Искусственный интеллект (Artificial Intelligence, AI):

• Умение решать сложные задачи
• Спосбность к обучению, общению и т.д.

DEF Искусственный интеллект - это направление информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю (не программисту) решать свои традиционно считающиеся интеллектуальными задачи, общаясь с компьютером ограниченным подмножеством естественного языка.

Основоположники:

• Джон Маккарти (автор самого термина)
• Аллен Ньюэлл
• Герберт Саймон
• М. Максвелл

Основные исследования, ведущиеся в области ИИ

Направления исследований:

1. Представление знаний и разработка систем, основанных на знаниях (Knowledge-based systems). Включает в себя:
   • Создание специальных моделей и языков для представления знаний, а также аппаратных и программных средств для их преобразования.
   • Создание баз знаний, образующих ядро экспертных систем.
   • Методы и модели извлечения и структурирования знаний (knowledge engineering) – появилось сравнительно недавно.
2. ПО систем ИИ (software engineering for AI)
   • Разработка специальных языков для решения интеллектуальных задач, в которых преобладает логическая и символьная обработка над вычислительными процедурами (LISP, REFAL, SMALLTALK, PROLOG).
   • Создание пакетов прикладных программ, ориентированных на промышленную разработку интеллектуальных систем.
   • Создание «пустых» экспертных систем, экспертных оболочек – БД, которые можно заполнять извне.
3. Планирование целесообразности поведения, интеллектуальные роботы (robotics).
   Исследования по созданию методов формирования целей и решение задач планирования действий автоматического устройства, функционирующего в сложной внешней среде.
   Этапы:
   1. Роботы с жесткой схемой управления (манипуляторы) – нынешний этап, первое поколение.
   2. Адаптивные роботы с сенсорными устройствами.
   3. Самоорганизующиеся, или интеллектуальные роботы – конечная цель робототехники. Проблемы: восприятие внешней информации, машинное зрение (трёхмерное).
4. Общение с ЭВМ на естественном языке и обработка естественного языка (natural language processing - NLP), системы машинного перевода.

• Популярные исследования – компьютерная лингвистика и машинный перевод.

• Создание языковых средств, позволяющих эффективно взаимодействовать с ЭВМ непрограммирующему пользователю. В настоящее время в системах машинного перевода используют языки-посредники: язык оригинала – язык смысла – язык перевода. Используется ассоциативный поиск аналогичных фрагментов текста и их перевода и специальных текстовых ресурсов в базах данных (создание корпусов параллельных текстов). Структурный подход: включает в себя анализ и синтез естественных языковых сообщений.

  Фазы:

  • Морфологический анализ слов в тексте.
  • Синтаксический анализ (разбор состава предложения и формирование связей).
  • Семантический анализ – анализ смысла составных частей любого предложения на основе некоторой предметно-ориентированной базы знаний (на данное время не решена).
  • Прагматический анализ – анализ смысла предложений в реальном контексте на основе собственной базы знаний (пока также считается нерешаемой проблемой).

5. Машинное самообучение (machine learning).
   Разработка моделей и алгоритмов, ориентированных на автоматическое накопление и формирование знаний на основе анализа и обобщения данных. В последнее время к этому направлению примыкают data mining – раскопка знаний, поиск и knowledge discovery – поиск закономерностей в БД.
6. Pattern recognition – распознавание образов.
   Исследования по восприятию зрительной информации, ее обработке, формированию ответных решений на воздействие внешней среды и способов адаптации систем к среде путем обучения.
   Основной подход – описание классов объектов через определенные значения значимых признаков. Любому объекту ставится в соответствие матрица признаков, по которой происходит распознавание. Тесно связано с нейрокибернетикой. Её основные идеи – единственный объект, способный мыслить – это человеческий мозг, поэтому надо воспроизвести его структуру для мыслящего устройства. Основа – нейроны, образующие нейронную сеть.
7. Новая архитектура компьютера (hardware and architecture).

Направления

1. Структура и механизм работы мозга. Цель - раскрытие тайны мышления.

• Построение модели данных
• Эксперименты с моделями
• Гипотезы
• Совмещение моделей

2. Объект - сам ИИ. Моделировние интеллектуальной деятельности машиной.

3. Создание человко-машинных интерфейсов и интеллектуальных систем.

DEF Комбинаторный взрыв - быстрое нарастание сложности задачи с увеличением числа принимаемых во внимание обстоятельств.

Знания и их особенности

Информацию об окружающем мире человек постигает на перцептивном уровне (уровне восприятия) и когнитивном уровне (когнитивные шкалы – шкалы, связанные с понятиями).

Системы управления базами знаний (СУБЗ) являются развитием СУБД. Они не отвергают и не заменяют СУБД. Это разные уровни представления информации, которые хранятся в интеллектуальном банке.

DEFs
База данных включает в себя фактографические, количественные данные, характеризующие предметную область.
База знаний содержит описание абстрактных сущностей — объектов, отношений, процессов, а также содержит правила и закономерности предметной области.
Предметная (проблемная) область — совокупность взаимосвязанных сведений, необходимых и достаточных для решения данной задачи или совокупности задач. Знания предметной области включают в себя описание объектов, явлений, фактов и отношений между ними. Под предметной областью будем понимать область экспертизы и область знаний о ней.
Виды знаний:

• Поверхностные — видимые взаимосвязи между событиями и фактами предметной области.
• Глубинные — абстракции, аналогии, схемы, правила, отображающие структуру и природу процессов в предметной области.

Основной признак интеллектуальной системы — наличие в ней блока представления знаний.

Блок интерпретации — используется для общения с внешним миром.
Данные — отдельные факты, характеризующие объекты, процессы, явления и их свойства.
Знания — закономерности предметной области (принципы, связи, законы, правила, полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области).

Особенности знаний:

1. Внутренняя интерпретируемость. Данные, помещённые в ЭВМ, могут интерпретироваться только соответствующими программами.
2. Наличие классифицирующих отношений. Для информационных единиц выполняется принцип иерархической организации, существует возможность установления связей типа «часть-целое», «элемент-класс», «род-вид», и т.п.
3. Наличие ситуативных связей. Они определяют совместимость событий и фактов, хранимых или вводимых в память, а также отношения типа “одновременность”, “расположение в одной области пространства” и т.п. Помогают строить процедуры проверки знаний на непротиворечивость.
4. Активность. Обычно данные пассивны, команды — активны. Все процессы инициируются командами появления в БД новых знаний. В интеллектуальной системе появление новых фактов, событий, правил и связей может стать источником активности системы.
5. Шкалирование. Для фиксации отношений информационных единиц используются различные шкалы:
   • позиционные (например, бинарная оппозиция – противопоставление двух фактов, явлений или свойств (хорошо/плохо))
   • метрические (относительные, абсолютные, порядковые)
   • нечёткие (fuzzy, размытые, лингвистические) — используют квантификаторы вида “мало”, “много”, “очень много”, “малюсенький” и т.п.
6. Погруженность в пространство с семантической метрикой.
   В психологии существует гипотеза, согласно которой когнитивные структуры человека погружены в некоторое пространство, метрика которого характеризует семантическую близость тех или иных понятий, фактов или явлений. Слова-понятия в когнитивном пространстве расположены неравномерно и образуют сгущения (кластеры). Расстояние между точками каждого кластера меньше расстояния до точек, входящих в другой кластер, т.е. понятия каждого кластера семантически близки между собой. Для компьютерной системы такой подход, например, может означать, что при построении когнитивных структур в её памяти близко располагается информация, относящаяся к некоторой типовой ситуации. Каждая типовая ситуация, каждое слово-понятие имеют множество своих конкретных представителей. Выбор представителя у человека подчиняется закону частоты появления: в качестве конкретного представителя типовой ситуации всегда возникает тот, который встречается наиболее часто.

Теория силлологизма

Имеется три сущности: S, P, M. Представители – малые латинские буквы, кванторы «всякий» и «некоторый». Существует шесть схем рассуждения:

• Всякий S есть P
• Всякий S не есть P
• Некоторый S есть P
• Некоторый S не есть P
• S есть P
• S не есть P

S – субъект высказывания, P – предмет высказывания. В нашем случае «есть» трактуется как включение-невключение (принадлежность). Всякий вывод, представляемый в теории Аристотеля, может иметь или не иметь посылок. По числу посылок различают выводы, равные 0, 1 и т.д.

Обозначения

• A - всякий + есть +
• E - всякий + не есть +
• I - некоторый + есть +
• O - некоторый + не есть +
• ⊢ - знак выводимости.
  F ⊢ Q означает, что из всех истинных посылок F следует, что Q - тоже истинно.
  ⊢ Q - всегда выводимо

Законы силлогистики

1. Закон тождества
   ⊢ Ass - всякий s есть s
2. Закон противоречия
   ⊢ ¬(Asp & Esp) - невозможна ситуация, когда сущности s одновременно входят и не входят в класс сущностей P.
3. Закон исключённого третьего
   ⊢ (Isp v Osp) - для любой сущности a возможна ситуация, когда она входит и не входит в класс P.

Для каждой конкретной сущности a, входящей в класс S, выполняется лишь одно из двух утверждений:

• a входит в P
• a не входит в P

Парадоксы в логике в основном возникают из-за 3го закона.

DEFs
Аксиомы - имеют ранг 0 - 0 посылок
Силлогизмы - это выводы ранга 2 (∃ две посылки). Все выводы делаются на основании двух посылок. В них всегда фигурируют три класса сущности: S, P, M.
Модус – конкретный тип силлогизмов. Надо взять из A, E, I, O три штуки и подставить в фигуру. На любой схеме можно породить 43 различных модусов. На 4 схемах – 256 модусов. Всего модусов существует 256 и только 24 из них - верные и они стоят в основе теории силлогизмов.