- •1. Определение и 2 направления развития искусственного интеллекта
- •2. Основные направления исследований в области ии
- •3)Моделирования биологических систем.
- •4. Условия для разработки и внедрения экспертных систем. Задачи, подходящие для создания экспертной системы.
- •Различие прототипов эс.
- •3. Интеллектуальные системы и признак структурированности задач.
- •Этапы проектирования эс: выбор проблемы. Коллектив разработчиков эс.
- •7. Основные программные блоки экспертной системы.
- •8. Этапы проектирования эс: оценка, стыковка и поддержка.
- •9. Различия бд и баз знаний
- •10. Продукционная модель знаний
- •11. Диагностические эс байесовского типа.
- •12. Семантические сети.
- •13. Фреймы.
- •14. Схема машины логического вывода. Особенности вывода на знаниях.
- •Стратегии получения знаний (извлечение, приобретение и формирование знаний).
- •Психологический аспект извлечения знаний.
- •Контактный слой:
- •Процедурный слой:
- •Когнитивный слой:
- •Лингвистический аспект извлечения знаний, общий код.
- •Проблема общего кода
- •Понятийная структура
- •Словарь пользователя
- •Текстологические и пассивные методы извлечения знаний.
- •Гносеологический аспект извлечения знаний, проблемы применения критериев научного знания.
- •Активные групповые методы извлечения знаний.
- •Активные индивидуальные методы извлечения знаний.
- •22. Структурирование знаний. Объектно–структурный подход и его свойства. Объектно-структурный анализ знаний о предметной области.
- •23. Алгоритм формирования поля знаний.
- •Уровни реализации моделей нейронных сетей (нс). Нейрокомпьютер. Сравнение архитектуры фон Неймана и архитектуры нейрокомпьютера.
- •Структура и свойства искусственного нейрона.
- •26. Типы нейронных сетей и типы нейронов в многослойной нс. Оценка числа нейронов в скрытых слоях.
- •27. Классы задач, решаемые нс. Примеры использования нс в различных предметных областях.
- •28. Определение и схема процесса обучения нс. От чего зависит качество обучения нс?
- •29. Алгоритм обратного распространения ошибки.
- •30. Обучение без учителя. Алгоритм Хебба.
- •Понятие самоорганизующейся нс. Настройка числа нейронов в скрытых слоях многослойной нс в процессе обучения.
- •1. Алгоритмы сокращения.
- •2. Конструктивные алгоритмы.
- •32. Нс с обратными связями (сеть Хопфилда и сеть Хемминга).
- •33. Когнитрон. Неокогнитрон.
- •34. Генетические алгоритмы. Отжиг.
- •35. Нечеткая логика. Лингвистическая переменная.
- •Основные понятия теории нечетких множеств: функция принадлежности, нечеткая переменная, нечеткое число.
Лингвистический аспект извлечения знаний, общий код.
Лингвистический аспект - это исследование языковых проблем в процессе извлечения знаний.
Три слоя важных лингвистических проблем, возникающих при извлечении знаний: общий код, понятийная структура, словарь пользователя.
Проблема общего кода
Языки, на которых говорят и размышляют аналитик и эксперт, могут существенно отличаться.
Бытовой и общенаучный языки у двух участников общения примерно совпадают, требуется некоторый общий язык, или код, для успешного взаимодействия партнёров.
После того как общий код более менее определен, возникает разговор.
Разработка общего кода заканчивается составлением словаря терминов предметной области с предварительной группировкой их по смыслу.
Понятийная структура
Основная особенность естественного интеллекта и памяти - это связанность всех понятий в некоторую сеть.
Лингвистическая работа инженера по знаниям на данном слое проблем заключается в построении связанных фрагментов с помощью объединения терминов.
Работа по составлению словаря и понятийной структуры требует лингвистического "чутья", легкости манипулирования терминами и богатого словарного запаса инженера по знаниям, так как зачастую аналитик вынужден самостоятельно разрабатывать словарь признаков. Чем богаче и выразительнее общий код, тем полнее база знаний.
Аналитик (инженер по знаниям) вынужден все время помнить о трудности передачи образов и представлений в устной форме. Часто инженеру по знаниям приходится подсказывать слова и выражения эксперту.
Словарь пользователя
Профессиональный уровень конечного пользователя может не позволить ему применить специальный язык предметной области в полном объеме. Для разработки пользовательского интерфейса необходима дополнительная доработка словаря общего кода.
Словарь пользователя - это доработанный словарь терминов, обеспечивающий пользователю доступность и прозрачность экспертной системы.
Текстологические и пассивные методы извлечения знаний.
Классификация методов извлечения знаний. Основной принцип деления связан с источником знаний. Коммуникативные методы охватывают все виды контактов с живым источником знаний - экспертом, а текстологические касаются методов извлечения знаний из документов и специальной литературы.
Текстологические методы - это когда инженер по знаниям анализирует литературу по предметной области. Группа текстологических методов объединяет методы извлечения знаний, основанные на изучении специальных текстов из учебников, монографий, статей, методик и других носителей профессиональных знаний.
Коммуникативные методы можно разделить на две группы: активные и пассивные. Пассивные и активные методы различаются по роли инженера по знаниям.
Пассивные методы подразумевают, что ведущая роль в процедуре извлечения знаний передается эксперту, в активных методах, напротив, инициатива полностью в руках инженера по знаниям.
К группе пассивных методов относятся (рис.): наблюдения; анализ протоколов "мыслей вслух"; лекции.
Наблюдения. В процессе наблюдений инженер по знаниям находится непосредственно рядом с экспертом; При подготовке к сеансу извлечения эксперту необходимо объяснить цель наблюдений и попросить максимально комментировать свои действия.
Во время сеанса аналитик записывает все действия эксперта, его реплики и объяснения. Может быть сделана и видеозапись в реальном масштабе времени.
Анализ протоколов "мыслей вслух". Протоколирование "мыслей вслух" отличается от наблюдений тем, что эксперта просят не просто прокомментировать свои действия и решения, но и объяснить, как это решение было найдено, т.е. продемонстрировать всю цепочку своих рассуждений.
Лекции. Метод извлечения знаний в форме лекций, как и все пассивные методы, используют в начале разработки как эффективный способ быстрого погружения инженера по знаниям в предметную область.
От инженера по знаниям в этой ситуации требуется лишь грамотно законспектировать лекцию эксперта и в конце задать необходимые вопросы.