоценить. Крупнейшие центры — в Москве, Петербурге, Пе- реславле-Залесском, Новосибирске. В научный совет Ассоциации входят веду- щие исследователи в области ИИ — В. П. Гладун, В. И. Городецкий, Г. С. Оси- пов, Э. В. Попов, В. Л. Стефанюк, В. Ф. Хорошевский, В. К. Финн, Г. С. Цейтин, А. С. Эрлих и другие ученые. В рамках Ассоциации проводится большое количе- ство исследований, организуются школы для молодых специалистов, семинары, симпозиумы, раз в два года собираются объединенные конференции, издается на- учный журнал. Уровень теоретических исследований по искусственному интеллекту в России ничуть не ниже мирового. К сожалению, начиная с 80-х гг. на прикладных рабо- тах начинает сказываться постепенное отставание в технологии. На данный мо- мент отставание в области разработки промышленных интеллектуальных систем составляет порядка 3-5 лет. 1.2. Основные направления исследований в области искусственного интеллекта Синтезируя десятки определений ИИ из различных источников, в данной книге в качестве рабочего определения можно предложить следующее. Искусственный интеллект — это одно из направлений информатики, целью которого яв- ляется разработка аппаратно-программных средств, позволяющих пользователю-не- программисту ставить и решать свои, традиционно считающиеся интеллектуальными за- дачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка. Среди множества направлений искусственного интеллекта есть несколько веду- щих, которые в настоящее время вызывают наибольший интерес у исследовате- лей и практиков. Опишем их чуть подробнее. 1.2.1. Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems) Это основное направление в области разработки систем искусственного интел- лекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем. В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инжене- рией знаний. Именно исследованиям в этой области посвящена данная книга. Подробнее см. главы 2-5. 1.2.2. Программное обеспечение систем ИИ (software engineering for Al) В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач, в которых традиционно упор делается на преобладание логической и символьной обработки над вычислительными процедурами. Эти языки ориентированы на символьную обработку информации — LISP, PROLOG, SMALLTALK, РЕФАЛ и др. Помимо этого создаются пакеты прикладных про- грамм, ориентированные на промышленную разработку интеллектуальных сис- тем, или программные инструментарии искусственного интеллекта, например КЕЕ, ART, G2 [Хейес-Рот и др., 1987; Попов, Фоминых, Кисель, Шапот, 1996]. Достаточно популярно также создание так называемых пустых экспертных сис- тем или «оболочек» — KAPPA, EXSYS, Ml, ЭКО и др., базы знаний которых мож- но наполнять конкретными знаниями, создавая различные прикладные системы. Подробно эти технологии рассмотрены в главе 6. 1.2.3. Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing) Начиная с 50-х годов одной из популярных тем исследований в области ИИ яв- ляется компьютерная лингвистика, и, в частности, машинный перевод (МП). Идея машинного перевода оказалась совсем не так проста, как казалось первым исследователям и разработчикам. Уже первая программа в области естественно-языковых (ЕЯ) интерфейсов — пе- реводчик с английского на русский язык — продемонстрировала неэффективность первоначального подхода, основанного на пословном переводе. Однако еще долго разработчики пытались создать программы на основе морфологического анали- за. Неплодотворность такого подхода связана с очевидным фактом: человек мо- жет перевести текст только на основе понимания его смысла и в контексте пред- шествующей информации, или контекста. Иначе появляются переводы в стиле «Моя дорогая Маша — my expensive Masha». В дальнейшем системы МП услож- нялись и в настоящее время используется несколько более сложных моделей:
4. Прагматический анализ — анализ смысла предложений в реальном контек- • сте на основе собственной базы знаний. Синтез ЕЯ-сообщений включает аналогичные этапы, но несколько в другом по- рядке. Подробнее см. работы [Попов, 1982; Мальковский, 1985]. 1.2.4. Интеллектуальные роботы (robotics) Идея создания роботов далеко не нова. Само слово «робот» появилось в 20-х годах, как производное от чешского «робота» — тяжелой грязной работы. Его автор — чешский писатель Карел Чапек, описавший роботов в своем рассказе «Р.У.Р».
Можно условно выделить несколько поколений в истории создания и развития робототехники: I поколение. Роботы с жесткой схемой управления. Практически все современ- ные промышленные роботы принадлежат к первому поколению. Фактически это программируемые манипуляторы. II поколение. Адаптивные роботы с сенсорными устройствами. Есть образцы та- ких роботов, но в промышленности они пока используются мало. III поколение. Самоорганизующиеся или интеллектуальные роботы. Это — ко- нечная цель развития робототехники. Основные нерешенные проблемы при со здании интеллектуальных роботов — проблема машинного зрения и адекватногс хранения и обработки трехмерной визуальной информации. В настоящее время в мире изготавливается более 60 000 роботов в год. Фактиче ски робототехника сегодня — это инженерная наука, не отвергающая технологи! ИИ, но не готовая пока к их внедрению в силу различных причин. 1.2.5. Обучение и самообучение (machine learning) Активно развивающаяся область искусственного интеллекта. Включает модел£ методы и алгоритмы, ориентированные на автоматическое накопление и фор мирование знаний на основе анализа и обобщения данных [Гаек, Гавранек, 198с Гладун, 1994; Финн, 1991]. Включает обучение по примерам (или индуктивное), также традиционные подходы из теории распознавания образов. В последние годы к этому направлению тесно примыкают стремительно разви вающиеся системы data mining — анализа данных и knowledge discovery — поис ка закономерностей в базах данных. 1.2.6. Распознавание образов (pattern recognition) Традиционно — одно из направлений искусственного интеллекта, берущее нач; ло у самых его истоков, но в настоящее время практически выделившееся в с; мостоятельную науку. Ее основной подход — описание классов объектов через опр деленные значения значимых признаков. Каждому объекту ставится в соо' ветствие матрица признаков, по которой происходит его распознавани Процедура распознавания использует чаще всего специальные математичесю процедуры и функции, разделяющие объекты на классы. Это направление бли ко к машинному обучению и тесно связано с нейрокибернетикой [Справочш по ИИ, 1990]. 11.2.7. Новые архитектуры компьютеров (new hardware platforms and architectures) С Самые современные процессоры сегодня основаны на традиционной последов - ттельной архитектуре фон Неймана, используемой еще в компьютерах первь х ппоколений. Эта архитектура крайне неэффективна для символьной обработки. I Поэтому усилия многих научных коллективов и фирм уже десятки лет нацелены v. на разработку аппаратных архитектур, предназначенных для обработки сим- в вольных и логических данных. Создаются Пролог- и Лисп-машины, компью- ттеры V и VI поколений. Последние разработки посвящены компьютерам баз Л данных, параллельным и векторным компьютерам [Амамия, Танака, 1993]. IИ хотя удачные промышленные решения существуют, высокая стоимость, недо- с статочное программное оснащение и аппаратная несовместимость с традицион- i ными компьютерами существенно тормозят широкое использование новых архи- 1 тектур. 1.2.8. Игры и машинное творчество ; Это, ставшее скорее историческим, направление связано с тем, что на заре иссле- I дований ИИ традиционно включал в себя игровые интеллектуальные задачи — ] шахматы, шашки, го. В основе первых программ лежит один из ранних подхо- t дов — лабиринтная модель мышления плюс эвристики. Сейчас это скорее ком- ] мерческое направление, так как в научном плане эти идеи считаются тупико- ] выми. Кроме того, это направление охватывает сочинение компьютером музыки [Зари- : пов, 1983], стихов, сказок [Справочник по ИИ, 1986] и даже афоризмов [Любич, 1998]. Основным методом подобного «творчества» является метод пермутаций (перестановок) плюс использование некоторых баз знаний и данных, содержа- щих результаты исследований по структурам текстов, рифм, сценариям и т. п. 1.2.9. Другие направления ИИ — междисциплинарная наука, которая, как мощная река по дороге к морю, вбирает в себя ручейки и речки смежных наук. Выше перечислены лишь те на- правления, которые прямо или косвенно связаны с основной тематикой учебни- ка — инженерией знаний. Стоит лишь взглянуть на основные рубрикаторы кон- ференций по ИИ, чтобы понять, насколько широко простирается область ис- следований по ИИ:
Конечно, невозможно в рамках одного учебника рассмотреть все многообразие подходов и идей в области ИИ. Однако некоторые новые направления будут под- робнее описаны в главах 5, 8, 9. 1.3. Представление знаний и вывод на знаниях 1.3.1. Данные и знания При изучении интеллектуальных систем традиционно возникает вопрос — что же такое знания и чем они отличаются от обычных данных, десятилетиями обраба- тываемых ЭВМ. Можно предложить несколько рабочих определений, в рамках которых это становится очевидным.
При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы:
Знания основаны на данных, полученных эмпирическим путем. Они представля- ют собой результат мыслительной деятельности человека, направленной на обоб- щение его опыта, полученного в результате практической деятельности.
При обработке на ЭВМ знания трансформируются аналогично данным.
5. Z5 — база знаний на машинных носителях информации. Часто используется такое определение знаний.
Существует множество способов определять понятия. Один из широко приме- няемых способов основан на идее интенсионала. Интенсионол понятия — это определение его через соотнесение с понятием более высокого уровня абстрак- ции с указанием специфических свойств. Интенсионалы формулируют знания об объектах. Другой способ определяет понятие через соотнесение с понятиями более низкого уровня абстракции или перечисление фактов, относящихся к оп- ределяемому, объекту. Это есть определение через данные, или экстенсионол по- нятия. Пример 1.1 Понятие «персональный компьютер». Его интенсионал: «Персональный компьютер — Экстенсионал этого понятия: «Персональный компьютер - это Mac, IBM PC, Sinkler...» Для хранения данных используются базы данных (для них характерны большой Знания могут быть классифицированы по следующим категориям:
Пример 1.2 Поверхностные знания: «Если нажать на кнопку звонка, раздастся звук. Если болит голова, то следует принять аспирин». Глубинные знания: «Принципиальная электрическая схема зевота и проводки. Знания физиологов и врачей высокой квалификации о причинах, видах головных болей и методах их лечения». Современные экспертные системы работают в основном с поверхностными зна- ниями. Это связано с тем, что на данный момент нет универсальных методик, по- зволяющих выявлять глубинные структуры знаний и работать с ними. Кроме того, в учебниках по ИИ знания традиционно делят на процедурные и дек- ларативные. Исторически первичными были процедурные знания, то есть зна- ния, «растворенные» в алгоритмах. Они управляли данными. Для их изменения требовалось изменять программы. Однако с развитием искусственного интел- лекта приоритет данных постепенно изменялся, и все большая часть знаний со- средоточивалась в структурах данных (таблицы, списки, абстрактные типы дан- ных), то есть увеличивалась роль декларативных знаний. Сегодня знания приобрели чисто декларативную форму, то есть знаниями счита- ются предложения, записанные на языках представления знаний, приближенных к естественному и понятных неспециалистам. 1.3.2. Модели представления знаний Существуют десятки моделей (или языков) представления знаний для различ- ных предметных областей. Большинство из них может быть сведено к следую- щим классам:
|
|