Казаков П.В., Шкаберин В.А. Основы искусственного интеллекта

Подождите немного. Документ загружается.

П.В. Казаков, В.А. Шкаберин

ОСНОВЫ

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Утверждено редакционно-издательским советом в качестве

учебного пособия

БРЯНСК

ИЗДАТЕЛЬСТВО БГТУ

2007

УДК 004.896

Казаков, П.В. Основы искусственного интеллекта: учеб. пособие

/ П.В. Казаков, В.А. Шкаберин. - Брянск: БГТУ, 2007. – 196 с. – (Сер.

Информационные системы и технологии).

ISBN 5-89838-302-6

Рассматриваются основные методы научного направления

«Искусственный интеллект». Приводятся их теоретические основы,

а также особенности реализации. Описываются задачи, для

которых применение методов искусственного интеллекта наиболее

эффективно.

Учебное пособие предназначено для студентов всех форм обу-

чения по направлениям «Информатика и вычислительная техника»,

«Информационные системы», а также специалистов, интересующих-

ся новыми информационными технологиями.

Ил. - 83. Табл. – 21. Библиогр. – 14 назв.

Научный редактор

Заслуженный деятель науки РФ,

доктор технических наук, профессор В.И. Аверченков

Рецензенты: кафедра «Информационные системы» Орловского

государственного технического университета; доктор технических

наук, профессор В. Т. Еременко

ISBN 5-89838-302-6

технический университет, 2007

ПРЕДИСЛОВИЕ

Искусственный интеллект является научным направлением, за-

дачи которого связаны с разработкой методов моделирования от-

дельных функций интеллекта человека с помощью программно-

аппаратных средств ЭВМ. Слово «интеллект» употребляется в раз-

личных смыслах и, хотя каждый из его обладателей имеет различное

субъектное мнение, что следует понимать под человеческим интел-

лектом, можно утверждать, что одним из главных его проявлений яв-

ляется способность адекватно реагировать на любую, особенно но-

вую, ситуацию путем корректировки поведения на основе имеющего-

ся опыта. Однако реализация этого с помощью имеющихся стандарт-

ных вычислительных методов проблематична или невозможна в

принципе. Причина этого - свойственный ЭВМ алгоритмический,

строго детерминированный подход к обработке информации, часто

ограничивающий ее использование на уровне мощного калькулятора

с богатыми возможностями визуализации информации при решении

задач количественного характера.

В то же время в таких областях, как автоматизация проектиро-

вания, автоматическое управление, социально-экономические систе-

мы и др. преобладает информация, представленная наборами фактов,

гипотез, правил и закономерностей, сформулированных на качест-

венном уровне. При этом задачи, описанные количественными и ка-

чественными признаками с преобладанием последних, относятся к

слабоструктурированным проблемам и их решение основывается

именно на методах искусственного интеллекта. Среди таких подхо-

дов, применяемых различными исследователями, можно выделить

эвристическое программирование, искусственные нейронные сети,

эволюционное моделирование, нечеткое моделирование, представле-

ние и обработка знаний и др. В настоящем учебном пособии рассмат-

риваются эти методы искусственного интеллекта, а также особенно-

сти их применения при решении ряда практических задач. Знакомст-

во с ними, с одной стороны, необходимо для становления специали-

ста в области новых информационных технологий, с другой – позво-

лит расширить круг пользователей интеллектуального программного

обеспечения.

Учебное пособие состоит из шести глав.

Первая глава знакомит с основными понятиями искусственного

интеллекта, а также исторически сложившимися подходами к

проведению исследований в этом научном направлении. Рассматри-

ваются возможности, а также области применения искусственного

интеллекта.

Вторая глава посвящена методам эвристического программиро-

вания при решении задач искусственного интеллекта. Рассматривает-

ся ключевое понятие эвристики, а также его роль при решении по-

добных задач. Приводятся постановка и принципы решения двух

главных задач эвристического программирования – поиска в про-

странстве состояний и пространстве задач. Также глава знакомит с

особенностями применения принципов эвристического поиска в иг-

ровых моделях, используемых во многих прикладных областях.

Третья глава содержит описание моделей представления знаний

в информационных системах. Особое внимание уделяется классиче-

ским моделям представления знаний: логической, продукционной,

фреймовой, на основе семантической сети. Рассматриваются различ-

ные ситуации, где каждая из моделей может быть использована.

Здесь также приводятся основы формализации нечеткости в знаниях

с применением теории нечетких множеств. В заключение главы от-

мечаются особенности систематизации знаний на основе онтологий.

Четвертая глава содержит сведения о принципах функциониро-

вании и разработки искусственных нейронных сетей, позволяющих

моделировать мыслительные процессы человека. Отмечаются задачи,

где применение этой технологии наиболее эффективно, отличия в ор-

ганизации и функционировании нейрокомпьютеров от традиционных

ЭВМ. Приводится формализация структуры искусственного нейрона,

а также особенности объединения их в слои и нейронные сети. Осо-

бое внимание уделяется методам обучения нейронных сетей, аспек-

там, связанным с повышением эффективности их использования.

Также рассматриваются модификации моделей нейронных сетей и

методов их обучения.

Пятая глава посвящена одному из перспективных направлений в

области искусственного интеллекта, связанному с моделированием

эволюционных процессов в различных системах. В частности, благо-

даря своей эффективности методы эволюционного моделирования

получили распространение при решении оптимизационных задач, ха-

рактеризующихся большой размерностью и сложным для анализа и

применения традиционных методов пространством поиска. Рассмат-

риваются такие эволюционные алгоритмы, как генетический алго-

ритм, генетическое программирование, эволюционное программиро-

вание, эволюционные стратегии. Приводится описание используемых

в них структур данных и операторов.

Шестая глава знакомит с принципами разработки и применения

экспертных систем. Рассматриваются основные понятия, типовая ст-

руктура экспертных систем, а также их классификация. Особое вни-

мание уделяется проектированию экспертных систем на основе веро-

ятностной модели вывода. Также приводятся особенности создания

экспертных систем на основе байесовских сетей доверия. Их приме-

нение позволяет учитывать вероятностные причинно-следственные

связи между понятиями предметной области и как следствие порож-

дать более сложные умозаключения.

Излагаемый материал иллюстрируется примерами. В конце глав

помещены вопросы для самоконтроля.

1. ВВЕДЕНИЕ В ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Искусственный интеллект (ИИ) является одним из приоритет-

ных направлений в современной информатике, связанным с создани-

ем следующей ступени ее развития – новых информационных техно-

логий. Их цель – свести к минимуму участие человека как програм-

миста при создании информационных систем, но привлекать его в ка-

честве учителя, партнера человеко-машинной системы. Однако нель-

зя понимать термин «искусственный интеллект» буквально. Пра-

вильнее его воспринимать как некоторое метафорическое наименова-

ние совокупности методов, реализация которых на компьютере по-

зволяет получать результаты близкие к порождаемым человеческим

мышлением.

1.1. Некоторые понятия искусственного интеллекта

Идея создания искусственного интеллекта связана с постоянным

стремлением человека переложить решение сложных задач на меха-

нического, затем электронного помощника. Единственный способ

реализовать это заключается в моделировании с помощью различных

средств интеллектуальных способностей человека.

Здесь под интеллектом следует понимать способность мозга ре-

шать задачи путем приобретения, запоминания и целенаправленного

преобразования знаний в процессе обучения на опыте и адаптации к

разнообразным условиям [6].

Искусственный интеллект (Artificial Intelligence, AI) как научное

направление существует с 1956 года, когда британский математик

Алан Тьюринг опубликовал свою статью «Can the Machine Think ?»

(«Может ли машина мыслить ?»). Также он предложил тест проверки

программы на интеллектуальность. Он состоял в следующем: органи-

зовывалось «общение» между человеком и компьютерной програм-

мой, которые размещались в разных комнатах, и до тех пор, пока

исследователь не определял, кто за стеной – человек или программа,

поведение последней считалось интеллектуальным [1]. Исходя из

этого, Тьюринг предложил следующий критерий интеллектуальности

программы: «Если поведение вычислительной машины, отвечающей

на вопросы, невозможно отличить от поведения человека, отвечаю-

щего на аналогичные вопросы, то она обладает интеллектом».

В настоящее время существует три основные точки зрения на

цели и задачи исследований в области искусственного интеллекта

[1,6]. Согласно первой, исследования в этой области относятся к фун-

даментальным, в процессе которых разрабатываются новые модели и

методы решения задач, традиционно считавшихся интеллектуальны-

ми и не поддававшихся ранее формализации с помощью классиче-

ских алгоритмических методов, а также автоматизации. Интеллект и

мышление непосредственно связаны с решением таких задач, как до-

казательство теорем, логический анализ, распознавание ситуаций,

планирование поведения, управление в условиях неопределенности и

т.п. Характерными чертами интеллекта, проявляющимися в процессе

решения подобных задач, являются способность к обучению, обоб-

щению, накоплению опыта и адаптации к изменяющимся условиям в

процессе решения задач. Из-за этих качеств интеллекта мозг может

решать разнообразные задачи, а также легко перестраиваться с реше-

ния одной задачи на другую. Таким образом, мозг, наделенный ин-

теллектом, является универсальным средством решения широкого

круга задач (в том числе плохо формализованных), для которых нет

стандартных, заранее известных методов решения. Согласно второй

точке зрения, это направление связано с новыми идеями решения за-

дач на ЭВМ, с разработкой новых технологий программирования и с

переходом к компьютерам с отличной от фон-неймановской архитек-

турой. Так, в качестве основы для таких систем предлагаются раз-

личные подходы на основе искусственный нейронных сетей, модели-

рующих наиболее общие принципы работы головного мозга [5]. Для

таких моделей характерны легкое распараллеливание алгоритмов и

связанная с эти высокая производительность, а также возможность

работать даже при условии неполной информации об окружающей

среде. Третья точка зрения основана на том, что в результате иссле-

дований, проводимых в области ИИ, появляется множество приклад-

ных систем, способных решать задачи, для которых ранее создавае-

мые системы были непригодны.

Обобщая изложенное, будем определять искусственный интел-

лект как научное направление, задачи которого связаны с разработ-

кой методов моделирования отдельных функций интеллекта человека

с помощью программно-аппаратных средств ЭВМ.

Исторически сложились три основных подхода к проведению

исследований в области искусственного интеллекта.

Первый подход (машинный интеллект) в качестве объекта ис-

следования рассматривает именно искусственный интеллект и состо-

ит в моделировании внешних проявлений интеллектуальной деятель-

ности человека с помощью средств ЭВМ. В основе его лежит тезис о

том, что машина Тьюринга является теоретической моделью мозга,

поэтому главное направление работ связано с созданием алгоритми-

ческого и программного обеспечения ЭВМ, позволяющих решать ин-

теллектуальные задачи не хуже человека. Примером может служить

шахматная программа, проявление интеллектуальности которой со-

стоит в поиске игровой тактики, близкой к человеческой. Однако

достигается это исключительно путем высокой скорости вычислений,

в то время как у человека - благодаря высокоэффективному

мышлению.

Как известно, человеческий мозг оперирует непрерывной ин-

формацией, где каждая мысль существует только внутри своего кон-

текста. Знания хранятся в форме образов, которые часто трудно выра-

зить словами. При этом сами образы характеризуются нечеткостью и

размытостью, а обработка информации - небольшой глубиной и вы-

соким параллелизмом. Все это свидетельствует о существенном раз-

личии с принципами машины Тьюринга и как следствие требует дру-

гого некомпьютерного подхода к моделированию интеллектуальных

процессов.

Второй подход (искусственный разум) рассматривает данные о

нейрофизиологических и психологических механизмах интеллекту-

альной деятельности и разумного поведения человека. Он стремится

воспроизвести эти механизмы с помощью программно-аппаратных

средств. Развитие этого направления тесно связано с успехами наук о

человеке, в первую очередь нейронаук (нейробиологии, генетики и

т.п.).

Третий подход ориентирован на создание смешанных человеко-

машинных интеллектуальных систем как симбиоз возможностей ес-

тественного и искусственного интеллекта. Важнейшими проблемами

в этих исследованиях являются оптимальное распределение функций

между естественным и искусственным интеллектом, организация

диалога между человека и машиной.

Каждое из отмеченных направлений включает целый ряд разде-

лов, к основным из которых можно отнести разработку систем, осно-

ванных на знаниях, анализ естественного языка и общения с ЭВМ,

распознавание образом, анализ речи, создание адаптивных систем,

игры и машинное творчество и др. [1]. В свою очередь, реализация

подобных систем может быть выполнена на основе таких технологий

ИИ, как представление и обработка знаний, эвристическое програм-

мирование, искусственные нейронные сети, эволюционные алгорит-

мы, нечеткие множества и др.

К настоящему времени разработано целое множество про-

граммный систем, в которых реализованы те или иные технологии

ИИ. Такие системы принято называть интеллектуальными системами.

К первой из подобных систем относят программу «Логик-Теоретик»

(А. Ньюэлл, А. Тьюринг и др.), предназначенную для доказательства

теорем исчисления высказываний.

Под интеллектуальной системой будем понимать адаптивную

систему, позволяющую строить программы целенаправленной дея-

тельности по решению поставленных перед ними задач на основании

конкретной ситуации, складывающейся на данный момент в окру-

жающей их среде [9]. В свою очередь, адаптивная система может

быть охарактеризована как система, которая сохраняет работоспо-

собность при непредвиденных изменениях свойств управляемого

объекта, целей управления или окружающей среды путем смены ал-

горитма функционирования, программы поведения или поиска опти-

мальных, в некоторых случаях просто эффективных, решений и

состояний. Традиционно, по способу адаптации различают самона-

страивающиеся, самообучающиеся и самоорганизующиеся системы.

К сфере решаемых интеллектуальными системами задач отно-

сятся задачи, обладающие, как правило, следующими особенностями:

- неизвестен или не может быть реализован алгоритм решения;

- если существует алгоритмическое решение, но его нельзя ис-

пользовать из-за ограниченности ресурсов (время, память);

- задача не может быть сформулирована в числовой форме;

- цель нельзя выразить в терминах точно определенной целевой

функции.

Разработка интеллектуальных систем, как правило, ведется в

рамках одного или нескольких направлений ИИ, которых в настоя-

щее время существует целое множество. Ниже кратко рассматрива-

ются основные из них [1].

1.2. Основные направления исследований в области

искусственного интеллекта

Разработка систем, основанных на знаниях. Является одним

из главных направлений в искусственном интеллекте. Основной це-

лью создания таких систем является выявление, исследование и при-

менение знаний специалистов для решения различных практических

задач. Обычно такие знания формализуются в виде некоторой систе-

мы правил. В этой области исследований осуществляется разработка

моделей извлечения, представления и структуризации знаний с уче-

том их компьютеризации в виде базы знаний. Примеры практических

разработок подобных систем обычно ассоциируются с экспертными

системами.

Разработка систем общения на естественном языке и ма-

шинного перевода. Является наиболее важной с точки зрения пере-

хода на новый качественный уровень взаимодействия с компьюте-

ром. Попытки создания подобных систем предпринимались с 1950-х

годов 20 в. Основу систем машинного перевода составляет