Курс лекций "Экспертные системы" (Для студентов заочного обучения юридического факультета кгу) Лекция Искусственный интеллект и экспертные системы

Вид материала

Курс лекций

Содержание Экспертные системы

Подобный материал:

• Курс лекций "Экспертные системы" (Для студентов заочного обучения юридического факультета, 187.84kb.
• 4 Экспертные системы, 51.16kb.
• Алгоритмы обучения и архитектура нейронных сетей. Нейросетевые системы обработки информации, 21.42kb.
• Преимущества эс. Задачи, 1126.03kb.
• Курс лекций для студентов заочного факультета самара, 1339.16kb.
• Лекция №15. Экспертные системы Экспертные системы зародились в ходе развития методов, 188.15kb.
• Курс лекций для студентов заочного и очно-заочного образования рпк «Политехник», 941.31kb.
• Учебно-методический комплекс для студентов заочного обучения специальности Финансы, 259.25kb.
• Говоря простым языком, системы баз знаний это искусство, которое использует достижения, 267.75kb.
• С. Хабаров "Экспертные системы" (конспект лекций), 204.94kb.

Курс лекций "Экспертные системы"

(Для студентов заочного обучения юридического факультета КГУ)


Лекция 1. Искусственный интеллект и экспертные системы


Экспертные системы с середины 1980-х годов стали широко разрабатываться и практически использоваться для решения трудноформализуемых и плохо структурируемых задач в различных сферах деятельности человека: медицина, военное дело, вычислительная техника, геология, промышленность и др.

Экспертные системы развивались как новая информационная технология, позволяющая при решении задач преобразовывать как данные, так и знания.

Экспертные системы (ЭС) явились результатом практической реализации теории искусственного интеллекта (ИИ), применение которых существенно расширило область использования вычислительной техники.

Цель занятий по курсу "Экспертные системы": познакомить с принципами разработки и функционирования ЭС, приобретения и обработки знаний, достижениями в области использования ЭС в юридической и других областях деятельности специалистов.

1. История развития искусственного интеллекта
   

Идея создания искусственного подобия человеческого разума для решения сложных задач и моделирования мыслительной способности витала в воздухе с древнейших времен [6, 7]. Впервые ее выразил Р.Луллий (ок.1235-ок.1315), который еще в XIV в. пытался создать машину для решения различных задач на основе всеобщей классификации понятий.

В XVIII в. Г.Лейбниц (1646 - 1716) и Р.Декарт (1596 - 1650) независимо друг от друга развили эту идею, предложив универсальные языки классификации всех наук. Эти идеи легли в основу теоретических разработок в области создания искусственного интеллекта(ИИ).

Развитие искусственного интеллекта как научного направления стало возможным только после создания ЭВМ. Это произошло в 40-х гг. XX в. В это же время Н.Винер (1894 - 1964) создал свои основополагающие работы по новой науке — кибернетике.

Термин искусственный интеллект (artificial intelligence) предложен в 1956 г. на семинаре с аналогичным названием в Станфордском университете (США). Семинар был посвящен разработке логических, а не вычислительных задач. Вскоре после признания искусственного интеллекта самостоятельной отраслью науки произошло разделение на два основных направления: нейрокибернетику и кибернетику "черного ящика". И только в настоящее время стали заметны тенденции к объединению этих частей вновь в единое целое.

Основную идею нейрокибернетики можно сформулировать следующим образом. Единственный объект, способный мыслить, — это человеческий мозг. Поэтому любое "мыслящее" устройство должно каким-то образом воспроизводить его структуру.

Таким образом нейрокибернетика ориентирована на аппаратное моделирование структур, подобных структуре мозга. Физиологами давно установлено, что основой человеческого мозга является большое количество (до 10²¹) связанных между собой и взаимодействующих нервных клеток — нейронов. Поэтому усилия нейрокибернетики были сосредоточены на создании элементов, аналогичных нейронам, и их объединении в функционирующие системы. Эти системы принято называть нейронными сетями, или нейросетями.

Первые нейросети были созданы в конце 50-х гг. американскими учеными Г.Розен-блаттом и П.Мак-Каллоком. Это были попытки создать системы, моделирующие человеческий глаз и его взаимодействие с мозгом. Устройство, созданное ими, получило название перцептрона. Оно умело различать буквы алфавита, но было чувствительно к их написанию, например, буквы А, А и А для этого устройства были тремя разными знаками. Постепенно в 70-80 гг. количество работ по этому направлению искусственного интеллекта стало снижаться. Слишком неутешительны оказались первые результаты. Авторы объясняли неудачи малой памятью и низким быстродействием существующих в то время компьютеров.

Однако в середине 80-х гг. в Японии в рамках проекта разработки компьютера V поколения, основанного на знаниях, был создан компьютер VI поколения, или нейрокомпьютер. К этому времени ограничения по памяти и быстродействию были практически сняты. Появились транспьютеры — параллельные компьютеры с большим количеством процессоров. От транспьютеров был один шаг до нейрокомпьютеров, моделирующих структуру мозга человека. Основная область применения нейрокомпьютеров — распознавание образов.

В основу кибернетики "черного ящика" лег принцип, противоположный нейрокибернетике. Не имеет значения, как устроено "мыслящее" устройство. Главное, чтобы на заданные входные воздействия оно реагировало так же, как человеческий мозг.

Это направление искусственного интеллекта было ориентировано на поиски алгоритмов решения интеллектуальных задач на существующих моделях компьютеров. В 1956 -1963 гг. велись интенсивные поиски моделей и алгоритма человеческого мышления и разработка первых программ. Оказалось, что ни одна из существующих наук — философия, психология, лингвистика — не может предложить такого алгоритма. Тогда кибернетики предложили создать собственные модели. Были созданы и опробованы различные подходы.

В конце 50-х гг. родилась модель лабиринтного поиска. Этот подход представляет задачу как некоторый граф, отражающий пространство состояний, и в этом графе проводится поиск оптимального пути от входных данных к результирующим. Была проделана большая работа по разработке этой модели, но в решении практических задач идея большого распространения не получила.

Начало 60-х гг.—эпоха эвристического программирования. Эвристика — правило, теоретически не обоснованное, но позволяющее сократить количество переборов в пространстве поиска. Эвристическое программирование — разработка стратегии действий на основе известных, заранее заданных эвристик.

В 1963 - 1970 гг. к решению задач стали подключать методы математической логики. На основе метода резолюций, позволившего автоматически доказывать теоремы при наличии набора исходных аксиом, в 1973 г. создается язык Пр о лог.

Существенный прорыв в практических приложениях искусственного интеллекта произошел в середине 70-х гг., когда на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы. Пришел новый подход к решению задач искусственного интеллекта — представление знаний. Созданы MYCIN и DENDRAL — ставшие уже классическими экспертные системы для медицины и химии. Объявлено несколько глобальных программ развития интеллектуальных технологий — ESPRIT (Европейский Союз), DARPA (министерство обороны США), японский проект машин V поколения.

Начиная с середины 80-х гг. происходит коммерциализация искусственного интеллекта. Растут ежегодные капиталовложения, создаются промышленные экспертные системы. Растет интерес к самообучающимся системам.

В основу кибернетики "черного ящика" лег принцип, противоположный нейрокибернетике. Не имеет значения, как устроено "мыслящее" устройство. Главное, чтобы на заданные входные воздействия оно реагировало так же, как человеческий мозг.

Это направление искусственного интеллекта было ориентировано на поиски алгоритмов решения интеллектуальных задач на существующих моделях компьютеров. В 1956 -1963 гг. велись интенсивные поиски моделей и алгоритма человеческого мышления и разработка первых программ. Оказалось, что ни одна из существующих наук — философия, психология, лингвистика — не может предложить такого алгоритма. Тогда кибернетики предложили создать собственные модели. Были созданы и опробованы различные подходы.

В конце 50-х гг. родилась модель лабиринтного поиска. Этот подход представляет задачу как некоторый граф, отражающий пространство состояний, и в этом графе проводится поиск оптимального пути от входных данных к результирующим. Была проделана большая работа по разработке этой модели, но в решении практических задач идея большого распространения не получила.

Начало 60-х гг.—эпоха эвристического программирования. Эвристика — правило, теоретически не обоснованное, но позволяющее сократить количество переборов в пространстве поиска. Эвристическое программирование — разработка стратегии действий на основе известных, заранее заданных эвристик.

В 1963 - 1970 гг. к решению задач стали подключать методы математической логики. На основе метода резолюций, позволившего автоматически доказывать теоремы при наличии набора исходных аксиом, в 1973 г. создается язык Пр о лог.

Существенный прорыв в практических приложениях искусственного интеллекта произошел в середине 70-х гг., когда на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы. Пришел новый подход к решению задач искусственного интеллекта — представление знаний. Созданы MYCIN и DENDRAL — ставшие уже классическими экспертные системы для медицины и химии. Объявлено несколько глобальных программ развития интеллектуальных технологий — ESPRIT (Европейский Союз), DARPA (министерство обороны США), японский проект машин V поколения.

Начиная с середины 80-х гг. происходит коммерциализация искусственного интеллекта. Растут ежегодные капиталовложения, создаются промышленные экспертные системы. Растет интерес к самообучающимся системам.

2. Задачи искусственного интеллекта


В области ИИ развивались следующие направления исследований:

• Доказательство теорем. Практической реализацией этого направления явилось создание метода резолюций, используемого в логическом программировании;
  
• Моделирование игр (моделирование игры в шахматы, военное дело, деловые игры);
  
• Распознавание образов (использование в медицине и промышленности);
  
• Робототехника (создание промышленных и бытовых роботов);
  
• Экспертные системы (создание систем решения интеллектуальных задач;
  
• Инженерия знаний (разработка языков представления знаний).
  

3. Экспертные системы – направление исследований по ИИ
   

Экспертные системы - это прикладные системы ИИ, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой либо узкой предметной области. Экспертные системы предназначены для замены при решении задач экспертов в силу их недостаточного количества, недостаточной оперативности в решении задачи или в опасных (вредных) для них условиях.
Обычно экспертные системы рассматриваются с точки зрения их применения в двух аспектах: для решения каких задач они могут быть использованы и в какой области деятельности. Эти два аспекта накладывают свой отпечаток на архитектуру разрабатываемой экспертной системы.

Можно выделить следующие основные классы задач, решаемых экспертными системами:

• диагностика,
  
• прогнозирование,
  
• идентификация,
  
• управление,
  
• проектирование,
  
• мониторинг.
  

Список литературы:

1. Информатика: Учебник/ Под ред. проф. Н.В. Макаровой – М.: Финансы и статистика, 1997.
   
2. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е издание. Пер. с англ. – М.: Издательский дом "Вильямс", 2003.
   
3. Искусственный интеллект: в 3-х кн. Кн.1. Системы общения и экспертные системы. Справочник/ Под ред. Э.В. Попова – М.: Радио и связь,1990.
   
4. Джексон П. Введение в экспертные системы. : Пер. с англ. : Уч. Пос. – М. :. Изд. дом "Вильямс", 2001.
   
5. Осуга С. Обработка знаний: Пер. с япон. – М.: Мир, 1989.
   
6. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. – М.: Наука. Гл. ред. физ.-мат. лит., 1987.
   
7. Информатика: Учебник/ Под ред. проф. Н.В. Макаровой – М.: Финансы и статистика, 1997.
   
8. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е издание. Пер. с англ. – М.: Издательский дом "Вильямс", 2003.
   
9. Искусственный интеллект: в 3-х кн. Кн.1. Системы общения и экспертные системы. Справочник/ Под ред. Э.В. Попова – М.: Радио и связь,1990.
   
10. Джексон П. Введение в экспертные системы. : Пер. с англ. : Уч. Пос. – М. :. Изд. дом "Вильямс", 2001.
    
11. Осуга С. Обработка знаний: Пер. с япон. – М.: Мир, 1989.
    
12. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. – М.: Наука. Гл. ред. физ.-мат. лит., 1987.
    

Доцент кафедры Прикладной математики КГУ, к.т.н. Юрин А.М.