Глава 8. ПЕРСПЕКТИВНЫЕ НАПРАВЛЕНИЯ РАЗВИТИЯ ЭКСПЕРТНЫХ СИСТЕМ

8.1. Нейросетевые системы

Искусственные нейронные системы являются результатом применения математического аппарата к модели нервной системы. Полученные при этом знания успешно применяются при решении проблем распознавания образов, выполнения прогнозов, оптимизации и управления.

Длительный период эволюции придал мозгу человека такие качества, которые отсутствуют в современных компьютерах. К ним относятся:

· массовый параллелизм;

· распределенное представление информации;

· распределенные вычисления;

· способность к обучению и способность к обобщению;

· адаптивность;

· свойство контекстуальной обработки информации;

· толерантность к ошибкам;

· низкое энергопотребление.

Можно предположить, что приборы, построенные на тех же принципах, что и биологические нейроны, будут обладать перечисленными характеристиками.

Глава 4. ПРИНЦИПЫ ПОСТРОЕНИЯ КОМПОНЕНТОВ ЭКСПЕРТНЫХ СИСТЕМ

Идеальная ЭС должна содержать пять основных подсистем: интерфейс с пользователем, систему логического вывода (механизм вывода), базу знаний, составляющих ядро любой ЭС, а также модуль приобретения знаний, модуль отображения и объяснения решений (рис. 4.1).

Рис. 4.1. Структура связей между подсистемами ЭС

4.1. Механизм вывода (интерпретатор правил)

Механизм вывода (интерпретатор правил) выполняет две функции: во-первых, просмотр существующих фактов из рабочей памяти (БД) и правил из БЗ, добавление (по мере возможности) в рабочую память новых фактов и, во-вторых, определение порядка просмотра применения правил. Этот механизм управляет процессом консультации, сохраняя для пользователя информацию о полученных заключениях, и запрашивает у него информацию, когда для очередного правила в рабочей памяти оказывается недостаточно данных.

ВВЕДЕНИЕ

Данный курс «Интеллектуальные информационные системы» связан со следующими курсами: «Теория систем и системный анализ», «Информационные системы», «Проектирование информационных систем», «Базы данных». В данном курсе показана работа по построению систем, способных диагностировать заболевания, планировать синтез сложных химических соединений, понимать ограниченный объем человеческой речи и естественного языкового текста. Эта область исследований получила название искусственного интеллекта.

СОДЕРЖАНИЕ КУРСА

Тема 1

Системы, основанные на знаниях

В данной теме кратко отражена история искусственного интеллекта. Даны определения нейронных сетей, эвристического поиска, представления знаний, обучающих машин.

Тема 2

Общее описание архитектуры экспертной системы

В данной теме показан класс компьютерных программ, которые выдают советы, проводят анализ, выполняют классификацию и ставят диагноз.

Тема 3

Модели представления знаний

В данной теме показаны основные модели представления знаний в интеллектуальных системах: логические, продукционные, сетевые и фреймовые. Рассмотрена структура систем.

Тема 4

Принципы построения компонентов экспертных систем

В данной теме раскрыт механизм вывода (интерпретатор правил), показано взаимодействие пользователей с экспертной системой.

Тема 5

Анализ и синтез входных и выходных сообщений

6. ИСЧИСЛЕНИЕ ПРЕДИКАТОВ КАК МЕТОД ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

Исчисление высказываний является грубой моделью представления знаний. Основной ее недостаток в том, что высказывание здесь рассматривается как единое целое, без анализа его внутренней структуры. Это ограничивает возможности ИВ при моделировании сложных силлогических построений. Элементарный пример, часто приводящийся в таких случаях. Имеется классический силлогизм:

 Все люди смертны;

 Сократ - человек;

 Следовательно, Сократ смертен.

С точки зрения логики, вывод здесь безупречен, но он уже выходит за рамки ИВ. В самом деле, с помощью пропозициональных связок и букв, его можно записать в виде следующей формулы:

Но эта формула необщезначима! А это значит, что логика высказываний не позволяет корректно выразить приведенный силлогизм. Позже мы вернемся к этому примеру и разрешим его, но уже в рамках более гибкой формальной логики, в рамках исчисления предикатов.