Визначення
інтелекту. Його відміності від алгоритму.
Інтелект – це здатність мозку
вирішувати інтелектуальні задачі шляхом набуття, запам’ятовування і ціленаправленого
перетворення знань у процесі навчання і адаптації до різних обставин.
Алгоритм – це точна послідовність
дій, яка приводить до рішення задач.
З точки зору алгоритму – інтелект –
це універсальний алгоритм, який може створювати інші алгоритми рішення
конкретних задач.
11. Історія розвитку систем
штучного інтелекту
XVIII
ст. Лейбніц – розробив першу систему
формальної логіки і розробив машину для автоматизації її обчислень. В цей й же
ж період відбувається формалізація теорії графів, де вузли графів розглядалися
як теорії станів і розв’язок задача розглядався як пошук шляхів в множині графу
станів.
XIX
ст. поява праць Чарльза Бебіджа, Джона Буля. Зокрема останній створив формальну
мову для опису мислення.
ХХ ст. зроблені важливі кроки для розуміння
фундаментальних принципів ШІ. Зокрема праці Рассела, заявлено мету логічного
виведення з набору аксіом шляхом формальних операцій.
1940р. – створено перший робочий комп’ютер на
електромагнітних реле. Призначався для розшифрування німецьких переговорів.
1945 р. – в університеті Пенсільванія створено комп.
ENIAK.
Його задача полягала в розрахунках балістичних таблиць. Побудовані перші
нейронні мережі. Віннер створив галузь кібернетики, яка охоплювала матем. теорію для біологічних і
матем. систем.
1949 р. – автор Хеббс відкрив спосіб створення нейронних мереж , що
самонавчаються.
1950р. – відзначився в історії як роки народження
штучної системи. Алан Тюринг запропонував спеціальний тест для розпізнавання
інтелектуальних машин.
60-ті роки ХХ
ст. – стрибок в розвитку ШІ, який викликаний прогресом в комп’ютерних технологіях
та збільшенням кількості розробок в цій галузі. Найбільш важливі успіхи:
представлення знань, реалізація комп’ютерного зору, робототехніки, обробки
природньої мови.
70-ті роки ХХ ст. – відбувся спад інтересу до ШІ
через те, що дослідникам не вдалося досягнути успіху у завищених обіцянках і у
зв’язку із мінімальним практичним застосуванням. Все ж велись розробки,
зокрема, винайдено і використано нечітку логіку, розроблено мову «Пролог».
80-ті роки ХХ ст. – проходили у програмних
реалізаціях експертних систем для прогнозування, діагностування, відроджується
дослідження над нейронними мережами.
90-ті роки ХХ
ст. – епоха розвитку слабкого ШІ, зокрема розробки впровадженні в ряді
додатків, таких як розпізнавання облич, системи розпізнавання прибутку,
кредитних карток, розвиток в космічній галузі.
В цілому історично склалися 3 основних напрямки в
моделюванні ШІ:
-1-й – об’єктом дослідження є стуктура і механізм
роботи людського мозку, а кінцевою метою – розкриття сутності мислення
-2-й - в якості дослідження об’єкта розглядається
ШІ. Метою є створення алгоритмічного та програмного забезпечення штучного
інтелекту, яке дозволяє вирішувати інтелектуальні задачі не гірше людини.
-3-й – орієнтований на створення змішаних
інтерактивних інтелектуальних систем.
12.
Характеристики інтелектуальних задач систем штучного інтелекту
Одна
із поширених задач – ігрове середовище. В більшості ігор застосовуються набір
чітких правил, що дозволяють вести пошук по іншому. Ігри можуть породжувати
великий простір станів, тому для пошуку потрібні потужні методи, котрі
визначають, які альтернативи потрібно розглядати. Більшість вик. евристичні
методи. Інші задачі. Автоматичні міркування та доведення АОМ. Автоматичне
доведення теорем найдавніший метод ШІ. Завдяки дослідженням у галузі доведення
теорем було формалізовано алгоритм пошуку, а також розроблені мови формальних
зображень – логічні. Такі методи базуються на логіці.
Практичне
застосування знаходять у перевірці конкретних програм при проектуванні складних
систем пошуку інформації.
Експертні системи – це поєднання теоретичного
розуміння проблеми і набору правил для її вирішення, які є ефективними в даній
предметній галузі. Вони створюються за допомогою запозичених знань у людини
експерта і кодування їх у форму, яку комп. може застосовувати до аналогічних
проблем.
13. Основні
напрями в розвитку систем штучного інтелекту
В
цілому виділяють 3 напрямки:
1-а частина фахівців вважають, що
частину інформації можна взяти на комп., які дозоляють отримати результат
подібно людському, або ще й кращий. Пр. гра в шахи, шашки.
2-а частина фахівців вважає, що
ШІ повинен імітувати не розв’язок окремих задач, а базуватися на створенні
автоматично генерованих програм рішень задач.
3-а частина – програмісти, які
створюють програми для розв’язку задач ШІ, вважають, що засоби створення ПП і
носить такий характер.
14. Підходи до
побудови систем штучного інтелекту
Існує що
найменше 2-і точки зору щодо того що вважати ШІ. Перша називається
нейробінічна. ЇЇ прихильники ставлять перед собою мету створити штучним чином
такі процеси, які протікають в мозку
людини. Це шлях дослідження мозку людини, виявлення способу його роботи,
створення біологічних структур і процесів, які в них протікають.
Друга точка зору є домінуючою в ШІ називають
інформаційною. ЇЇ прихильники вважають, що основною метою в ШІ є не побудова
аналогів штучній системі, а створення засобів для розв’язку задач, які є
постійно інтелектуальними.
15. Логічний
підхід до побудови систем штучного інтелекту
Логічний підхід, на даний час є уже
часто використовуваним в ШІ. Він сам включає в себе декілька інших елементів
логіки:
1.
Елементи вичислення висловлень (Силогістика Арістотеля)
2.
Елементи вичислення предикатів( Елементи обчислення предикатів І порядку, Елементи вичислення предикатів ІІ порядку, «Некласичні» обчислення)
3.
Елементи теорії множин
- Елементи класичної теорії множин
(Георг Кантор)
- Елементи альтернативних теорії множин
(Заде, Гаск та ін.)
4.
Елементи теорії алгоритмів (Тюринг, Черч і Клинин)
Історично,
першою моделлю для представлення знань стала класична логіка Арістотеля, яка і
заложила фундамент для всіх інших логічних теорій.
Суть
побудови будь-якої формальної теорії полягає в тому, щоб виразити розумові
процеси формально.
Різні
логічні теорії мають свої переваги при реалізації моделей в різних мікросвітах.
Так, наприклад, семантика силогістики Арістотеля дуже близька до природньої
мови, тому результати формального виводу легко інтерпретувати. Виводи, які
отримуємо на основі вичислення предикатів, вже не в повній мірі співпадають із
семантикою природньої мови, їх важче інтерпретувати, але моделі на основі
вичислення предикатів виходять набагато компактнішими та осяжнішими. Моделі на
основі логіки Л. Заде дозволяють оперувати розмитими поняттями, але такі
результати інтерпретувати важче і навіть не завжди можливо.
16. Структурний підхід до побудови
штучного інтелекту.
Під
структурним підходом маються на увазі спроби побудови ШІ шляхом моделювання структури людського
мозку. Однією з перших таких
спроб був перцептрон Ф. Розенблатта. Основний
модельованої структурною одиницею в перцептронах (як і в більшості інших
варіантів моделювання мозку) є нейрон. Пізніше
виникли і інші моделі, відомі під загальною назвою «нейронні мережі» (НС). Моделі ці розрізняються за будовою
окремих нейронів, за топологією зв'язків між ними і за алгоритмами навчання. Серед найбільш відомих варіацій НС
можна назвати НС зі зворотним поширенням помилки, мережі Хопфілда та
стохастичні нейронні мережі.
17. Еволюційний підхід побудови систем
штучного інтелекту.
При
побудові систем ШІ по такому підходу, основна увага приділяється
побудові початкової моделі і правилам, за якими вона (модель) може змінюватися
(еволюціонувати). Модель може
бути складена з найрізноманітніших методів, це можуть бути і НС і набір
логічних правил і будь-яка інша модель. Після
цього ми запускаємо ШІ, і він, на підставі перевірки моделей, відбирає найкращі
з них, на підставі яких по всіляких правилами генеруються нові моделі, з яких
знову вибираються найкращі і т. д. Еволюційних моделей, як таких, не існує, є
тільки еволюційні алгоритми
навчання, але моделі, отримані при еволюційному підході, мають деякі характерні особливості, що
дозволяє виділити їх в окремий клас. Такими
особливостями є перенесення основної уваги розробника з побудови моделі на
алгоритм її модифікації і те, що отримані моделі практично не супроводжують
витяганню нових знань про середовище, що оточує систему ШІ, тобто вона
(система) стає «річчю в собі».
18. Імітаційний підхід побудови
систем штучного інтелекту
Даний
підхід є класичним для кібернетики з одним із її базових понять - «чорним
ящиком» (чя). Чорний ящик - це
пристрій, програмний модуль або набір даних, інформація про внутрішню
структуру та зміст якого відсутні, але відомі специфікації вхідних і вихідних
даних. Об'єкт, поведінка якого
імітується, якраз і являє собоютакий «чорний ящик». Н
е важливо, що у нього всередині і як він функціонує, головне, щоб наша модель в
аналогічних ситуаціях вела себе так
само. Таким чином моделюється
інша властивість людини - здатність копіювати те, що роблять інші, не вдаючись
у подробиці, навіщо це потрібно. Найчастіше
ця здатність економить людині масу часу, особливо на початку його життя. До недоліків імітаційного підходу
можна віднести низьку інформаційну здатність
більшості моделей, побудованих з його допомогою.
19. Допоміжні систем нижнього рівня в
створенні систем штучного інтелекту.
Для того, щоб
людина свідомо сприйняла інформацію (для прикладу візьмемо креслення), вона
повинна пройти доситьтривалий цикл попередньої обробки. Спочатку світло
потрапляє в око. Пройшовши через всю оптичну систему фотони врешті-решт потрапляють
на сітківку — шар світлочутливих кліток — паличок і колб. Сенс всього сказаного
полягає в тому, щоб показати, що в системах її є підсистеми, які ми вже зараз
можемо реалізувати навітьне знаючи про те, як вони реалізовані у людини.
Причому можемо це зробити не гірше, ніж у прототипу, а часто і краще.
Наприклад,штучне око (а рівно і блок первинної обробки
відеоінформації,засновані на простих фільтрах або ін. порівняно нескладних пристроях)
не втомлюється, може бачити в будь-якому діапазоні хвиль, легко замінюється на
новий, бачить при світлі зірок.
20. Нейробонічна позиція науковців
створення систем штучного інтелекту.
Наукові
дослідження в галузі пізнання людини заборонити неможливо , не можна навіть
призупинити їх. Це звичайний процес , без якого важко уявити історичний
розвиток . Свого часу не можна було заборонити відкриття електрики , зупинити
дослідження в галузі ядерної фізики, космонавтики, комп'ютерної техніки ,
медицини. Але якщо людству досі вдалося не застосовувати результати наукових
досягнень для знищення життя на Землі , то це сталося лише тому , що людина в
процесі своєї еволюції виросла духовно і морально . Ми виходимо з оптимістичній
інтерпретації моральної природи людини , віримо в його краще майбутнє.
21. Визначення та призначення експертних систем
Експертна система являє собою інтелектуальну систему, що
моделює пам’ять і мислення людини-експерта під час вирішення інтелектуальних
задач, що знаходяться у його компетенції.
Інтелектуальна система – це
один із видів автоматизованих інформаційних систем.
Інтелектуальна задача – це
проблема, що виникла перед людиною у складній життєвій ситуації.
Процес функціонування
експертних систем здійснюється так: користувачч, який бажає розв’язати свою
задачу й одержати відповідну інформацію через користувацький інтерфейс,
надсилає запит до системи, тобто ставить задачу. Вирішувач ЕС, використовуючи
Бази Знань, розв’язує цю задачу в діалоговому режимі з користувачем і видає
йому рішення, пояснюючи хід своїх міркувань за допомогою блоку пояснень.
Призначення. Їх використовують у різних
областях людської діяльності, основні з них є: Бізнес (прогнозування розвитку
ринку економіки, вибір стратегії виходу фірми із ризикової ситуації, вибір
інвестора та страхової компанії, формування портфеля інвестицій, оцінка
фінансових ризиків та оподаткування),
Виробництво (планування роботи підприємств і організацій, виробництво комп’ютерів
та інтегральних схем, технічна діагностика несправностей та відмовлень в
устаткування), Галузі промисловості (планування промислових замовлень, контроль
стану атомних реакторів, моніторинг роботи електростанцій та керування мережами
розподілу електроенергії, контроль за режимами установок на хімічному заводі,
керування повітряним рухом і транспортними перевезеннями, планування режимів
роботи робототехнічних систем, прогнозування воєнних дій), Медицина
(діагностика захіорювань і встановлення зв*язків між порушеннями функціонування
організму та їх можливих причин), Наукові дослідження (одержання погоджених і
коректних висновків на підставі багатоваріантного аналізу результатів
спостережень), Освіта (навчання та контроль знань, навчання мови “Lips” та “Pascal”.
22. Класифікація експертних систем
Класифікація експертних систем здійснюється за різними
ознаками, в залежності від області застосування, проблемою, що вирішується
тощо.
За метою створення: для навчання фахівців, для вирішення
задач, для автоматизації рутинних робіт,
для тиражування знань експертів.
За ступенем складності структури; Поверхневі системи — подають знання про
область експертизи у вигляді правил (умова -> дія). Умова кожного правила
визначає зразок деякої ситуації, при дотриманні якої правило може бути
виконано. Пошук рішення полягає у виконанні тих правил, зразки яких
зіставляються з поточними даними. При цьому передбачається, що в процесі пошуку
рішення послідовність формованих у такий спосіб ситуацій не обірветься до
одержання рішення, тобто не виникне невідомої ситуації, що не зіставиться з
жодним правилом; Глибинні системи — крім
можливостей поверхневих систем, мають здатність при виникненні невідомої
ситуації визначати за допомогою деяких загальних принципів, справедливих для
області експертизи, які дії варто виконати.
За зв'язком з реальним часом:
Статичні ЕС
розробляються в предметних областях, у яких база знань та інтерпритовані дані
не змінюються в часі. Вони стабільні.(Діагностика несправностей в автомобілі.);
Квазідинамічні ЕС
інтерпретують ситуацію, що змінюється з деяким фіксованим інтервалом
часу.(Мікробіологічні експертні системи, в яких знімаються лабораторні
вимірювання з технологічного процесу один раз на 4-5 ч. (наприклад, виробництво
лізину) та аналізується динаміка одержаних показників по відношенню до
попереднього виміру.);
Динамічні ЕС працюють у поєднанні з датчиками об'єктів у
режимі реального часу з постійною інтерпретацією даних, що
надходять.(Управління гнучкими виробничими комплексами, моніторинг у
реанімаційних палатах і так далі.)
За ступенем інтеграції з іншими програмами:
Автономні експертні системи працюють безпосередньо в
режимі консультацій з користувачем для специфічних «експертних» завдань, для
вирішення яких не потрібно привертати традиційні методи обробки даних (розрахунки,
моделювання і так далі);
Гібридні експертні системи представляють програмний
комплекс, агрегують стандартні пакети прикладних програм (наприклад,
математичну статистику, лінійне програмування або системи управління базами
даних) та засоби маніпулювання знаннями. Це може бути інтелектуальна надбудова
над ППП або інтегроване середовище для вирішення складного завдання з
елементами експертних знань.
23. Порівняння відмінностей
експертних систем від традиційних. Поняття експерта.
Основна різниця полягає в тому,
що експертні системи маніпулюють знаннями, а звичайні програми — даними.
Інші особливості експертних
систем, що відрізняють їх від звичайних програм, наведені нижче.
Особливості ЕС, що відрізняють
їх від звичайних програм, полягають у тім, що вони повинні володіти:
1. Компетентністю, а саме:
Досягати експертного рівня
рішень (тобто в конкретній предметній області мати той же рівень
професіоналізму, що й експерти-люди).
Мати активну працездатність
(тобто застосовувати знання ефективно і швидко, уникаючи, як і люди,
непотрібних обчислень).
Мати адекватну працездатність
(тобто здатність лише поступово знижувати якість роботи з міри наближення до
границь діапазону компетентності або припустимої надійності даних).
2. Можливістю до символьних
міркувань, а саме:
Представляти знання в
символьному виді
Переформулювати символьні
знання. На жаргоні штучного інтелекту символ — це рядок знаків, що відповідає
змісту деякого поняття. Символи поєднують, щоб виразити відносини між ними.
Коли відносини представлені в ЕС вони називаються символьними структурами.
3. Глибиною, а саме:
Працювати в предметній
області, що містить важкі задачі
Використовувати складні
правила (тобто використовувати або складні конструкції правил, або велику їхню
кількість)
4. Самосвідомістю, а саме:
Досліджувати свої міркування
(тобто перевіряти їхня правильність)
Пояснювати свої дії
Існує ще одна важлива відмінність
ЕС. Якщо звичайні програми розробляються так, щоб щораз породжувати правильний
результат, то ЭС розроблені для того, щоб поводитися як експерти. Вони, як
правило, дають правильні відповіді, але іноді, як і люди, здатні помилятися.
Традиційні програми для рішення
складних задач, теж можуть робити помилки. Але їх дуже важко виправити,
оскільки алгоритми, що лежать у їхній основі, явно в них не сформульовані.
Отже, помилки нелегко знайти і виправити. ЭС, подібно людям, мають потенційну
можливість учитися на своїх помилках.
Експерт – це професіонал у даній
предметній (проблемній) області, який за допомогою аналітика здійснює
наповненнябази знань і контролює
правильність введення в неї інформації.
24. Типи задач, що розв'язуються експертними системами
ЕС орієнтовані на розв’язування
задач, вирішення яких вимагає проведення експертизи людиною-спеціалістом. На
відміну від програм, що використовують процедурний аналіз, експертні системи
розв’язують проблеми у вузькій предметній площині (конкретній ділянці
експертизи) на основі логічних міркувань. Такі системи часто можуть знайти
розв’язок задач, які неструктуровані і неточно визначені.
Експертна система - це
програма, що поводиться подібно експерту в деякій, звичайно вузькій прикладній
області. Типові застосування експертних систем містять у собі такі задачі, як
медична діагностика, локалізація несправностей в устаткуванні й інтерпретація
результатів вимірів.
Завдання, що вирішуються такими
системами:
1) інтерпретація даних. Під
інтерпретацією розуміється процес визначення змісту даних, результати якого
мають бути погодженими і коректними.
2) діагностика. Під діагностикою
розуміється процес співвідношення об'єкту з деяким класом об'єктів і виявлення
несправності в деякій системі.
3) проектування. Проектування
полягає в підготовці специфікацій на створення «об'єктів» із заздалегідь
визначеними властивостями. Під специфікацією розуміється весь набір необхідних
документів — креслення, записка пояснення і так далі. Основні проблеми тут —
здобуття чіткого структурного опису знань про об'єкт і проблема «сліду».
4) прогнозування. Прогнозування дозволяє
передбачати наслідки деяких подій або явищ на підставі аналізу наявних даних.
Прогнозуючі системи логічно виводять ймомірні наслідки із заданих ситуацій.
6) планування. Під плануванням
розуміється знаходження планів дій, що відносяться до об'єктів, здатних
виконувати деякі функції. У таких ЕС використовуються моделі поведінки реальних
об'єктів з тим, аби логічно вивести наслідки планованої діяльності.
7) навчання. Під навчанням
розуміється використання комп'ютера для навчання деякої дисципліни або
предмету. Системи вчення діагностують помилки при вивченні якої-небудь
дисципліни за допомогою ЕОМ і підказують правильні рішення.
8) керування. Під керуванням
розуміється функція організованої системи, що підтримує певний режим
діяльності. Такого роду ЕС здійснюють управління поведінкою складних систем
відповідно до заданих специфікацій.
9) підтримка прийняття рішень.
Підтримка прийняття рішень — це сукупність процедур, що забезпечує особу, що
приймає рішення, необхідною інформацією і рекомендаціями, що полегшують процес
ухвалення рішення. Ці ЕС допомагають фахівцям вибрати і сформувати потрібну
альтернативу серед безлічі виборів при ухваленні відповідальних
25. Структура експертної системи. Основні підсистеми
Типові експертні системи можуть
мати таку структуру:
База даних (не обов'язкова) – структура,
що містить вхідну, проміжну й вихідну інформацію щодо розв’язуваної задачі.
База знань – це сховище знань про
властивості й закономірності предметної області.
Машина виведення (розв'язувач)
– це інтелектуальний комп’ютер, який моделює мислення людини-експерта.
Підсистема пояснень – видає інформацію
про шлях розв’зання поставленої задачі (запиту), якщо це цікавить користувача.
Інтерфейс користувача (блок
спілкування) – реалізує діалог користувача з ЕС під час введення інформації,
розв’язування задачі й одержання результатів.
База знань складається з правил
аналізу інформації від користувача з конкретної проблеми. ЕС аналізує ситуацію
і, залежно від спрямованості ЕС, дає рекомендації з розв'язання проблеми.
ЕС створюється за допомогою
двох груп людей:
- інженерів, які розробляють
ядро ЕС і, знаючи організацію бази знань, заповнюють її за допомогою:
- експертів (експерта) за
фахом.
До складу типової експертної
систкми входять підсистеми: автоматизації проектування й програмування,
документування, налагодження й супроводження системи, керування процесом
створення комп*ютерної системи штучного інтелекту тощо.
26.
Статистичні і
динамічні експертні системи їх особливості
Статична експертна система. (СЕС)
На
мал. наведена структурна схема ЕС, яка є частковим випадком узагальненої
структури КСШІ і місить такі
програмно-апаратні пристрої:
·
вирішувач -
інтелектуальний комп’ютер, який моделює
мислення людини – експерта.
·
База
Знань ЕС
- сховище знань про властивості й
закономірності.
·
інтелектуальний
інтерфейс користувача
(блок спілкування) - реалізує діалог користувача з ЕС під час введення
інформації, розв’язання задачі й одержання результатів.
·
інтелектуальний
редактор
БЗ надає аналітику й експерту можливість створювати БЗ у діалоговому режимі.
·
блок пояснень видає
інформацію про шлях розв’язання поставленої задачі (запиту), якщо це цікавить
користувача.
·
база даних (робоча пам’ять
вирішувача) містить вхідну, проміжну й вихідну інформацію щодо розв’язуваної
задачі.
Вирішувач
статистичної ЕС може працювати в мультипрограмному
режимі, розв’язуючи задачі кількох
користувачів. Віртуальний паралелізм
роботи вирішувача забезпечується планувальником,
який керує черговістю виконання задач, розподіляючи їх у часі так, що
складається враження наявності для кожної задачі свого вирішувача. Планувальник
конструктивно виконується як складова частина вирішувача.
Динамічна
експортна система. (ДЕС)
Динамічної
ЕС істотно відрізняються від СЕС здатністю динамічної взаємодії з користувачами
й процесами, а також умінням навчатися й розвиватися, тобто еволюціонувати в
часі.
ДЕС
є розподіленою ЕС, яка має кілька кластерних вузлів, з’єдна¬них між собою
комунікаційними каналами зв’язку. До складу кож¬ного кластерного вузла входить
окремий вирішувач, що працює в мультипрограмному режимі, і своя окрема БЗ.
Розподілене
функціонування ДЕС здійснюється, як правило, із використанням
«клієнт-серверної» технології.
Характерними
рисами й перевагами ДЕС є її спроможність ви-конувати великий набір функцій, до
яких належать:
а)
оперативний аналіз і подання неперервного вхідного потоку інформації у вигляді
паралельних процесів обчислень;
б)
структурування паралельних процесів і оперативний розподіл вхідної інформації
між паралельними блоками динамічної БЗ і робо¬чою пам’яттю ДЕС;
в)
виконання паралельних обчислень і паралельне розв’язання задач користувачів
(паралельний вивід на знаннях) з використанням пара-лельного вирішувача;
г)
оперативний розподіл внутрішніх інформаційних потоків ДЕС із використанням
високошвидкісного планувальника (диспетче¬ра), який забезпечує паралельне
вирішення задач за обмежених ресурсів часу й пам’яті системи.
27.
Вимоги до
розробки експертних систем
Для розроблення ЕС необхідно
одночасне виконання таких
вимог:
·
існування
експертів у певній ПрО, які знають и набагато краще, ніж звичайні фахівців в
області КСШІ;
·
експерти
зацікавлені в роботі й готові співпрацювати при створенні ЕС;
·
експерти
одностайні щодо оцінки пропонованого варіанта створення ЕС, в іншому разі
оцінити якість розробленої ЕС буде неможливо;
·
експерти
здатні вербалізувати (описати природною мовою) й пояснити свої знання, інакше
важко розраховувати на те, що вони будуть витягнуті й вкладені у БЗ ЕС;
·
процес
створення БЗ ЕС не повинен бути занадто тривалим і може займати у експерта
кілька днів, а не місяців;
·
задачі,
що розв’язуються в ЕС, повинні бути досить важливими й актуальними, оскільки
нема сенсу створювати ЕС для вирішення задач, які виникають рідко або можуть
бути вирішені людиною зі звичайною кваліфікацією;
·
необхідно
чітко обмежувати коло розв’язуваних задач, тобто обсяг Бази Знань повинний бути
мінімально можливим, щоб уникнути «комбінаторного вибуху» інформації,
необхідної для вирішення поставлених задач;
·
розв’язувані
задачі повинні бути досить «прозорими» і структурованими, тобто повинні бути
виділені основні поняття, відносини і відомі (хоча б експертам) способи
вирішення задач ЕС;
·
повинна
забезпечуватися можливість поступового нарощування системи, тобто БЗ повинна
легко розширюватися й корегуватися відповідно до динаміки зміни ПрО;
·
повинно
бути достатньо вихідних даних для перевіряння працездатності ЕС у певній ПрО,
щоб розробники могли переконатися в досяжності заданого рівня її
функціонування.
28.
Основні режими роботи експертних систем
У
роботі ЭС можна виділити два основних режими: режим придбання знань і режим
рішення задачі (режим консультації або режим використання ). У режимі придбання знань спілкування з ЭС
здійснює експерт (за допомогою інженера знань).
Використовуючи
компонент придбання знань, експерт описує проблемну область у виді сукупності
фактів і правил. Іншими словами, "наповняє" ЭС знаннями, що
дозволяють їй самостійно вирішувати задачі з проблемної області.
Відзначимо,
що цьому режимові при традиційному підході до програмування відповідають етапи:
алгоритмізації, програмування і налагодження, виконувані програмістом. Таким чином, на відміну від традиційного підходу у
випадку ЭС розробку програм здійснює не програміст, а експерт, що не володіє програмуванням.
У
режимі консультацій спілкування з ЭС
здійснює кінцевий користувач, якого цікавить результат і (або) спосіб його
одержання. Необхідно відзначити, що в залежності від призначення ЭС користувач
може:
не бути фахівцем у даній предметній області, і в цьому випадку він звертається
до ЭС за результатом, що не вміє одержати сам;
бути фахівцем, і в цьому випадку він звертається до ЭС з метою прискорення
одержання результату, покладаючи на ЭС рутинну роботу.
Слід
зазначити, що на відміну від традиційних програм ЭС при рішенні задачі не
тільки виконують запропоновану алгоритмом послідовність операцій, але і сама
попередньо формує неї.
Добре
побудована ЭС має можливість самонавчатися на розв'язуваних задачах, поповнюючи
автоматично свою БЗ результатами отриманих висновків і рішень.
29.
Послідовність виконання етапів розробки експертної системи
Технологія їхньої розробки ЭС, містить у собі
шість етапів (мал.5): етапи ідентифікації, концептуалізації, формалізації,
виконання, тестування, досвідченої експлуатації.
1) На етапі ідентифікації необхідно
виконати наступні дії:
· визначення задачі, що підлягають рішенню і меті розробки,
· визначення
експертів і типу користувачів.
2) На етапі концептуалізації:
· проводиться змістовний аналіз предметної області,
· виділяються основні поняття і їхні взаємозв'язки,
· визначаються методи рішення задач.
3) На етапі формалізації:
· вибираються програмні засоби розробки ЭС,
· визначаються способи представлення усіх видів знань,
· формалізуються основні поняття.
4) На етапі виконання
(найбільш важливе і трудомісткому) здійснюється наповнення експертом БЗ, при
якому процес придбання знань розділяють:
· на "витяг" знань з
експерта,
· на організацію знань, що
забезпечує ефективну роботу ЭС,
· на представлення знань у виді,
зрозумілому для ЭС.
Процес придбання знань здійснюється
інженером по знаннях на основі діяльності експерта.
5) На етапі тестування експерт і
інженер по знаннях з використанням діалогових і пояснювальних засобів
перевіряють компетентність ЭС. Процес тестування продовжується доти, поки
експерт не вирішить, що система досягла необхідного рівня компетентності.
6) На етапі
досвідченої експлуатації перевіряється придатність ЭС для кінцевих
користувачів. За
результатами цього етапу можлива істотна модернізація ЭС.
Процес створення ЭС не зводиться
до строгої послідовності цих етапів, тому що в ході розробки приходиться
неодноразово повертатися на більш ранні етапи і переглядати прийняті там
рішення.
30. Поняття генетичного алгоритму. Еволюційна теорія.
Генетичний
алгоритм являє собою метод, що відображає природну еволюцію методів вирішення
проблем, і в першу чергу задач оптимізації. Генетичні алгоритми — це процедури
пошуку, засновані на механізмах природного відбору і спадкоємства. У них
використовується еволюційний принцип виживання найбільш пристосованих особин.
Вони відрізняються від традиційних методів оптимізації декількома базовими
елементами. Зокрема, генетичні алгоритми:
·
обробляють
не значення параметрів самого завдання, а їх закодовану форму;
·
здійснюють
пошук рішення виходячи не з єдиної точки, а з їх деякої популяції;
·
використовують
тільки цільову функцію, а не її похідні або іншу додаткову інформацію;
·
застосовують
імовірнісні, а не детерміновані правила вибору.
Перераховані
чотири властивості, які можна сформулювати також як кодування параметрів, операції
на популяціях, використання мінімуму інформації про завдання і рандомізація
операцій приводять у результаті до стійкості генетичних алгоритмів і до їх
переваги над іншими широко вживаними технологіями.
31. Поняття природного відбору в генетичному алгоритмі
Ключову роль в еволюційній теорії грає природний відбір. Його суть полягає
в тому, що найбільш пристосовані особини краще виживають і приносять більше
нащадків, ніж менш пристосовані. Зауважимо, що сам по собі природний відбір ще
не забезпечує розвиток біологічного виду. Тому дуже важливо зрозуміти, яким
чином відбувається спадкування, тобто як властивості нащадка залежать від
властивостей батьків.
У цьому, завдяки передачі
генетичної інформації (генетичному спадкуванню) нащадки успадковують від своїх
батьків основні його якості. Отже, нащадки сильних індивідуумів також будуть добре пристосованими і частка у загальній
масі особин зростатиме. Після зміни кілька десятків чи сотень поколінь середня
пристосованість особин цього виду помітно зрастає.
У кожній клітці будь-якї
тварини міститься вся генетична інформація цієї особини. Ця інформація записана
як набір аж надто довгих молекул ДНК. Кожна молекула ДНК - це ланцюжок, що
складається з молекул нуклеотидів чотирьох типів. Власне, інформацію несе порядок
прямування нуклеотидів в ДНК. У тваринній клітині кожна молекула ДНК оточена
оболонкою - таке утворення називається хромосомой.
Кажне вроджена якість особини
(колір очей, спадкові хвороби, тип волосся тощо.) кодується певної частини
хромосоми, що називається геном даної властивості. Наприклад, ген кольору очей
містить інформацію, що кодує певний колір очей. Різні значення гена називаються
його аллелями.
При розмноженні тварин
відбувається злиття двох батьківських статевих клітин та їх ДНК взаємодіють, створюючи
ДНК нащадка. Основний спосіб взаємодії - кросовер (cross-over, схрещування).
При кросенговері ДНК предків діляться на частини, та обмінюються своїми
половинками.
При успадкування можливі
мутації через радіоактивності чи інших впливів, у яких можуть змінитися деякі
гени в статевих клітинах одного із батьків. Змінені гени передаються нащадку і
надають йому нові властивості. Якщо такі нові властивості корисні, вони, швидше
за все, збережуться в даному виді – і станеться стрибкоподібне підвищення пристосованості
вида.
32. Основні поняття генетики живих організмів і їх аналогії в технічних
реалвзаціях у генетичних алгоритмах.
Популяція – це скінчена множина
особин. Особини, що входять в популяцію в генетичних алгоритмахпредставляються
хромосомами і закодованими в них множиною параметрів задачі, тобто рішень.
Хромосоми – це впорядкована
послідовність генів. Майже в кожній клітині, будь-якої особини є набір
хромосом, що несуть інформацію про особину. Основна частина хромосоми – це
нитка ДНК, яка визначає, які хімічні реакції будуть відбуватися в даній
клітині, як вона буде розвиватисяя, які функції виконуватиме і скільки часу
буде жити.
Ген – це відрізок ланцюжка ДНК,
що відповідає за визначену властивість особини, наприклад колір очей, пігмент
шкіри, тип волосся, темперамент і т.д. Вся сукупність генетичних ознак людини
кодується за допомогою приблизно 60 тис. Генів, всі вони включаються в 46
хромосомах.
Генотип – набір хромосом певної
особини. Особами популяції можуть бути генотипи.
Фенотип – набір значень, які
відповідають деякому генотипу.
Алель – це значення конкретного
гена.
Локус – вказує місце розміщення
гена в хромосомі.
Функція пристосованості –
представлення міри пристосованості особин в популяції. Ця функція відіграє
важливу роль, оскільки дозволяє оцінити ступінь пристосованості конкретних
особин в популяції і вибрати з цієї популяції найбільш пристосованих особин,
для забезпечення еволюційних властивостей.
33. Постановка оптимізаційних задач. Розв'язок оптимізаційних задач в
генетичних алгоритмах
Нерідко перед нами виникає
завдання знайти найкраще оптимальне рішення завдання – найкращий результат.
У процесі проектування
ставиться, звичайно, задача визначення найкращих, у деякому значенні, структури
або значення параметрів об'єктів. Така задача називається оптимізаційною. Якщо
оптимізація пов'язана з розрахунком оптимальних значень параметрів при заданій
структурі об'єкта, то вона називається параметричною. Задача вибору оптимальної
структури є структурною оптимізацією.
Еволюція є процесом оптимізації
життєдіяльності об*єктів. Відповідно до еволюційної теорії розвитку світу кожна
істота у природі прагне вижити й залишити після себе чисельніше потомство.
Досягти цієї мети можуть лише найсильніші істо ти і популяції живого світу.
Наскільки популяція пристосована до середовища існування, настільки
благополучно вона розвивається, судять із динаміки змін її чисельності. Живі
істоти, які краще пристосовані до навколишнього середовища, мають більше
можливостей для виживання й розмноження, ніж
менш пристосовані.
Розв*язують оптимізаційні
задачі в генетичних алгоритмах за допомогою декількох кроків: ініціалізація,
оцінка пристосованості, перевірка умови зупинку алгоритму, селекція хромосом,
застосування генетичних операторів, формування нової популяції, вибір
«найкращої хромосоми».
34. Алгоритм роботи генетичних алгоритмів
Початок – Ініціалізація – формування вхідної популяції –
полягає у виборі заданої кількості хромомсом, представлені двійковими
послідовностями фіксованої довжини.
Оцінка пристосованості – полягає у розрахунках функції
пристосованості для кожної хромосоми даної популяції
Перевірка умови
ззупинки алгоритму – аналіз значень пристосованості особин. Визначення умов
зупинки генетичного алгоритму залежить
від його конкретного застосування. Зупинка алгоритму може відбутися у випадку,
коли його виконання не призводить до кращого вже досягнутого знасення. Він може
зупинитися, коли вийшов певний час виконання або після виконання заданої
кількості ітерацій. Якщо умови зупинку виконуються, то відбувається перехід до
завершаючого етапу вибору «найкращих» хромосом. В іншому випадку на наступному
кроці виконується селекція.
Селекція хромосом полягає у відборі тих хромосом, які
братимуть участь у створенні нащадків для наступних популяцій, такий відбір здійснюються
згідно принципу природного відбору, по якому найбільші шінси значення
функціїпристосованості. Існують різні методи селекції. Найбільш популярним
вважається так званий метод рулетки – кожній хромосомі може бути зіставлений
секторами рулетки, величини якого встановлюються пропорційно значеню ф-ї
пристосованості даної хромосоми. Тому чим більше значень ф-ї пристосованості,
тим більший сектор на колесі рулетки.
Розміп сектора рулетки – Ps=F(chi)/
,
де Ps
– ймовірність селекції хромосом, F(chi)–
значення функції пристосованості хромосомами chi.
V(chi) – сектор рулетки: V(chi)= Ps(chi) *100%.
Застосування
генетичних операторів до хромосом відбувається за допомогою селекції. Є два
основних оператори схрещування та оператор мутації.
Формування
нової популяції. Хромосоми отримані в результаті пристосування генетичних
операторів до хромосом тимчасової батьківської популяції включаються в склад
нової популяції. Вона стає поточною популяцією для даної ітерації генетичного
алгоритму. На кожній черговій ітерації розраховується ф-я пристосованості
для усіх хромосом цієї популяції, після
чого перевіряється умова зупинки алгоритму і фіксується результат у вигляді
хромосоми з найбільшою ф-ю пристосованості або переходимо до селекції знову.
Вибір
«найкращої» хромосоми. Якщо умова зупинки алгоритму виконується, то потрібно
вивести результат роботи, тобто представити шукане рішення задачі. Кращим
рішенням задачі вважається хромосома з найбільшим значенням функції
пристосованості.
35. Задача
«комівояжера» її розв*язок генетичними алгоритмами
Задача «Комівояжера»
полягає у в тому щоб знайти найкоротший шлях обходу всіх пунктів, побудувавши в
кожному з них один раз.
На графі цієї задачі зазначені ваги ребер як відстані між пунктами. Ця задача
розв*язується в такий спосіб:
1. Описується множина
станів задачі у вигляді списків пунктів, які комівояжер уже відвідав до даного
часу. Наприклад, список АВС означає, що він ужже побував у пункті В і
знаходиться в пункті С. Дозволеними є тільки ті описи станів, у яких кожен
пункт повторюється лише один раз, за винятком пункту А, що може знаходитися на
початку і в кінці списку.
2. Визначаються
оператори задачі, кожен з яких описує рух до одного із пунктів. Наприклад
оператор №1 – рух до пункту А, оператор №2 – рух до пункту В і. т.д.
3. Будується
формалізована модель розв*зуваної задачі у вигляді дерева графа простору
станів, де вказуються усі ходи від початку до кінця і вказується вага шляху.
4. Виконується аналіз
отриманого графа з погляду заданого критерію оптимальності. Таким критерієм у
цій задачі є мінімум довжини шляху комівояжера при проходженні всіх пунктів.
36. Задачі генетичних
алгоритмів
Генетичний
алгоритм — це еволюційний алгоритм пошуку, що використовується для вирішення
задач оптимізації і моделювання шляхом послідовного підбору, комбінування і
варіації шуканих параметрів з
Генетичні алгоритми
застосовуються для вирішення наступних завдань:
оптимізація функцій, оптимізація
запитів в базах даних, різноманітні завдання на графах (задача комівояжера,
розфарбування, знаходження паросполучення), налагодження та навчання штучної
нейронної мережі, завдання компонування, складання розкладів, ігрові стратегії,
теорія наближень, штучне життя, біоінформатика (фолдінг білків), синтез
кінцевих автоматів, налаштування ПІД регуляторів.
Немає коментарів:
Дописати коментар