Курсовая работа: Моделирование рассуждений в ИИС
Курсовая работа: Моделирование рассуждений в ИИС
Введение
В бурно
развивающейся науке «искусственный интеллект» скрещиваются и переплетаются
проблемы, которые давно волнуют специалистов самых разных научных направлений.
Психологи и программисты, философы и инженеры, лингвисты и математики, биологи
и кибернетики – все они в той или иной мере соприкасаются с проблемами искусственного
интеллекта и участвуют в их решении.
Интерес к
моделированию рассуждений не случаен. Интеллектуальные системы создаются для
того, чтобы овеществлять в технических устройствах знания и умения, которыми
обладают люди, чтобы решать задачи, относимые к области творческой деятельности
человека, не хуже людей.
В
интеллектуальные системы, особенно в те, которые получили название экспертных
систем и предназначены для помощи специалистам в решении их задач, необходимо
вложить знание о том, как мы рассуждаем, когда ищем решение. И если не говорить
о математике и еще нескольких науках, опирающихся на точные и формальные
модели, то наши схемы рассуждений – это тот самый аппарат, с помощью которого
осуществляется значительная доля творческой деятельности.
Когда
специалисты в области моделирования человеческих рассуждений начали свою
работу, они столкнулись с тем, что человеческие рассуждения представляют собой
нечто загадочное и детально никем не изучались. Казалось бы, в логике – науке о
рассуждениях – за многие века ее существования должны были накопиться горы
фактов о том, как люди делают выводы на основании знаний.
Но, как
выяснилось, логиков традиционно интересует лишь чрезвычайно узкий класс
рассуждений, которые можно было бы назвать строгими, а остальные многочисленные
формы человеческих рассуждений они не включают в свою компетенцию.
Психология
мышления также весьма сдержанно относится к тому, как формируются у человека
схемы рассуждений и как он ими пользуется в конкретных ситуациях. Лингвисты, которые
много занимались логическими проблемами естественного языка, остались далеки от
понимания того, как носитель этого языка строит на нем свои схемы принятия
решений.
Цель
курсовой работы ― рассмотреть модели рассуждений, их виды и цель их
создания.
Актуальность
темы моделирования рассуждений представляют интерес для специалистов по
интеллектуальным системам и искусственному интеллекту.
Глава 1. Знания
и их представление
Языки,
предназначенные для описания предметных областей называются языками представления
знаний. Универсальным языком представления знаний является естественный язык.
Однако использование естественного языка в системах машинного представления
знаний наталкивается на ряд препятствий, главным из которых является отсутствие
формальной семантики естественного языка.
Системы,
основанные на знаниях - это системы программного обеспечения, основными
структурными элементами которых являются база знаний и механизм логических
выводов. В первую очередь к ним относятся экспертные системы, способные
диагностировать заболевания, оценивать потенциальные месторождения полезных
ископаемых, осуществлять обработку естественного языка, распознавание речи и
изображений и т.д. Экспертные системы являются первым шагом в практической
реализации исследований в области ИИ. В настоящее время они уже используются в
промышленности.
Экспертная
система - это вычислительная система, в которую включены знания специалистов о
некоторой конкретной проблемной области и которая в пределах этой области
способна принимать экспертные решения. Структурные элементы, составляющие
систему, выполняют следующие функции. База знаний - реализует функции
представления знаний в конкретной предметной области и управление ими. Механизм
логических выводов - выполняет логические выводы на основании знаний, имеющихся
в базе знаний. Пользовательский интерфейс - необходим для правильной передачи
ответов пользователю, иначе пользоваться системой крайне неудобно.
Модуль
приобретения знаний - необходим для получения знаний от эксперта, поддержки
базы знаний и дополнения ее при необходимости. Модуль ответов и объяснений -
формирует заключение экспертной системы и представляет различные комментарии,
прилагаемые к заключению, а также объясняет мотивы заключения.
Перечисленные
структурные элементы являются наиболее характерными, хотя в реальных экспертных
системах их функции могут быть соответствующим образом усилены или расширены.
Знания в
базе знаний представлены в конкретной форме и организация базы знаний позволяет
их легко определять, модифицировать и пополнять. Решение задач с помощью
логического вывода на основе знаний хранящихся в базе знаний, реализуется
автономным механизмом логического вывода. Хотя оба эти компонента системы с
точки зрения ее структуры являются независимыми, они находятся в тесной связи
между собой и определение модели представления знаний накладывает ограничения
на выбор соответствующего механизма логических выводов. Таким образом, при
проектировании экспертных систем необходимо анализировать оба указанных
компонента. Чтобы манипулировать знаниями из реального мира с помощью
компьютера, необходимо осуществлять их моделирование. К основным моделям
представления знаний относятся:
·
логические модели;
·
продукционные модели;
·
сетевые модели;
·
фреймовые модели.
1.1
Логические модели
Логическая
(предикатная) модель представления знаний основана на алгебре высказываний и
предикатов, на системе аксиом этой алгебры и ее правилах вывода. Из предикатных
моделей наибольшее распространение получила модель предикатов первого порядка,
базирующаяся на термах (аргументах предикатов - логических констант,
переменных, функций), предикатах (выражениях с логическими операциями).
Пример.
Возьмем утверждение: "Инфляция в стране превышает прошлогодний уровень в 2
раза". Это можно записать в виде логической модели: r(InfNew, InfOld, n),
где r(x,y) - отношение вида "x=ny", InfNew - текущая инфляция в
стране, InfOld - инфляция в прошлом году. Тогда можно рассматривать истинные и
ложные предикаты, например, r(InfNew, InfOld, 2)=1, r(InfNew, InfOld, 3)=0 и т.д.
Очень полезные операции для логических выводов - операции импликации,
эквиваленции.
Логические
модели удобны для представления логических взаимосвязей между фактами, они
формализованы, строги (теоретические), для их использования имеется удобный и
адекватный инструментарий, например, язык логического программирования Пролог.
В основе
моделей такого типа лежит понятие формальной системы. Постановка и решение
любой задачи связаны с определенной предметной областью. Так, решая задачу
составления расписания обработки деталей на металлорежущих станках, мы
вовлекаем в предметную область такие объекты, как конкретные станки, детали,
интервалы времени и общие понятия "станок", "деталь",
"тип станка" и т.д.
Все
предметы и события, которые составляют основу общего понимания необходимой для
решения задачи информации, называются предметной областью. Мысленно предметная
область представляется состоящей из реальных объектов, называемых сущностями.
Сущности предметной области находятся в определенных отношениях друг к другу.
Отношения между сущностями выражаются с помощью суждений. В языке (формальном
или естественном) суждениям отвечают предложения.
Для
представления математического знания в математической логике пользуются
логическими формализмами - исчислением высказываний и исчислением предикатов.
Эти формализмы имеют ясную формальную семантику и для них разработаны механизмы
вывода. Поэтому исчисление предикатов было первым логическим языком, который
применяли для формального описания предметных областей, связанных с решением
прикладных задач.
Описания
предметных областей, выполненные в логических языках, называются логическими
моделями. Логические модели, построенные с применением языков логического
программирования, широко применяются в базах знаний и экспертных системах.
1.2
Продукционные модели
Продукционная
модель представления знаний является развитием логических моделей в направлении
эффективности представления и вывода знания.
Продукция –
это выражение, содержащее ядро, интерпретируемое фразой «Если А, то В», имя,
сферу применения, условие применимости ядра и постусловие, представляющее собой
процедуру, которую следует выполнить после успешной реализации ядра. Все части,
кроме ядра, являются необязательными.
Взаимосвязанный
набор продукций образует систему. Основная проблема вывода знания в системе
продукций является выбор для анализа очередной продукции. Конкурирующие
продукции образуют фронт.
Продукции
(наряду с сетевыми моделями) являются наиболее популярными средствами
представления знаний в системах ИИ. Импликация может истолковываться в обычном
логическом смысле как знак логического следования B из истинного А. Возможны и
другие интерпретации продукции, например А описывает некоторое условие,
необходимое, чтобы можно было совершить действие B.
Если в памяти
системы хранится некоторый набор продукций, то они образуют систему продукций.
В системе продукций должны быть заданы специальные процедуры управления
продукциями, с помощью которых происходит актуализация продукций и выполнение
той или иной продукции из числа актуализированных.
В состав
системы продукций входит база правил (продукций), глобальная база данных и
система управления. База правил - это область памяти, которая содержит
совокупность знаний в форме правил вида ЕСЛИ - ТО. Глобальная база данных -
область памяти, содержащая фактические данные (факты). Система управления
формирует заключения, используя базу правил и базу данных. Существуют два
способа формирования заключений - прямые выводы и обратные выводы.
Страницы: 1, 2, 3, 4 |