1. Интеллектуальные системы и признак структурированности задач. Системы для частично структурированных задач. Структурированная информация - имеется вся входная информация и простой алгоритм. Неструктурированная информация - нет полной входной информации и алгоритмов решения. Применяется эвристический подход на основе догадок и соображений (например при игр в шахматы). Практически не подлежит обработки на средствах вычислительной техники. Слабоструктурированная информация – имеются отдельные связи между элементами входной информации, возможность создать алгоритм решения. На выходе даются несколько возможных вариантов ответов. Для них используют: ИС, которые разрабатывают альтернативные решения (модельные и экспертные системы) и ИС, создающие управленческие отчеты. Экспертные системы – экспертная поддержка приминаемых пользователем решений. Модельные системы – работают в среде типовых математических моделей при решении задач, отвечающих на 2 вопроса «что будет, если …» и « как сделать, чтобы …». Для них свойственно: достаточно быстрая и адекватная интерпретация результатов моделирования, оперативная подготовка и корректировка входных параметров и ограничений, возможность графического представления динамики, дружественный интерфейс. ИС, создающие управленческие отчеты – информационная поддержка пользователей, обеспечение доступа к БД. Возможности: комбинация данных из различных источников, автоматическая смена источников при поиске данных, СУБД, логическая независимость данных из различных БД, автоматическое отслеживание потока информации дли наполнения БД.^ 2. Условия для разработки и внедрения экспертных систем. Нехватка специалистов, затрачивающих значительное время на оказание помощи другим. Снижение производительности. Большое расхождение между решениями самых квалифицированных и неквалифицированных специалистов данной области. Наличие конкурентов, которые лучше справляются с поставленной задачей.^ 3. Задачи, подходящие для создания для экспертных систем. Должны быть узкоспециализированной Не зависят в значительной степени от общечеловеческих знаний или соображений здравого смысла. Для эксперта задача не является слишком сложной или слишком простой.^ 4. Этапы проектирования ЭС. Выбор проблемы: определение предметной области и задачи, которой требуется решение, поиск эксперта и коллектива разработчиков, предварительный подход к решению проблемы, анализ расходов и прибыли, подробный план разработки. Разработка прототипа ЭС: возможность проверки правильности кодирования факта, связей и стратегий рассуждения эксперта, идентификация проблемы, извлечение знаний (получение от эксперта наиболее полного представления о предметной области и способах принятия решения), структурирование знаний, формализация знаний, реализация, тестирование. Доработка допромышленной системы: демонстрационный прототип, исследовательский прототип (наполнение правилами), действующий прототип (решение задач на реальных примерах, промышленная ЭС. Стыковка ЭС. Поддержка.^ 6. Основные блоки ЭС. Пользователь – специалист предметной области, для которого предназначена система. Инженер по знаниям – человек / группа лиц, которые обладают знаниями в области информационных технологий и выступают в роли промежуточного звена между экспертом и БЗ. Эксперт – высококвалифицированный специалист(ы) выбранной предметной области. Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с ЭС на стадии ввода данных и получения результатов. Машина логического вывода – программа, моделирующая ход рассуждения эксперта на основании знаний из БЗ. Подсистема объяснений – программа, позволяющая пользователю получить информацию о процессе размышлений. Интеллектуальный редактор БЗ – программа, позволяющая инженеру по знаниям создавать БЗ в диалоговом режиме.^ 7. Коллектив разработчиков ЭС. Пользователь – специалист предметной области, для которого предназначена система. Инженер по знаниям – человек / группа лиц, которые обладают знаниями в области информационных технологий и выступают в роли промежуточного звена между экспертом и БЗ. Эксперт – высококвалифицированный специалист(ы) выбранной предметной области.^ 8. Различия БД и БЗ. Данные – отдельный факты, характеризующие объекты, процессы и явления предметной области, а так же их свойства. Источник – результаты наблюдений, измерений, справочники, таблицы, … Язык описания – язык описания данных SQL. Хранение – БД. Модели представления – иерархическая, сетевая, реляционная. Знания – закономерности предметной области, полученные в результате профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области. Источники – результаты мышления, пособия, учебники. Язык описания – язык описания знаний Пролог. Хранение – БЗ. Модели представления – продукционная модель, семантические сети, фреймы.^ 9. Свойства знаний. Внутренняя интерпретация – в памяти хранятся не разрозненные объекты, а объекты и связи между ними (предприятие «1», местонахождения «2», номенклатура «3»). Внутренняя структура связей – информационные единицы находятся в определенном отношении, имеющем классификацию (ВУЗ – фак-тет – курс – группа – студент). Внешняя структура связи – позволяет описать отдельный объект в отношении к другому объекту. («ВУЗ – фак-тет – курс – группа – студент» проходит практику «предприятие «1», местонахождения «2», номенклатура «3»») Шкалирование – ведение соотношения между различными информационными единицами и упорядочение информационных единиц путем измерения интенсивности отношений и свойств. Наличие семантической метрики. Семантики: - значение или объективное содержание информации - концептуальный смысл (определенная связь между различными понятиями) - личностный смысл (отражение системы взглядов эксперта) - прагматический смысл (текущие знания о конкретной ситуации) Наличие активности – знания позволяют выводить новые знания, что дает возможность решать не только типовые задачи, но и принципиально новые.^ 10. Продукционная модель знаний. Если (условие), то (действие). Условие – некоторое предложение, образец для поиска в БЗ. Действие – то, что происходит при успешном поиске. Действие может быть промежуточным (продолжение вывода по правилам) и целевым (получение конечного результата). 1 – Если А, то В; 2 – Если В, то С; 3 – Если С, то Д. (1 и 2 – промежуточные, 3 – целевое). Плюсы: наглядность, высокая модульность, мягкость внесения дополнения и изменений, простота механизма логического вывода. Минусы: трудность обеспечения непротиворечивости, при большом количестве условий и действий (Если С, то А – приведет к цикличности).^ 12. Семантические сети. Семантическая сеть – ориентированны граф, вершины которого – понятия, а дуги – отношения между понятиями. Соответствуют представлению об организации долговременной памяти человека. Понятия: понятие (существительное), события (глаголы), свойства (прилагательные). Отношения: лингвистическое, логическое (И ИЛИ), теорико-множественное (ЧАСТЬ ЧЕЛОЕ), кванторы общности (ЛЮБОЙ СУЩЕСТВУЕТ). Основной недостаток – сложность внесения изменений и построения машины логического вывода.13. Фреймы. Частный случай семантической сети с более строгой структурой. Любой фрейм имеет: имя фрейма, имя слота, значение слота, способ получения значения, присоединенная процедура. Способы получения: явно из диалога с пользователем, наследование свойств, по формуле, через присоединенную процедуру (Демоны – пользователь их не вызывает, они активируются при изменении информации в слоте, ЕСЛИ ДОБАВЛЕНО, ЕСЛИ УДАЛЕНО, ЕСЛИ ИЗМЕНЕНО. Слуги – работают по запросу и определяются пользователем при создании фрейма.) Плюсы: отображение концептуальной основы организации памяти человека, гибкость, наглядность. Минусы: сложно построить машину логического вывода.^ 15.Стратегия получения знаний. Идентификация проблемы – Получение знаний – Структурирование. Получение знаний: Без применения ЭВМ – извлечение знаний; С применением ЭВМ – приобретение знаний, формирование знаний. Извлечение знаний – процедура взаимодействия эксперта с источником знаний, в результате которой становятся явными процесс рассуждения специалиста при принятии решения и структура их представления. Приобретение знаний – процесс наполнения БЗ экспертом с использованием спец ПО. Формирование знаний – процесс анализа данных и выявления скрытых закономерностей с использованием специального математического аппарата и программных средств.^ 16. Психологический аспект извлечения знаний. Контактный слой – атмосфера в коллективе разработчиков ЭС Процедурный слой – ситуация общения (место, время) Когнитивный слой – это механизмы при использовании которых человек познает окружающий мир. Инженер по знаниям не должен навязывать эксперту свою модель. Инженер по знаниям и эксперт должны четко осознавать цель процедуры извлечения знаний и по мере возможностей рисовать схему рассуждений эксперта.^ 17. Лингвистический аспект извлечения знаний. Общий код. Общий код состоит из: Бытовой язык (Эксперт и инженер), Спец. термины (Эксперт), Спец. термины из литературы (Инженер), Общенаучные термины (Эксперт и Инженер). Разработка общего кода заканчивается формированием словаря терминов предметной области с группировкой их по смыслу. Словарь пользователя – доработка словаря общего кода.^ 18. Гносеологический аспект извлечения знаний. Проблемы применения критериев научного знания. Гносеологический аспект касается методологических проблем получения нового знания. Действительность – Сознание эксперта – Сознание инженера по знаниям – Поле знаний – БЗ экспертной системы.^ 19. Текстологические методы извлечения знаний. Пригодны для хорошо документированной предметной области. Задача извлечения знаний из текста ставится, как задача понимания и выделения смысла текста. Текстологические методы способствуют составлению словаря предметной области.^ 20. Пассивные методы извлечения знаний. Наблюдение. «Мысли вслух» - рассуждение эксперта. Лекция – готовит эксперт 2-5 штук – изложение основных понятий. Инженер по знаниям уточняет, задавая вопросы. Типы инженера по знаниям и эксперта: мыслитель, собеседник, практик.^ 21. Активные групповые методы извлечения знаний. «Круглый стол». Обычно не умеют слушать друг друга. Не смысла проводить 2 раза. «Мозговой штурм» (применим в предметной области, где нет четко выраженного способа принять решение) – трудно протоколировать, эффективен в 1 раз. «Ролевые игры» - интересно экспертам, сомнительная продуктивность.^ 22. Активные индивидуальные методы извлечения знаний. Анкетирование эксперта – возможность анкетирования нескольких экспертов, но без обратной связи. Интервью – наличие обратной связи. Свободный диалог – имеет смысл при слабом документировании предметной области. Инженер по знаниям должен иметь больше знаний, чем при интервью. Экспертные игры – создание программы, моделирующей ситуацию.^ 24. Объектно-структурный анализ знаний о предметной области. Уровни Статьи Предметная область Проблема Задача Подзадачи Зачем знания? Кто знания? Что знания? Как знания? Где знания? Когда знания? Почему знания?Сколько знания? Знания – стратегический анализ назначений функции ЭС. Кто … - организационный анализ коллектив разработчика системы. Что … - концептуальный анализ – основные понятия и структура понятий. Как … - функциональный анализ – методы и модели принятия решений. Где … - пространственный анализ – окружение, оборудование, коммуникации. Когда … - временной анализ – временные параметры и ограничения. Почему … - причинно-следственный анализ для формирования подсистемы объяснений. Сколько … - экономический анализ – затраты, прибыль, окупаемость.^ 25. Алгоритм формирования поля знаний. Определение входных и выходных данных. Их структура существенно влияет на форму и содержание поля знаний. Составление словаря терминов и набора ключевых слов. Выявление объектов и их характеристик. Выявление связей между понятиями. Выявление метапонятий (более общих) и детализация понятий. Построение пирамиды знаний. Определение отношений.^ 11. Стратегии управления выводом на знаниях. Прямой вывод. Имеется ряд правил и ограничений. При подставлении их в условия получаем искомый результат. (Вход «любит солнце», «активный человек». Получаем: «любит солнце» - «отдыхать летом»; «любит солнце» и «активный человек» - «ехать в горы»). Обратный вывод. Имея определенные условия и желаемый результат находим необходимые правила и ограничения.^ 14. Схема машины логического вывода. Особенности вывода на знаниях. Критерии остановки машины логического выводы: появилась достоверная гипотеза, заданы все вопросы по свидетельству, если все гипотезы вероятны.^ 26. Уровни реализации модели НС. Нейрокомпьютер. Нейрокомпьютер – программно-техническая система, которая реализует некоторую формальную модель естественной нейронной сети. Уровни моделирования НС: 0 – теоретический. 1 – программный – реализация НС с помощью традиционных языком программирования на обычных компьютерах. 2 – программно-аппаратный – предполагает наличие сопроцессоров для ускорения НС. 3 – аппаратный – физическая реализация НС.28. Типы нейронных сетей и типы нейронов в сети. Входные. Вход – кодированный образ внешней среды. Выходные – с которых определяется выход результата. Промежуточные – принимают сигнал одних и передают другим.29. Классы задач, решаемые НС. Задача классификации образов – связаны с распознаванием текста и изображений. Кластеризация. Аппроксимация функции. Задачи прогнозов. Задачи оптимизации.