1. Область "искусственный интеллект"
Интеллектуальные системы и представление знаний относятся к области "искусственный интеллект", которая активно начала развиваться в 70-х годах. В настоящее время она не потеряла свою актуальность – в связи с необходимостью интеллектуализации ЭВМ, построением систем, обеспечивающих для пользователей в наиболее удобной форме доступ к информации, в том числе, неформализованной. Будущее многих систем видится именно в этом направлении.
Основные направления развития области "искусственный интеллект" изображены на рис.1, где выделены две основные ветви:
- структурное моделирование;
- функциональное моделирование;
Рис. 1
Структурное моделирование связано с исследованием строения человеческого мозга (нейронов) и попыткой на этой основе строить интеллектуальные устройства – в виде нейронных сетей. Однако, оказалось, что нейрон имеет очень сложную организацию и его моделирование и использование этих моделей чрезвычайно трудоемки. Отсюда, данная ветвь оказалась тупиковой. Отметим, что существующие “нейронные сети” (обычно, это программы, реализовывающие метод разделяющих граней в распознавании образов и допускающие высокую степень параллелизма) – не имеют никакого отношения к нейронам головного мозга.
Функциональное моделирование – это реализация интеллектуальных функций с помощью существующих инструментариев. Система рассматривается как черный ящик, где на вход подается определенная информация. Система должна ее обработать и выдать на выход – то что требуется, в зависимости от решаемой задачи. Что находится внутри – это дело разработчика (программиста), который не имеет никакого представления, как такие задачи решает человек. Хотя в ряде случаев (в шахматных, экспертных и других программах) удается использовать эвристики, когда опытный специалист в своей предметной области может их четко выразить на естественном или каком-либо другом языке.
На рис.1 приведены примеры интеллектуальных систем: шахматные программы, устройства распознавания (видеообразов, речи) и др. Они используют различные методики. Например, основой шахматных программ является оценка позиций и выбор разумных ходов, по которым ведется просчет вариантов. В обоих случаях используются эвристики ведущих шахматистов, которые закладываются в программы. В устройствах распознавания образов вводится режим "обучения по примерам". Например, даются различные варианты написания букв А,Б,... Система сама вырабатывает решающие правила, обеспечивающие их распознавание. Отметим, что методики, которые используются в одних системах, никак не могут быть использованы в других. Не удается так познать интеллект шахматной программы, чтоб она могла распознавать образы и наоборот. Системы решают специализированные задачи – своими методами и свойствами.
Особый класс образуют системы, основанные на знаниях. Это прежде всего:
- Информационные системы (базы знаний, вопросо-ответные системы).
- Системы принятия решений – экспертные системы (ЭС).
- Оболочки для построения ЭС.
Оболочки поддерживают язык ввода экспертных знаний, например, знаний опытного врача – для экспертной системы диагностики заболеваний. Причем язык должен быть удобным, чтобы сам врач могвводить свои знания. Оболочка обеспечивает их использование для принятия решений – диагностики.
В качестве примера оболочек, реализованных на языке DECL и имеющих БЗ на РСС можно привести оболочки ШЕДЛ и DECSAY. На их основе было разработано множество прикладных экспертных систем. Например, экспертная система токсиколог работала в институте Склифасовского в конце 80-х начале 90-х годов. В то время привозили много клиентов в состоянии комы от отравлений (в связи с “сухим законом”). Система рекомендовала какие быстрые анализы нужно сделать и как воздействовать на больного, чтоб вывести из состояния комы. Благодаря оболочке ШЕДЛ в эту систему удалось ввести многие полезные эвристики видного профессора – токсиколога.
Другая система ТИБЕТ осуществляла диагноз заболеваний в соответствии с методами тибетской медицины. Благодаря оболочке DECSAY, в систему были введены 12 томов тибетской медицины. Эта оболочка повторяла структуру описаний заболеваний. Поэтому перевод текстов на язык оболочки был достаточно легкой процедурой. Это делали студенты после быстрого обучения.
Особый класс образуют системы обработки текстов:
- Лингвистические процессоры (они обеспечивают формализацию текстов, их отображение на структуры знаний в БЗ).
- Системы аннотирования, реферирования текстов, составление обзоров.
- Системы извлечения из текстов интересующей пользователя информации (text mining). Это бурно развивающееся направление в связи с развитием сети INTERNET.
С их помощью строятся комплексные системы. Для повышения степени их интеллектуальности решаются дополнительные задачи:
- Объяснение, почему именно такое решение.
- Умение выражать знания на естественном языке (ЕЯ) – обратный лингвистический процессор. Умение представлять знания в удобной для пользователя форме (в виде таблицы, сайта, отчета и др.).
- Логический вывод (умение из одних фактов пождать другие).
- Обучение по примерам.
Все эти задачи оказываются связанными между собой. А ряде случаев они решаются одними методами.
Предыдущий раздел|Следующий раздел