Интеллектуальные технологии и представление знаний

Интеллектуальные технологии и представление знаний

Интеллектуальные  системы и их разновидности 

Введение в  интеллектуальные технологии

• Интеллектуальные технологии – один из последних этапов развития аналитических технологий. Аналитическими называют технологии , которые на основе каких-либо моделей, алгоритмов, математических теорем позволяют по известным данным оценить значения неизвестных характеристик и параметров. Простейший пример аналитической технологии - теорема Пифагора, которая позволяет по длинам сторон прямоугольного треугольника  определить длину его третьей стороны. Эта технология основана на известной формуле с²=а²+b²
• . Другим примером аналитической технологии являются способы, с помощью которых обрабатывает информацию человеческий мозг.
• Аналитические технологии нужны в первую очередь людям, принимающим важные решения - руководителям, аналитикам, экспертам, консультантам.
• Как правило, для реальных задач бизнеса и производства не существует четких алгоритмов решения. Раньше руководители и эксперты решали такие задачи только на основе личного опыта. С помощью современных аналитических технологий строятся системы, позволяющие существенно повысить эффективность решений
• Как правило, для реальных задач бизнеса и производства не существует четких алгоритмов решения. Раньше руководители и эксперты решали такие задачи только на основе личного опыта. С помощью современных аналитических технологий строятся системы, позволяющие существенно повысить эффективность решений

Традиционные  технологии

• Детерминированные технологии
• Наиболее ранние  традиционные технологии – это детерминированные технологии. Было создано огромное количество формул, теорем и алгоритмов для решения классических задач - определения объемов, решения систем линейных уравнений, поиска корней многочленов. Разработаны сложные и эффективные методы для решения задач оптимального управления, решения дифференциальных уравнений и т.д. Все эти методы действуют по одной и той же схеме. Для того, чтобы алгоритм был применим, необходимо, чтобы данная задача полностью описывалась определенной детерминированной моделью (некоторым набором известных функций и параметров). В таком случае алгоритм дает точный ответ. Например, для применимости теоремы Пифагора следует проверить, что треугольник - прямоугольный.

Вероятностные технологии

• Но на практике часто встречаются задачи, связанные с наблюдением случайных величин - например, задача прогнозирования курса акций. Для подобных задач не удается построить детерминированные модели, поэтому применяется принципиально иной, вероятностный подход. Параметры вероятностных моделей - это распределения случайных величин, их средние значения, дисперсии и т.д. Как правило, эти параметры изначально неизвестны, а для их оценки используются статистические методы, применяемые к выборкам наблюдаемых значений (историческим данным).
• Но такого рода методы также предполагают, что известна некоторая вероятностная модель задачи. Например, в задаче прогнозирования курса можно предположить, что завтрашний курс акций зависит только от курса за последние два дня (авторегрессионная модель). Если это верно, то наблюдения курса в течение нескольких месяцев позволяют достаточно точно оценить коэффициенты этой зависимости и прогнозировать курс в будущем

Введение в интеллектуальные системы

• В последние десятилетия идет активное развитие аналитических систем нового типа. В их основе - технологии искусственного интеллекта, имитирующие природные процессы, такие как деятельность нейронов мозга или процесс естественного отбора.
• Наиболее популярными и проверенными из этих технологий являются нейронные сети и генетические алгоритмы, а также получившие широкое распространение байесовские сети доверия.. Первые коммерческие реализации на их основе появились в 80-х годах и получили широкое распространение в развитых странах

Нейронные сети - в каком-то смысле являются имитациями мозга, поэтому с их помощью успешно решаются разнообразные "нечеткие" задачи - распознавание образов, речи, рукописного текста, выявление закономерностей, классификация, прогнозирование. В таких задачах, где традиционные технологии бессильны, нейронные сети часто выступают как единственная эффективная методика решения

Генетические алгоритмы - это специальная технология для  поиска оптимальных решений, которая успешно применяется в различных областях науки и бизнеса. В этих алгоритмах используется идея естественного отбора среди живых организмов в природе, поэтому они называются генетическими. Генетические алгоритмы часто применяются совместно с нейронными сетями, позволяя создавать предельно гибкие, быстрые и эффективные инструменты анализа данных

Интеллектуальные системы и их разновидности

Проф. Поспелов Д.А. дал следующее, как он отметил, "рабочее" определение данного понятия: "система называется интеллектуальной, если в ней реализованы следующие основные функции:

 накапливать знания об окружающем систему мире, классифицировать их и оценивать их с точки зрения  прагматической полезности и непротиворечивости, инициировать процессы получения новых знаний, осуществлять соотнесение новых знаний с ранее хранимыми; пополнять поступившие знания с помощью логического вывода, отражающего закономерности в окружающем систему мире или в накопленных ею ранее знаниях, получать обобщенные знания на основе более частных знаний и логически планировать свою деятельность; общаться с человеком на языке, максимально приближенном к естественному человеческому языку (ЕЯ), и получать информацию от каналов, аналогичных тем, которые использует человек при восприятии окружающего мира, уметь формировать для себя или по просьбе человека (пользователя) объяснение собственной деятельности, оказывать пользователю помощь за счет тех знаний, которые хранятся в памяти, и тех логических средств рассуждений, которые присущи системе".

Введенные функции можно назвать функциями представления и обработки знаний, рассуждения и общения. Естественно, что в зависимости от назначения и области применения те или другие функции могут быть реализованы в конкретной системе в различной степени. Очевидно, что наряду с компонентами, обязательными для любой системы, имеются такие, наличие которых определяется конкретными задачами. Следовательно, характер задач может существенно повлиять на выбор архитектуры системы

В базе знаний (БЗ) сосредоточены те знания, которыми располагает система, а также необходимые средства преобразования знаний. Из рисунка видно, что знания различных типов хранятся в различных базах. Так, в базе фактов (данных) хранятся конкретные данные, в базе правил - элементарные выражения, называемые в теории искусственного интеллекта (ИИ) продукциями.

База процедур содержит прикладные программы, с помощью которых выполняются все необходимые преобразования и вычисления над данными. База закономерностей включает различные сведения, относящиеся к особенностям той среды, в которой действует система.

База метазнаний (база знаний о себе) содержит списки того, что хранится в данный момент в остальных базах: сведения о том, как внутри системы представляются единицы информации различного типа, как взаимодействуют различные компоненты системы, как было получено решение задачи, т.е. она хранит описание самой системы и способов ее функционирования.

В базе целей представлены целевые структуры, позволяющие организовать процессы движения от исходных фактов, правил, процедур к достижению той цели, которая поступила в систему от пользователя либо была сформулирована самой системой в процессе ее деятельности в проблемной среде. Такие целевые структуры в теории ИИ получили название сценариев.

Управление всеми базами, входящими в базу знаний, и организацию  их взаимодействия осуществляет монитор БЗ. С его же помощью реализуются связи БЗ с внешней средой. Таким образом, БЗ осуществляет первую функцию ИС.

Часть системы, называемая решателем, обеспечивает выполнение второй функции. Он также состоит из ряда блоков, управляемых монитором решателя. Часть из них реализует логический вывод. Блок дедуктивного вывода реализует в решателе дедуктивные рассуждения, с помощью которых на основе фактов из базы фактов и правил из базы правил выводятся новые факты.

Этот же блок реализует  поиск путей решения задачи по сценариям при заданной конечной цели (так называемые эвристические процедуры поиска решений задач). Для реализации рассуждений недедуктивного характера (поиск по аналогии, по прецеденту и пр.) используются блоки индуктивного и правдоподобного выводов. Блок планирования используется в задачах планирования решений (совместно с блоком дедуктивного вывода). Назначение блока функциональных преобразований состоит в решении задач расчетно-логического и алгоритмического типа

Третья  функция (функция общения) реализуется как с помощью естественно-языкового интерфейса, так и с помощью рецепторов и эффекторов, которые осуществляют так называемое невербальное общение и используются в интеллектуальных роботах.

Основные разновидности ИС: 1) Интеллектуальные информационно-поисковые системы или системы взаимодействия с проблемно-ориентированными (фактографическими) базами данных на естественном (точнее, ограниченном как грамматически, так и лексически) языке, или, иными словами, языке деловой прозы. Для них характерно использование помимо базы знаний, реализующей семантическую модель представления знаний о проблемной области, лингвистического процессора

Экспертные системы (ЭС) –  бурно развивающийся класс ИС. Данные системы в первую очередь  стали развиваться в математически  слабоформализованных областях науки и техники, таких, как медицина, геология, биология и др. Для них характерна аккумуляция в системе знаний и правил рассуждений опытных специалистов в данной предметной области, а также наличие специальной системы объяснений;

Расчетно-логические системы, позволяющие решать управленческие и проектные задачи по их постановкам (описаниям) и исходным данным вне зависимости от сложности математических моделей этих задач. При этом конечному пользователю предоставляется возможность контролировать в режиме диалога все стадии вычислительного процесса. В более общем случае по описанию проблемы на языке предметной области должны обеспечиваться автоматическое построение математической модели и автоматический синтез рабочих программ при формулировке функциональных задач из данной предметной области. Эти свойства реализуются благодаря наличию базы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования.

В последнее  время в специальный класс  выделяются гибридные экспертные системы. Указанные системы должны вобрать в себя лучшие черты как экспертных, так и расчетно-логических и информационно-поисковых систем. Разработки в области гибридных экспертных систем находятся на начальном этапе. В последующих лекциях дадим более подробное описание систем выделенных классов.

К выделенным классам интеллектуальных систем можно добавить также Интеллектуальные системы распознавания ( Образов, сцен, дефектов и пр.), основанных на использовании искусственных нейронных сетей или байесовских сетях доверия.

Интеллектуальные системы  оптимизации, реализующие технологии эволюционных и генетических алгоритмов каждый биологический вид целенаправленно развивается и изменяется для того, чтобы наилучшим образом приспособиться к окружающей среде. Можно сказать, что эволюция - это процесс оптимизации всех живых организмов. Основной механизм эволюции - это естественный отбор. Основанный на генетических процедурах наследственности.

 

Архитектура интеллектуальных СПР

Естественно-языковые интерфейсы в системах искусственного интеллекта

В базах знаний и данных ЕЯИ решает задачу перевода естественно-языковых запросов в выражения формального  языка запросов базы данных.

   В экспертных системах  в идеальном случае обеспечивается  естественноязыковая связь между пользователем и ЭС при описании или постановке задачи пользователем;при объяснении системой ее собственных реакций при решении проблем (компонента объяснений); при обучении системы пользователем (компонента автоматического приобретения знаний).

 

 

 

 

 

 

 

Структура диалогового  процесса, обрабатывающего ЕЯ - языки

В качестве примера системы  информационно-логического типа с  естественно-языковым интерфейсом  рассмотрим принцип действия и структуру  вопросно-ответной системы FAS-80, приведенной  на рис.

ИЛС содержит два ЕЯИ: компонента (В) - синтаксически-семантический анализатор, и компонента (Ф), служащая для генерации  ЕЯ- выражений из семантического сетевого представления знаний. Целевой язык компоненты В и исходный язык компоненты Ф определяются набором средств, который служит для семантического представления знаний в вопросно-ответной системе [Хельбиг Т. Семантическое представление знаний в вопросно-ответной системе FAS-80// Представление знаний и моделирование процессов понимания.- Новосибирск: СО АН СССР.- 1980.-с.97-122]

 

На предыдущем слайде представлен естественно-языковый интерфейс NLI-AIDOS. Здесь

SZS - Формальный семантический  промежуточный язык;

ARS - Язык поисковых выражений 

OLAP –технологии и хранилища данных. На первых этапах автоматизации требовалось и требуется навести порядок именно в процессах повседневной рутинной обработки (переработки) данных, на что и ориентированны традиционные СОД. Более того, системы СППР являются в определенном смысле вторичными, по отношению к ним. Здесь возможна аналогия с производством. Любая продукция, прежде чем попасть на склад и быть отгружена потребителю, должна быть сначала произведена. И прежде чем заниматься анализом данных, необходимо эти данные иметь (произвести). А именно, это и является одной из функций СОД.

Однако за последние два-три  года ситуация существенно изменилась. И это непосредственно связано с тем, что практически в любой организации сложилась хорошо всем знакомая парадоксальная ситуация: - информация вроде бы, где-то и есть, её даже слишком много, но она не структурирована, не согласована, разрознена, не всегда достоверна, её практически невозможно найти и получить.

Именно на разрешение этого противоречия - отсутствие информации при ее наличии и даже избытке и нацелена концепция Хранилищ Данных (Data Warehouse). Но Хранилища Данных, хотя и наиболее популярная, далеко не единственная концепция построения аналитических систем. Не менее известны и другие концепции: Information Warehouse, Data Mart, и др.