Скачать 150.22 Kb.
|
Наука об искусственном3 типа наук: 1. естественные науки (физика, химия, биология): изучение закономерностей среды, явлений 2. науки об обществе (социология, культурология) 3. науки об искусственном (робототехника, виртуалистика (наука об искусственных средах), семиотика (наука о знаковых системах и о куммуникациях), ИИ (моделирование процессов, связанных с мозгом, либо результатов), искусственная жизнь (компьютерное моделирование организации живых систем)) Различия между ЕН и НИ:
Основные хар-ки искусственных объектов по Т. Саймону
4*. (Колмогоров, принцип умеренного функционализирования) ИО определяются не столько похожей структурой, формой, сколько подобными функциями, по отношению к ЕО. ИО д.б способны решать аналогичные задачи Определения интеллекта
Основные направления в ИИ1 – символьное (когнитивное, логическое) направление 1.1 – неклассические (нетрадиционные) логики 1.2 – семиотическое моделирование (прикладная семиотика) 2 – бионическое направление 2.1 – конпекционизм (нейронные сети, нейровычисления) 2.2 – эволюционное моделирование (генетические алгоритмы) 2.3 – моботицизм (мобильные объекты) Направления различаются по ответу на вопрос "Должен ли ИИ походить на естественный?". 1 – нет. Опираются на гипотезу Алана Ньюэлла (гипотеза о физической символьной системе): любое интеллектуальное поведение человека м.б. сведено к манипуляции над символами. 2 – противоположная идея Логический подход опирается на 3 представления: 1. Формальная система: FS=(T, R, A, P): T – термы (алфавит системы) R – множество синтаксических правил A – множество аксиом P – множество правил вывода 2. Алгебраическое представление логики (логическая матрица): LM=(D, L, ): D – множество значений истинности L – множество выделенных значений истинности – множество возможных операций Пример: логическая матрица булевой логики LMBL=({0,1}, {1}, {, , , }) 3. Модель алгебраической системы: AS=(X, , ) X – носитель (основа) системы (непустой) – множество возможных операций (={ij}, j – арность операции) – множество предикатов (например n: Xn{0,1} – бинарный предикат; предикаты в теории отношений играют такую же роль, как и характеристическая функция в теории множеств) Возможны 2 варианта: а) отсутствует – универсальная алгебра UA=(X, ) б) отсутствует – классическое определение системы, модель M=(X, ) Нетрадиционные логики: Есть 2 пути построения неклассических логик:
Информационная единица: IU=(O, A, V, CF), O – объект, A – атрибут, V – значение атрибута, CF – фактор уверенности. Неклассические логики нужны потому, что в классических на вывод не влияет добавление новой информации, а на самом деле это не так. Примеры нечетких логикПоспелов ввел понятие серых и черно-белых шкал. Серые шкалы – шкалы, у которых переход от "положительного" свойства к "отрицательному" происходит плавно и постепенно. Любой объект оценивается значением на этой шкале. Но бывают объекты, для которых возникает точка разрыва (например, когда эксперты не могут сказать ни за, ни против). Это черно-белые шкалы. Логическая матрица 4-х значной логики: LMF=({-1, 0, ?, +1}, , , , ) Логическая матрица лингвистической логики: LMFL=([0, 1], [, 1], n, T, S, I), где – порог истинности, n – отрицание, T – конъюнкция (треугольная норма), S – дизъюнкция (треугольная конорма), I – расширенная импликация. Примеры отрицаний: n: [0,1][0,1] Аксиомы:
Примеры:
Семиотическое моделированиеСемиотика – наука о знаковых системах. Основоположник – Де Соссюр и Ч. Пирс. В основе – представление знака в виде треугольника (тр-к Фреге).Любой знак состоит из: 1) означаемое (что знак значит, некоторый внешний объект), 2) означающее, 3) смысл. Поспелов предложил понятие семиотической модели. Семиотическая система – ФС: SS=(T, R, A, P, , , , ), где , , , – правила модификации T, R, A, P соотв. Это динамическая система. Семиотическая система м.б. представлена в виде автоматной модели, где ФС являются ее состояниями, а операции модификации – функциями перехода. Бионическое направлениеСторонники бионического направления утверждают, что утверждение есть набор связей. Нужно выделить примитивные элементы, опирающиеся на реальные факты. В основе конпекционизма (2.1) лежит модель формального нейрона (предложили Pitts и McCallock, 1943). Нейроны объединяются в сети (это самое сложное) и происходит обучение путем изменения весовых коэффициентов. Бывает обучение с учителем и без. Эволюционное моделирование (2.2) В основе лежит принцип: для того, чтобы понять как работает интеллект, надо промоделировать ее эволюцию. Генетический алгоритм – это простая модель эволюции в природе, реализованная в виде компьютерной программы. В нем используются аналоги генетического наследования и естественного отбора. Основные понятия эволюционной теории Дарвина: ген, хромосома, популяция (группа особей, свободно скрещивающихся, существующих в ограниченном промежутке времени и в ограниченном ареале). Законы Дарвина: мутация, борба за выживаемость, естественный отбор. Хромосома представляется вектором из нулей и единиц, каждая позиция называется геном. Индивидуум – набор хромосом=вариант решения задачи. Мутация – случайное изменение одной или нескольких позиций в хромосоме. Для характеризации борьбы за выживаемость была введена функция fitness – функция пригодности, приспособленности, полезности. Это степень значимости особи для выживания популяции. Инженерия знанийЦикл инженерии знаний – основа построения интеллектуальной системы (ИС). Он состоит из 5 компонент:
1, 2 и 5 присутствуют всегда. Можно дать классификацию ИС в зависимости от этих этапов:
Экспертные системыСистемы, основанные на эвристических знаниях. Приобретение знаний из различных источников: а) эксперт, специалист в данной проблемной области. Этот этап тесно связан с психологической диагностикой, тестированиями, опросниками. На этом этапе происходит вербализация, структурирования и начальная формализация знаний. ("как"-знания) б) разные тексты (руководства, справочники и т.п.). (декларативные знания или "что"-знания). в) электронные источники (базы данных, Internet) г) приборы, оборудования (регистрация информации, полученная от них) Приобретение знаний во многом – вопрос искусства, психологии и диагностики. На 1-м этапе происходит взаимодействие специалистов 3-х категорий: эксперт должен отдать свои знания, инженер по знаниям должен структурировать знания и довести до программиста. Представление знаний в памяти ЭВМ. Есть специальные модели и языки представления знаний (FRL, KRL). Пополнение знаний происходит за счет машинного вывода – автоматического рассуждения (дедуктивного, индуктивного или абдуктивного). Передача знаний – построение всевозможных интеллектуальных интерфейсов, служащих для переноса знаний от компьютера к пользователю. Центральный этап – представление знаний. Модели представления знаний
Семантические сетиСС – ориентированный граф (мультиграф), вершинам которого ставятся в соответствие некоторые понятия (объекты, суждения, события), а дугам – отношения между ними. Пример отношений: класс-экземпляр, род-вид, целое-часть. Виды СС:
Простейшую СС можно определить как SS=(V, A). Для сценария A – отношения порядка, V – события. ФреймыФрейм – некоторая стереотипная (минимальная) структура для представления знаний в стандартных ситуациях. Fr=(N, { Фрейм – минимальный набор аттрибутов, достаточный для определения понятия. Лингвистические модели представления знаний1. Универсальные семантический код (УСК). Мартынов предложил, что любое предложение естественного языка можно представить в виде ядра SAO, где S – субъект, A – действие, O – объект. Возможны вариации: S1S2AO, SA1A2O, SAO1O2, SA, A (м.б. все сочетания). UA*=(SAO, *). 2. Лингвистические переменные. Модель типа ЛП – попытка рассмотреть связь между понятием, его значением и смыслом. Лингвистическая переменная – такая переменная, значениями которой м.б. не только числа, но и слова и словосочетания какого-либо естественного или искусственного языка. Эту модель придумал Л. Заде. LV=(L, T, X, G, M), где L – название лингвистической переменной, T – множество лингвистических значений (терм-множество ЛП), X – универсальное (базовое) множество ЛП, G – грамматика – множество синтаксических правил, позволяющее переходить от простых термов к составным, M – множество семантических правил, описывающих смысл термов из T (отношение между T и X). G=TT* Отношение между T и X – отношение полиморфизма. M:T X. Любому объекту из T* соответствует множество AX. Есть ЛП 2-х типов: с естественной числовой шкалой (возраст) и без нее (красота, эстетичность). Для 2-го случая есть 2 пути решения: 1) выбрать эталон, 2) ввести некоторые числовые параметры (90x60x90). Используются нечеткие множества и плотности вероятности. Продукционные системыПрод. модель основана на правилах, позволяет представить знания в виде предложений типа "Если (условие), то (действие)". Факт: f = X is A. Продукционное правило: r = if X1 is A1 and … and Xn is An then Y is B. Продукционная экспертная система: ES=(F, R, I), F={fi}, R={rj}, I – интерпретатор (механизм вывода). Архитектура простой продукционной ЭС: ППП – некоторый алгоритм+данные. ЭС – программа, в которой нет алгоритма, ЭС=знания+вывод. Интеллектуально0информационная система – ЭС, в которой машина вывода отсутствует или вывод очень примитивный. Интеллектуальный регулятор – входные данные как у регулятора. Ядро всегда остается неизменным. Отношенияn-арное отношение RX1X2…Xn соответствие RXY бинарное отношение RXX Нечеткое отношение: R={[(x,y), R(x,y)]}, x, yX, R – степень связи x и y. Такое отношение эквивалентно отображению R: XX[0, 1]. Есть 3 группы свойств отношений:
Рефлексивност определяется единичным отношеним ER, E(x)=x.
Классификация отношений: Нечеткие множестваСамое слабое определение нечеткого множества A: A:XL, L – линейно упорядоченное множество. Удобнее работать когда L – решетка. Разновидностей нечетких множеств много. Можно их классифицировать по области определения функции или по области значений. Вместо X м.б. 2X – нечеткая мера (квазимера); [0, 1] X – в каждой точке значение нечеткого множества – нечеткое мн-во; R – нечеткое число; X ( – область статистики) и др. L м.б. решеткой (пример: [0, 1], [-1, 1]), L1L 2…L n. Основные операции над нечеткими множествами:
F(X)=[0, 1] X – обобщенное понятие множества всех нечетких подмножеств. F(X)={ | :X [0,1]} Алгебра нечетких множеств: FA=(X, F(X), min, max, , 0, 1)
Множество уровня нечеткого множествоA={xX | A(x)}, [0, 1] Есть 2 важных множества уровня: носитель: supp A={xX | A(x)>0} ядро: kern A={xX | A(x)=1} Можно обойтись без нечетких множеств: разбить [0, 1] на n уровней (при n) и рассмотреть обычные теоретико-множественные операции. Условие эквивалентности: F(X)={ | :X[0,1]} ={[0, 1]2 X | а) A0=X, б) 1, 2[0, 1] 12 A1A2} Теорема представления: Класс всех нечетких множеств можно эквивалентным образом представить бесконечным семейством четких множеств уровня, удовлетворяющих условиям а) ограниченности и б) антитонности. Есть варианты расширения нечеткой логики Заде.
Примеры других операцй: Hamacher: H(x,y)=, H*(x,y)=, 0< (рассм. при =0, =1, =) Аксиоматическое определение классов операций над нечеткими множествами. n: [0,1][0,1] а) ограниченность: n(0)=1, n(1)=0 б) антитонность: x, yX, xy n(x)n(y) в) инволютивность: n(n(x))=x Треугольные нормы и конормы: T: [0,1][0,1][0,1] S: [0,1][0,1][0,1]
Классическая теория мерТесно связана с вероятностью. Интерпретации вероятности: 1) (фон Мизес) Предел некоторой частоты событий. Вероятность события равна p=, n – число испытаний, m – число заранее желаемых событий (частотная вероятность) 2) (Колмогоров, аксиоматическая теория) P:2X[0,1] такое, что: а) P()=0, P(X)=1 – ограниченность б) монотонность: A, B2X AB P(A)P(B) в) аддитивность A, B2X AB=, P(AB)=P(A)+P(B) Отличия от нечетких множеств:
Нечеткие множества характеризуют экстремальные значения, а теория вероятностей связана с операциями усреднения. Наиболее слабое место в этом определении – 3-я аксиома (объединение может не совпадать с суммой). Это очень ограниченный вариант. Теория мер не подходит для открытых систем. Возникает теория квазимер. Ее предложил японский специалист Sugeno: g: 2X[0,1] – однопараметрическое расширение традиционной меры:
При =0 получаем P. При <0 – субаддитивные, а при >0 – супераддитивные меры. Дюбуа и Прейд (Dubois, Prade) предложили меру: 1,2) -//-; 3) A, B2X AB=, g(AB)=S(g(A), g(B)) (S – треугольная конорма) Меры возможности и необходимостиМера возможности Заде: : 2X[0,1]:
Мера возможности – мерая, которая исходит из того, что для того, чтобы выполнялось объединение двух событий достаточно выполнения одного из них. Мера двойственная к мере возможности – мера необходимости N: 2X[0,1]:
Комбинация событий реализуется когда выполняются оба события N(A)=1-(A) N(A)P(A)(A)0>1> |
Модели смысла и сознания в искусственном интеллекте На их основе синтезированы искусственные интеллектуальные среды, позволяющие количественно оценить взаимодействие между разнообразными... | Программа по формированию навыков безопасного поведения на дорогах... Эвм. Главная задача в искусственном интеллекте (ИИ) — научиться хранить знания таким образом, чтобы программы могли осмысленно обрабатывать... | ||
Темы Философия Духовная философия + Рационализм. Современные наука и техника Последние научные достижения. + Технические усовершенствования. + «Безумные» идеи. + Альтернативная наука + Нетрадиционная наука... | Тест по теме «Биология – наука о живой природе». Задания с выбором... Настоящее «Положение о Правлении Общества» (в дальнейшем именуемое Положение) разработано в соответствии с Федеральным законом “Об... | ||
Наука и техника Настоящее «Положение о Правлении Общества» (в дальнейшем именуемое Положение) разработано в соответствии с Федеральным законом “Об... | Тема «Биология как наука» Настоящее «Положение о Правлении Общества» (в дальнейшем именуемое Положение) разработано в соответствии с Федеральным законом “Об... | ||
Математика – наука ложная!∞ Точнее – неточная. Все приросли мозгами... О проведении регионального этапа всероссийских спортивных соревнований школьников «Президентские состязания» | Викторина на пультах. Наука Пешехода. Занятие инспектора гибдд ковалевой Л. М. Наука Ремесел | ||
Информация в сфере теплоснабжения ОАО нпо «Наука» за 2012 года Настоящее «Положение о Правлении Общества» (в дальнейшем именуемое Положение) разработано в соответствии с Федеральным законом “Об... | Образовательная программа «интеллектуально-творческий потенциал россии»... Нового времени; наука в ХХ веке; структура, формы, функции и динамика науки в истории; исторические типы научной рациональности;... | ||
1. билогия наука о живой природе биология как наука Утвердить прилагаемую Стратегию развития медицинской науки в Российской Федерации на период до 2025 года | Список литературы на выставку «Ботаника-наука о растениях» Барабанов Е. И Тема 1 «Биология как наука. Методы научного познания. Признаки и уровни организации живой природы» | ||
“Управление проектами в рекламе: система и личность, наука и творчество” Екатерины Ивович Концепция школьной научно-практической конференции учащихся «Наука и творчество» | Реферат по курсу «Философия» Философия Аристотеля Философия наука о всеобщем в мире и познании; наука о наиболее общих сторонах мира как целого | ||
Ю. а гусев наука как духовная парадигма: «О, сколько нам открытий... Нового времени; наука в ХХ веке; структура, формы, функции и динамика науки в истории; исторические типы научной рациональности;... | Характеристика учебного Технология определяется как наука о преобразовании и использовании материи, энергии и информации в интересах и по плану человека.... |