Статьи

Данные и знания

При изучении интеллектуальных систем традиционно возникает вопрос — что же такое знания и чем они отличаются от обычных данных обрабатываемых ЭВМ. Можно предложить несколько рабочих определений, в рамках которых это становится очевидным.
этапы:
  • данные как результат измерений и наблюдений;
  • данные на материальных носителях информации (таблицы, протоколы, справочники);
  • модели (структуры) данных в виде диаграмм, графиков, функций;
  • данные в компьютере на языке описания данных;
  • базы данных на машинных носителях.
    Знания связаны с данными, основываются на них, но представляют результат мыслительной деятельности человека, обобщают его опыт, полученный в ходе выполнения какой-либо практической деятельности. Они получаются эмпирическим путем.
    При обработке на ЭВМ знания трансформируются аналогично данным:
  • знания в памяти человека как результат мышления;
  • материальные носители знаний поле знаний — условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;
  • знания, описанные на языках представления знаний. Используются такие определения знаний: знания - это хорошо структурированные данные, или данные о данных, или метаданные. Существует множество способов определять понятия. Один из широко применяемых способов основан на идее интенсионала. Интенсивная понятия - это определение через понятие более высокого уровня абстракции с указанием специфических свойств. Этот способ определяет знания. Другой способ определяет понятие через перечисление понятий более низкого уровня иерархии или фактов, относящихся к определяемому. Это есть определение через данные, или экстенсивная понятия. Для хранения данных используются базы данных (для них характерны большой объем и относительно небольшая удельная стоимость информации), для хранения знаний - базы знаний (небольшого объема, но исключительно дорогие информационные массивы). База знаний — основа любой интеллектуальной системы. Знания могут быть классифицированы по следующим категориям:
  • поверхностные - знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области;
  • глубинные - абстракции, аналогии, схемы, отображающие структуру и процессы в предметной области. Современные экспертные системы работают в основном с поверхностными знаниями. Это связано с тем, что на данный момент нет адекватных моделей, позволяющих работать с глубинными знаниями. Кроме того, знания можно разделить на процедурные и декларативные. Исторически первичными были процедурные знания, т.е. знания, "растворенные" в алгоритмах. Они управляли данными. Для их изменения требовалось изменять программы. Однако с развитием искусственного интеллекта приоритет данных постепенно изменялся, и все большая часть знаний сосредоточивалась в структурах данных (таблицы, списки, абстрактные типы данных), т.е. увеличивалась роль декларативных знаний. Сегодня знания приобрели чисто декларативную форму, т.е. знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному и понятных неспециалистам.

    Специальное программное обеспечение

    В рамках этого направления разрабатываются специальные языки для решения задач невычислительного плана.
    Эти языки ориентированы на символьную обработку информации — LISP, PROLOG, SMALLTALK, РЕФАЛ и др. Помимо этого создаются пакеты прикладных программ, ориентированные на промышленную разработку интеллектуальных систем, или программные инструментарии искусственного интеллекта, например KEE, ARTS.
    Достаточно популярно создание так называемых пустых экспертных систем, или "оболочек", — EXSYS, Ml и др., в которых можно наполнять базы знаний, создавая различные системы.

    Разработка естественно-языковых интерфейсов, машинный перевод и распознавание образов.

    В 50-х гг. одной из популярных тем исследований искусственного интеллекта являлась область машинного перевода. Первая программа в этой области — переводчик с английского языка на русский. Первая идея — пословный перевод, оказалась неплодотворной. В настоящее время используется более сложная модель, включающая анализ и синтез естественно-языковых сообщений, которая состоит из нескольких блоков. Для анализа это:
  • морфологический анализ — анализ слов в тексте;
  • синтаксический анализ — анализ предложений, грамматики и связей между словами;
  • семантический анализ — анализ смысла каждого предложения на основе некоторой предметно-ориентированной базы знаний;
  • прагматический анализ — анализ смысла предложений в окружающем контексте на основе собственной базы знаний.
    Синтез включает аналогичные этапы, но несколько в другом порядке.
    Традиционное направление искусственного интеллекта, берущее начало у самых его истоков - это распознование. Каждому объекту ставится в соответствие матрица признаков, по которой происходит его распознавание. Это направление близко к машинному обучению и тесно связано с нейрокибернетикой.

    Обучение, самообучение и новые архитектуры компьютеров

    Активно развивающаяся область искусственного интеллекта. Включает модели, методы и алгоритмы, ориентированные на автоматическое накопление знаний на основе анализа и обобщения данных. Включает обучение по примерам (индуктивное), а также традиционные подходы распознавания образов.
    Что в свою очередь дает возможность разработки новых аппаратных решений и архитектур, направленных на обработку символьных и логических данных. Создаются Пролог - и Лисп-машины, компьютеры новых поколений. Последние разработки посвящены компьютерам баз данных и параллельным компьютерам.

    Интеллектуальные роботы

    Роботы — это электромеханические устройства, предназначенные для автоматизации человеческого труда.

    Идея создания роботов исключительно древняя. Само слово появилось в 20-х гг. Его автор — чешский писатель Карел Чапек. Со времени создания сменилось несколько поколений роботов.
    Роботы с жесткой схемой управления - это практически все современные промышленные роботы принадлежащие к первому поколению. Фактически это программируемые манипуляторы.
    Адаптивные роботы с сенсорными устройствами. Есть образцы таких роботов, но в промышленности они пока используются редко.
    Самоорганизующиеся, или интеллектуальные, роботы. Это конечная цель развития робототехники. Основная проблема при создании интеллектуальных роботов — проблема машинного зрения.


  • Хотите видеть на нашем сайте больше статей? Кликните Поделиться в социальных сетях! Спасибо!

    Смотрите также:

    Обратите внимание полезная информация.

    Робототехника для каждого. 2024г.