Презентация на тему Применение интеллектуальных ИТ для формирования решений

(компьютеров, роботов и т.д.).

цель)

понять, что такое интеллект (научная цель)

сделать машины более полезными

(предпринимательская цель)

реагирование на новую ситуацию
эффективное использование процедуры заключений (выводов) для

решения проблем
анализ сложных ситуаций
предсказание

системах
решать задачи, которые не могут быть решены обычными методами
значительно

увеличить скорость и качество решения задач
решать задачи в условиях неполноты данных
анализировать большие объемы информации
понимать речь, ручное письмо и т.д.

роботами
распознавания образов
нейронные сети
интеллектуальные агенты


Системы, комбинирующие две и более

из перечисленных систем называются гибридными.

в рамках которого ставятся и решаются задачи аппаратного и

программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными (творческими).

Интеллектуальные системы и технологии применяются для тиражирования профессионального опыта и решения сложных научных, производственных и экономических задач.

основанных на знаниях.
Связано с разработкой моделей представления знаний,

созданием баз знаний, образующих ядро экспертных систем. Включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.
Игры и творчество.
Включает игровые интеллектуальные задачи – шахматы, шашки, го.

и синтеза языковых сообщений.
Распознавание образов.
Каждому объекту ставится в соответствие

матрица признаков, по которой происходит его распознавание.
Новые архитектуры компьютеров.
Разработка новых аппаратных решений и архитектур, направленных ан обработку символьных и логических данных.Создаются Пролог- и Лисп-машины, компьютеры V и VI поколений.

Направления развития искусственного интеллекта

задач невычислительного характера (символьную обработку информации): Лисп, Пролог, Smalltalk,

РЕФАЛ и др.
Обучение и самообучение.
Включает модели, методы и алгоритмы, ориентированные на автоматическое накопление знаний на основе анализа и обобщения данных. Включает обучение по примерам (индуктивное), а также традиционные подходы распознавания образов.

Направления развития искусственного интеллекта

интеллектуальный интерфейс;
умение решать сложные, плохо формализуемые задачи

экспертные системы;
способность к развитию и самообучению самообучающиеся системы.

от обычных возможностью выборки по запросу информации, которая может

явно не храниться, а выводиться из имеющейся БД.
Пример: вывести список товаров, цена которой выше отраслевой.
Естественно-языковый интерфейс предполагает трансляцию естественно-языковых конструкций на машинный уровень представления знаний. При этом осуществляется распознавание и проверка написанных слов по словарям и синтаксическим правилам. Данный интерфейс используется для доступа к интеллектуальным БД, голосового ввода команд в системах управления, машинного перевода с иностранных языков.
Гипертекстовые системы предназначены для поиска по ключевым словам в базах текстовой информации.
Системы контекстной помощи – частный случай гипертекстовых и естественно-языковых систем.
Системы когнитивной графики позволяют осуществлять взаимодействие пользователя ИИС с помощью графических образов, которые генерируются в соответствии с происходящими событиями.

систем:

интеллектуальный интерфейс (в основном для баз данных)

грамматический и

смысловой анализ текста

составление рефератов, писем

перевод с одного естественного языка на другой

перевод с одного языка программирования на другой

распознавание и синтезация речи компьютером

усиливающим интеллектуальные способности всей системы в целом, и выполняет

роли:

Консультанта для неопытных (непрофессиональных) пользователей.
Ассистента при анализе различных вариантов принятия решения.
Партнера эксперта по вопросам, относящимся к смежным областям деятельности.

Достоинство применения ЭС – возможность принятия решений в уникальных ситуациях, для которых алгоритм заранее не известен и формируется в виде цепочки рассуждений из базы знаний.

– динамические системы, для которых характерна интеграция баз знаний,

обменивающихся между собой результатами на ди намической основе, например, через «доску объявлений»
Агент – самостоятельная ИИС, имеющая свою систему целеполагания и мотивации, область действий и ответственности.
В многоагентных системах моделируется виртуальное сообщество интеллектуальных агентов, которые вступают в различные социальные отношения – кооперации, сотрудничества, конкуренции, соревнования, вражды.

нейрона (нервной клетки).

Применяются:
В задачах классификации
В задачах прогнозирования

кредитными рисками
Предсказание ситуации на фондовом рынке
Оценка стоимости недвижимости
Прогнозирование динамики

биржевых курсов
Автоматическое распознавание чеков
Обнаружение нарушений при уплате налогов
Анализ рынка ценных бумаг
Выдача кредитов
Предсказание валютных курсов
Оценивание кандидатов на должность
Оптимальное распределение ресурсов

объекты, процессы и явления в предметной области, а также

их свойства.
Знания основываются на данных, но представляют результат мыслительной деятельности человека, обобщают его опыт, полученный в ходе выполнения какой-либо практической деятельности.
Знания – это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области.

в виде предложений типа:
ЕСЛИ (условие), ТО (действие)

Условие - это

предложение-образец, по которому осуществляется поиск в базе знаний.
Действие – это действия, выполняемые при успешном исходе поиска.

правил, называется машиной вывода.
Вывод бывает:
Прямой – от данных к

поиску цели
Обратный – от цели для ее подтверждения к данным.
Данные – это исходные факты, на основании которых запускается машина вывода.

Продукционная модель

процедуры вывода;
Наглядно отражают знания.
Недостатки модели:
Проявляются, когда число правил становится

большим и возникают побочные эффекты от изменения старого и добавления нового правила.

Продукционная модель

СПЭИС.
Промышленные экспертные системы на основе продукционного подхода - ФИАКР.
Программные

средства, реализующие продукционный подход

которого – понятия, а дуги – отношения между ними.
Понятия

– абстрактные или конкретные объекты.
Отношения – это связи типа: «это», «имеет частью», «принадлежит», «любит».
Проблема поиска решения в базе знаний сводится к задаче поиска фрагмента сети, представляющего некоторую подсеть, соответствующую поставленному вопросу.

город Тула?
Кто является поставщиком кинескопов?
Какие кинескопы производит ОАО «Горизонт»?

об организации долговременной памяти человека.
Недостатки модели:
Сложность поиска вывода на

семантической сети.

Семантические сети

системы, использующие семантические сети в качестве языка представления знаний:
PROSPECTOR,
CASNET,
TORUS.
Семантические

сети

единой теории технологическую модель памяти человека и его сознания.
Фрейм

– структура данных для представления некоторого концептуального объекта.
Информация, относящаяся к этому фрейму, содержится в в составляющих фрейма – слотах.

базе знаний:
(ИМЯ ФРЕЙМА:
(имя 1-го слота : значение 1-го слота),
(имя

2-го слота : значение 2-го слота),
…,
(имя n-го слота : значение n-го слота)).
Например,:
(СПИСОК РАБЮОТНИКОВ:
Фамилия (значение слота 1);
Год рождения (значение слота 2);
Специальность (значение слота 3);
Стаж (значение слота 4))
Если в качестве значений слотов использовать реальные данные из таблицы, получится фрейм-экземпляр.
Фреймы-экземпляры создаются для отображения реальных ситуаций на основе поступающих данных.

Фреймовая модель

наглядность представления;
Модульность;
Поддержка возможности использования слотов по умолчанию.
Недостатки модели:
Отсутствие механизмов

управления выводом.

Фреймовая модель

для решения прикладных задач, рассматривается как совокупность фактов и

утверждений, которые представляются как формулы в некоторой логике.
Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода.

хорошо изучены;
Существуют достаточно эффективные процедуры вывода, в том числе

реализованные в языке логического программирования Пролог;
В базах знаний можно хранить лишь множество аксиом, а все остальные знания получать из них по правилам вывода.
Недостатки модели:
Предъявляет очень высокие требования и ограничения к предметной области, в связи с чем модель применима лишь в исследовательских системах.

Формальные логические модели

правила (или эвристики), по которым решаются проблемы в конкретной

предметной области, хранятся в базе знаний.
Проблемы ставятся перед системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний пытается вывести заключение из этих фактов.

и управление,
обучение.

диалога, называемом режимом консультации

новой информации
выдвижение временных гипотез
Такой процесс продолжается до

тех пор, пока не поступит информация, достаточная для окончательного заключения.

«нет»

Вопрос

типа знаний:
структурированные статические знания о предметной области, после того

как эти знания выявлены, они уже не изменяются;
структурированные динамические знания — изменяемые знания о предметной области; они обновляются по мере выявления новой информации;
рабочие знания, применяемые для решения конкретной задачи или проведения консультации.

знаний профессионалов высокого уровня и использования этих знаний, в

процессе управления.

для выбора действия

(ИИС), предназначенная для решения слабоформализуемых задач на основе накапливаемого

в базе знаний опыта работы экспертов в проблемной области.

Экспертная система включает базу знаний с набором правил и механизмом вывода
Экспертная система позволяет на основании предоставляемых пользователем фактов распознать ситуацию, поставить диагноз, сформулировать решение или дать рекомендацию для выбора действия.

которая основывается на моделях представления знаний.
В системах, основанных

на знаниях, правила, по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний.
Проблемы ставятся перед системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний пытается вывести заключение из этих фактов.

знаний содержит элементы
Факты (данные) из предметной области
Специальные правила (эвристики),

которые управляют использованием фактов при генерации знаний.
Выявлением знаний эксперта и представлением их в БЗ занимаются специалисты – инженеры знаний.
ЭС должна обладать механизмом приобретения знаний для ввода знаний в базу и их последующего обновления.
Механизм приобретения знаний– это интеллектуальный редактор (в простейшем случае), который позволяет вводить единицы знаний в базу, а также проводить их анализ на непротиворечивость.

передача и преобразование опыта решения задач из определенных источников

знаний в компьютерные программы при их создании или расширении.
Источники знаний – эксперты, специалисты, БД, научные отчеты,учебная литература, опыт пользователей-менеджеров и экономистов

базы знаний, получение и представление заключений и рекомендаций посредством

формирования и организации последовательности процедур, необходимых для решения задачи.

и проблемно-ориентированный интерфейс пользователя.

ЭС, интерактивно отвечая на вопросы типа:
Как было получено заключение?
Почему

эта альтернатива была отвергнута?
Какова последовательность подготовки решения?

инженерией знаний.
Этот процесс требует специфической формы взаимодействия создателя

экспертной системы, которого называют инженером знаний, и одного или нескольких экспертов в некоторой предметной области.
Инженер знаний «извлекает» из экспертов процедуры, стратегии, эмпирические правила, которые они используют при решении задач, и встраивает эти знания в экспертную систему.
В результате появляется система, решающая задачи во многом так же, как человек-эксперт.

в данной области

гибкость – возможность наращиваться постепенно в соответствии

с нуждами бизнеса или заказчика.

прогностические возможности

спосбность объяснить, каким образом новая ситуация привела к изменениям

накопление и организация знаний

при анализе различных вариантов принятия решения.

Помощь по вопросам, относящимся

к смежным областям деятельности.

их можно разбить на три основных типа:
языки программирования;
среды программирования;

манипулирования знаниями:
Пролог — язык высокого уровня, ориентированный на использование

концепций и методов математической логики.
Язык Лисп обладает способностью обрабатывать списковые структуры.
Языки программирования, ориентированные на обработку символьной информации и разработку ЭС:
Smalltalk,
FRL,
Interlisp.
Языки программирования общего назначения:
Си,
Паскаль,
Бейсик и др.

с модификацией готовой системы.
Недостатки использования языков программирования для

создания экспертных систем

или все компоненты ЭС, а выбирать их из заранее

составленного набора.

for Windows (оболочка — по определению разработчика — компании

MultiLogic Inc., США) и его последующая модификация Exsys Developer 8.0, предназначенный для создания прикладных экспертных систем в различных предметных областях.
Система построена на использовании сложных правил вида ЕСЛИ-ТО-ИНАЧЕ. Для выбора стратегии получения заключения в системе по умолчанию используется обратная цепочка вывода. Прямая цепочка может быть задана при настройке системы.
Система обладает развитым графическим интерфейсом, способна обращаться к внешним базам данных, проверять правила на непротиворечивость. При определенной настройке может работать с русскоязычными текстами.

смыслового содержания входных данных;
предсказание последствий наблюдаемых ситуаций;
диагностика неисправностей (заболеваний)

по симптомам;
конструирование объекта с заданными свойствами при соблюдении установленных ограничений;
планирование последовательности действий, приводящих к желаемому состоянию объекта;
слежение (наблюдение) за изменяющимся состоянием объекта и сравнение его параметров с установленными или желаемыми;
управление объектом с целью достижения желаемого поведения;
поиск неисправностей;
обучение.

системах
Анализ финансового состояния предприятия
Оценка кредитоспособности предприятия
Планирование финансовых ресурсов предприятия
Формирование

портфеля инвестиций
Страхование коммерческих кредитов
Выбор стратегии производства
Оценка конкурентоспособности продукции
Выбор стратегии ценообразования
Выбор поставщика продукции
Подбор кадров