Лекция 1.
В основе стратегии интеллектуальных технологий лежит понятие парадигмы - концептуального представления на суть проблемы или задачи и принцип ее решения.
Центральная парадигма интеллектуальных технологий - это обра¬ботка знаний.
Системы, ядром которых является база знаний или модель предметной области, описанная на языке сверхвысокого уровня, прибли¬женном к естественномуязыку, называют интеллектуальными.
Чаще всего интеллектуальные системы (ИС) применяются для решения сложных задач, связанных с использованием слабо формализованных знаний специалистов - практиков, а также с логической обработкой информации. Например, поддержка принятия решения в сложных ситуациях, анализ визуальной информации, управление в электрических цепях электрооборудования и сетях распределенияэлектроэнергии; поиск неисправностей в электронных устройствах, диагностика отка¬зов контрольно - измерительного оборудования и т. д.
Типичными примерами ИС являются:
• экспертные системы (ЭС)
• искусственные нейронные сети (ИНС),
берущие на себя решение вопросов извлечения и структурирования знаний, а также технологические аспекты разработки систем, основанных на знаниях.
Экспертныесистемы – это быстро прогрессирующее направление в области искусственного интеллекта. Современные ЭС представляют собой сложные программные комплексы, аккумулирую¬щие знания специалистов в конкретных предметных областях и распростра¬няющие этот эмпирический опыт для консультирования менее квалифици¬рованных пользователей.
Парадигма ЭС предполагает следующие объекты, а также этапы разработки ифункционирования ИС:
• формализация знаний – преобразование экспертом проблемного знания в форму, предписанную выбранной моделью представления знаний;
• формирование базы знаний (БЗ) – вложение формализованных знаний в программную систему;
• дедукция – решение задачи логического вывода на основе БЗ.
Основные факторы, влияющие на целесообразность и эффективность раз¬работки ЭС:
• нехватка специалистов,затрачивающих значительное время для оказания помощи другим;
• выполнение небольшой задачи требует многочисленного коллектива спе¬циалистов, поскольку ни один из них не обладает достаточным знанием;
• сниженная производительность, поскольку задача требует полного ана¬лиза сложного набора условий, а обычный специалист не в состоянии просмотреть за отведенное время все эти условия;
• большоерасхождение между решениями самых хороших и самых плохих исполнителей;
• большое расхождение между решениями самых хороших и самых плохих исполнителей;
• наличие экспертов, готовых поделиться своим опытом.
Сравнительные свойства прикладных задач для их решения ЭС приведены в таблице 1.Таблица 1.
Критерии применимости ЭС
Применимы ЭС Неприменимы ЭС
Не могут быть построены строгие алгоритмы или процедуры, но существуют эвристические методы решения.
Имеются эффективные алгоритми-ческие методы.
Есть эксперты, которые способны решить задачу. Отсутствуют эксперты или их чис-ло недостаточно.
По своему характеру задачи отно-сятся к области диагностики, интерпретации илипрогнозиро-вания Задачи носят вычислительный характер.
Доступные данные “зашумленны”. Известны точные факты и строгие процедуры.
Задачи решаются методом фор-мальных рассуждений. Задачи решаются процедурными методами, с помощью аналогии или интуитивно.
Знания статичны, неизменны. Знания динамичны меняются со временем.
Недостатки экспертных систем перед человеком-экспертом:
•экспертная система может быть не пригодна для применения пользователем, если у него нет опыта работы с такими системами;
• вопросно-ответный режим, обычно принятый в таких системах, замедляет получение решений;
• существует проблема приведения знаний, полученных от эксперта, к виду, обеспечивающему их эффективную машинную реализацию;
• человек-эксперт при решении задач...
В основе стратегии интеллектуальных технологий лежит понятие парадигмы - концептуального представления на суть проблемы или задачи и принцип ее решения.
Центральная парадигма интеллектуальных технологий - это обра¬ботка знаний.
Системы, ядром которых является база знаний или модель предметной области, описанная на языке сверхвысокого уровня, прибли¬женном к естественномуязыку, называют интеллектуальными.
Чаще всего интеллектуальные системы (ИС) применяются для решения сложных задач, связанных с использованием слабо формализованных знаний специалистов - практиков, а также с логической обработкой информации. Например, поддержка принятия решения в сложных ситуациях, анализ визуальной информации, управление в электрических цепях электрооборудования и сетях распределенияэлектроэнергии; поиск неисправностей в электронных устройствах, диагностика отка¬зов контрольно - измерительного оборудования и т. д.
Типичными примерами ИС являются:
• экспертные системы (ЭС)
• искусственные нейронные сети (ИНС),
берущие на себя решение вопросов извлечения и структурирования знаний, а также технологические аспекты разработки систем, основанных на знаниях.
Экспертныесистемы – это быстро прогрессирующее направление в области искусственного интеллекта. Современные ЭС представляют собой сложные программные комплексы, аккумулирую¬щие знания специалистов в конкретных предметных областях и распростра¬няющие этот эмпирический опыт для консультирования менее квалифици¬рованных пользователей.
Парадигма ЭС предполагает следующие объекты, а также этапы разработки ифункционирования ИС:
• формализация знаний – преобразование экспертом проблемного знания в форму, предписанную выбранной моделью представления знаний;
• формирование базы знаний (БЗ) – вложение формализованных знаний в программную систему;
• дедукция – решение задачи логического вывода на основе БЗ.
Основные факторы, влияющие на целесообразность и эффективность раз¬работки ЭС:
• нехватка специалистов,затрачивающих значительное время для оказания помощи другим;
• выполнение небольшой задачи требует многочисленного коллектива спе¬циалистов, поскольку ни один из них не обладает достаточным знанием;
• сниженная производительность, поскольку задача требует полного ана¬лиза сложного набора условий, а обычный специалист не в состоянии просмотреть за отведенное время все эти условия;
• большоерасхождение между решениями самых хороших и самых плохих исполнителей;
• большое расхождение между решениями самых хороших и самых плохих исполнителей;
• наличие экспертов, готовых поделиться своим опытом.
Сравнительные свойства прикладных задач для их решения ЭС приведены в таблице 1.Таблица 1.
Критерии применимости ЭС
Применимы ЭС Неприменимы ЭС
Не могут быть построены строгие алгоритмы или процедуры, но существуют эвристические методы решения.
Имеются эффективные алгоритми-ческие методы.
Есть эксперты, которые способны решить задачу. Отсутствуют эксперты или их чис-ло недостаточно.
По своему характеру задачи отно-сятся к области диагностики, интерпретации илипрогнозиро-вания Задачи носят вычислительный характер.
Доступные данные “зашумленны”. Известны точные факты и строгие процедуры.
Задачи решаются методом фор-мальных рассуждений. Задачи решаются процедурными методами, с помощью аналогии или интуитивно.
Знания статичны, неизменны. Знания динамичны меняются со временем.
Недостатки экспертных систем перед человеком-экспертом:
•экспертная система может быть не пригодна для применения пользователем, если у него нет опыта работы с такими системами;
• вопросно-ответный режим, обычно принятый в таких системах, замедляет получение решений;
• существует проблема приведения знаний, полученных от эксперта, к виду, обеспечивающему их эффективную машинную реализацию;
• человек-эксперт при решении задач...
Поделиться рефератом
Расскажи своим однокурсникам об этом материале и вообще о СкачатьРеферат