1. Определение искусственного интеллекта
Скачать 0.72 Mb.
|
16. Объяснения и прозрачность при поиске на основе цели.Рисунки 7.5-7.8 в начале предыдущего вопроса. Продукционная система осуществляет поиск на графе. Программы подсистемы объяснений на отслеживают процесс поиска на графе и используют эту информацию, чтобы отвечать на вопросы пользователя. С помощью продукционных правил каждый шаг процесса рассуждений документируется автоматически. Обычно экспертные системы, основанные на правилах, отвечают на дна вопроса — "почему?" и "как?". Вопрос "почему?" возникает, когда программа запрашивает информацию у пользователя, и его ответ означает "почему вы запрашиваете эту информацию?". Ответом является текущее правило, которое система пытается активизировать. Ответом на вопрос "как вы получили этот результат?" является последовательность правил, использованных для достижения цели, Предположим, автомобильная экспертная система имеет средства объяснения, и в процессе работы достигла стадии, представленной конфигурацией рабочей памяти на рис. 7.7. Приведенный ниже диалог начинается с вопроса компьютера к пользователю о целях, представленных в рабочей памяти. Ответы пользователя выделены жирным шрифтом. в баке есть топливо? да топливо поступает в карбюратор да двигатель вращается? почему Здесь пользователь задаст вопрос: "Почему вы хотите знать, вращается ли двигатель?". Система отвечает с помощью символьною представления правила, к которому относится вопрос. Выло установлено, что: 1. топливо поступает в двигатель, поэтому если 2. двигатель вращается, то проблема в свечах зажигания. Поскольку пользователь на первые два вопроса ответил "да", это дало возможность активизировать правило 1 и проверить его первую предпосылку. Отметим, что объяснением поведения системы является только вывод правила, которое находится в рассмотрении на данный момент. Однако это обеспечивает адекватное объяснение причин, почему программа хочет знать, вращается ли двигатель. В ответ на вопрос "почему" система отмечает, что, по ее данным, топливо поступает в двигатель. Предположим, пользователь далее спрашивает: как топливо поступает м двигатель? Ответом является последовательность рассуждений, приведшая к этому заключению. Она восстанавливается обратным проходом от цели вдоль соответствующих правил до информации, введенной пользователем. Из правила 4 следует: если в баке есть топливо и топливо поступает о карбюратор, то топливо поступает в двигатель. в баке есть топливо - указано пользователем топливо поступает в карбюратор - указано пользователем Таким образом, архитектура продукционной системы обеспечивает основу для этих объяснений. В каждом цикле управления выбирается и активизируется новое правило. После каждого цикла программа может быть остановлена и проинспектирована. Поскольку каждое правило представляет "глыбу" знаний по решению проблемы, текущее правило обеспечивает контекст для объяснения. Этим продукционный подход отличается от более традиционных архитектур: если программу на С или С++ остановить во время исполнения, то вряд ли текущее выражение будет иметь много смысла. Итак, система, основанная на знаниях, отвечает на вопросы "почему?", отображая текущее правило, которое она пытается активизировать. В ответ на вопросы "как?" она предоставляет последовательность рассуждений, которая привела к цели. Хотя эти механизмы являются концептуально простыми, они обладают хорошими возможностями объяснений, если база знаний организована логически грамотно. 17. Экспертные системы, основанные на данных.   Продукционная система является идеальной архитектурой для рассуждений на основе данных. В рассуждениях на основе данных чаше применяется поиск в ширину. Алгоритм очень прост: содержимое рабочей памяти сравнивается с предпосылками каждого правила в упорядоченной базе правил. Если данные в рабочей памяти приводят к активизации правила, результат помещается в рабочую память, и управление передается следующему правилу. После рассмотрения всех правил поиск повторяется сначала. Рассмотрим, например, задачу автомобильной диагностики на основе правил: Правило 1: если топливо поступает в двигатель и двигатель вращается, то проблема в свечах зажигания. Правило 2: если двигатель не вращается и фары не горят, то проблема в аккумуляторе или проводке. Правило 3: если двигатель не вращается и фары горят, то проблема в стартере. Правило 4: если в баке есть топливо и топливо поступает в карбюратор, то топливо поступает в двигатель. Если предпосылка правила не выводится из других правил, то недостающая информация запрашивается при необходимости. Например, предпосылка правила 1 топливо поступает в двигатель не является запрашиваемой, так как этот факт является заключением другого правила, а именно — правила 4. Поиск в ширину на основе данных начинается из состояния, показанного на рис. 7.9. Оно очень напоминает состояние, изображенное на рис. 7.5. (см вопрос 15) Отличие состоит лишь в отсутствии информации в рабочей памяти. Предпосылки четырех правил проверяются на предмет "запрашиваемой" информации. Предпосылка топливо поступает в двигатель не является запрашиваемой, поэтому правило 1 применить нельзя, и управление переходит к правилу 2. Информация двигатель не вращается является запрашиваемой. Предположим, ответом на этот вопрос будет ложь, тогда в рабочую память заносится фраза двигатель вращается, как показано на рис. 7.10. Но правило 2 применить нельзя, поскольку первая из двух конъюнктивных предпосылок является ложной. Управление переходит к правилу 3, в котором первая посылка снова принимает значение "ложь". В правиле 4 обе предпосылки являются запрашиваемыми. Предположим, ответом на оба вопроса будет "истина", тогда предложения в баке есть топливо и топливо поступает в карбюратор помещаются в рабочую память. Туда же заносится и заключение правила — топливо поступает в двигатель. Итак, по первому разу все правила рассмотрены, и начинается повторное рассмотрение правил с учетом нового содержания рабочей памяти. Как показано на рис. 7.11, при сопоставлении правила 1 с данными в рабочей памяти его заключение — проблема в свечах зажигания — помещается в рабочую память. Больше никаких правил применить нельзя, и сеанс решения задачи завершается. На рис. 7.12 показан граф поиска, узлы которого содержат информацию, находящуюся в рабочей памяти (РП).   Важной модификацией используемой в предыдущем примере стратегии поиска в ширину является так называемый оппортунистический поиск. Это простая стратегия поиска: всякий раз при активизации правила для вывода новой информации управление переходит к правилу, содержащему эту новую информацию в качестве предпосылки. Следовательно, любая вновь выведенная информация (состояние графа поиска в результате обработки "запрашиваемых" предпосылок не изменяется) является движущей силой для определения активизируемых в дальнейшем правил. Из-за случайного порядка следования правил представленный пример, сам по себе очень простой, также оказался оппортунистическим. В завершение раздела, посвященного рассуждениям на основе данных, затронем вопросы объяснений и прозрачности в системах прямого поиска. Во-первых, по сравнению с системами, основанными на цели (вопросы 15, 16), рассуждения на основе данных выполняются менее целенаправленно. Причина этого очевидна — в системе, основанной на цели, рассуждение направлено на решение конкретной задачи, которая разбивается на более мелкие, и эти подзадачи, в свою очередь, могут дробиться дальше. В результате поиск всегда направлен по иерархии, ведущей от этой цели к ее составляющим, В системах на основе данных ориентация на цель отсутствует. Поиск выполняется по дереву, зависящему лишь от порядка следования правил и появления новой информации. В итоге процесс поиска часто кажется "расплывчатым" и несфокусированным. Во-вторых, и это является прямым результатом только что сказанного, пояснения, выдаваемые пользователю в процессе поиска, весьма ограничены. В системах на основе правил в ответ на вопрос "почему?'' пользователю представляется рассматриваемое правило. Однако, если последовательность правил точно не отслеживается (например, с помощью оппортунистического поиска), это объяснение нельзя развить. "Расплывчатость" поиска на основе данных затрудняет подобные объяснения. И, наконец, при достижении цели системе трудно дать исчерпывающее объяснение в ответ на вопрос "как?". В качестве частичного или полного объяснения можно лишь использовать содержимое рабочей памяти или список активизированных правил. Но опять-таки эти пояснения не дают полного согласованного обоснования, которое мы наблюдали в рассуждениях на основе цели. |
Похожие:
 | В. К. Финн к структурной когнитологии: феноменология сознания с точки... Ки и искусственного интеллекта – полигона экспериментальной проверки научных средств имитации рациональности и продуктивного мышления.... | | Самостоятельная работа: 76 час. Итоговый контроль: экзамен I. Организационно-методический... Цель дисциплины – познакомить студентов с основными задачами искусственного интеллекта, как области человеческой деятельности |
| Реферат по информатике на тему История и тенденции развития искусственного интеллекта На сегодняшний день проблема исследования ai занимает актуальное место в системе информационных наук. В своем реферате я попытаюсь... | | Валентин Юрьевич Технологии и системы искусственного Выпускная работа... В условиях резкого увеличения объемов информации переход к работе со знаниями на основе искусственного интеллекта является, по всей... |
 | Программа Иваново Ивановское региональное отделение Научного совета по методологии искусственного интеллекта ран | | Тема Прикладные системы искусственного интеллекта 2 ... |
| Программа дисциплины Системы искусственного интеллекта Для направления... Федеральное государственное автономное образовательное учреждение высшего профессионального образования | | Разработка моделей принятия решений с применением методов искусственного... Автоматизация и управление технологическими процессами и производствами (по отраслям) |
| Л. М. Чайлахян искусственный интеллект и мозг (Можно ли моделировать... Программа развития научно-исследовательского и экспедиционного флота Росгидромета на 2010 – 2012 годы | | Программа элективного курса «робототехника» Робототехника является одним из важнейших направлений научно- технического прогресса, в котором проблемы механики и новых технологий... |
| Использование нечеткой математики при моделировании систем искусственного интеллекта ... | | Конспект лекций по курсу «Основы проектирования систем искусственного интеллекта», 1997-1998 Корсаков С. Н. Начертание нового способа исследования при помощи машин, сравнивающих идеи / Пер с франц под ред. А. С. Михайлова.... |
| Использование информационных технологий в лингвистике К числу таких систем относятся системы искусственного интеллекта, машинного перевода, автоматического порождения текстов и др. К... | | Философские проблемы искусственного интеллекта и искусственной жизни Учебное пособие разработано в соответствии с программой курса, а также требованиями образовательного стандарта России к учебной дисциплине... |
| Актуальные проблемы современной когнитивной науки Материалы пятой... Ивановское региональное отделение Научного совета по методологии искусственного интеллекта ран | | Актуальные проблемы современной когнитивной науки Материалы пятой... Ивановское региональное отделение Научного совета по методологии искусственного интеллекта ран |
