Системы искуственного интелекта

      Алгоритм  построения классификатора на основе нейронных сетей

1. Работа  с данными 
1. Составить базу данных из примеров, характерных для данной задачи
2. Разбить всю совокупность данных на два множества: обучающее и тестовое (возможно разбиение на 3 множества: обучающее, тестовое и подтверждающее).
2. Предварительная обработка
1. Выбрать систему признаков, характерных для данной задачи, и преобразовать данные соответствующим образом для подачи на вход сети (нормировка, стандартизация и т.д.). В результате желательно получить линейно отделяемое пространство множества образцов.
2. Выбрать систему кодирования выходных значений (классическое кодирование, 2 на 2 кодирование и т.д.)
3. Конструирование, обучение и оценка качества сети:
1. Выбрать топологию сети: количество слоев, число нейронов в слоях и т.д.
2. Выбрать функцию активации нейронов (например "сигмоида")
3. Выбрать алгоритм обучения сети
4. Оценить качество работы сети на основе подтверждающего множества или другому критерию, оптимизировать архитектуру (уменьшение весов, прореживание пространства признаков)
5. Остановится на варианте сети, который обеспечивает наилучшую способность к обобщению и оценить качество работы по тестовому множеству.
4. Использование и диагностика
1. Выяснить степень влияния различных факторов на принимаемое решение (эвристический подход).
2. Убедится, что сеть дает требуемую точность классификации (число неправильно распознанных примеров мало)
5. При необходимости вернутся на этап 2, изменив способ представления образцов или изменив базу данных.
6. Практически использовать сеть для решения задачи. 
   

      2.3 Естественно-языковые системы

      В конце 60-х годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «обработка естественного языка» (Natural Language Processing). Задачей данного направления является исследование методов и разработка систем, обеспечивающих реализацию процесса общения с компьютерными системами на естественном языке (систем ЕЯ - общения или ЕЯ-систем).

      Естественно-языковые системы используются для поиска в текстах, распознавания речи, голосового управления и обработки данных. Их доля на рынке составляет около 14%. В данном направлении выделяются следующие категории информационных продуктов:

• средства, обеспечивающие естественно-языковый интерфейс к базам данных;
• средства естественно-языкового поиска в текстах и содержательного
• сканирования текстов (Natural Language text retrieval and Contents Scanning Systems);
• масштабируемые средства для распознавания речи (Large-Vocabulary Talkwriter);
• средства голосового ввода, управления и сбора данных (Voice Input and Control Products and Data Collection Systems);
• компоненты речевой обработки (Voice-Recognition Programming Tools).

      Программные продукты первой категории преобразуют  естественно-языковые запросы пользователя в SQL-запросы к базам данных. Средства естественно-языкового поиска в текстах осуществляют по запросам пользователей поиск, фильтрацию и сканирование текстовой информации. В отличие от продуктов предыдущей группы, где поиск осуществляется в базах данных, имеющих четкую и заранее известную структуру, средства данной категории осуществляют поиск в неструктурированных текстах, оформленных в соответствии с правилами грамматики того или иного естественного языка. Средства для распознавания речи распознают голосовую информацию и преобразуют ее в последовательность символов. Они ориентированы на работу со словарями объемом от 30000 до 70000 слов. В отличие от этого, средства голосового ввода ориентированы на работу со словарем около 1000 слов и существенно ограничены в возможностях распознавания. Программные средства этого типа предназначены для ввода голосовых команд, управляющих работой некоторого продукта, например, программы сбора данных в тех приложениях, в которых у исполнителей заняты руки. [5]

      Компоненты  речевой обработки предназначены  для программистов, которых хотят добавить возможности по распознаванию речи в разрабатываемые ими приложения

      С учетом истории развития ЕЯ-систем, различают следующие основные классы систем общения:

• интеллектуальные вопрос - ответные системы;
• системы общения с базами данных;
• диалоговые системы решения задач;
• системы обработки связных текстов;

      Основное  внимание при разработке интеллектуальных вопрос-ответных систем уделялось не столько возможностям их практического использования в реальных задачах, сколько развитию моделей и методов, позволяющих осуществлять перевод ЕЯ-высказываний, относящихся к узким и заранее фиксированным проблемным областям, в формальное представление, а также обратный перевод. Накопленный опыт разработки интеллектуальных вопрос-ответных систем позволил, с одной стороны, углубить понимание процесса ЕЯ-общения и, следовательно, поставить новые проблемы (в том числе и специфичные для общения в различных классах проблемных областей), требующие дальнейшей проработки, а с другой - оценить перспективы практического применения ЕЯ-систем.

      Первые  предпосылки для практического использования ЕЯ-систем создало появление баз данных (БД). В связи с этим возникла проблема обеспечения доступа к информации, хранящейся в БД, широкому классу неподготовленных конечных пользователей, к которым относят специалистов в той или иной предметной области, как правило, не обладающих знаниями о логической структуре БД, о системе представления информации в БД и не умеющих пользоваться формализованными языками запросов. Для решения этой проблемы стали создаваться системы общения с базами данных, основная задача которых (в простейшем случае) заключается в выполнении перевода запросов неподготовленных конечных пользователей с ЕЯ на формализованные языки запросов к БД.

      Диалоговые  системы решения задачи в отличие  от систем общения с БД берут на себя не только функции ЕЯ-доступа к БД, но и функции интеллектуального монитора, обеспечивающего решение заранее определенных классов задач (например, планирование путешествий, боевых операций, составление контрактов и т. п.).

      Возникновение последнего класса ЕЯ-систем — систем обработки связных текстов, обусловлено возрастанием объема хранимой в ЭВМ текстовой информации (газетные статьи, сообщения о различных событиях, патенты, авторские свидетельства и т. п.) и необходимостью извлечения из нее разнообразных сведений (например, о структуре некоторых объектов, о действующих лицах некоторых событий, о мотивах их поступков и т. д.).

      Однако  помимо функционально полных систем ведется интенсивная разработка систем, которые можно назвать фрагментарными. Цель их создания - исследование или реализация новых методов решения достаточно узких задач (например таких, как анализ, интерпретация, определение целей пользователя и т. п.) 

      ЗАКЛЮЧЕНИЕ

      Ключевым  фактором, определяющим сегодня развитие ИИ-технологий, считается темп роста вычислительной мощности компьютеров, так как принципы работы человеческой психики по-прежнему остаются неясными (на доступном для моделирования уровне детализации). Поэтому тематика ИИ-конференций выглядит достаточно стандартно и по составу почти не меняется уже довольно давно. Но рост производительности современных компьютеров в сочетании с повышением качества алгоритмов периодически делает возможным применение различных научных методов на практике. Так случилось с интеллектуальными игрушками, так происходит с домашними роботами.

      Снова будут интенсивно развиваться временно забытые методы простого перебора вариантов (как в шахматных программах), обходящиеся крайне упрощенным описанием  объектов. Но с помощью такого подхода (главный ресурс для его успешного применения - производительность) удастся решить, как ожидается, множество самых разных задач (например, из области криптографии). Уверенно действовать автономным устройствам в сложном мире помогут достаточно простые, но ресурсоемкие алгоритмы адаптивного поведения. При этом ставится цель разрабатывать системы, не внешне похожие на человека, а действующие, как человек.

      Ученые  пытаются заглянуть и в более  отдаленное будущее. Можно ли создать  автономные устройства, способные при  необходимости самостоятельно собирать себе подобные копии (размножаться)? Способна ли наука создать соответствующие алгоритмы? Сможем ли мы контролировать такие машины? Ответов на эти вопросы пока нет. 

      СПИСОК  ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Девятков В.В. «Системы искусственного интеллекта», М. «МГТУ имени Н.Э. Баумана», 2001г.

2. Экспертные системы. Принципы работы и примеры: Пер. с англ./А.Брукинг, П.Джонс, Ф.Кокс и др.; Под ред. Р. Форсайта. - М.:Радио и связь, 2000. - 224 с.

3. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления. - М.:Высш.школа, 2002, -183 с

4. Частиков А.П., Т.А. Гаврилова, Д.Л. Белов «Разработка экспертных систем. Среда CLIPS» СПб, «БХВ - Петербург», 2003г.

5. www.AIportal.ru 

Приложение 1

 

      Приложение 2

      

 

      

      Приложение 3

      

 

      

      Приложение 4

      

 

      

      Приложение 5

      

 

      

      Приложение 6

      

 

      

      Приложение 7