Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012




Скачать 150.31 Kb.
НазваниеИскусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012
Дата публикации05.05.2013
Размер150.31 Kb.
ТипДокументы
litcey.ru > Информатика > Документы

Искусственный интеллект – IV курс – День 13, лекции № 23 и № 24 27.11.2012.

Типичные задачи, решаемые с помощью ЭС:
Интерпретация - описание ситуации по информации, поступающей от датчиков.

SPE - определение концентрации гамма-глобулина в крови.

Прогноз - определение вероятных последствий заданных ситуаций.

PLANT/cd - определения потерь урожая от черной совки.

Планирование - определение последовательности действий.

TATR - планирование авиаударов по аэродромам противника.

Диагностика - выявление причин неправильного функционирования системы.

MYCIN - диагностика бактериальных инфекций.

Отладка - составление рецептов исправления неправильного функционирования системы.

ONCOCIN - планирования химиотерапевтического лечения.

Ремонт - выполнение последовательности предписанных исправлений.

TQMSTUNE - настройка масс-спектрометра.

Проектирование - построение конфигурации объектов при заданных ограничениях.

XCON (R1) - выбор оптимальной конфигурации аппаратных средств (VAX).

Наблюдение - сравнение результатов наблюдения с ожидаемыми результатами.

VM - наблюдение за состоянием больного в палате интенсивной терапии.

Обучение - диагностика, отладка и ремонт поведения обучаемого.

GUIDON - обучение студентов-медиков (антибактериальная терапия).

Управление - управление поведением системы как целого.

VM
Сферы применения ЭС:
ХИМИЯ: DENDRAL (интерпр.) - определение структурной формулы хим.в-ва

МЕДИЦИНА: VM, MYCIN (см.выше)

^ ВОЕННОЕ ДЕЛО: TATR (см.выше), I&W (прогнозир.) - прогнозирование вооруженных конфликтов

ЭЛЕКТРОНИКА: EURISKO (проектир.) - проектирование СБИС

КОМПЬЮТЕРНЫЕ СИСТЕМЫ: XCON (см.выше), PTRANS (планир.&прогнозир.) - маркетинг в DEC

^ ТЕХНИКА: REACTOR (наблюден.) - в составе системы управления ядерным реактором

ГЕОЛОГИЯ: PROSPECTOR (интерпр.) - оценка потенциальной рудоносности района
Основные компоненты ЭС (архитектура ЭС):


  • решатель / машина вывода (решение задач пользователя),

  • база знаний (хранение знаний, необходимых для решения задач),

  • подсистема объяснений (объяснение того, как получено решение),

  • пользовательский интерфейс,

  • подсистема приобретения знаний,

  • интерфейс администратора / инженера знаний.


Решатель ЭС:
Вызов процедур (модулей / правил) по образцу гибкая схема взаимодействия (управления)

Продукция – правило вида: p: (где: p – предусловие, - антецедент, - консеквент).
Основной цикл работы решателя:

  • выборка (правил-кандидатов)

  • сопоставление / означивание

  • разрешение конфликтов

  • выполнение / действия

  • переход на НАЧАЛО
^



Экспертные системы Реального времени


Способность «быстро работать» - лишь одно из требований к ЭС РВ.
Основные свойства ЭС РВ:

1.Немонотонность. В процессе функционирования происходит обновление данных. Необходимы специальные механизмы поддержания истинности (удаление старых данных вместе со сделанными на их основе выводами, учет новых данных).

2.^ Рассуждения с учетом времени (способность рассуждать о прошлых, текущих и будущих событиях, планировать поведение с учетом времени).

3.Реактивность по отношению к асинхронным событиям (происходящим в среде).

4.Концентрация внимания. Учет того, что события имеют разную значимость для ЭС РВ, умение выделять наиболее важные цели и отбирать необходимые для их достижения ресурсы.

5.^ Внешний интерфейс. ЭС РВ должна уметь собирать информацию, поступающую от различных сенсоров, по различным каналам связи, а также передавать данные по каналам связи (в том числе и для различных исполнительных механизмов).

6.^ Ненадежность и неполнота данных. Наличие ненадежных и неполных данных типично для областей применения ЭС РВ, необходимы механизмы для работы в таких условиях.

7.Интеграция с традиционным программным обеспечением (сжатие данных, обработка сигналов, специальный ввод-вывод и др.).

8.^ Высокая скорость работы. Для многих приложений важна высокая скорость реакции на события, важно также, чтобы ЭС РВ имела гарантированное время ответа (т.е., было известно, что обработка любого события потребует времени в определенных фиксированных границах).
^ Основной цикл работы решателя:

  • ввод в базу фактов всех сообщений, полученных к данному моменту из внешних источников, посылка необходимых сообщений внешним адресатам (фаза коммуникации)

  • ввод в базу фактов «отложенных» фактов, время наступления которых уже «пришло»

  • выборка (правил-кандидатов)

  • сопоставление / означивание

  • разрешение конфликтов (если правил с удовлетворенными условиями нет, СТОП), переход в специальный режим «ожидание», нарушить который может некоторое событие (внешнее сообщение, сообщение от таймера)

  • выполнение / действия

  • переход на НАЧАЛО



^

Метазнания в ЭС



1. ВЫБОР ПРАВИЛ:

П1: утечка серной кислоты использовать анион-обменник

(стоимость: дорого, источник информации: доктор Грин, степень опасности: невелика)
П2: утечка серной кислоты использовать уксусную кислоту

(стоимость: дешево, источник информации: практикант Грун, степень опасности: велика)
П3: прежде всего использовать правило, требующее минимальных затрат
П4: прежде всего использовать правило, внесенное в БЗ специалистом
П5: прежде всего использовать правило с минимальной степенью опасности
^ 2. ОПРАВДАНИЕ ПРАВИЛ:

П6: утечка серной кислоты использовать известь

(оправдание: нейтрализация, образование нерастворимого и химически неактивного вещества)
П7: утечка уксусной кислоты использовать известь

(оправдание: нейтрализация)
П8: утечка соляной кислоты использовать известь

(оправдание: нейтрализация)

^ 3. ОБНАРУЖЕНИЕ ОШИБОК В ПРАВИЛАХ:

ПР01: использовать известь - нет антецедента
ПР02: утечка: соляная кислота использовать известь
ПР03: соляная кислота использовать известь - проверить: не совпадает ли предусловие

с предусловием предыдущего правила
П9: если некоторое правило никогда не срабатывает, проверить его предусловие
^ 4. СТРАТЕГИЧЕСКИЕ ПРАВИЛА:

П10: пространство поиска относительно мало оправдан полный перебор
П11: один из конъюнктов часто ложен перенести его в начало
П12: фрагмент часто выполняется оптимизировать его
П13: фрагмент часто выполняется & редко меняется скомпилировать его
П14: утечка вещества, которое не описано в БЗ база знаний по утечкам неадекватна

^

Пример вывода в ЭС, основанной на правилах продукций



Правила: R1: разлита горючая жидкость звонить по телефону 01

R2: разлита уксусная кислота использовать известь

R3: pH жидкости < 6 кислота

R4: кислота & имеет запах уксуса уксусная кислота
Факты: F1: разлита жидкость

F2: pH жидкости < 6

F3: жидкость имеет запах уксуса
^ Цепочка вывода:

F1 & F2 F4 (разлита кислота) & F3 F5 (разлита уксусная кислота) F6 (нейтрализация)

R3 R4 R2

Цепочка вывода с учетом достоверности / вероятности:

F1 & F2 F4 & F3 F5 F6

80% 60% R3 70% 100% R4 85% R2
Распространение вероятности - изменение вероятности в узлах сети вывода с целью учета влияния новой информации о вероятности в некотором конкретном узле.

^

Объяснение в ЭС


Цель - обосновать, аргументировать ответ в максимально естественной форме.
Что объяснять?

  • как получено решение

  • как использована некоторая информация (факты, правила)

  • почему не использована некоторая информация (факты, правила)

  • что использовано в целом при решении задачи (факты, правила)


Для кого нужны объяснения?

  • эксперты

  • инженеры знаний

  • пользователи

  • изучающие (новички)


Этапы построения ЭС:

  • идентификация ПО (цели и характеристики ЭС, ресурсы, участники разработки)

  • концептуализация (основные понятия и связи между ними, основные задачи)

  • формализация (запись на выбранном языке представления знаний, формирование БЗ)

  • реализация

  • проверка правил, тестирование


Стадии разработки ЭС:

прототип: демонстрационный

исследовательский

действующий

система: промышленная

коммерческая

(прототип система - происходит отчуждение ЭС от разработчика)
^ Создавать ли ЭС?

ДА - ЕСЛИ: Разработка возможна & Разработка оправдана & Разработка разумна
Разработка возможна:

задача не слишком трудна

задача вполне понятна

&

задача требует только интеллектуальных навыков

существуют хорошие эксперты

эксперты единодушны

эксперты могут описать свои знания
^ Разработка оправдана:

полученное решение высокорентабельно

человеческий опыт утрачивается

V экспертов мало

опыт нужен во многих местах

опыт нужен в неблагоприятной среде (автономная ЭС)

^ Разработка разумна:

задача требует оперирования символами

задача требует эвристических решений

& задача не слишком проста

задача имеет практический интерес

задача решаема (ЭС реализуема)
^ Извлечение экспертных знаний и формирование БЗ:

Эмпирические правила:

"Чем более компетентен эксперт, тем менее способен он описать те знания, которые использует при решении задач".

"Не будьте своим собственным экспертом".

"Не принимайте на веру все, что говорят эксперты".

^ Методы извлечения экспертных знаний:

Наблюдение на рабочем месте

Э решает реальные задачи, ИЗ - пассивно наблюдает

цель: ИЗ получает представление о характерных задачах.

^ Обсуждение задач

ИЗ обсуждает с Э отобранные им (ИЗ) характерные задачи

цель: ИЗ узнает, как организованы знания Э (понятия, гипотезы), как Э работает с неполной, неточной, противоречивой информацией, какие процедуры необходимы для решения задач.

^ Описание задач

ИЗ просит Э описать типичные задачи для каждого класса задач

цель: ИЗ узнает, как связаны между собой задачи одного класса, классы задач.

^ Анализ задач

ИЗ предлагает Э задачи и расспрашивает о ходе решения

цель: ИЗ пытается найти и сформулировать стратегии решения задач.

Доводка системы

Э предлагает ИЗ/прототипу_ЭС характерные задачи

цель: ИЗ проверяет сформированную совокупность знаний (БЗ).

^ Оценивание системы

Э анализирует и оценивает правила, стратегии, систему понятий ПО

цель: Э оценивает точность работы ИЗ и правильность сформированной БЗ.

^ Проверка системы

ИЗ предлагает независимым экспертам протоколы решения задач Э и прототипом_ЭС

цель: объективная оценка результатов работы ИЗ и Э (и сформированной БЗ).

^

Пример: Оценка размера страховых выплат


Ситуация. Беседа Инженера_знаний с Экспертом.

Некоторые правила:

Если повреждение истца действительно требует, чтобы он носил очки

и и истец до повреждения не носил очков

увеличить фактор неудобства на 2500$

Если истец действительно имеет вероятность заболеть глаукомой

и эта вероятность была вызвана повреждением

и величина этой вероятности равна 10%

увеличить фактор осложнений в будущем на 30000$
Реализация модельной экспертной системы на языке Плэнер
Модельная экспертная система решает задачу распознавания вида животного (тигр) на основе группы взаимосвязанных признаков:

Система работает с базой данных, в которой хранятся утверждения следующих типов:
(<имя> = <вид>) → ОБСН: <обоснование> ( )

(<имя> - <класс>) → ОБСН: <обоснование> ( )

(<имя> имеет <свойство>) → ОТВ: ДА НЕТ

(<имя> питается <пища>)
Для определения вида животного используется аппарат теорем. Часть информации, необходимой для решения задачи представлена в виде утвереждений базы данных, часть запрашивается у пользователя. В списках свойств утверждений представлены ответы пользователя и обоснование решения системы.

[define main (lambda ( )

[prog (ОТВ ИМЯ КЛАСС ОБ)

[while T

[print ‘Работает эксперт по распознаванию животных‘]

[print ‘У Вас есть задача на распознавание?‘]

[pset ОТВ [yes-no]]

[cond ([eq .ОТВ НЕТ] [exit main main])]

[print ‘Введите имя распознаваемого объекта‘]

[pset ИМЯ [read]]

[if ([perm [goal (.ИМЯ = *КЛАСС)]]

[pset ОБ [geta (.ИМЯ = *КЛАСС) ОБСН]]

[output .ИМЯ .КЛАСС .ОБ] )

(T [mprint Кем является .ИМЯ я не знаю ])]

[cleardb] ] ])]
[define Тигр? (conseq (ИМЯ ОБ ОБ1 ОБ2)

(*ИМЯ = ТИГР)

[goal (.ИМЯ - млекопитающее)]

[goal (.ИМЯ - хищник)]

[goal (.ИМЯ имеет рыжевато-кор) (test ОТВ ДА)]

[goal (.ИМЯ имеет темные-полосы) (test ОТВ ДА)]

[pset ОБ1 [geta (.ИМЯ - млекопитающее) ОБСН]]

[pset ОБ2 [geta (.ИМЯ - хищник) ОБСН]]

[pset ОБ ( ( (.ИМЯ = ТИГР) так как (.ИМЯ – млекопитающее)

(.ИМЯ – хищник) (.ИМЯ имеет рыжевато-коричневую окраску)

(.ИМЯ имеет темные полосы)) !.ОБ1 !.ОБ2)]

[passert (.ИМЯ = ТИГР) (with ОБСН .ОБ)] )]
[define Окраска? (conseq (ИМЯ ОТВ)

(*ИМЯ имеет рыжевато-кор)

[if ([search1 (.ИМЯ имеет рыжевато-кор) (test ОТВ *ОТВ)])

(T [mprint .ИМЯ имеет рыжевато-коричневую окраску?]

[pset ОТВ [yes-no]]

[passert (.ИМЯ имеет рыжевато-кор) (with ОТВ .ОТВ)])]

[cond ([eq .ОТВ НЕТ] [fail])] )]
[define Полосы? (conseq (ИМЯ ОТВ)

(*ИМЯ имеет темные-полосы)

[if ([search1 (.ИМЯ имеет темные-полосы) (test ОТВ *ОТВ)])

(T [mprint .ИМЯ имеет темные полосы?]

[pset [yes-no]]

[passert (.ИМЯ имеет темные-полосы ) (with ОТВ .ОТВ)])]

[cond ([eq .ОТВ НЕТ] [fail])] )]
[define Хищник1? (conseq (ИМЯ ОБ)

(*ИМЯ - хищник)

[goal (.ИМЯ питается мясом)]

[pset ОБ ( ( (.ИМЯ - хищник) так как (питается мясом)))]

[passert (.ИМЯ - хищник) (with ОБСН .ОБ)] )]
[define Хищник2? (conseq (ИМЯ ОБ)

(*ИМЯ - хищник)

[goal (.ИМЯ имеет острокон-зубы)]

[goal (.ИМЯ имеет когти)]

[goal (.ИМЯ имеет глаза-спереди)]

[pset ОБ ( ( (.ИМЯ - хищник) так как (.ИМЯ имеет остроконечные зубы) (.ИМЯ имеет когти)

(.ИМЯ имеет глаза спереди)))]

[passert (.ИМЯ - хищник) (with ОБСН .ОБ)] )]

[define yes-no (lambda ( ) [read])]

[define output (lambda (x y z ) [prog ( ) [print .x] [print.y] [print .z]])]
[assert (Муся питается мясом)]

[assert (Муся - млекопитающее)]

[assert (Муся имеет темные-полосы) (with ОТВ ДА)]

[assert (Муся имеет рыжевато-кор) (with ОТВ ДА)]



Экспертные системы

Похожие:

Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconИскусственный интеллект – IV курс – День 14, лекции №25, №26 04. 12. 2012
При этом функции регуляции совместной и дифферен­цированной деятельности выполняет коммуникативная деятельность (общение), заключающаяся...
Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconИскусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012
Были реализованы системы, способные «поддерживать диалог» с человеком на естественном языке, интерпретировать словесные команды роботу...
Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconИскусственный интеллект – IV курс – День 08, лекции №15, №16 23. 10. 2012
Обучение (в работах по ии): «любое изменение в системе, приводящее к улучшению решения задачи при ее повторном предъявлении или к...
Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconИскусственный интеллект – Севастополь, День 07, лекции №21, №22, №23 и №24
Метод представления знаний– совокупность взаимосвязанных средств формального описания знаний и оперирования (манипулирования) этими...
Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconИскусственный интеллект – IV курс – День 12, лекция №21 20. 11. 2012
Такой оператор и называется ключевым оператором в пространстве состояний. К примеру, в задаче о пирамидке ключевым оператором был...
Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconИскусственный интеллект – Севастополь, День 06, лекции №17, №18, №19 и №20
...
Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconОсновной курс для специалистов и бакалавров
В курсе рассмотрены основные понятия, проблемы и перспективы научного направления «Искусственный интеллект (ИИ)»
Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconIv курс – День 03, лекции №5, №6 18. 09. 2012
Будем использовать общенаучные термины: взаимодействие, отражение, информация, деятельность, сущность
Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconIv курс – День 02, лекции №3, №4 11. 09. 2012
Общее в психологических теориях того времени: психическое = осознанное, психология = психология индивида, интроспекция, т е самонаблюдение...
Искусственный интеллект – IV курс – День 13, лекции №23 и №24 27. 11. 2012 iconРезультаты Коллоквиумов и экзаменационная оценка по курсу "Искусственный интеллект"

Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2013
контакты
litcey.ru
Главная страница