Определение, решаемые задачи, виды систем искусственного интеллекта

ВВЕДЕНИЕ.

Область Искусственного интеллекта имеет  более чем сорокалетнюю историю  развития. С самого начала в ней  рассматривался ряд весьма сложных  задач, которые, наряду с другими, и  до сих пор являются предметом  исследований. Это такие задачи как, доказательство теорем, распознавание  образов, робототехника, инженерия  знаний и, конечно же, экспертные системы. В середине семидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название экспертные системы. Цель исследований по экспертным системам состоит в разработке программ (устройств), которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. В большинстве случаев экспертные системы решают трудно формализуемые задачи или задачи, не имеющие алгоритмического решения. Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний, получили значительное распространение в мире. Важность экспертных систем состоит в следующем:

• технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;
• технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений;
• высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки;
• низкий уровень повторной используемости программ и т.п.;

По мнению ведущих специалистов, в недалекой перспективе ЭС найдут применение во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг, а ЭС получившая коммерческое распространение, обеспечит революционный прорыв интеграции приложений из готовых интеллектуально-взаимодействующих модулей. ЭС предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач. Экспертные системы применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление ) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

 

 

 

 

 

 

1. Определение, решаемые задачи, виды систем искусственного интеллекта

1.1 Определение  систем искусственного интеллекта

Достаточно трудно дать точное определение, что такое интеллект  человека, потому что интеллект - это  сплав многих навыков в области  обработки и представления информации. Интеллект ( intelligence ) происходит от латинского intellectus — что означает ум, рассудок, разум то есть мыслительные способности человека. С большой степенью достоверности интеллектом можно называть способность мозга решать (интеллектуальные) задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам. Выделяют несколько определений искусственного интеллекта:

Искусственный интеллект (ИИ) - совокупность научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.

Искусственный интеллект - одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Системы искусственного интеллекта (СИИ) — это системы, созданные на базе ЭВМ, которые имитируют решение человеком сложных интеллектуальных задач. 

 

 

1.2 Решаемые задачи искусственного интеллекта

Область ИИ имеет более  чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с другими, и до сих пор  являются предметом исследований:

1. доказательства теорем;
2. распознавание образов;
3. робототехника;
4. моделирование игр;
5. инженерия знаний;
6. экспертные системы

 

Примеры применения искусственного интеллекта:

• Deep Blue— победил чемпиона мира по шахматам. Матч Каспаров против суперЭВМ не принёс удовлетворения ни компьютерщикам, ни шахматистам, и система не была признана. Затем линия суперкомпьютеров IBM проявилась в проектах brute force BluGene (молекулярное моделирование) и моделирование системы пирамидальных клеток в швейцарском центре BlueBrain.^[22].
• Watson — перспективная разработка IBM, способная воспринимать человеческую речь и производить вероятностный поиск, с применением большого количества алгоритмов. Для демонстрации работы Watson принял участие в американской игре «Jeopardy», аналога «Своей игры» в России, где системе удалось выиграть в обеих играх.
• MYCIN — одна из ранних экспертных систем, которая могла диагностировать небольшой набор заболеваний, причем часто так же точно, как и доктора.
• 20Q — проект, основанный на идеях ИИ, по мотивам классической игры «20 вопросов». Стал очень популярен после появления в Интернете на сайте 20q.net.
• Распознавание речи. Системы, такие как ViaVoice способны обслуживать потребителей.
• Разработчики компьютерных игр применяют ИИ в той или иной степени проработанности. Это образует понятие «Игровой искусственный интеллект». Стандартными задачами ИИ в играх являются нахождение пути в двумерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии и так далее.

 

 

 

 

 

 

 

 

 

 

 

 

1.3 Виды интеллектуальных информационных систем

Различают следующие виды интеллектуальных информационных систем:

• интеллектуальные информационно-поисковые системы (системы типа «вопрос — ответ»), которые в процессе диалога обеспечивают взаимодействие конечных пользователей-непрограммистов с базами данных и знаний профессиональными языками пользователей, близких к естественных;
• расчетно-логические системы, которые дают возможность конечным пользователям, которые не являются программистами и специалистами в области прикладной математики, решать в режиме диалога с ЭВМ свои задачи с использованием сложных методов и соответствующих прикладных программ;
• нейронные сети и "размытые" ( fuzzy ) логики;
• естественно-языковые системы;
• экспертные системы (ЭИС), которые дают возможность проводить эффективную компьютеризацию сфер, где знания могут быть представлены в экспертной описательной форме, но использования математических моделей осложненное или невозможное.

 

 

 

 

 

 

2. Экспертные системы как вид систем искусственного интеллекта

2.1 Понятие и область применения экспертных систем

Экспертные системы составляют самую существенную часть систем искусственного интеллекта. Экспертная система обычно определяется как  программа ЭВМ, моделирующая действия эксперта человека при решении задач  в узкой предметной области: составление  базы знаний и накопления их. Создание систем базы данных - это попытка  задать представление логических связей между данными. Выполняемая экспертом  обработка знаний строится на базе огромных запасов информации, представленных в самой различной форме. При  этом часть информации может быть неполной. На основании изложенного, можно выделить понятие экспертных систем:

Экспертная система – это компьютерная программа, формализующая процесс принятия решений человеком.

В отличие от других, простых  компьютерных систем, экспертные системы  манипулируют знаниями, тогда как  любые другие системы – данными. Экспертные системы, как правило, дают эффективные оптимальные решения и способны иногда ошибаться, но в отличие от традиционных компьютерных систем они имеют потенциальную способность учиться на своих ошибках. Также, экспертные системы имеют ряд преимуществ над человеком-экспертом. Эти преимущества заключаются в следующем:

• У экспертных систем нет предубеждений
• Они не делают поспешных выводов 
• Эти системы работают систематизировано, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных
• База знаний может быть большой и достаточно стабильной. Будучи введены в машину один раз, они остаются навсегда
• Системы, основанные на знаниях, устойчивые к сбоям

В свою очередь, экспертные системы имеют ряд ограничений  перед человеком-экспертом:

• Навыки системы не всегда возрастают после сеанса экспертизы
• Остается проблемой приведение знаний, полученных от эксперта, к виду, обеспечивающему их эффективную машинную реализацию
• Имеет смысл привлекать системы только для решения когнитивных задач
• В тех предметных областях, где отсутствуют эксперты, применение экспертных систем оказывается невозможным

Экспертная система должна демонстрировать компетентность, т.е. достигать в конкретной предметной области того же уровня, что и  специалисты-эксперты. Недостаточно находить хорошие решения, это надо делать быстро. Системы должны иметь не только глубокое, но и достаточно широкое  понимание предмета. Методы нахождения решений проблем достигаются  на основе рассуждений, исходящих из фундаментальных принципов в  случае некорректных данных или неполных наборов правил. Такие свойства наименее разработаны в компьютерных экспертных системах, но именно они присущи специалистам высокого уровня.

Экспертная система достигает  более высокой эффективности  за счет перебора большого числа альтернатив  при выборе решения, опираясь на высококачественный опыт группы специалистов, анализирует  влияние большого объема новых факторов, оценивая их при построении стратегий, добавляя возможности прогноза.

Экспертные системы применяются  для решения только трудных практических задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

Следует обратить внимание на то, что некоторые специалисты (как правило, специалисты в программировании, а не в ИИ) продолжают утверждать, что не оправдали возлагавшихся на них ожиданий и умерли. Причины таких заблуждений состоят в том, что эти авторы рассматривали ЭС как альтернативу традиционному программированию, т.е. они исходили из того, что ЭС в одиночестве (в изоляции от других программных средств) полностью решают задачи, стоящие перед заказчиком. Надо отметить, что на заре появления ЭС специфика используемых в них языков, технологии разработки приложений и используемого оборудования (например, Lisp-машины) давала основания предполагать, что интеграция ЭС с традиционными, программными системами является сложной и, возможно, невыполнимой задачей при ограничениях, накладываемых реальными приложениями. Однако в настоящее время коммерческие инструментальные средства (ИС) для создания ЭС разрабатываются в полном соответствии с современными технологическими тенденциями традиционного программирования, что снимает проблемы, возникающие при создании интегрированных приложений.

Областью применения экспертных систем является:

1. Интерпретация данных. Это одна из традиционных задач для ЭС. Под интерпретацией понимается процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Обычно в таких системах предусматривается многовариантный анализ данных. Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Одной из наиболее известных систем интерпретирующего типа является система PROSPECTOR, объединяющая знания девяти экспертов. В системе используются сочетания девяти методов экспертизы, что позволило обнаружить залежи руды стоимостью в миллионы долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система – HASP/SIAP. Она определяет местоположение и типы судов в океане по данным акустических систем слежения и аэрокосмического сканирования. К отечественным системам этого типа относятся системы, используемые в психологии для тестирования свойств личности. Например, системы АВАНТЕСТ и МИКРОЛЮШЕР.

2. Диагностика. Под диагностикой понимается процесс соотнесения объекта с некоторым классом объектов  и/или обнаружение неисправности (т.е. отклонения от нормы) в некоторой системе. Такая трактовка позволяет отнести к данному классу ЭС и системы, анализирующие неисправность оборудования, и системы, направленные на анализ заболеваний живых организмов и всевозможных природных аномалий. Важной особенностью при построении этих систем является необходимость понимания функциональной структуры («анатомии») диагностируемого объекта. Примерами таких систем являются система ANGY (диагностики и терапии сужения коронарных сосудов) и система CRIB (диагностики ошибок в аппаратуре и математическом обеспечении ЭВМ).