Анализ исследований по проблемам искусственного интелекта

Работы, выполненные в этом направлении в 70-е годы в Массачусетсском технологическом институте, собраны в двухтомнике Уинстона и Брауна [Winston and Brown, 1979]. Здесь вы найдете множество статей и о тех областях искусственного интеллекта, которые выходят за рамки этой книги, в частности о машинном восприятии естественного человеческого языка, искусственном зрении, робототехнике.

Период модернизма: технологии и приложения

Период продолжался с середины 70-х до конца 80-х годов. Он характеризуется значительным прогрессом в области экспертных систем, так называемой "зимней спячкой" в области "чистого" искусственного интеллекта, интерес к которому возобновился с появлением Всемирной паутины. То время, когда готовилось к печати настоящее издание, я отношу уже к следующему периоду— периоду постмодернизма, от характеристики которого я здесь воздержусь, поскольку сам являюсь участником происходящего в нем. Но, не боясь ошибиться, можно утверждать, что происходящее в нем во многом определяется развитием Internet-приложений, в частности интеллектуальных агентов и советчиков, облегчающих и упрощающих извлечение информации при работе со средствами электронной коммерции. Успехи и неудачи в области искусственного интеллекта в этот период в значительной мере зависят от возможности и желания исследователей преодолеть влияние традиционных концепций, характерных для прежних периодов, и сосредоточить усилия на реальных проблемах новой информационной среды. 
Стало ясно, что стратегия явного представления человеческого знания в форме направляемых заданной схемой модулей обладает определенными преимуществами перед включением знаний в алгоритм, которые могут быть реализованы с помощью программных технологий, более близких к традиционным.
Процесс воспроизведения явных знаний, напоминающий кулинарный рецепт, потенциально обещает более чувствительный механизм настройки соответственно тому, как эксперт хранит и применяет имеющиеся у него знания. Редко кто из экспертов может представить четко сформулированную последовательность операций, гарантирующую успешное завершение процедуры в любой ситуации, в ответ на вопрос о том, как он действует в процессе решения проблемы. Скорее знания, которыми обладает эксперт, извлекаются по мере выяснения, как поступать в типичных ситуациях, а затем к ним прибавляются исключения из таких ситуаций.
Такой метод программирования знаний создает предпосылки для довольно быстрого создания прототипа системы и последующего ее постепенного развития. Если конструктор системы и программист справились со своей работой должным образом, созданную в результате программу несложно модифицировать и функционально расширить. Ошибки и провалы, обнаруженные в процессе эксплуатации в заложенных в систему знаниях, могут быть скорректированы и заполнены, причем это не влечет за собой кардинальную переделку основного программного кода. Если же в структуре системы не предусмотрена такая "модульность" знаний, их изменения могут повлечь за собой полную реконструкцию системы.
Большинство из тех, кто работали с практическими программами решения проблем, пришли к выводу, что полезной может быть и программа, которая не решает проблему целиком или не бывает права абсолютно всегда. Экспертная система может функционировать и как "разумный ассистент", который предлагает несколько альтернативных вариантов решения проблемы и отвергает менее приемлемые.
В этот период разработчики на практике убедились в том, как сложно создавать и отлаживать системы, базирующиеся на правилах. По мере расширения базы знаний оказалось, что правила имеют тенденцию взаимодействовать в пределах системы самым неожиданным образом, соревнуясь за приоритет при решении проблемы, что разные режимы управления правилами эффективны для проблем одного типа и не дают эффекта при решении проблем другого типа

Процедуральное или декларативное знание

Традиционно различаются два вида знания — декларативное и процедуральное. Декларативное знание представляет собой теории, факты, сведения. Оно может быть описано в книгах.
Ярким примером декларативных знаний являются учебники.
Процедуральное знание — это умение применять декларативное знание на практике.
В этот период появился ряд систем, которые довольно эффективно справлялись с нетривиальными задачами. Примером может служить система R1/XCON, предназначенная для структурного синтеза вычислительных систем. В этой системе реализован ряд концепций, существенно отличающих ее как от обычных программных приложений, так и от исследовательских программ искусственного интеллекта. Особенности этой концепции:
часть программы, которая содержит представление знаний, касающихся определенной предметной области, — база знаний, как правило, отделена от той части программы, которая занимается формулировкой соображений, — машины логического вывода. Такое разделение позволяет вносить изменения (конечно, в разумных пределах) в одну часть программы, не меняя другой. В частности, можно добавлять в базу знаний новую информацию, расширяя имеющиеся в системе знания, или настраивать механизм логического вывода, повышая его эффективность, и при этом не модифицировать программный код системы. С точки зрения пользователя систем такого рода желательно, чтобы в них использовалась единая форма представления знаний, насколько это вообще возможно в системах разного назначения. Это упрощает процесс ввода знаний в систему, облегчает обслуживающему персоналу сопровождение системы и препятствует излишнему усложнению машины логического вывода. Однако единообразие может привести к возникновению определенных трудностей при попытке "втиснуть" самые разные по своей естественной природе знания в один и тот же формализм. Таким образом, в вопросе о представлении знаний существует определенная "золотая середина" между крайностями — полным единообразием и узкоспециализированным формализмом. Помимо найденного решения проблемы, экспертная система должна предоставить пользователю еще и информацию о том, как это решение было получено. Этим она существенно отличается от большинства привычных программных приложений. При использовании простой машины логического вывода и определенного формализма представления знаний такое объяснение включает перечень модулей базы знаний, задействованных в процессе принятия решения, и информацию о том, в каком порядке они активизировались.
Экспертные системы

Статическая экспертная система состоит из основных компонентов (рис. 5):
Интерпретатор (решатель);
рабочая память (РП) или база данных (БД);
база знаний (БЗ);
компоненты приобретения знаний;
объяснительный компонент;
диалоговый компонент.
 
База данных используется для хранения исходных и промежуточных данных, той задачи, которая решается в данный момент.
База знаний - это совокупность единиц знаний, которые представляют собой формализованное с помощью некоторого метода представления знаний отражение объектов проблемной области и их взаимосвязей, действий над объектами и, возможно, неопределенностей, с которыми эти действия осуществляются.
Решатель используя исходные данные из рабочей памяти и знания из БЗ, для формирования такой последовательности правил, которые, могут быть применены только к исходным данным, и позволяют решить конкретные задачи.
Компонент приобретения знаний, необходим для автоматизации процесса наполнения ЭС знаниями, осуществляется пользователем-экспертом.
Объяснительный компонент объясняет, как система получила решение той или иной задачи (а также почему она не смогла получить решение) и какие знания она при этом применяла, это помогает облегчить эксперту тестирование системы и, кроме того, повышает доверие пользователя к полученному результату.


Рис. 5. Структура экспертной системы

Диалоговый компонент предназначен для организации дружественного интерфейса с пользователем, как в процессе решения задач, так и в процессе приобретения знаний и объяснения результатов работы системы.

Этапы создания экспертной системы
Слабая формализуемость процесса принятия решений, его альтернативность и нечеткость, качественная и символьная природа используемых знаний, динамичность изменения проблемной области - все эти характерные особенности применения экспертных систем обусловливают сложность и большую трудоемкость их разработки по сравнению с другими подклассами ИИС. Поэтому в дальнейшем вопросы проектирования и реализации интеллектуальных информационных систем будут рассматриваться для класса экспертных систем.
Извлечение знаний при создании экспертной системы предполагает изучение множества источников знаний, к которым относятся специальная литература, базы фактуальных знаний, отчеты о решении аналогичных проблем, а самое главное, опыт работы специалистов в исследуемой проблемной области - экспертов. Успех проектирования экспертной системы во многом определяется тем, насколько компетентны привлекаемые к разработке эксперты и насколько они способны передать свой опыт инженерам по знаниям. Вместе с тем, эксперты не имеют представления о возможностях и ограничениях ЭС. Следовательно процесс разработки ЭС должен быть организован инженерами по знаниям таким образом, чтобы в процессе их итеративного взаимодействия с экспертами они получили весь необходимый объем знаний для решения четко очерченных проблем.
На начальных этапах идентификации и концептуализации, связанных с определением контуров будущей системы, инженер по знаниям выступает в роли ученика, а эксперт - в роли учителя, мастера. На заключительных этапах реализации и тестирования инженер по знаниям демонстрирует результаты разработки, адекватность которых проблемной области оценивает эксперт. На этапе тестирования это могут быть совершенно другие эксперты.
На этапе тестирования созданные экспертные системы оцениваются с позиции двух основных групп критериев: точности и полезности.
С точностью работы связаны такие характеристики, как правильность делаемых заключений, адекватность базы знаний проблемной области, соответствие применяемых методов решения проблемы экспертным. Поэтому конечные оценки системе ставят специалисты в проблемной области - эксперты. Полезность же экспертной системы характеризуется степенью удовлетворения требований пользователя в части получения необходимых рекомендаций, легкости и естественности взаимодействия с системой, надежности, производительности и стоимости эксплуатации, способности обоснования решений и обучения, настройки на изменение потребностей. Оценивание экспертной системы осуществляется по набору тестовых примеров как из предшествующей практики экспертов, так и специально подобранных ситуаций. Результаты тестирования подлежат статистической обработке, после чего делаются выводы о степени точности работы экспертной системы.


Рис.6. Создание экспертной системы

Следующий этап жизненного цикла экспертной системы - внедрение и опытная эксплуатация в массовом порядке без непосредственного контроля со стороны разработчиков и переход от тестовых примеров к решению реальных задач. Важнейшим критерием оценки становятся соотношение стоимости системы и ее эффективности. На этом этапе осуществляется сбор критических замечаний и внесение необходимых изменений. В результате опытной эксплуатации может потребоваться разработка новых специализированных версий, учитывающих особенности проблемных областей.
На всех этапах разработки инженер по знаниям играет активную роль, а эксперт - пассивную. По мере развития самообучающихся свойств экспертных систем роль инженера по знаниям уменьшается, а активное поведение заинтересованного в эффективной работе экспертной системы пользователя-эксперта возрастает.
Первые два этапа разработки экспертной системы составляют логическую стадию, не связанную с применением четко определенного инструментального средства. Последующие этапы реализуются в рамках физического создания проекта на базе выбранного инструментального средства. Вместе с тем, процесс создания экспертной системы, как сложного программного продукта, имеет смысл выполнять методом прототипного проектирования, сущность которого сводится к постоянному наращиванию базы знаний, начиная с логической стадии.
Прототипная технология создания экспертной системы означает, что простейший прототип будущей системы реализуется с помощью любого подручного инструментального средства еще на этапах идентификации и концептуализации, в дальнейшем этот прототип детализируется, концептуальная модель уточняется, реализация выполняется в среде окончательно выбранного инструментального средства. После каждого этапа возможны итеративные возвраты на уже выполненные этапы проектирования, что способствует постепенному проникновению инженера по знаниям в глубину решаемых проблем, эффективности использования выделенных ресурсов, сокращению времени разработки, постоянному улучшению компетентности и производительности системы.


Итоги периода модернизма

В первой части периода модернизма среди исследователей, занимавшихся "чистыми" проблемами искусственного интеллекта, очень распространенным было настроение критической самооценки. Одним из его симптомов была оживленная дискуссия между сторонниками формальных и неформальных методов. Кажется само собой разумеющимся, что имеют право на существование как исследования чисто теоретические, фундаментальные, так и прикладные, призванные использовать фундаментальные результаты в конкретных задачах.
А тем временем продолжалось активное развитие технологии экспертных систем для самых разных прикладных областей. Фирмы, специализирующиеся в области искусственного интеллекта, предлагали достаточно дорогие программные продукты, требовавшие специальной аппаратной среды и к тому же плохо поддающиеся интеграции с другими коммерческими системами. Вместо того чтобы осваивать свою нишу на рынке решением тех проблем, которые восприимчивы к подходу, основанному на знаниях, делались широковещательные заявления о создании эффективных систем, способных справиться с любой проблемой.
Возрождение интереса к исследованиям в области искусственного интеллекта связано с новым информационным взрывом. В расширяющейся информационной вселенной, без сомнения, не останутся невостребованными методы искусственного интеллекта при решении, по крайней мере, таких задач, как обработка текстов и изображений, которые нужно извлекать из различного рода источников, анализировать, классифицировать, индексировать, обобщать, интерпретировать и т.д. и т.п. Настало время и для внедрения результатов, достигнутых в технологии символических вычислений и обобщенной теории представления знаний.

Заключение

В курсовой работе рассмотрены основные исторические этапы развития систем искусственного интеллекта: классический, романтический и период модернизма. В каждый из указанных период происходило активное развитее определенных задач и ученым удалось добиться наибольших результатов.
В настоящее время системы искусственного интеллекта продолжают активно совершенствоваться и развиваться, намечаются новые исторические этапы развития этих систем.

Список литературы

http://www.aiportal.ru/articles/introduction/ai.html
http://stratum.ac.ru/textbooks/intelect/lections/lection01/lection01.htm
http://stratum.ac.ru/textbooks/intelect/lections/lection01/lection01.htm
Искусственный интеллект: Спр-к: в 3кн. / Под ред. Э.В.Попова, М.- Радио и связь, 1990 г.
Джексон Питер. Введение в экспертные системы / Пер. с англ., Учеб. пособ., М.- Издательский дом «Вильямс», 2001 г.- 624 с.
http://www.computerra.ru/hitech/perspect/27507/
http://www.ssti.ru/kpi/informatika/Content/biblio/b1/inform_man/gl_16_1.htm#napr_rasvit_ii
http://www.aiportal.ru/articles/introduction/history-ai.html
http://www.intuit.ru/department/human/isrob/3/
Дюбуа Д., Прад А. Теория возможностей: Приложения к представлению знаний в информатике / Пер. с франц. под ред. С.А. Орловского, М.- Радио и связь, 1990 г.- 287 с.
http://chernykh.net/content/view/293/493/
http://ru.wikipedia.org/wiki/SHRDLU
http://ecpert.ru/1/sisk12/list9.htm
О. К. Подлипский Построение баз знаний группой экспертов. Московский физико-технический, 2010 г
http://high-info.ru/Obobshennaya_structura_ekspertnih_system.htm
http://it-library.org/articles/?c=9&&a=203
http://www.mari.ru/mmlab/home/AI/7_8/index.html#part_7



http://www.aiportal.ru/articles/introduction/ai.html
http://stratum.ac.ru/textbooks/intelect/lections/lection01/lection01.htm
http://stratum.ac.ru/textbooks/intelect/lections/lection01/lection01.htm
Искусственный интеллект: Спр-к: в 3кн. / Под ред. Э.В.Попова, М.- Радио и связь, 1990 г.
Джексон Питер. Введение в экспертные системы / Пер. с англ., Учеб. пособ., М.- Издательский дом «Вильямс», 2001 г.- 624 с.
http://www.computerra.ru/hitech/perspect/27507/
http://www.ssti.ru/kpi/informatika/Content/biblio/b1/inform_man/gl_16_1.htm#napr_rasvit_ii
http://www.aiportal.ru/articles/introduction/history-ai.html
http://www.intuit.ru/department/human/isrob/3/
Дюбуа Д., Прад А. Теория возможностей: Приложения к представлению знаний в информатике / Пер. с франц. под ред. С.А. Орловского, М.- Радио и связь, 1990 г.- 287 с.
http://chernykh.net/content/view/293/493/
http://ru.wikipedia.org/wiki/SHRDLU
http://ecpert.ru/1/sisk12/list9.htm
О. К. Подлипский Построение баз знаний группой экспертов. Московский физико-технический, 2010 г.
http://high-info.ru/Obobshennaya_structura_ekspertnih_system.htm

http://it-library.org/articles/?c=9&&a=203

http://www.mari.ru/mmlab/home/AI/7_8/index.html#part_7









37