Состояние работ по новым напр-ям искусственного интеллекта

появление в последние годы коммерческих продуктов в области размытых логик, генетических алгоритмов и интеллектуальных средств извлечения знаний из баз данных. Практические успехи в этих направлениях:

ИС для размытой логики (применение не только в секторе управления, но и в секторе бизнеса).

ИС для генетических алгоритмов (для проведения исследований, рынка ориентировано на опытных программистов. будет иметь широкое распространение только при интеграции с другими технологиями.)

ИС для извлечения знаний. возможности: ЭС, машинного обучения (индуктивных методов и(или) НС), статистических методов и визуализации данных. должны решать задачи трансформации: данных (неструктурированные наборы чисел и символов) → информацию (описание обнаруженных закономерностей) → знания (значимые для пользователя закономерности) → решения (последовательности шагов, направленные на достижение потребностей пользователя).

6.Клас-ция ЭС

- 1.Системы с интеллектуальным интерфейсом (ИИС)

- Интеллектуальные базы данных

- Естественно-языковой интерфейс

- Гипертекстовые системы

- Системы контекстной помощи

- Системы когнитивной графики.

- 2. Экспертные системы

- Классифицирующие

- Доопределяющие

- Трансформирующие

- Мультиагентные

- 3. Самообучающиеся системы

- Индуктивные системы

- Нейронные сети

- Системы, основанные на прецедентах

- Информационные хранилища

- 4. Адаптивные информационные системы

- Основанные на CASE-технологии

- Основанные на компонентных (сборочных) технологиях

Признаками классиф-ции явл. следующие интел­л-ные функции:

- коммуникативные способности - способ взаимодействия конечного польз-ля с сист.;

- решение плохо формализуемых задач, которые требу­ют построения оригинального алгоритма решения в зависимости от конкретной ситуации, характеризующейся неопределенностью и динамичностью исходных данных и знаний;

- способность к самообучению — умение системы автоматичес­ки извлекать знания из накопленного опыта и применять их для решения задач;

- адаптивность — способность системы к развитию в соответствии с объективными изменениями области знаний.

7. Клас-ция инструм-ных ср-в

1. Ур-нь исп-мого языка

1) традиц-ные (в т.ч. объектно-ориентированные) языки прогр-ния (напр., Fox);

2) символьные языки прогр-ния (напр, Lisp, Prolog);

3) инструментарий, сод-щий многие, но не все компоненты ЭС.);

4) оболочки ЭС общ. Назнач-я, сод-щие все прогр-ные компоненты, но не имеющие знаний о конкрет)

5) проблемно-ориентир. Оболочки (среды):

- проблем.-ориент. Ср-ва, ориент-ные на некот класс решаемых задач, и имеющие в своем составе соотв-щие этому классу альтернативные функц-ные модули

- предметно-ориент. Ср-ва, вкл-щие знания о некот типах предм. Областей.

2. Парадигма прогр-ния

1) процедурное прогр-ние

2) прогр-е, ориент-ное на данные (а не програм.)

3) прогр-е, ориент-ное на правила (это методы логического прогр-я)

4) объектно-ориент. Прогр-е

3. Способ предст-ния знаний

ЭС хар-ют моделями предст-я знаний:

1) правила продукции

2) фреймы/объекты

3) семантич. Сети

4) логические модели/исчисление предикатов

5) модели доски объявлений

6) модели прецедентов

4. Мех-мы вывода и моделир-я

Мех-мы получения реш-я и моделир-я реш-я. м. Охарактер-ть след. Пар-рами:

1) Стр-ра процесса получ-я реш-я:

- компиляция решений приобрет-я знаний в режиме дерева вывода из обучающей выборки (Выбор Из дерева)

- компиляция в режиме приобр-я знаний сети в сети вывода из специфич. Правил.(Поиск реш-я в режиме реш-я задачи)

- генерация сети вывода и поиск реш-я в режиме реш-я задач.

- в режиме реш-я задач ЭС осущ. Выработку правдоподобных предп-ний.

2) Поиск или выбор реш-я:

- направленность поиска (от данных к цели, от целей к данным, двунаправленный поиск)

- порядок перебора вершин в сети вывода (поиск «в ширину», поиск «в глубину»)

3) Процесс генерации предпол-ний и сетей вывода:

- режим генерации сетей в режиме приобрет-я знаний и в режиме реш-я задач

- опр-е полноты генер-мой сети вывода

4) Мех-м вывода для динамич. Проблем. Сред дополн. Содержит:

- планировщик, к-рый обеспеч. Функц-е ЭС в соотв. С приоритетами

- ср-ва, гарант-щие получение лучшего реш-я в усл-ях ограниченности рес-сов

- с-мы поддержания истинности значений переменных, измен-ся во времени

5) Ср-ва приобр-я знаний

I. Ур-нь языка, в к-ром осущ-ся приобр-е знаний:

- формализов. Язык

- огранич. Естест. Язык

- язык пиктограмм и изображений

- язык изобр-й и естест. Язык

II.Тип приобретаемых знаний

- данные в виде таблиц, сод-щие значения входных и выходного атрибута (дан. Тип исп-ся для ЭС с индуктивными методами обуч-я), напр. Нейронные сети

- специализиров. Правила

- общие и специализоров. Правила (формир-ся БД в виде правил)

III.Тип приобр-мых данных

- атрибуты со значениями

- об-ты (об-т опис-ся в целом с его хар-ками)

- классы структ-ных об-тов

6) Технологии разр-ки ЭС:

I.Подход, базирующийся на поверхностных знаниях

II.Стр-ный подход

III.Подход, базир-ся на глубинных знаниях

IV.Смешанный подход (исп-ся поверхн. И глубин. Знания)

В завис-ти от разл сочетаний методов бывают разл. Типы ЭС.

Поиск по сайту: