Научное направление, связанное с машинным моделированием интеллектуальных человеческих функций – искусственный интеллект – возникло в середине 60-х годов XX столетия. Его возникновение привело к созданию компьютера автоматизирующим интеллектуальную человеческую деятельность на то, чтобы сложные интеллектуальные задачи, считавшиеся прерогативой человека, решались техническими средствами.
Под интеллектуальными задачами следует понимать те задачи, для решения которых нет «автоматических» правил, т. е. нет алгоритма, следование которому всегда приводит к успеху.
История исследований и разработок систем искусственного интеллекта может быть разделена на четыре периода:
60-е – начало 70-х годов XX века – исследования по «общему интеллекту», попытки смоделировать общие индивидуальные процессы, свойственные человеку: свободный диалог, решение разнообразных задач, доказательство теорем, различные игры (типа шашек, шахмат и т. д.) сочинение стихов и музыки и т. д. ;
70-е годы – исследования и разработка подходов
к формальному представлению знаний и умозаключений, попытки свести интеллектуальную деятельность
к формальным преобразованиям символов строк и т. д.;
конец 70-х годов – разработка специализированных на определённых предметных областях интеллектуальных систем, имеющих прикладное практическое значение (экспертных систем);
90-е годы – фронтальные работы по созданию ЭВМ 5-го поколения, построенных на иных принципах, чем обычные универсальные ЭВМ и программного обеспечения для них.
В настоящее время искусственный интеллект – мощная ветвь информатики, имеющая как фундаментальные, чисто научные основы, так и весьма развитые технические, прикладные аспекты, связанные
с созданием и эксплуатацией работоспособных образцов интеллектуальных систем. Качественный рост возможностей компьютеров – обретение ими
в полной мере интеллектуальных возможностей – это цель развития вычислительной техники в ближайшей перспективе, признак компьютерной техники нового поколения.
Любая задача, для которой не известен алгоритм решения, может быть отнесена к сфере искусственного интеллекта. Примерами могут быть медицинская диагностика, составление резюме текста или перевода его на иностранный язык – для решения этих задач не существует четких алгоритмов. Еще две характерные особенности задач искусственного интеллекта: преобладающее использование информации в символьной
(а не в числовой) форме и наличие выбора между многими вариантами
в условиях неопределенности.
Отдельные направления, где применяются методы искусственного интеллекта:
- Восприятие и распознавание образов.
- Математика и автоматическое доказательство теорем.
- Игры.
- Решение задач.
- Понимание естественного языка.
- Выявление и представление знаний экспертов и экспертных систем.
Экспертные системы – интеллектуальные системы, вобравшие
в себя знания специалистов в конкретных видах деятельности – имеют большое практическое значение, с успехом применяются во многих областях, таких как автоматизированное проектирование, медицинская диагностика, химический анализ и синтез.
Во всех этих направлениях главные трудности связаны с тем,
что недостаточно изучены и поняты принципы интеллектуальной человеческой деятельности. Работы в области искусственного интеллекта тесно соприкасаются с исследованиями по соответствующим разделам психологии, физиологии, лингвистики.
Основной особенностью интеллектуальных систем является то, что, они основаны на знаниях, а вернее, на некотором их представлении. Знания понимаются как хранимая информация, формализованная
в соответствии с некоторыми правилами, которую ЭВМ может использовать при логическом выводе по основным алгоритмам. Наиболее фундаментальной и важной проблемой является описание смыслового содержания проблем самого широкого диапазона, т. е. должна использоваться такая форма описания заданий, которая гарантировала бы правильную обработку их содержимого по некоторым формальным правилам. Эта проблема называется проблемой представления знаний.
Знания – это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.
Данные – это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.
В настоящее время наиболее известны три подхода к представлению знаний:
- продукционные и логические модели;
- семантические сети;
- фреймы.
Продукционные правила – наиболее простой способ, представления знаний. Он основан на представлении знаний в форме правил, структурированных в соответствии с образцом «ЕСЛИ – ТО». Часть правила «ЕСЛИ» называется посылкой, а «ТО» – выводом или действием. Правило в общем виде записывается так:
ЕСЛИ А1, А2, ..., АnТО В
Такая запись означает, что «если все условия от А1 до Аn являются истинными, то В также истинно» или «когда все условия от А1 до Аn выполняются, то следует выполнить действие В».
Знания, представленные в интеллектуальной системе, образуют базу знаний. В интеллектуальную систему входит также механизм выводов, который позволяет на основе знаний, имеющихся в базе знаний, получать новые знания.
Простота и наглядность представления знаний с помощью продукций обусловила его применение.
Семантическая сеть – иной подход к представлению знаний, который основан на изображении понятий (сущность) с помощью точек
и отношений между ними с помощью дуг на плоскости. Они способны отображать структуру знаний, увязать в целое объекты и их свойства.
Фреймовая система имеет все свойства, присущие языку представления знаний, и одновременно являет собой новый способ обработки информации. Фрейм является единицей представления знаний об объекте, которую можно описать некоторой совокупностью понятий и сущностей. Фрейм имеет определенную внутреннюю структуру, состоящую из множества элементов, называемых слотами. Каждый слот,
в свою очередь, представляется определенной структурой данных, процедурой, или может быть связан с другим фреймом.
Существуют и другие, менее распространенные подходы
к представлению знаний в интеллектуальных системах, в том числе гибридные, на основе уже описанных подходов.
Главные особенности машинного представления данных.
1. Внутренняя интерпретируемость. Обеспечивается наличием
у каждой информационной единицы своего уникального имени,
по которому система находит ее для ответа на запросы, в которых это имя упомянуто.
2. Структурированность. Информационные единицы должны обладать гибкой структурой, для них должен выполняться принцип вложенности одних информационных единиц в другие, должна существовать возможность установления соотношений между отдельными информационными единицами.
3. Связанность. Должна быть предусмотрена возможность установления связей различного типа между информационными единицами, которые бы характеризовали отношения между информационными единицами.
4. Семантическая метрика. Позволяет устанавливать ситуационную близость информационных единиц, т. е. позволяет выделять
в знаниях некоторые типовые ситуации, строить аналогии.
5. Активность. Выполнение действий в интеллектуальной системе должно инициироваться не какими-либо внешними причинами,
а текущим состоянием в системе знаний. Появление новых фактов или описание событий, установление связей должны стать источником активности системы.
