Разработка элективного курса "Основы искусственного интеллекта" (стр. 2 из 12)

В XX веке слово «информация» стало термином во множестве научных областей, получив особые для них определения и толкования.

Также, наряду с понятиями знание и информация существует понятие «данные». Данные – это сведения:

· полученные путем измерения, наблюдения, логических или арифметических операций;

· представленные в форме, пригодной для постоянного хранения, передачи и (автоматизированной) обработки.

Данные — это представление фактов и идей в формализованном виде, пригодном для передачи и обработки в некотором информационном процессе. Данные – это выделенная (из системы, благодаря обособленности существования носителя) информация.

Для передачи знаний человеку используется обучение. Обучение – это целенаправленный и планомерный процесс передачи и усвоения знаний, умений, навыков и способов познавательной деятельности человека. Обучение – относительно постоянное изменение в человеческом поведении или способностях, являющееся следствием опыта.

От обучения можно отделить понятие «научение». Научение – в широком смысле – это класс психологических процессов, обеспечивающих формирование новых приспособительных реакций. Научение – в узком смысле – процесс и результат приобретения индивидуального опыта. Путем научения приобретаются:

· знания, умения и навыки у человека;

· новые формы поведения у животных.

Существует также инструментальное научение – научение, происходящее:

· за счет спонтанного порождения организмом множества разнообразных реакций на один и тот же стимул или ситуацию

· с последующим закреплением только тех реакций, которые оказались наиболее удачными с точки зрения полученного эффекта.

В процессе научения вырабатываются навыки. Навык – это последовательность развертывания во времени и пространстве действий и операций:

· выработанная в процессе обучения и тренировки;

· доведенная до автоматизма;

· оптимальная для некоторого вида деятельности.

В основе формирования навыка лежит образование динамического стереотипа. Устойчивость навыка зависит от особенностей памяти. Различают двигательные, сенсорные и интеллектуальные навыки.

1.2. Виды знаний и способы их представления

Существуют различные определения понятия «знания». В одном из наиболее емких определений под знаниями понимают формализованную информацию, на которую ссылаются или которую используют в процессе решения задачи. Знание о предметной области включает описание объектов, их окружения, необходимых явлений, фактов, а также отношений между ними. Общение с ЭВМ на уровне знания предопределяет возможность ввода в машину и использование ею некоторой совокупности взаимосвязанной информации. Сложность понятия «знание» заключена в множественности его носителя и неразрывности с понятием «данные». Выделяют несколько уровней формализации знания о предметной области: знания в памяти человека; знания в форме языковой модели предметной области, используемые человеком и зафиксированные на физических носителях с использованием контекстно-зависимых языков, графических образов и т. п.; знания, формализованные для их представления при использовании в ЭВМ; фактографические сведения или данные.

1.2.1. Виды знаний

Фактические и стратегические знания

Знания определяются как «...основные закономерности предметной области, позволяющие человеку решать конкретные производственные, научные и другие задачи, то есть факты, понятия, взаимосвязи, оценки, правила, эвристики (иначе фактические знания), а также стратегии принятия решения в этой области (иначе стратегические знания)».

Факты и эвристики

Некоторые авторы разделяют знания на две большие категории: факты и эвристики. Первая категория (факты) указывает на хорошо известные в той или иной предметной области обстоятельства. Такие знания еще называют текстовыми, имея в виду достаточную их освещенность в специальной литературе и учебниках. Вторая категория знаний (эвристики) основывается на индивидуальном опыте специалиста (эксперта) в предметной области, накопленном в результате многолетней практики. Эта категория нередко играет решающую роль при построении интеллектуальных программ. Сюда относятся такие знания, как «способы удаления бесполезных гипотез», «способы использования нечеткой информации», «способы разрешения противоречий» и т. п.

Декларативные и процедурные знания

Под декларативными знаниями подразумевают знания типа «А это В», и они характерны для баз данных. Это, например, такие факты, как «в час пик на улице много машин», «зажженная плита — горячая», «скарлатина — инфекционное) заболевание»...

К процедурным знаниям относятся сведения о способах оперирования или преобразования декларативных знаний.

Интенсиональные и экстенсиональные знания

Интенсиональные знания — это знания о связях между атрибутами (признаками) объектов данной предметной области. Они оперируют абстрактными объектами, событиями и отношениями.

Экстенсиональные знания представляют собой данные, характеризующие конкретные объекты, их состояния, значения параметров в пространстве и времени.

Глубинные и поверхностные знания

В глубинных знаниях отражается понимание структуры предметной области, назначение и взаимосвязь отдельных понятий (глубинные знания в фундаментальных науках — это законы и теоретические основания). Поверхностные знания обычно касаются внешних эмпирических ассоциаций с каким-либо феноменом предметной области.

Например, для разговора по телефону требуется лишь поверхностное знание того, что, сняв трубку и правильно набрав номер, мы соединимся с нужным абонентом. Большинство людей не испытывает необходимости в глубинных представлениях о структуре телефонной связи, конструкции телефонного аппарата, которыми, безусловно, пользуются специалисты по телефонии.

Отмечается, что большинство экспертных систем основано на применении поверхностных знаний. Это, однако, нередко не мешает достигать вполне удовлетворительных результатов. Вместе с тем, опора на глубинные представления помогает создавать более мощные, гибкие и интеллектуальные адаптивные системы. Наглядным примером может служить медицина. Здесь молодой и недостаточно опытный врач часто действует по поверхностной модели: «Если кашель — то пить таблетки от кашля, если ангина — то эритромицин» и т. п. В то же время опытный врач, основываясь на глубинных знаниях, способен порождать разнообразные способы лечения одной и той же болезни в зависимости от индивидуальных особенностей пациента, его состояния, наличия доступных лекарств в аптечной сети и т. д.

Глубинные знания являются результатом обобщения первичных понятий предметной области в некоторые более абстрактные структуры. Степень глубины и уровень обобщенности знаний непосредственно связаны с опытом экспертов и могут служить показателем их профессионального мастерства.

Жесткие и мягкие знания

Жесткие знания позволяют получать однозначные четкие рекомендации при заданных начальных условиях. Мягкие знания допускают множественные, «размытые» решения и различные варианты рекомендаций (рис. П.16).

Характеристика различных предметных областей по глубине и жесткости дает возможность проследить тенденцию развития интеллектуальных систем.

Рис. П.16. Тенденция развития интеллектуальных систем

Как видно из рисунка, область практического применения интеллектуальных систем все более смещается в сферу задач с преобладанием глубинных и мягких знаний. Такие задачи еще называют трудно формализуемыми. Для них характерна одна или несколько следующих особенностей:

· задача не может быть определена в числовой форме (требуется символьное представление);

· алгоритмическое решение задачи не известно (хотя, возможно, и существует), или не может быть использовано из-за ограниченных ресурсов (памяти компьютера, быстродействия);

· цели задачи не могут быть выражены в терминах точно определенной целевой функции или не существует точной математической модели задачи

Системы, основанные на знаниях, не отвергают и не заменяют традиционных подходов к решению формализованных задач. Они отличаются тем, что ориентированы на решение трудно формализуемых задач. Интеллектуальные системы особенно важны там, где наука не может создать конструктивных определений, область определений меняется, ситуации зависят от контекстов и языковая (описательная) модель доминирует над алгоритмической.

1.2.2. Модели представления знаний

Наиболее распространенными моделями представления знаний являются:

· продукционные системы;

· логические модели;

· фреймы;

· семантические сети.

Продукционные системы

В продукционных системах знания представляются в виде совокупности специальных информационных единиц.

В общем случае продукционная система включает следующие компоненты:

· базу данных, содержащую множество фактов;

· базу правил, содержащую набор продукций;

· интерпретатор (механизм логического вывода) или правила работы с продукциями.

База правил и база данных образуют базу знаний. Факты в базе данных представляют собой краткосрочную информацию и в принципе могут изменяться в ходе работы продукционной системы по мере накопления опыта. Правила являются более долговременной информацией и предназначены для порождения гипотез (новых фактов) из того, что уже известно.

Продукционные системы делят на два типа — с прямыми и обратными выводами. При прямом выводе рассуждение ведется от данных к гипотезам, а при обратном производится поиск доказательства или опровержения некоторой гипотезы. Часто используются комбинации прямой и обратной цепи рассуждений.