Логические и эвристические представления знаний в существующих системах искусственного интеллекта
Проблема представления знаний обязана своим возникновением процессам, происходящим в развитии компьютерной техники и исследованиях по искусственному интеллекту (ИИ) на протяжении последних десятилетий, а именно появлению и достаточно широкому распространению систем, называемых системами, основанными на знаниях. Это, прежде всего, интеллектуальные информационно-поисковые и экспертные системы.
Термин «знание» приобретает в ИИ специфическое содержание, связанное с определенной формой представления информации в ЭВМ, однако объектом внимания исследователей ИИ является и знание в обычном смысле. Формирование базы знаний интеллектуальной системы (ИС) предполагает разработку знаковых структур, позволяющих фиксировать знания по области, для работы в которой назначается система, и обеспечить выполнение необходимых операций с ними.
Строительство ИС предполагает также те или иные способы получения знаний, которые должны быть представлены в данной системе. Это могут быть способы получения знаний из книг и других текстов, используемых в данной области, а также в ходе определенной организации коммуникации с профессионалами (экспертами) в сфере, где будет применяться система. Решение такого рода задач (называемых задачами представления и приобретения знаний) оказалось связанным с вопросами о том, как вообще устроено знание, из чего оно состоит и каковы механизмы его функционирования, какие существуют виды знания, какую роль играет неявное знание в коммуникации и мышлении, представляющие собой когнитивные структуры индивида и логические механизмы рассуждений, – а также с множеством других вопросов по знанию.
Поскольку работа по созданию ИС осознается сегодня как в значительной степени работа со знаниями, само понятие знания занимает значительное место в рефлексии исследователей ИИ над своей деятельностью. Подобно тому, как в отношении мышления и интеллекта многие теоретики ИИ не ограничивались только собственно вопросами их моделирования в компьютерных системах, но и развивали взгляды на мышление и интеллект как таковые, они не ограничиваются сегодня и собственно вопросами построения баз знаний ИС, но нередко рассматривают и более общие проблемы знания.
Глава 1. Знание – основа интеллектуальной системы, как логические и эвристические представления в контексте искусственного интеллекта. 6
1.1 Основные модели представления знаний. 6
1.2 Направления в изучении искусственного интеллекта. 9
Глава 2. Представление знаний в образовательной системе искусственного интеллекта. 14
2.1 Когнитивно-семантический подход к представлению знаний. 15
2.2 Языково-дидактический подход к представлению знаний. 16
2.3 Проблема синтеза подходов реализации искусственного интеллекта. 17
1. Вопросы приближения функций: Метод. указ. / Авт.-сост.: Ю.В. Литовка, А.В. Романенко, И.Л. Коробова. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2017. – 200 с.
2. Вощинин А.П., Сотиров Г.Р. Оптимизация в условиях неопределенности. Изд-ва: МЭИ (Россия), Техника (НРБ), 2017. – 415 с.
3. Горбань А.Н., Дунин-Барковский В.Л., Кирдин Н., Миркес Е.М., Новоходько А.Ю., Россиев Д.А., Терехов С.А., Сенашова М.Ю. Нейроинформатика. – 2017. – 315 с.
4. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 2018. – 234 с.
5. Заде Л. Основы нового подхода к анализу сложных систем и процессов принятия решения // Математика сегодня: Сб. ст. М.: Знание, 2018. 248 с.
6. Искусственный интеллект. Кн. 2: Модели и методы: Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 2019. 303 с.
7. Кафаров Б.Б., Дорохов И.Н., Марков Е.П. Системный анализ процессов химической технологии. Применение метода нечетких множеств. М.: Наука, 2017. – 317 с.
