Utveckling av ett prototypsystem. De viktigaste stadierna i utvecklingen av expertsystem

Transkript

2 E. V. Borovskaya N. A. Davydova BASICS OF ARTIFICIAL INTELLIGENCE Textbook 3rd edition (electronic) Moscow Laboratory of Knowledge 2016

3 UDC BBK B83 Seriell grund 2007 Borovskaya E. V. B83 Grunderna för artificiell intelligens [Elektronisk resurs]: handledning/ E. V. Borovskaya, N. A. Davydova. 3: e upplagan (e-post). Elektron. textdata. (1 pdf -fil: 130 sid.). M .: Kunskapslaboratorium, (pedagogisk utbildning). Systemet. krav: Adobe Reader XI; skärm 10 ". ISBN Läroboken introducerar läsarna till artificiell intelligens, modeller för kunskapsrepresentation, expertsystem och neurala nätverk. De viktigaste riktningarna och metoderna som används vid analys, utveckling och implementering av intelligenta system beskrivs. Modeller av kunskapsrepresentation och metoder för att arbeta med dem övervägs metoder för utveckling och skapande av expertsystem Boken hjälper läsaren att behärska färdigheterna i logisk design av databaser för ämnesområdet och programmering på ProLog -språket För studenter och lärare vid pedagogiska universitet, lärare i gymnasieskolor, gymnasier, lyceum. artificiell intelligens: lärobok / E.V. Borovskaya, N.A. tekniska medel för upphovsrättsskydd, upphovsrättsinnehavare vp lika med att kräva skadestånd eller ersättning från gärningsmannen ISBN c Knowledge Laboratory, 2015

4 INNEHÅLL Kapitel 1. Artificiell intelligens Introduktion till artificiella intelligenssystem Begreppet artificiell intelligens Artificiell intelligens i Ryssland Det artificiella intelligenssystemets funktionsstruktur Riktningar för utveckling av artificiell intelligens Data och kunskap. Representation av kunskap i intelligenta system Data och kunskap. Grundläggande definitioner Modeller för kunskapsrepresentation Expertsystem Struktur för ett expertsystem Utveckling och användning av expertsystem Klassificering av expertsystem Representation av kunskap i expertsystem Verktyg för att konstruera expertsystem Teknik för expertsystemutveckling Kontrollfrågor och uppgifter för kapitlet Referenser till kapitel Kapitel 2. Logisk programmering Programmeringsmetoder Imperativ programmeringsmetodik Objektbaserad metodorienterad programmering Metodik för funktionell programmering Metodik för logisk programmering Metod för programmering i begränsningar Metodik för programmering av neurala nätverk Kort introduktion till predikaträkning och sats som bevisar inferensprocess i prolologspråk ... 58

5 4 Innehåll 2.4. Struktur för ett Prolog-program med hjälp av sammansatta objekt med hjälp av alternativa domäner Organisation av repetitioner i Prolog Rollback efter misslyckande Cut-and-Rollback Method Simple Recursion Generalized Recursion Rule (GPR) Metodlistor i Prolog Listor i Prolog Listor Strängar i Prolog String Operations Filer i språkprolog Prolog predikat för att arbeta med filer Beskrivning av fildomänen Skriva till en fil Läsa från en fil Ändra en befintlig fil Skriva till slutet av en befintlig fil Skapa dynamiska databaser i Prolog Databaser i Prolog Databaser i Prolog Dynamisk databas predikat i Prolog Skapa expert system Expertsystemstruktur Representation Kunskap Inferensmetoder System användargränssnitt Expertsystem baserat på regler Testfrågor och uppgifter för kapitlet Referenser till kapitlet Kapitel 3. Neurala nätverk Introduktion till neurala nätverk Artificiell neuronmodell Tillämpning av neurala nätverk Utbildning av ett neuralt nätverk Testfrågor och uppgifter för kapitlet Referenser för kapitlet

6 KAPITEL 1 ARTIFICIAL INTELLIGENCE 1.1. Introduktion till artificiella intelligenssystem Begreppet artificiell intelligens Ett artificiellt intelligenssystem (AI) är ett mjukvarusystem som simulerar det mänskliga tänkandet på en dator. För att skapa ett sådant system är det nödvändigt att studera själva tankeprocessen för en person som löser vissa problem eller fattar beslut inom ett specifikt område, för att markera huvudstegen i denna process och utveckla programvara som reproducerar dem på en dator. Därför föreslår AI-metoder ett enkelt strukturerat tillvägagångssätt för utveckling av komplexa beslutsfattande system för programvara. Artificiell intelligens är en gren av datavetenskap, vars syfte är att utveckla hård- och mjukvaruverktyg som gör att en icke-programmerare kan ställa in och lösa sina traditionellt betraktade intellektuella uppgifter, kommunicera med en dator på en begränsad delmängd naturligt språk... Tanken att skapa en konstgjord skenning av en person för att lösa komplexa problem och modellera det mänskliga sinnet, som de säger, "var i luften" tillbaka i antiken... Grundaren av artificiell intelligens anses vara den medeltida spanska filosofen, matematikern och poeten Raymond Llull, som redan på 1200 -talet. försökt skapa mekanisk anordning för lösningar olika uppgifter på grundval av den allmänna klassificeringen av begrepp som utvecklats av honom.

7 6 Kapitel 1 Senare fortsatte Leibniz och Descartes självständigt denna idé och föreslog universella klassificeringsspråk för alla vetenskaper. Dessa verk kan betraktas som de första teoretiska verken inom artificiell intelligens. Men den slutliga födelsen av artificiell intelligens som vetenskaplig inriktning ägde rum först efter skapandet av datorer på 1940 -talet, då Norbert Wiener skapade sina grundläggande verk om den nya vetenskapen om cybernetik. Termen "artificiell intelligens" (AI; ​​engelska AI "Artificiell intelligens") föreslogs 1956 vid ett seminarium med samma namn vid Dartmouth College (USA). Detta seminarium ägnades åt utvecklingen av metoder för att lösa logiska (snarare än beräknings) problem. Observera att denna fras inte har den lite fantastiska antropomorfa färgen på engelska som den fick i en ganska misslyckad rysk översättning. Ordet "intelligens" betyder bara "förmågan att resonera rimligen", och inte "intellekt" (för vilket det finns en separat engelsk analog av "intellekt"). Strax efter erkännandet av artificiell intelligens som ett särskilt vetenskapsområde, delades den in i två områden: neurocybernetik och black box -cybernetik. Dessa områden utvecklades praktiskt taget oberoende och skiljer sig väsentligt både i metodik och tekniskt. Och bara för närvarande har det blivit märkbara tendenser att förena dessa delar igen till en enda helhet. Neurocybernetik Huvudtanken med denna riktning kan formuleras enligt följande: "Det enda föremål som kan tänka är den mänskliga hjärnan, så varje tänkande enhet måste på något sätt reproducera dess struktur." Således är neurocybernetik fokuserad på hårdvara-mjukvara-modellering av strukturer som liknar hjärnans struktur. Insatser inom neurocybernetik har fokuserat på att skapa element som liknar neuroner och integrera dem i fungerande neurala nätverk.

8 Artificiell intelligens 7 De första neurala nätverken skapades under åren. Dessa var inte särskilt framgångsrika försök att skapa system som simulerar det mänskliga ögat och dess interaktion med hjärnan. Gradvis under åren. antalet verk inom detta område av artificiell intelligens började minska, de första resultaten var för nedslående. Vanligtvis förklarade författarna till utvecklingen sina misslyckanden med det lilla minnet och låga hastigheten på datorerna som fanns vid den tiden. Den första neurodatorn skapades i Japan som en del av femte generationens datorprojekt. Vid denna tidpunkt togs praktiskt taget bort begränsningar av minne och dators hastighet. Det finns transformatorer datorer med ett stort antal processorer som implementerar parallell beräkning... Transputerteknik är en av ett dussin nya tillvägagångssätt för hårdvaruimplementering av neurala nätverk som simulerar den hierarkiska strukturen i den mänskliga hjärnan. I allmänhet kan vi idag skilja mellan tre huvudtyper av tillvägagångssätt för att skapa neurala nätverk: hårdvara (skapa speciella datorer, neurochips, expansionskort, chipset), programvara (skapa program och mjukvaruverktyg avsedda för högpresterande datorer; sådana nätverk skapas "praktiskt taget" i datorns minne, medan allt arbete utförs av egna processorer) och hybrid (en kombination av de två första metoderna). Black box -cybernetik och artificiell intelligens Detta tillvägagångssätt bygger på den motsatta principen för neurocybernetik. Här spelar det ingen roll hur exakt den "tänkande" enheten är ordnad, huvudsaken är att den ska reagera på de givna inmatningsinflytandena på samma sätt som den mänskliga hjärnan. Förespråkare för denna trend motiverade deras tillvägagångssätt genom att människan inte blindt bör följa naturen i sina vetenskapliga och tekniska sökningar. Dessutom har gränsvetenskaperna om människan inte kunnat bidra väsentligt

9 8 Kapitel 1 i det teoretiska bidraget, som förklarar (åtminstone ungefär) hur intellektuella processer sker i en person, hur hans minne är ordnat och hur en person lär sig världen omkring sig. Denna riktning av artificiell intelligens fokuserades på sökandet efter algoritmer för att lösa intellektuella problem befintliga modeller datorer. Ett viktigt bidrag till bildandet av den nya vetenskapen gjordes av sådana pionjärer som McCarthy, Minsky, Newell, Simon, Shaw, Hunt och andra. det var intensiva sökningar efter modeller och algoritmer för mänskligt tänkande och utvecklingen av de första programmen baserade på dem. Representanter för humaniora, filosofer, psykologer, lingvister, varken då eller nu, kunde inte erbjuda sådana algoritmer, sedan började cybernetik skapa sina egna modeller. Således utvecklades och testades konsekvent olika tillvägagångssätt. I slutet av 1950 -talet. labyrintens sökmodell dök upp. Detta tillvägagångssätt presenterar problemet som ett visst tillståndsutrymme i form av en graf, varefter den optimala vägen från inmatningsdata till de resulterande data söks i denna graf. Mycket arbete har gjorts för att skapa en sådan modell, men denna idé har inte funnit någon bred tillämpning för att lösa praktiska problem. Tidigt 1960 -tal blev epoken med heuristisk programmering. En heurist är en regel som inte är teoretiskt motiverad, men den låter dig minska antalet sökningar i sökutrymmet. Heuristisk programmering är utvecklingen av en handlingsstrategi baserad på känd, fördefinierad heuristik. Under x åren. metoder för matematisk logik började kopplas till lösningen av problem. Robinson utvecklade en upplösningsmetod som gör att satser automatiskt kan bevisas i närvaro av en uppsättning originella axiom. Ungefär samtidigt föreslog den enastående ryska matematikern Yu. S. Maslov den så kallade omvända slutsatsen (senare uppkallad efter honom), som löser ett liknande problem på ett annat sätt. Baserat på upplösningsmetoden

10 Artificiell intelligens 9 Fransmannen Albert Colmeroe 1973 skapade det logiska programmeringsspråket Prolog. En stor resonans i det vetenskapliga samfundet orsakades av programmet "Theoretical Logicist", skapat av Newell, Simon och Shaw, vilket bevisade skolsatser. De flesta verkliga problemen reduceras dock inte till en uppsättning axiom, och en person som löser produktionsproblem använder inte alltid klassisk logik, därför har logiska modeller med alla sina fördelar betydande begränsningar för de klasser av problem som ska lösas . Den artificiella intelligensens historia är full av dramatiska händelser, varav en var 1973 den så kallade "Lighthill Report", som utarbetades i Storbritannien på begäran av British Research Council. Den berömda matematikern Lighthill, som inte är professionellt kopplad till artificiell intelligens, utarbetade en översikt över situationen på detta område. Rapporten erkände vissa prestationer, men beskrev dem som "nedslående", och den övergripande bedömningen var negativ när det gäller praktisk relevans. Denna rapport satte tillbaka europeiska forskare med cirka fem år, eftersom finansieringen för arbetet har minskat betydligt. Ungefär samtidigt inträffade ett betydande genombrott i utvecklingen av praktiska tillämpningar av artificiell intelligens i USA, i mitten av 1970-talet. sökandet efter en universell tänkande algoritm ersattes av idén att modellera den specifika kunskapen hos expertspecialister. De första kommersiella kunskapsbaserade systemen, eller expertsystem (ES), dök upp i USA. Ett nytt tillvägagångssätt för att lösa problem med artificiell intelligens, representationen av kunskap, har också börjat tillämpas. De två första expertsystemen för medicin och kemi, Mycin och Dendral, skapades och blev klassiker. Pentagon gjorde också ett betydande ekonomiskt bidrag och föreslog att basera det nya programmet för det amerikanska försvarsdepartementet på principerna för artificiell intelligens. Redan i jakten på missade möjligheter, Europeiska unionen i början av 1980 -talet. tillkännagav ESPRIT: s globala nya teknikutvecklingsprogram,

11 10 Kapitel 1 som inkluderade frågan om artificiell intelligens. I slutet av 1970 -talet. Japan går med i tävlingen med tillkännagivandet av en femte generationens kunskapsbaserade fordonsprojekt. Projektet designades i tio år och samlade de bästa unga specialisterna från de största japanska datorföretagen. För dessa specialister skapades ett nytt ICOT -institut speciellt och fullständig handlingsfrihet gavs (om än utan rätt att publicera preliminära resultat). Som ett resultat skapade de en ganska besvärlig och dyr symbolisk processor som programmatiskt implementerar ett proklamationsliknande språk, men inte har fått omfattande acceptans. Den positiva effekten av detta projekt var dock uppenbar. En betydande grupp högkvalificerade specialister inom artificiell intelligens har dykt upp i Japan, vilket har uppnått betydande resultat i olika tillämpade problem. I mitten av 1990-talet. den japanska föreningen för artificiell intelligens hade redan 40 000. Sedan mitten av 1980-talet. kommersialisering av artificiell intelligens ägde rum överallt. Årliga kapitalinvesteringar växte, industriella expertsystem skapades. Intresset för självlärande system växte. Dussintals vetenskapliga tidskrifter publicerades, internationella och nationella konferenser hölls årligen om olika områden av artificiell intelligens, som blev ett av de mest lovande och prestigefyllda datavetenskapliga områdena. För närvarande skiljer man två huvudsakliga tillvägagångssätt för modellering av artificiell intelligens: maskinintelligens, som består i att strikt ställa in resultatet av funktion och artificiell intelligens, som syftar till att modellera systemets interna struktur. Modellering av system i den första gruppen uppnås genom användning av lagarna för formell logik, uppsättningsteori, grafer, semantiska nätverk och andra vetenskapliga prestationer inom diskret beräkning, och de viktigaste resultaten är i skapandet av expertsystem, analys system

12 Artificiell intelligens 11 naturligt språk och de enklaste styrsystemen av typen "stimulusrespons". Systemen i den andra gruppen är baserade på den matematiska tolkningen av nervsystemets aktivitet (främst den mänskliga hjärnan) och implementeras i form av neuralliknande nätverk baserade på ett neuralliknande element i analogen av en neuron. Artificiell intelligens i Ryssland A. A. Lyapunov (), en av grundarna till rysk cybernetik. Fysiologer, lingvister, psykologer, matematiker deltog i detta seminarium. Det är allmänt accepterat att det var vid denna tidpunkt som artificiell intelligens föddes i Ryssland. Förutom utomlands har den två huvudområden inom neurocybernetik och black box -cybernetik. Under x åren. separata program skapades och forskning utfördes för att hitta lösningar på logiska problem. På LOMI (Leningrad -grenen av Steklov Mathematical Institute) skapades ALPEV LOMI -programmet, som automatiskt bevisar satser, som är baserade på Maslovs ursprungliga inverterade avledning, liknande metoden för Robinsons upplösningar. Bland de mest betydande resultaten som ryska forskare fick på 1960 -talet bör man notera algoritmen "Bark" av M. M. Bongard, som simulerar aktiviteten mänsklig hjärna i mönsterigenkänning. Sådana framstående forskare som M. L. Tsetlin, V. N. Pushkin, M. A. Gavrilov, vars elever blev pionjärer inom denna vetenskap i Ryssland, bidrog också mycket till bildandet av den ryska skolan för artificiell intelligens. Under x åren. en ny riktning för AI -situation föddes (motsvarande representationen av kunskap i västerländsk terminologi). Grundaren av denna vetenskapliga skola var professor D.A. Pospelov. Särskilda modeller för att representera situationer (kunskapsrepresentation) har också utvecklats. Trots att attityden till nya vetenskaper i Sovjetryssland alltid var försiktig, vetenskap med en sådan ”utmaning

13 12 Kapitel 1 med dess "namn" undgick inte heller detta öde och hälsades med fientlighet vid Vetenskapsakademin. Lyckligtvis fanns det bland medlemmarna i Sovjetunionens vetenskapsakademi människor som inte var rädda för en så ovanlig fras som namnet på en ny vetenskaplig riktning. Men först 1974 skapades vid kommittén för systemanalys under presidiet för Sovjetunionens vetenskapsakademi ett vetenskapligt råd om problemet med "artificiell intelligens", ledd av D.A. Pospelov. På initiativ av detta råd organiserades fem komplexa vetenskapliga projekt, ledda av ledande experter inom detta område: Dialog (arbete med att förstå det naturliga språket), Situation (situationsanalys), Bank (databanker), Constructor (sökkonstruktion) och "Robotintelligens". Under x åren. i vårt land hölls aktiv forskning inom kunskapsrepresentation har språk för kunskapsrepresentation och expertsystem utvecklats; vid Moscow State University skapades Refal -språket. 1988 bildades föreningen för artificiell intelligens (AI), och D.A. Pospelov valdes enhälligt till dess ordförande. Inom ramen för denna förening, Ett stort antal forskning, skolor för unga yrkesverksamma, seminarier, symposier anordnades, gemensamma konferenser hölls vartannat år, en vetenskaplig tidskrift publicerades. Det bör noteras att nivån på teoretisk forskning om artificiell intelligens i Ryssland alltid har varit lägre än den globala nivån. Men tyvärr sedan 1980 -talet. tillämpat arbete började påverkas av den successiva tekniska eftersläpningen. På det här ögonblicket fördröjningen i utvecklingen av industriella intelligenta system är cirka 3-5 år. De huvudsakliga tillämpningsområdena för AI -system: teoremprovning, spel, mönsterigenkänning, beslutsfattande, adaptiv programmering, maskinmusikkomponering, databehandling i naturligt språk, inlärningsnätverk (neurala nätverk), verbalt begreppsinlärning.

14 Artificiell intelligens Det artificiella intelligenssystemets funktionella struktur AI -systemets funktionella struktur (bild 1.1) består av tre uppsättningar datoranläggningar. Den första av dem är ett exekutivsystem (IS) en uppsättning verktyg som utför program och är utformade utifrån en effektiv problemlösning; detta komplex har i vissa fall en problematisk inriktning. Det andra komplexet är en uppsättning intelligenta gränssnittsverktyg med en flexibel struktur, som ger möjlighet att anpassa sig till ett brett spektrum av slutanvändares intressen. Den tredje uppsättningen medel, med hjälp av vilken interaktionen mellan de två första komplexen organiseras, är kunskapsbasen, som säkerställer användningen av de första beräkningsmedlen.

15 [...]

16 Minimum Systemkrav bestäms av de relevanta kraven Adobe -program Läsare version 11 eller senare för Windows, Mac OS, Android, iOS, Windows Phone och BlackBerry -plattformar; skärm 10 "Educational electronic edition Series:" Pedagogical education "BASER OF ARTIFICIAL INTELLIGENCE Textbook Leading editor D. Usenkov Artists N. Novak, S. Infante Technical editor E. Denyukova Proofreader L. Makarova Computer layout: S. Yankovaya Signed for use Format mm Knowledge Laboratory Publishing House, Moskva, Proezd flygplats, 3 Telefon: (499)

17 BOROVSKAYA ELENA VLADIMIROVNA Universitetslektor vid Institutionen för informatik och metoder för undervisning av informatik vid Chelyabinsk State Pedagogical University. Intresseområde: problem med ett modulärt betygssystem för övervakning och utvärdering av studenters akademiska prestationer när det gäller kvalitetsledning vid ett universitet. DAVYDOVA NADEZHDA ALEKSEEVNA Kandidat för pedagogiska vetenskaper med en examen i teori och metoder för undervisning och uppfostran (informatik, allmän utbildning), docent vid institutionen för informatik och undervisningsmetoder för informatik, Chelyabinsk State Pedagogical University. Intresseområden: teknik för att bilda innehållet i utbildning i informatik i specialiserade klasser i allmänna skolor, intelligenta undervisningssystem. Handledningen introducerar läsare till historien om artificiell intelligens, kunskapsrepresentationsmodeller, expertsystem och neurala nätverk. De viktigaste riktningarna och metoderna som används vid analys, utveckling och implementering av intelligenta system beskrivs. Modeller av kunskapsrepresentation och metoder för att arbeta med dem, metoder för utveckling och skapande av expertsystem övervägs. Boken hjälper läsaren att behärska färdigheterna i logisk design av domändatabaser och programmering på Prolog -språket. Boken är avsedd för studenter och lärare vid pedagogiska universitet, gymnasielärare, gymnasier och gymnasier.

Artificiell intelligens Föreläsare: Bragilevsky V.N. Talare: O. V. Banar Planera filosofiska aspekter av AI Historia för AI -utveckling Tillvägagångssätt för att bygga AI -system Strukturellt tillvägagångssätt. Identifieringssystem

Till 100 -årsjubileet för Hermogen födelse Sergejevitsj Pospelov 25 maj 2014 markerade 100 -årsjubileet för födelsen av en enastående forskare, akademiker vid Sovjetunionens vetenskapsakademi och Ryska vetenskapsakademin, pristagare av staten

1. DISCIPLINENS SYFTE OCH MÅL Historien om datorer är inte bara historien om begreppsutveckling, utan också en av delarna i historien om mänsklig aktivitet, som återspeglar människans liv både som en biologisk art och som en medlem

MANUAL för att förbereda sig för Unified State Exam INFORMATICS INFORMATICS MANUAL för förberedelser för Unified State Exam 3rd edition, reviderad och kompletterad (elektronisk) Redigerad av E. T. Vovk Moscow BINOM. Kunskapslaboratorium 2015 UDC

Informatik Föreläsning 1 Grundläggande definitioner Docent vid Institutionen för RES (2302) Kuznetsov Igor Rostislavovich Definition Informatik är en vetenskap som studerar alla aspekter av att ta emot, lagra, transformera, överföra och använda

Riktning 09.03.03 Informatik 1.2 Föreläsning ”Interaktion mellan människa och maskin. PPO "Föreläsare Molnina Elena Vladimirovna Universitetslektor vid Institutionen för informationssystem, rum 9, huvudbyggnad. post: [e -postskyddad]

UDC 004.89 ARTIFICIAL INTELLIGENCE IN EDUCATION R.V. Streltsov, art. gr. TP08 L.V. Slavinskaya, st. föreläsare avdelning. VMiP Donetsk National Technical University Processen för inträde av högre utbildning i världen

Normativa dokument Kommentar till arbetsprogrammet om informatik Grade 8 Arbetsprogrammet om informatik och IKT är baserat på författarens program för ND Ugrinovich. ta med i beräkningen provprogram den huvudsakliga

MODELLER FÖR LÖSNING AV FUNKTIONELLA OCH BERÄKNINGSPROBLEM L EK T O R A ZARCHENKOV A. A. BASIC CONCEPTS Uppgifter: beräkningsuppgifter - bestämning av ett visst värde, funktionella uppgifter - skapande

Innehåll arbetsprogram I. Förklarande anmärkning normativa dokument säkerställa genomförandet av programmet 1. generella egenskaperämnet Informatik är en naturvetenskaplig disciplin

Federal Agency for Education State Educational Institution of Higher Professional Education "Novosibirsk State University" (NSU) Fakulteten för informationsteknologi

FÖRSTA HÖGRE TEKNISKA UTBILDNINGSINSTITUTIONEN FÖR RYSSLANDE UTBILDNINGSMINISTRIET OCH VETENSKAPEN FÖR RYSSKA FEDERATIONEN federal sför högre yrkesutbildning

Modellering av mänskliga kognitiva förmågor inom artificiell intelligens Natalya Andreevna Yastreb VSPU, 2010 [e -postskyddad] mail.ru 1 Begreppet intelligens Termen "intelligens" är tvetydig, de har

Annotering av disciplinens program "Metoder för forskning och modellering av informationsprocesser och tekniker" Syftet med disciplinen: 1. DISCIPLINENS disciplin och syften "Metoder för forskning och modellering

Om utvecklingen av instrumentella system fokuserade på att lösa informationslogiska problem R. G. Bukharaev, A. I. Enikeev, I. I. Makarov Övning av att använda datorer för automatisering

Kommunal budgetutbildningsinstitution "Gymnasieskola 9" Anteckning till arbetsprogrammet för informatik och IKT parallellt 6: e klass Vilyuchinsk läsår 2016-2017 1 Antal timmar

Informatik Informatik fastställer lagarna för omvandling av information under funktionsförhållandena automatiserade system, utvecklar metoder för dess algoritmisering, bildandet av språkliga kommunikationsmedel

KAZAN FEDERAL UNIVERSITY INSTITUT OF COMPUTATIONAL MATHEMATICS AND INFORMATION TECHNOLOGIES Department of System Analysis and Information Technologies А.М. YURIN EXPERT SYSTEM Utbildningsmetodiska

83 UDC 004.822 UTVECKLING AV ETT SYSTEM MED AUTOMATISK LÖSNING AV DATORPROBLEM I CAD BASERAD PÅ PROGRAMMERINGSMETODEN MED BEGRÄNSNINGAR Krilevich SD, Grigoriev A.V. Donetsk National Technical

A. A. ð, Æ. A. ð, Þ. Ì. Petite, G. A. UTLÄNDNINGAR FÖR AKADEMISK BACHELOR 2: a upplagan, reviderad och kompletterad Rekommenderas

NA Davydova EV Borovskaya PROGRAMMERING Handledning Moskva BINOM. Kunskapslaboratorium 2009 UDC 004.4 LBC 32.973-018 D13 D13 Davydova N.A.Programmering: handledning / N.A. Davydova,

Anteckning till disciplinen "intelligenta informationssystem" 1. DISCIPLINENS MÅL OCH MÅL 1.1. Syftet med disciplinen Syftet med undervisningen är att främja bildandet av elevernas förmåga

Kommunal budgetutbildningsinstitution gymnasieskola 83 ARBETSPROGRAM inom informatik och IKT på gymnasieläraren Galina Vladimirovna Kaurova

Testuppgifter inom disciplinen IIS Ämne: 1. Artificiell intelligens 1 fråga: Artificiell intelligens är en riktning som låter dig lösa komplexa matematiska problem i programmeringsspråk;

MOTIVERING Arbetsprogrammet för informatikkretsen "Young Informatics" för årskurs 5-7 utvecklades på grundval av författarprogrammet för N. V. Makarova för klass 5-9, rekommenderat av utbildningsministeriet

Konstgjorda neurala nätverk och möjligheten att skapa artificiell intelligens på grundval Suleimanov K.B. FSBEI HE "Dagestan State University" Makhachkala, Ryssland. Artificiellt nervsystem

Anteckning till ämnesområdet "Grunderna för programmering och algoritmisering" Inriktning av utbildning (specialitet) 09.03.02 " Informationssystem och teknik »Profil Informationssystem och teknik inom konstruktion

Metodik och logik för vetenskaplig forskning Disciplinen "Metodik och logik för vetenskaplig forskning" ingår i den grundläggande delen av den allmänna vetenskapliga cykeln för utbildningsmästare. Syftet med att studera disciplinen är att bekanta sig

Intelligenta system inom maskinteknik Föreläsning 2.1. Kunskapsrepresentationsmetoder. 1 Representation av kunskap i system för artificiell intelligens Huvuddragen i intelligenta system är att

Marchuk 14 Y. GENOMGÅNG av den ledande organisationen för avhandlingsarbetet av Dmitry Aleksandrovich Krylov "Modeller och metoder för att implementera en molnplattform för utveckling och användning av intelligenta tjänster",

TEKNOLOGI FÖR ARTIFICIAL INTELLIGENCE Föreläsning 5. Expertsystem Fortsatt AI -teknik 1 SEMIOTISKA MODELLER Klassiska kontrollproblem. I grunden ligger tesen som vi vet: syftet

8. FOND FÖR UTVÄRDERINGSFACILITETER FÖR MELLANCERTIFICERING AV STUDENTER PÅ DISCIPLINEN (MODUL) Informatik, datorteknik och 1. Institutionen för informationssäkerhet 09.03.02 "Information

ANMÄRKNING om arbetsprogrammet " Informationsteknologi i ledning "i riktning mot utbildning / specialitet 38.03.04" Statlig och kommunal ledning "-kod och namn på riktning / specialitet

MINISTRIET FÖR GRANCHER I RYSSLAND Federal State Budgetary Educational Institution of Higher Education "Moscow State Technological University" STANKIN "(FGBOU VO" MSTU "STANKIN") SAMMANFATTNING

1. Rysk pedagogisk encyklopedi. I 2 volymer / Ch. red. V.V. Davydov. Moskva: Great Russian Encyclopedia, 1993. T. 2.608 s. 2. Selevko G.K. Modern utbildningsteknik: Lärobok. manuell. M.:

G. V. Alekseev, S. A. Bredikhin, I. I. Kholyavin SYSTEMINNEHÅLL I MATTEKNIK Allmänna definitioner och vissa applikationer Rekommenderas av Federal Educational and Methodological Association i systemet med högre

Programvara (SW) Programvara System- och applikationsprogramvara Systemprogramvaran används för att utveckla utförandet av programvaruprodukter, samt för att ge användaren vissa tjänster. Systemisk

Anteckning till arbetsprogrammen i datavetenskap och IKT årskurs 7-2016 (allmän grundutbildning) Studiet av datavetenskap och IKT i årskurs 7 syftar till att uppnå följande mål:

UDC 004.514.6 KVALITETSBEDÖMNING AV ANVÄNDARGRÄNSSNITET FÖR TRÄNINGSPROGRAM Goretskiy A.A. Donetsk National Tekniskt universitet Institutionen för tillämpad matematik och informatik E-post: [e -postskyddad]

ANMÄRKNING AV DISCIPLINENS ARBETSPROGRAM Intelligenta system och tekniker i riktning / specialitet 09.03.02 - "Informationssystem och teknik" 1. Mål och mål med att behärska disciplinen Målet att behärska

ADAPTIVA OCH INTELLEKTUELA SYSTEM T. Kohonen Självorganiserande kartor Översättning av den tredje engelska upplagan av V. N. Ageev redigerad av Yu V. Tyumentsev Moskva BINOM. Kunskapslaboratorium 2008 UDC 517,11 + 519,92

UTBILDNINGS- OCH VETENSKAPSMINISTERIET Ryska federationens statliga utbildningsinstitution för högre yrkesutbildning "Murmansk State Humanitarian University" (MSHU) ARBETSPROGRAM

UTBILDNINGSMINISTERIET OCH VETENSKAPEN I RYSSKA FEDERATIONEN Federal State Budgetary Educational Institution of Higher Professional Education "UFA STATE AVIATION TECHNICAL

Databashanteringssystem (DBMS) 1. Allmän information om DBMS 2. Datamodeller 3. DBMS Microsoft Access 1. Allmän information om databashanteringssystem Två huvudriktningar för användning av datorer:

FÖRFATTARE: Ryaby VV, universitetslektor, Institutionen för matematiskt stöd för elektroniska datormaskiner, Vitryska statsuniversitetet; Pobegailo A.P., docent, Tekniska institutionen

UTBILDNINGSMINISTERIET OCH VETENSKAPEN FÖR RYSSKA FEDERATIONEN Federal State Autonomous Educational Institution of Higher Professional Education NATIONELL FORSKNING KÄRNUNIVERSITET

UTBILDNINGSMINISTERIET OCH VETENSKAPEN FÖR RYSSK FEDERATION FEDERAL STATE BUDGET UTBILDNINGSINSTITUTION FÖR HÖGRE PROFESSIONELL UTBILDNING "STATE UNIVERSITY - STUDIE

STATSBUDGERADE UTBILDNINGSINSTITUTION AV STADEN I MOSKVA SECONDARY EDUCATIONAL SCHOOL 382 Pavlenko -protokollet från 2014 ENIGT Ställföreträdare

UDC 372.851.046.14 BBK 74.262.21 G15 Referenser: Cand. ped. Vetenskaper, Assoc. avdelning. matematik och metoder för undervisning i matematik EE "Mozyr State. ped. av dem. I. P. Shamyakin "L. A. Ivanenko; lärare

YURI MIKHAILOVICH ZABRODIN ÄR 70 ÅR I oktober 2010 fyllde Yuri Mikhailovich Zabrodin, en framstående forskare och arrangör av rysk psykologisk vetenskap, 70 år. In i historien om sovjetisk och rysk psykologi

TAMBOV REGIONALSTATENS UTBILDNING AUTONOMISK INSTITUTION AV YTTERLIGARE PROFESSIONELL UTBILDNING "INSTITUT FÖR ATT AVANCERA KVALIFICERING AV UTBILDNINGSARBETARE"

En handbok för chefer, deras ställföreträdare, lärare vid allmänna "Bely Wind" Moz ry 2 0 1 4 UDC 371 BBK 74.200.58 B59 -serien grundad 2007 S t och t e l:

Läroplanen är upprättad på grundval av läroplanen för institutionen för högre utbildning inom specialiteten 1-40 05 01 "Informationssystem och teknik (i riktningar)" och läroplan"Grundläggande information

Innehåll Avsnittets titel avsnitt 1. Förklarande anmärkning 3-4 2. Innehåll i det akademiska ämnet 4-5 3. Krav på utbildningsnivå för studenter 5-7 4. Litteratur 7 5. Kalender-tematisk planering

Den huvudsakliga utbildningsprogram högre utbildning godkänd av Academic Council of the University (Protocol of the Academic Council of the University 3 daterad 16 mars 2016) 2 INNEHÅLL 1. Allmänna egenskaper hos huvudpersonen

Å. Ï. Ãîëóáêîâ ÌÅÒÎÄÛ ÏÐÈÍßÒÈß ÓÏÐÀÂËÅÍ ÅÑÊÈÕ ÐÅØÅÍÈÉ Anou en Ó ÅÁÍÈÊ È ÏÐÀÊÒÈÊÓÌ AESS ÀÊÀÄÅÌÈ ÅÑÊÎÃÎ ÁÀÊÀËÀÂÐÈÀÒÀ 3-å èçäàíèå, èñïðàâëåííîå è äîïîëíåííîå Ðåêîìåíäîâàíî Ó åáíî-ìåòîäè åñêèì îòäåëîì âûñøåãî

Föreläsning 21 Gruppbeslutssystem Beslutsprocessen har samma karaktär som ledningens beslutsprocess. Den kan delas in i följande steg (fig. 4.1). I. Analys av konstruktionen

Vi skriver ROSSIKHINA Larisa Vitalievna - kandidat för tekniska vetenskaper, kapten för intern service, seniorlärare i cykeln av radiotekniska system vid Voronezh College Federal Service verkställighet av meningar

1 Lärobok: Informatik. Årskurs 11. Avancerad nivå. Klockan 2. Författare: K.Yu. Polyakov, E.A. Eremin M.: BINOM, Laboratory of Knowledge, 2013. Planerade resultat av studier av datavetenskapsprogram i ämnet "Datavetenskap"

Logikprogrammerings roll i studiet av datavetenskap. N. Pelin State University of Tiraspol (UST)

Kommunal bildning - stadsdel Ryazan, Ryazanregionen ARBETSPROGRAM inom informatik och IKT -utbildningsnivå - betyg 10-11 i humaniora Antal timmar: 2 timmar per vecka,

ANVÄNDNING AV ARTIFICIAL INTELLIGENCE BETYDER I UTVECKLINGEN AV DATORSPEL Kaziev A.B., Prokopyuk S.Yu. Tomsk Polytechnic University Tomsk, Ryssland ANVÄNDNING AV ARTIFICIAL INTELLIGENCE

Kontrollera, Datorteknik och informatik

SIMULERING AV INTEGRALA ROBOTAR I MATLAB S.T. Sadykov ENU dem. L.N. Gumilyov, Astana, st. Munaitpasova, 5, 001008. E-post: [e -postskyddad] Introduktion. Robot (tjeckisk robot) automatisk enhet

Kolomna Institute (filial)

Statens utbildningsinstitution för högre

yrkesutbildning

"MOSCOW STATE OPEN UNIVERSITY"

Institutionen för informatik och informationsteknik

"GODKÄND"

Pedagogiskt-metodiskt

KI: s råd (f) MGOU

Styrelseordförande

Professor

A.M. Lipatov

"___" ____________ 2010

P.S. Romanov

GRUNDLÄGGANDE FÖR ARTIFICIAL INTELLIGENCE

Studieguide efter disciplinriktning

"Informatik och datateknik"

För högre studenter läroanstalter

Kolomna - 2010

Ha

Publicerad i enlighet med beslutet från utbildnings- och metodrådet vid Kolomna -institutet (filial) på GOU VPO "MGOU" daterat __________ 2010 stad nr. ________

DK 519,6

P69 Romanov P.S.

Grunderna för artificiell intelligens. Handledning. - Kolomna: KI (f) MGOU, 2010.- 164 sid.

Handledningen täcker grunderna i artificiell intelligens. De grundläggande begreppen artificiell intelligens presenteras. Bestämmelserna i teorin om luddiga uppsättningar presenteras. De viktigaste intelligenta systemen, deras syfte, klassificering, egenskaper, skapelseproblem, exempel övervägs.

Manualen är avsedd för studenter vid högre utbildningsinstitutioner som studerar i riktning mot "Informatik och datavetenskap". Det kan användas för studier av intelligenta informationssystem av studenter från andra specialiteter.

Recensent: Doktor i tekniska vetenskaper, professor V.G. Novikov

© Romanov P.S.

© KI (f) MGOU, 2010

Inledning ………………………………………………………………………………………… ... 5

Kapitel 1. Grundläggande begrepp för artificiell intelligens ................................ 6

§ 1.1. Grundläggande termer och definitioner .............................................. ..... 6

§ 1.2. Historien om utvecklingen av AI -system .......................................... .... ............. 12

§ 1.4. Huvudsakliga utvecklings- och applikationsriktningar

intelligenta system ................................................ ................ 25

Kapitel 2. Bestämmelser om teorin om luddiga uppsättningar ........................................ ... 32

§ 2.1. Luddigt set. Operationer på suddiga apparater ... ..32

§ 2.1.1. Grundläggande funktioner för luddiga uppsättningar .................... 35

§ 2.2. Uppbyggnad av medlemsfunktionen ........................................... 38

§ 2.2.1. Några metoder för att konstruera en medlemsfunktion ... 39

§ 2.3. Otydliga nummer ................................................ ................................. 44

§ 2.4. Operationer med otydliga nummer (L -R) -typ .................................... 46

§ 2.5. Otydliga och språkliga variabler ........................................ 47

§ 2.6. Fuzzy relation ................................................ ........................ 50

§ 2.7. Rolig logik ................................................ ................................ 51

§ 2.8. Otydliga slutsatser ................................................ .............................. 53

§ 2.9. Automatisering av informationsbehandling med

luddiga system ................................................ .................................. 59

Kapitel 3. Grundläggande intelligenta system ........................................... 64

§ 3.1. Data och kunskap ............................................... ................................ 64

§ 3.2. Kunskapsrepresentationsmodeller ............................................... ......... 66

§ 3.3.1. Produktionsregler ................................................ ............... 69

§ 3.3.2. Ramar ................................................. ......................................... 72

§ 3.3.3. Semantiska nätverk ................................................ ...................... 74

§ 3.4. Expert system. Ämnesområden ................................... 76

§ 3.5. Syfte och omfattning av expertsystem ................. 77

§ 3.6. Metodik för utveckling av expertsystem ................................. 81

§ 3.7. Huvudsakliga expertsystem ............................................... ......... 86

§ 3.8. Svårigheter i utvecklingen av expertsystem och deras sätt

övervinna ................................................. ..................................... 90

§ 3.9. Syfte, klassificering av robotar ............................................. 94

§ 3.10. Exempel på robotar och robotsystem .......................... 97

§ 3.10.1. Hemrobotar (hushåll) ............................................. .... 97

§ 3.10.2. Räddningsrobotar och forskningsrobotar ................... 99

§ 3.10.3. Robotar för industri och medicin ........................... 100

§ 3.10.4. Militära robotar och robotsystem .................. 101

§ 3.10.5. Hjärnan som en analog-digital enhet ................................ 104

§ 3.10.6. Robotar - leksaker ............................................... .................... 104

§ 3.11. Problem med teknisk implementering av robotar ............................... 105

§ 3.12. Adaptiva industrirobotar ....................................... 114

§ 3.12.1. Anpassning och utbildning ............................................... ............. 114

§ 3.12.2. Klassificering av adaptiva styrsystem

industrirobotar ................................................ ... 117

§ 3.12.3. Exempel på adaptiva robotstyrsystem ............ 123

§ 3.12.4. Problem vid skapandet av industrirobotar ................... 128

§ 3.13. Neuralt nätverk och neurodatorteknik ...................... 132

§ 3.13.1. Allmänna egenskaper hos riktningen .................................... 132

§ 3.13.2. Neuropaket ................................................. ......................... 140

§ 3.14. Neurala nätverk................................................ ............................ 147

§ 3.14.1. Perceptron och dess utveckling .............................................. ..... 147

3.14.1.1. McCulloch-Pitts matematiska neuron ................ 147

3.14.1.2. Rosenblatts perceptron och Hebbs regel ...................... 148

3.14.1.3. Delta -regel och bokstavsigenkänning ............................. 150

3.14.1.4. Adaline, Madaline och den generaliserade deltaregeln ... 152

§ 3.14.2. Flerskiktad perceptron och omvänd algoritm

felutbredning ................................................ ..... 155

§ 3.14.3. Typer av aktiveringsfunktioner ............................................. 160

Introduktion

Vetenskap som kallas "artificiell intelligens" ingår i komplexet av datavetenskap, och den teknik som skapas på grundval av den tillhör informationsteknik. Uppgiften för denna vetenskap är att tillhandahålla rimliga resonemang och åtgärder med hjälp av datasystem och andra artificiella enheter. Artificiell intelligens (AI) har funnits som ett oberoende vetenskapligt område i drygt ett kvartssekel. Under denna tid har samhällets inställning till specialister som ägnar sig åt sådan forskning utvecklats från skepsis till respekt. I avancerade länder stöds arbete inom intelligenta system på alla nivåer i samhället. Det finns en stark uppfattning att det är dessa studier som kommer att avgöra informationssamhällets natur som redan ersätter den industriella civilisationen, som nådde sin högsta blomstringspunkt under 1900 -talet. Under de senaste åren av bildandet av AI som en särskild vetenskaplig disciplin har dess konceptuella modeller bildats, specifika metoder och tekniker som endast tillhör det har ackumulerats och några grundläggande paradigm har fastställts. Konstgjord intelligens har blivit en ganska respektabel vetenskap, inte mindre hedervärd och nödvändig än fysik eller biologi.

Artificiell intelligens är en experimentell vetenskap. AI: s experimentella karaktär ligger i det faktum att forskaren skapar vissa datorrepresentationer och modeller, jämför sitt beteende med varandra och med exempel på att lösa samma problem av en specialist, modifierar dem på grundval av denna jämförelse och försöker uppnå en bättre överensstämmelse med resultaten. För att modifiera program på ett "monotont" sätt för att förbättra resultaten måste du ha rimliga inledande representationer och modeller. De levereras av psykologiska studier av medvetande, i synnerhet kognitiv psykologi.

En viktig egenskap hos AI -metoder är att den endast behandlar de kompetensmekanismer som är verbala till sin natur (tillåter symbolisk representation). Alla mekanismer som en person använder för att lösa problem är inte alls följande.

Boken presenterar grunderna för AI, som gör det möjligt att navigera i ett stort antal publikationer som ägnas åt problemen med artificiell intelligens och att få nödvändig kunskap inom detta vetenskapsområde.

Utveckling av artificiell intelligens

Artificiell intelligens historia började för inte så länge sedan. Under 1900 -talets andra hälft formulerades begreppet artificiell intelligens(artificiell intelligens) och flera av dess definitioner har föreslagits. En av de första definitionerna, som trots den stora tolkningsbredden inte har tappat sin relevans, är presentationen av artificiell intelligens som: ”Ett sätt att göra datormaskin tänk som en person. "

Relevansen av intellektualisering av datorsystem beror på behovet av en person att hitta lösningar i sådana verkligheter. modern värld, som felaktighet, oklarhet, osäkerhet, otydlighet och grundlöshet i information. Behovet av att förbättra hastigheten och tillräckligheten denna process stimulerar skapandet av datasystem, genom interaktion med den verkliga världen med hjälp av robotik, produktionsutrustning, instrument och annan hårdvara, kan bidra till dess genomförande.

Datorsystem baserade på ren klassisk logik - det vill säga algoritmer för att lösa kända problem, möta problem, möta osäkra situationer. Till skillnad från dem kan levande varelser, även om de tappar i hastighet, fatta framgångsrika beslut i sådana situationer.

Ett exempel på artificiell intelligens

Ett exempel är börskraschen 1987, då datorprogram sålde hundratals miljoner dollar i aktier för att göra en vinst på flera hundra dollar, vilket faktiskt skapade förutsättningarna för kraschen. Situationen korrigerades efter övergången fullständig kontroll för börshandel med protoplasmatiska intelligenta system, det vill säga till människor.

Definierar begreppet intelligens som en vetenskaplig kategori, bör det förstås som systemets lämplighet för lärande. Således tolkas en av de mest specifika, enligt vår mening, definitioner av artificiell intelligens som förmågan hos automatiserade system att förvärva, anpassa, modifiera och fylla på kunskap för att hitta lösningar på problem, vars formalisering är svår.

I denna definition har termen "kunskap" en kvalitativ skillnad från begreppet information. Denna skillnad återspeglas väl av representationen av dessa begrepp i formen informationspyramiden i fig. 1.

Figur 1 - Informationspyramid

Den är baserad på data, nästa nivå är upptagen av information, kunskapsnivån kompletterar pyramiden. När du flyttar upp informationspyramiden överförs volymer av data till värdet av information och sedan till värdet av kunskap. Det vill säga, information uppstår vid interaktionen mellan subjektiva data och objektiva metoder för deras bearbetning. Kunskap bildas på grundval av bildandet av distribuerade relationer mellan heterogen information, samtidigt som man skapar ett formellt system - ett sätt att återspegla dem i exakta begrepp eller uttalanden.

Det är stöd för ett sådant system-ett kunskapssystem, i ett så uppdaterat tillstånd, som gör det möjligt att bygga åtgärdsprogram för att hitta lösningar på de uppgifter som tilldelats dem, med beaktande av specifika situationer som bildas vid en viss tidpunkt i miljön, är uppgiften för artificiell intelligens. Således kan artificiell intelligens också tänkas som en universell överalgoritm som kan skapa algoritmer för att lösa nya problem.

Handledningen introducerar läsare till historien om artificiell intelligens, kunskapsrepresentationsmodeller, expertsystem och neurala nätverk. De viktigaste riktningarna och metoderna som används vid analys, utveckling och implementering av intelligenta system beskrivs. Modeller av kunskapsrepresentation och metoder för att arbeta med dem, metoder för utveckling och skapande av expertsystem övervägs. Boken hjälper läsaren att behärska färdigheterna i logisk design av domändatabaser och programmering på ProLog -språket.
För studenter och lärare vid pedagogiska universitet, gymnasielärare, gymnasier, lyceum.

Koncept för artificiell intelligens.
Ett artificiellt intelligenssystem (AI) är ett mjukvarusystem som simulerar den mänskliga tänkandeprocessen på en dator. För att skapa ett sådant system är det nödvändigt att studera själva tankeprocessen för en person som löser vissa problem eller fattar beslut inom ett specifikt område, för att markera huvudstegen i denna process och utveckla programvara som reproducerar dem på en dator. Därför föreslår AI-metoder ett enkelt strukturerat tillvägagångssätt för utveckling av komplexa beslutsfattande system för programvara.

Artificiell intelligens är en gren av informatik, vars syfte är att utveckla hård- och mjukvaruverktyg som gör det möjligt för en icke-programmerare att ställa in och lösa sina traditionellt betraktade intellektuella uppgifter, kommunicera med en dator i en begränsad delmängd av naturligt språk.

INNEHÅLLSFÖRTECKNING
Kapitel 1. Artificiell intelligens
1.1. Introduktion till artificiella intelligenssystem
1.1.1. Konstgjord intelligens koncept
1.1.2. Artificiell intelligens i Ryssland
1.1.3. Funktionsstrukturen för det artificiella intelligenssystemet
1.2. Anvisningar för utveckling av artificiell intelligens
1.3. Data och kunskap. Representation av kunskap i intelligenta system
1.3.1. Data och kunskap. Grundläggande definitioner
1.3.2. Kunskapsrepresentationsmodeller
1.4. Expert system
1.4.1. Expert systemstruktur
1.4.2. Utveckling och användning av expertsystem
1.4.3. Klassificering av expertsystem
1.4.4. Representation av kunskap i expertsystem
1.4.5. Expertverktyg för konstruktion av system
1.4.6. Expert systemutvecklingsteknik
Kontrollfrågor och uppgifter för kapitel 1
Litteratur för kapitel 1
Kapitel 2. Logisk programmering
2.1. Programmeringsmetoder
2.1.1. Imperativ programmeringsmetodik
2.1.2. Objektorienterad programmeringsmetodik
2.1.3. Funktionell programmeringsmetodik
2.1.4. Logisk programmeringsmetodik
2.1.5. Begränsning av programmeringsmetodik
2.1.6. Neurologisk nätverksprogrammeringsmetodik
2.2. En kort introduktion till Predicate Calculus och Theorem Proofs
2.3. Inferensprocess på Prolog -språk
2.4. Struktur för ett Prolog -program
2.4.1. Använda sammansatta objekt
2.4.2. Använda alternativa domäner
2.5. Organisation av repetitioner i Prolog
2.5.1. Återställningsmetod efter fel
2.5.2. Clipping and Rollback Method
2.5.3. Enkel rekursion
2.5.4. Generalized recursion rule (GPR) metod
2.6. Listor på Prolog -språk
2.6.1. Lista operationer
2.7. Prolog strängar
2.7.1. Strängoperationer
2.8. Prolog -filer
2.8.1. Prolog File Predicates
2.8.2. Beskrivning av fildomän
2.8.3. Skriv till fil
2.8.4. Läser från en fil
2.8.5. Ändra en befintlig fil
2.8.6. Lägg till i slutet av en befintlig fil
2.9. Skapa dynamiska databaser i Prolog
2.9.1. Databaser i Prolog
2.9.2. Dynamiska databaspredikat i Prolog
2.10. Skapande av expertsystem
2.10.1. Expert systemstruktur
2.10.2. Kunskapsrepresentation
2.10.3. Uttagsmetoder
2.10.4. Användargränssnittssystem
2.10.5. Expertsystem baserat på regler
Kontrollfrågor och uppgifter för kapitel 2
Litteratur för kapitel 2
Kapitel 3. Neurala nätverk
3.1. Introduktion till neurala nätverk
3.2. Konstgjord neuronmodell
3.3. Tillämpning av neurala nätverk
3.4. Neuralt nätverk utbildning
Kontrollfrågor och uppgifter för kapitel 3
Litteratur för kapitel 3.

Gratis nedladdning e-bok i ett bekvämt format, titta och läs:
Ladda ner boken Fundamentals of Artificial Intelligence, Borovskaya E.V., Davydova N.A., 2016 - fileskachat.com, snabb och gratis nedladdning.

Armavir State

Pedagogiskt universitet

GRUNDLÄGGANDE FÖR ARTIFICIAL INTELLIGENCE

för studenter som studerar i specialiteten "Informatik"

Armavir 2004

Publicerad av UMS ASPU: s beslut

Granskare :, Kandidat för fysikaliska och matematiska vetenskaper, docent, chef för internetcentret för Kabardino-Balkarian State Agricultural Academy

Kozyrev av artificiell intelligens. Studiehandledningen för studenter som studerar i specialiteten "datavetenskap". - Armavir, 2004.

De grundläggande begreppen artificiell intelligens, riktningar och utsikter för utveckling av forskning inom artificiell intelligens, grunden för det logiska programmeringsspråket PROLOG betraktas.

Utbildningsmanualen är avsedd för studenter som studerar i specialiteten "datavetenskap", och kan också användas av alla som är intresserade av artificiell intelligens och logisk programmering.

Inledning ………………………………………………… .. …………………… ... 4

1. Artificiell intelligens: ämne, historia
utveckling, forskningsinriktningar …… .. ………………… .. 5

1.1. Forskningsinriktningar inom området
artificiell intelligens… .. ………………………………………… .. 5

artificiell intelligens .... ………………………… .. ……………… ..... 6

2. Kunskapssystem ……………………………………………………… .. 8

3. Modeller av kunskapsrepresentation ………………………………………. nio

3.1. Semantiska nätverk ………………………………………………… ..9

3.2. Rammodell ……………………………………………. ………… 10

3.3. Produktionsmodell …………………………………………………… ..11

3.4. Logisk modell …………………………………………………………. .12

4. Expertsystem …………………………………………… ... ... 12

4.1. Utnämning av expertsystem …………………………………………… .12

4.2. Typer av uppgifter som löses med hjälp av expertsystem …………… .14

4.3. Expertsystemens struktur ……………………………………… ... 15

4.4. De viktigaste stadierna i utvecklingen av expertsystem …………………… 16

4.5. Expertverktyg för systemutveckling ……… 18

5. PROLOG - logiskt programmeringsspråk ……… .19

5.1. Allmän information om PROLOGEN ………………………………………… 19

5.2. Förslag: fakta och regler …………………………………………… 20

5.4. Variabler i PROLOG ………………………………………… ... 22

5.5. Objekt och datatyper i PROLOGEN ……………………………… ... 23

5.6. Huvuddelar i PROLOG-programmet …………………………… .23

5.7. Backtracking ………………………………………………… ... 24

5.8. Kontrollera backtracking: misslyckas och klippa predikat ... 26

5.9. Aritmetiska beräkningar ………………………………………… 27

5.10. Rekursion ………………………………………………………………… .28

5.11. Listor ……………………………………………………………………… 30

5.12. Vanliga uppgifter för listbehandling ………………………….… .31

Litteratur………………………………………………............................... .35

Introduktion

Under de senaste decennierna har artificiell intelligens invaderat alla verksamhetsområden och blivit ett sätt att integrera vetenskaper. Programverktyg baserade på teknik och metoder för artificiell intelligens har blivit utbredda i världen. Intensiv forskning för att skapa en enhetlig informationsutrymme, som skapar förutsättningar för gemensamt distansarbete på grundval av kunskapsbaser, har idag alla ekonomiskt utvecklade länder börjat bedriva. Kursen "Grundläggande för artificiell intelligens" i högre utbildning inkluderar studier av sådana avsnitt som presentation av kunskap i ett formellt språk, strukturen i expertsystem och de grundläggande principerna för deras utveckling, olika strategier för att hitta ett mål. En av kursens huvudlinjer är diskussionen om implementering av artificiella intelligenssystem för att lösa specifika tillämpade problem.

Visual Prolog mjukvaruutvecklingsmiljö betraktas som ett datorstöd för kursen. Programmeringsspråket Prolog, baserat på idéerna och metoderna för matematisk logik, skapades ursprungligen för utveckling av applikationer för artificiell intelligens. Applikationer som kunskapsbaser, expertsystem, naturliga språkgränssnitt och intelligenta informationshanteringssystem programmeras effektivt i Visual Prolog -miljön. En hög abstraktion, förmågan att representera komplexa datastrukturer och simulera logiska relationer mellan objekt gör det möjligt att lösa problem inom olika ämnesområden.

Utbildningsmanualen "Fundamentals of Artificial Intelligence" kommer att hjälpa till att utöka idéerna för den framtida datavetenskapsläraren om tillämpningsområdena för teorin om artificiell intelligens, om tillgängliga och lovande programmeringsspråk och hårdvarustrukturer för att skapa artificiella intelligenssystem.

1. Artificiell intelligens: ämne, utvecklingshistoria, forskningsinriktningar.

Intellectus(lat) - sinne, förnuft, förnuft, tänkande förmåga hos en person. Artificiell intelligens(AI) är ett datavetenskapligt område, vars ämne är utveckling av hård- och mjukvaruverktyg som gör att användaren kan lösa problem som traditionellt anses vara intelligenta. Teorin om artificiell intelligens är kunskapens vetenskap, hur man extraherar den, representerar den i artificiella system, bearbetar den inom systemet och använder den för att lösa praktiska problem. AI -teknik används idag i många tillämpningsområden.

Början av forskning inom AI (slutet av 50 -talet av 1900 -talet) är förknippat med verk av Newell, Syman och Shaw, som undersökte processerna för att lösa olika problem. Resultaten av deras arbete var sådana program som "LOGIK-THEORETIK", avsedda att bevisa satser i propositional calculus och "ALLMÄN PROBLEMLÖSNING". Detta arbete markerade början på den första fasen av AI -forskning relaterad till mjukvaruutveckling, lösa problem baserat på användning av en mängd olika heuristiska metoder.

I det här fallet ansågs den heuristiska metoden för att lösa ett problem vara karaktäristisk för mänskligt tänkande "i allmänhet", vilket kännetecknas av gissningar om hur man löser problemet med deras efterföljande verifiering. Han motsatte sig den algoritmiska metoden som användes i datorn, som tolkades som den mekaniska implementeringen av en given stegsekvens, vilket deterministiskt ledde till rätt svar. Tolkningen av heuristiska metoder för att lösa problem som en rent mänsklig aktivitet ledde till uppkomsten och vidare spridning av termen AI

A. Neurocybernetik.

Neurocyberietik fokuserar på hårdvarumodellering av strukturer som liknar hjärnans struktur. Fysiologer har länge fastställt att grunden för den mänskliga hjärnan är ett stort antal sammankopplade och interagerande nervceller - neuroner. Därför var neurocybernetikens ansträngningar inriktade på att skapa element som liknar neuroner och kombinera dem till fungerande system. Dessa system kallas vanligtvis neurala nätverk eller neurala nätverk. V senare tid neurocybernetik började utvecklas igen på grund av ett steg i utvecklingen av datorer. Neuro -datorer och transformatorer dök upp.

För närvarande används tre metoder för att skapa neurala nätverk:

hårdvara- skapande av speciella datorer, expansionskort, chipset som implementerar alla nödvändiga algoritmer,

program- skapande av program och verktyg avsedda för högpresterande datorer. Nätverk skapas i datorns minne, allt arbete utförs av sina egna processorer;

hybrid- en kombination av de två första. En del av beräkningarna utförs av speciella expansionskort (samprocessorer) och en del av programvara.

B. Cybernetik i den "svarta lådan".

Grunden för black box -cybernetik är motsatsen till neurocybernetik. Det spelar ingen roll hur "tänkande" enheten fungerar. Huvudsaken är att den reagerar på de givna inmatningsinflytandena på samma sätt som den mänskliga hjärnan.

Denna riktning för artificiell intelligens var inriktad på att hitta algoritmer för att lösa intelligenta problem på befintliga datormodeller.

Forskning inom artificiell intelligens har kommit en lång och taggig väg: de första hobbyerna (1960), pseudovetenskapen (1960-65), framgångar med att lösa gåtor och spel (), besvikelse när det gäller att lösa praktiska problem (), de första framgångarna inom lösa ett antal praktiska problem (), mass kommersiell användning för att lösa praktiska problem (). Men grunden för kommersiell framgång bildas med rätta av expertsystem och först och främst expertsystem i realtid. Det var de som tillät artificiell intelligens att flytta från spel och pussel till massanvändning för att lösa praktiskt taget betydande problem.

1.2. Huvuduppgifterna löses på fältet
artificiell intelligens

Kunskapsrepresentation och utveckling av kunskapsbaserade system

Utveckling av modeller för kunskapsrepresentation, skapande av kunskapsbaser som utgör kärnan i expertsystem (ES). Nyligen innehåller den modeller och metoder för att extrahera och strukturera kunskap och går samman med kunskapsteknik. Inom artificiell intelligens har expertsystem och verktyg för deras utveckling uppnått den största kommersiella framgången.

Spel och kreativitet.

Spelintellektuella uppgifter - schack, pjäser, gå. Den är baserad på en av de tidiga metoderna - labyrintmodellen plus heuristik.

Naturligt språkgränssnitt och maskinöversättning

Röststyrning, översättning från språk till språk. Det första programmet inom detta område är en översättare från engelska till ryska. Den första idén, översättning ord för ord, visade sig vara fruktlös. För närvarande används en mer komplex modell, inklusive analys och syntes av naturliga språkmeddelanden, som består av flera block. För analys är dessa:

Språket som använder produktionsmodellen är PROLOG.

3.4. Logisk modell

Deras beskrivning bygger på ett formellt system med fyra element:

M =<Т, Р, А, В >, var

T är en uppsättning grundläggande element av olika slag med lämpliga förfaranden;

P är en uppsättning syntaktiska regler. Med deras hjälp bildas syntaktiskt korrekta sammansättningar av T -elementen. Procedur P (R) avgör om denna uppsättning är korrekt;

A är en delmängd av uppsättningen P, kallad axiom. Förfarande P (A) ger ett svar på frågan om att tillhöra uppsättningen A;

B - uppsättning slutsatser. Genom att tillämpa dem på elementen i A kan du få nya syntaktiskt korrekta samlingar, som du kan tillämpa dessa regler på igen. Procedur P (B) avgör, för varje syntaktiskt korrekt samling, om den är avledbar.

4. Expertsystem

4.1. Utnämning av expertsystem

Expert system(ES) är komplexa mjukvarupaket som samlar kunskaper från specialister inom specifika ämnesområden och replikerar denna empiriska erfarenhet för råd från mindre kvalificerade användare.

Syftet med studiet av expertsystem är att utveckla program som, när man löser problem från ett visst ämnesområde, får resultat som inte är sämre i kvalitet och effektivitet än resultaten som erhållits av experter.

Expertsystem är utformade för att lösa icke-formaliserade, praktiska uppgifter. Användningen av ett expertsystem bör endast användas när deras utveckling är möjlig och ändamålsenlig.

Fakta som indikerar behovet av att utveckla och implementera expertsystem:

Brist på yrkesverksamma som ägnar betydande tid åt att hjälpa andra;

Behovet av ett stort team av specialister, eftersom ingen av dem har tillräcklig kunskap;

Låg produktivitet, eftersom uppgiften kräver en fullständig analys av en komplex uppsättning villkor, och en vanlig specialist inte kan se (under den tilldelade tiden) alla dessa förhållanden;

Närvaron av konkurrenter som har fördelen att de är bättre på uppgiften.

Förbi funktionell expertsystem kan delas in i följande typer:

1. Kraftfulla expertsystem utformade för en smal cirkel av användare (styrsystem för komplex teknisk utrustning, luftvärns expertsystem). Sådana system fungerar vanligtvis i realtid och är mycket dyra.

2. Expertsystem utformade för ett stort antal användare. Dessa inkluderar medicinska diagnostiska system, komplexa utbildningssystem. Kunskapsbasen för dessa system är inte billig, eftersom den innehåller unik kunskap från experter. Kunskapsinsamling och bildandet av en kunskapsbas utförs av en kunskapsinsamlingsspecialist - en kognitiv ingenjör.

3. Expertsystem med få regler och relativt billiga. Dessa system är avsedda för allmänheten (system som gör det lättare att felsöka hårdvara). Användningen av sådana system gör det möjligt att undvika högkvalificerad personal för att minska tiden för felsökning. Kunskapsbasen för ett sådant system kan kompletteras och ändras utan att ta hjälp av systemutvecklarna. De använder vanligtvis kunskap från olika referenshandböcker och teknisk dokumentation.

4. Enkla expertsystem för individuellt bruk. Görs ofta självständigt. Används i situationer för att underlätta det dagliga arbetet. Användaren, efter att ha organiserat reglerna i en viss kunskapsbas, skapar sitt eget expertsystem utifrån det. Sådana system används inom rättsvetenskap, kommersiell verksamhet och reparation av enkel utrustning.

Användningen av expertsystem och neurala nätverk medför betydande ekonomiska fördelar. Till exempel: - American Express minskade sina förluster med 27 miljoner dollar per år tack vare ett expertsystem som bestämmer om det är lämpligt att emittera eller vägra ett lån till ett visst företag; - DEC sparar $ 70M årligen med XCON / XSEL, anpassad konfigurerbar datorsystem VAX. Dess användning minskade antalet fel från 30% till 1%; - Sira har minskat rörledningskostnaderna i Australien med 40 miljoner dollar med ett pipeline -expertsystem.

4.2. Typer av uppgifter som löses med
expert system

Tolkning av data... Tolkning avser definitionen av dataens betydelse, vars resultat måste vara konsekventa och korrekta. Exempel på ES:

Upptäckt och identifiering av olika typer av havsgående fartyg - SIAP;

Bestämning av de viktigaste personlighetsdragen baserat på resultaten av psykodiagnostiska tester i AUTANTEST- och MICROLUSHER -system etc.

Diagnostik... Diagnostik avser upptäckt av ett fel i ett visst system. Exempel på ES:

Diagnostik och behandling av koronar vasokonstriktion - ANGI;

Diagnostik av fel i hårdvara och datorprogramvara - CRIB -system etc.

Övervakning... Huvuduppgiften för övervakning är kontinuerlig tolkning av data i realtid och signalering att vissa parametrar ligger utanför intervallet. Huvudproblemen är "hoppa över" larmsituationen och den omvända uppgiften att "falsk" utlösa. Exempel på ES:

Kontroll över driften av kraftverk SPRINT, bistånd till avsändare av en kärnreaktor - REAKTOR:

Kontroll av nödsensorer vid en kemisk fabrik - FALCON, etc.

Design... Design består i att förbereda specifikationer för skapandet av "objekt" med fördefinierade egenskaper. Specifikationen avser hela uppsättningen nödvändiga dokument ritning, förklarande anmärkning etc. Exempel på ES:

Design av VAX - 1/780 datorkonfigurationer i XCON (eller R1) -systemet,

LSI -design - CADHELP;

Syntes av elektriska kretsar - SYN et al.

Prognos. Prediktiva system utleder logiskt troliga konsekvenser av givna situationer. Exempel på ES:

Väderprognoser - WILLARD -system:

Uppskattningar av den framtida skörden - PI. MYRA;

Prognoser i ekonomin - ECON et al.

Planera. Planering avser att hitta handlingsplaner relaterade till objekt som kan utföra vissa funktioner. I sådana ES används modeller av beteende för verkliga objekt för att logiskt utläsa konsekvenserna av den planerade aktiviteten. Exempel på ES:

Robotbeteendeplanering - STRIPS,

Industriell orderplanering - 1SIS,

Experimentplanering - MOLGEN et al.

Utbildning. Inlärningssystem diagnostiserar fel i studier av en disciplin med hjälp av en dator och föreslår rätt beslut. De samlar kunskap om en hypotetisk "elev" och hans karakteristiska misstag, sedan kan de i sitt arbete diagnostisera svagheter i elevernas kunskaper och hitta lämpliga medel för att eliminera dem. Exempel på ES:

Lär dig programmeringsspråket Lisp i Lisp -lärarsystemet;

PROUST -system - undervisning i Pascal -språk, etc.

Lösningarna i expertsystem är transparenta, det vill säga att de kan förklaras för användaren på en kvalitativ nivå.

Expertsystem kan komplettera sina kunskaper under interaktion med en expert.

4.3. Expertsystemens struktur

Expertsystemens struktur innehåller följande komponenter:

Kunskapsbas- kärnan i ES, kunskapen om ämnesområdet, inspelad på ett maskinmedium i en form som är förståelig för en expert och en användare (vanligtvis på ett språk som är nära naturligt). Parallellt med denna "mänskliga" representation finns det en kunskapsbas i den interna "maskin" -representationen. Den består av en uppsättning fakta och regler.

Fakta - beskriv objekt och förhållandet mellan dem. Regler - Används i kunskapsbasen för att beskriva relationer mellan objekt. Slutsats utförs baserat på de relationer som definieras av reglerna.

Databas- är avsedd för tillfällig lagring av fakta och hypoteser, innehåller mellanliggande data eller resultatet av kommunikation mellan system och användare.

Maskinens slutsats- en resonemangsmekanism som arbetar med kunskap och data för att få ny data; för detta används vanligtvis en mjukvaruimplementerad mekanism för att hitta lösningar.

Kommunikationsdelsystem- tjänar till att föra en dialog med användaren, under vilket expertsystemet ber användaren om nödvändiga fakta för resonemangsprocessen, samt att låta användaren styra resonemanget i viss utsträckning.

Förklara delsystem- är nödvändigt för att ge användaren möjlighet att styra resonemanget.

Delsystem för kunskapsförvärv- ett program som ger en kunskapsingenjör möjlighet att skapa kunskapsbaser i ett interaktivt läge. Innehåller ett system med kapslade menyer, mallar för språket för kunskapsrepresentation, tips ("hjälp" - läge) och andra serviceverktyg som underlättar arbetet med databasen.

Expertsystemet fungerar i två lägen:

Förvärv av kunskap (definition, modifiering, tillägg);

Problemlösning.

I detta läge behandlas uppgiftsdata och överförs efter lämplig kodning till blocken i expertsystemet. Resultaten av behandlingen av de erhållna uppgifterna skickas till rådgivnings- och förklaringsmodulen och, efter omkodning till ett naturligt språk, utfärdas i form av råd, förklaringar och kommentarer. Om svaret inte är klart för användaren kan han kräva en förklaring från expertsystemet för att få det.

4.4. De viktigaste stadierna i utvecklingen av expertsystem

Den tekniska processen för att utveckla ett industriellt expertsystem kan delas in i sex huvudsteg:

1. Att välja rätt problem

Aktiviteter som ledde fram till beslutet att börja utveckla ett specifikt ES inkluderar:

Definition av problemområdet och uppgiften;

Hitta en expert som är villig att samarbeta för att lösa problemet och tilldela ett utvecklingsteam;

Fastställande av en preliminär metod för att lösa problemet;

Analys av kostnader och vinster från utveckling;

Förberedelse detaljplan utveckling.

2. Utveckling av ett prototypsystem

Prototyp systemär en trunkerad version av expertsystemet, utformat för att kontrollera att kodning av fakta, relationer och strategier för expertresonemang är korrekt.

Prototypen måste uppfylla två krav:

Ett prototypsystem bör lösa de vanligaste problemen, men det ska inte heller vara stort.

Den tid och ansträngning som är involverad i prototyper bör vara försumbar.

Prototypprogrammens arbete utvärderas och verifieras för att anpassa det till användarnas verkliga behov. Prototypen kontrolleras för:

Bekvämligheten och lämpligheten för input-output-gränssnitten (frågans karaktär i dialogen, sammanhanget i resultatets texttext etc.)

Kontrollstrategins effektivitet (uppräkningens ordning, användningen av flummig slutsats, etc.);

Kvaliteten på testfall;

Kunskapsbasens riktighet (fullständighet och konsekvens i reglerna).

En expert arbetar vanligtvis med en kunskapsingenjör som hjälper till att strukturera kunskap, definiera och bilda de begrepp och regler som behövs

för att lösa problemet. Om det lyckas, expanderar experten med hjälp av kognitionsingenjören kunskapsbasen för prototypen om problemdomänen.

Om det misslyckas kan man dra slutsatsen att. Vilka andra metoder behövs för att lösa detta problem eller utveckla en ny prototyp.

3. Utveckling av en prototyp till ett industriellt expertsystem.

I detta skede utökas kunskapsbasen avsevärt, stort antal ytterligare heuristik. Dessa heuristik ökar vanligtvis systemets djup genom att tillhandahålla fler regler för subtila aspekter av enskilda fall. Efter att ha fastställt den grundläggande strukturen för ES fortsätter kunskapsingenjören till utveckling och anpassning av gränssnitt, med hjälp av vilket systemet kommer att kommunicera med användaren och experten.

Som regel realiseras en smidig övergång från prototyper till industriella expertsystem. Ibland, när man utvecklar ett industrisystem, utmärks ytterligare steg för övergången: demonstrationsprototyp - forskningsprototyp - fungerande prototyp - industrisystem.

4. Bedömning av systemet

Expertsystem utvärderas för att kontrollera programmets riktighet och dess användbarhet. Bedömningen kan utföras utifrån olika kriterier, som vi kommer att gruppera enligt följande:

Användarkriterier (tydlighet och "transparens" i systemet, användarvänlighet i gränssnitt, etc.);

Kriterier för inbjudna experter (utvärdering av rådslösningar som erbjuds av systemet, jämför det med våra egna lösningar, bedömning av delsystemet med förklaringar, etc.);

Kriterier för utvecklingsteamet (implementeringseffektivitet, produktivitet, responstid, design, omfattning, kunskapsbasens konsekvens, antal blockeringar när systemet inte kan fatta ett beslut, analys av programmets känslighet för mindre förändringar i kunskapsrepresentation, vikter som används i logisk utdata, data, etc.).

5. Docka systemet

I detta skede dockning av expertsystemet med andra med mjukvara i den miljö det kommer att fungera i och utbildningen av de människor det kommer att tjäna. Dockning innebär också utvecklingen av kopplingar mellan expertsystemet och den miljö där det verkar.

Dockning inkluderar att säkerställa anslutningen av ES med befintliga databaser och andra system i företaget, samt att förbättra systemfaktorer som är beroende av tid, så att det kan tillhandahållas mer effektivt arbete och förbättra dess egenskaper tekniska medel om systemet fungerar i en ovanlig miljö (till exempel kommunikation med mätanordningar).

6. Systemstöd

Omkodning av ett system till ett språk som C förbättrar prestanda och portabilitet, men minskar flexibiliteten. Detta är endast acceptabelt om systemet behåller all kunskap om problemområdet och denna kunskap kommer inte att förändras inom en snar framtid. Men om expertsystemet skapas just för att problemområdet förändras, är det nödvändigt att behålla systemet i utvecklingsmiljön.

Artificiell intelligens Språk

Lisp (LISP) och Prolog (Prolog) är de vanligaste språken för att lösa problem med artificiell intelligens. Det finns också mindre vanliga språk för artificiell intelligens, till exempel REFAL, utvecklat i Ryssland. Mångsidigheten hos dessa språk är mindre än för traditionella språk, men artificiella intelligensspråk kompenserar förlusten av rika möjligheter att arbeta med symboliska och logiska data, vilket är oerhört viktigt för artificiell intelligensuppgifter. Baserat på språk för artificiell intelligens skapas specialiserade datorer (till exempel Lisp -maskiner) som är utformade för att lösa problem med artificiell intelligens. Nackdelen med dessa språk är deras olämplighet för att skapa hybrid -expertsystem.

Särskilda mjukvaruverktyg

Bibliotek och tillägg för det artificiella intelligensspråket Lisp: KEE (kunskapsteknikmiljö), FRL (ramrepresentationsspråk), KRL (kunskapsrepresentationsspråk), ARTS, etc., så att användare kan arbeta med expertsystem på en högre nivå än är möjligt i konventionella artificiella intelligensspråk.

"Skal"

"Skal" är tomma "versioner av befintliga expertsystem, det vill säga färdiga expertsystem utan kunskapsbas. Ett exempel på ett sådant skal är EMYCIN (Tom MYCIN), som är ett tomt MYCIN-expertsystem. Att de inte gör det kräver att programmerare överhuvudtaget skapar ett färdigt expertsystem.Det kräver bara att specialister på domänen fyller kunskapsbasen.Om en viss domän inte passar bra med modellen som används i ett visst skal fyller du dock kunskapsbas i detta fall är mycket svårt.

5. PROLOG - det logiska språket
programmering

5.1. Allmän information om PROLOGEN.

PROLOG (PROGRAMMERING I LOGIC) är ett logiskt programmeringsspråk som är utformat för att lösa problem inom artificiell intelligens (skapande av ES, översättningsprogram, bearbetning av naturligt språk). Det används för bearbetning av naturligt språk och har kraftfulla medel som gör det möjligt att hämta information från databaser, och sökmetoderna som används i den skiljer sig i grunden från de traditionella.

PROLOGENS grundkonstruktioner är lånade från logiken. PROLOG är inte ett procedurspråk, utan ett deklarativt programmeringsspråk. Det är inte fokuserat på utveckling av lösningar, utan på en systematiserad och formaliserad beskrivning av problemet så att lösningen följer av den skriftliga beskrivningen.

Kärnan i det logiska tillvägagångssättet är att maskinen som program inte erbjuds en algoritm, utan en formell beskrivning av ämnesområdet och problemet som ska lösas i form av ett axiomatiskt system. Sedan kan sökningen efter en lösning som använder utdata i detta system anförtros själva datorn. Programmerarens huvuduppgift är att framgångsrikt representera ämnesområdet med ett system med logiska formler och med en sådan uppsättning relationer på det som mest fullständigt beskriver uppgiften.

PROLOGENS grundläggande egenskaper:

1) sök och returnera inferensmotor

2) inbyggd mönstermatchningsmotor

3) enkel och lätt föränderlig datastruktur

4) frånvaron av pekare, tilldelnings- och hoppoperatörer

5) naturlig rekursion

Etapper av PROLOG programmering:

1) tillkännagivande av fakta om objekt och relationer mellan dem;

2) bestämning av reglerna för objektförhållandet och förhållandet mellan dem;

3) formulering av frågan om objekt och förhållandet mellan dem.

Den teoretiska grunden för PROLOGEN är en gren av symbolisk logik som kallas predikatkalkylen.

PredikatÄr namnet på en egenskap eller relation mellan objekt med en sekvens av argument.

<имя_предиката>(t1, t2, ..., tn)), t1, t2, ..., tn är argument

Till exempel är det faktum att svart (katt) skrivs med predikatet svart, som har ett argument. Faktum skrev (Sholokhov, "QUIET DON") skrivet med predikatet skrev som har två argument.

Antalet argument för ett predikat kallas predikatets arity och betecknas med svart / 1 (det svarta predikatet har ett argument, dess arity är lika med ett). Predikat kan inte ha några argument; arten av sådana predikat är 0.

Prologspråket växte fram ur arbetet av A. Colmerauer om bearbetning av naturligt språk och R. Kowalskis oberoende arbete om logikens tillämpning i programmering (1973).

Det mest kända i Ryssland är programmeringssystemet Turbo Prolog - en kommersiell implementering av språket för IBM -kompatibla datorer. 1988 släpptes en mycket kraftfullare version av Turbo Prolog 2.0, inklusive en förbättrad integrerad programmeringsmiljö, snabb kompilator och programmeringsverktyg på låg nivå. Borland distribuerade denna version fram till 1990, då PDC fick monopol på användningen av kompilatorns källkod och vidare marknadsföring av programmeringssystemet under namnet PDC Prolog.

1996 lanserar Prolog Development Center Visual Prolog 4.0 -systemet på marknaden. Visual Prolog -miljön använder ett tillvägagångssätt som kallas "visuell programmering", där programmets utseende och beteende definieras med hjälp av speciella grafiska designverktyg utan traditionell programmering i ett algoritmiskt språk.

Visual Prolog innehåller en interaktiv visuell utvecklingsmiljö (VDE - Visual Develop Environment), som innehåller text och diverse grafisk redaktör, kodgenereringsverktyg som konstruerar styrlogik (experter) och ett gränssnitt för språkförlängning visuell programmering(VPI - Visual Programming Interface), Prolog -kompilator, en uppsättning olika inkluderar filer och bibliotek, länkredigerare, filer som innehåller exempel och hjälp.

5.2. Förslag: fakta och regler

Programmet PROLOG består av meningar, som kan vara fakta, regler eller frågor.

Faktum- Detta är ett påstående om att ett visst förhållande mellan objekt observeras. Fakta används för att visa ett enkelt samband mellan data.

Fakta struktur:

<имя_отношения>(t1, t2, ..., tn)), t1, t2, ..., tn är objekt

Exempel på fakta:

studerar (ira, universitet). % Ira studerar vid universitetet

förälder (ivan, alexei). Ivan är förälder till Alexey

programmeringsspråk (prolog). % Prolog är ett programmeringsspråk

Uppsättningen av fakta är databas... I själva verket registrerar programmet data som accepteras som sanna och inte kräver bevis.

regler används för att upprätta relationer mellan objekt baserat på tillgängliga fakta.

Regelstruktur:

<имя_правила> :- <тело правила>eller

<имя_правила >om<тело правила>

Den vänstra sidan av slutsatsregeln kallas huvud regler, och den högra sidan är kropp... Kroppen kan bestå av flera förhållanden, åtskilda av kommatecken eller semikolon. Ett komma betyder en logisk OCH -operation, ett semikolon betyder en logisk ELLER -operation. Meningarna använder variabler för att sammanfatta slutsatserna. Variabler är giltiga i endast en mening. Namnet i olika meningar indikerar olika objekt. Alla meningar måste sluta med en prick.

Exempel på regler:

mor (X, Y): - förälder (X, Y), kvinna (X).

student (X): - studier (X, institut); studerar (X, universitet).

En regel skiljer sig från ett faktum genom att ett faktum alltid är sant, och en regel är sann om alla påståenden som utgör regeln är sanna. Fakta och regler formas kunskapsbas.

Om du har en databas kan du skriva förfrågan(mål) till henne. En begäran är en formulering av ett problem som ett program måste lösa. Dess struktur är densamma som en regel eller ett faktum. Det finns ständiga frågor och variabla frågor.

Med ständiga frågor kan du få ett av två svar: "ja" eller "nej"

Till exempel finns det fakta:

vet (Lena, Tanya).

vet (lena, sasha).

vet (sasha, tanya).

a) Känner Lena Sasha?

förfrågan: vet (lena, sasha).

Resultat: ja

b) Känner Tanya Lena?

förfrågan vet (tanya, lena).

Resultat: Nej

Om en variabel ingår i begäran försöker tolken hitta sådana värden som begäran är sann för.

a) Vem känner Lena?

förfrågan: vet (Lena, X).

Resultat:

X = tanya

X = sasha

b) Vem känner Sasha?

förfrågan: vet (X, sasha).

Resultat: X = Lena

Frågor kan vara sammansatta, det vill säga att de kan bestå av flera enkla frågor. De förenas av tecknet ",", som förstås som ett logiskt bindande "och".

Enkla frågor kallas delmål, utvärderas en sammansatt fråga till sann när varje delmål är sant.

För att svara på om Lena och Sasha har gemensamma bekanta bör du göra en begäran:

känner (Lena, X), vet (Sasha, X).

Resultat:

X = Tanya

5.4. Variabler i PROLOG

Variabeln i PROLOGEN anses inte vara en tilldelad bit av minne. Det tjänar till att beteckna ett objekt som inte kan refereras till med namn. En variabel kan betraktas som ett lokalt namn för något objekt.

Variabelnamnet måste börja med en stor bokstav eller understreck och endast innehålla bokstäver, siffror och understreck: X, _y, AB, X1. En variabel som inte spelar någon roll kallas fri, en variabel som har ett värde - konkretiserad.

En variabel som endast består av understrykstecknet kallas anonym och används om dess betydelse är irrelevant. Till exempel finns det fakta:

förälder (Ira, Tanya).

förälder (misha, tanya).

förälder (Olya, Ira).

Det är nödvändigt att identifiera alla föräldrar

Förfrågan: förälder (x, _)

Resultat:

X = Ira

X = Misha

X = Olya

Omfattningen av en variabel är påstående. Inom ett uttalande tillhör samma namn samma variabel. Två påståenden kan använda samma variabelnamn på väldigt olika sätt.

Det finns ingen uppdragsoperatör i PROLOG; dess roll spelas av jämställdhetsoperatören =. Mål X = 5 kan ses som en jämförelse (om X har ett värde) eller som en uppgift (om X är ledigt).

I PROLOGEN kan du inte skriva X = X + 5 för att öka variabelns värde. En ny variabel bör användas: Y = X + 5.

5.5. Objekt och datatyper i PROLOG

Dataobjekten i PROLOGEN anropas villkor... En term kan vara en konstant, variabel eller sammansatt term (struktur). Konstanterna är heltal och riktiga nummer(0, - l, 123,4, 0,23E -5), liksom atomer.

Atom- alla teckenföljder som finns i citattecken. Citat utelämnas om strängen börjar med liten bokstav och innehåller endast bokstäver, siffror och en understrykning (det vill säga om den kan särskiljas från variabelnotation). Exempel på atomer:

abcd, "a + b", "student Ivanov", prolog, "Prolog".

Strukturera låter dig kombinera flera objekt till en enda helhet. Den består av en funktor (namn) och en sekvens av termer.

Antalet komponenter i en struktur kallas strukturens arity: data / 3.

En struktur kan innehålla en annan struktur som ett av dess objekt.

födelsedag (person ("Masha", "Ivanova"), data (15 april 1983))

Domän i PROLOG heter namnet datatypen. Standarddomänerna är:

heltal - hela tal.

riktiga - riktiga siffror.

string - strings (valfri teckenföljd i citattecken).

röding är en enda karaktär innesluten i apostrofer.

symbol - sekvens Latinska bokstäver, siffror och understreck, som börjar med en liten bokstav eller en följd av tecken som finns i citattecken.

5.6. Huvuddelarna i PROLOG -programmet

Som regel består ett PROLOG -program av fyra sektioner.

DOMÄNER- avsnitt som beskriver domäner (typer). Avsnittet används om programmet använder icke-standardiserade domäner.

Till exempel:

FÖRutsägelser - avsnitt för beskrivning av predikat. Avsnittet används om programmet använder icke-standardiserade predikat.

Till exempel:

vet (namn, namn)

elevs namn)

KLAUSULER - avsnitt av förslag. Det är i detta avsnitt som meningar skrivs: fakta och slutsatser.

Till exempel:

vet (lena, ivan).

student (ivan).

förtrogen_student (X, Y): - vet (X, Y), student (Y).

MÅL - målsektion. Detta avsnitt registrerar begäran.

Till exempel:

student_sign (lena, X).

Det enklaste programmet kan bara innehålla ett GOAL -avsnitt, till exempel:

skriv ("Ange ditt namn:"), readln (Namn),

skriv ("Hej", Namn, "!").