Интеллектуальные системы

Министерство связи и массовых коммуникаций Российской Федерации

 

Московский технический  университет связи и информатики

 

 

 

 

 

 

 

 

 

 

 

 

Конспект  лекций по дисциплине

 «Детерминационный анализ и интеллектуальные системы (ДА и ИС)»

 

 

 

 

 

Кафедра теории электрической связи

 

 

Разработчик:

кандидат технических  наук,

доцент кафедры ТЭС  МТУСИ

Корзинкин Владимир Анатольевич

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Москва 2009

 

ЛИТЕРАТУРА.

 

1. А.С. Аджемов, В.И. Еремичев, В.А. Корзинкин «Вместе с искусственным интеллектом», А.С. Аджемов ,В.П. Жидаков, В.А. Корзинкин «Что ждут от специалистов по искусственному интеллекту», материалы конференции «Телекоммуникационные и вычислительные системы», МФИ-2009.
2. Internet (ключи: интеллектуальные агенты, общение на естественном языке и т.п.). Литература по многоагентным ИС.
3. В.В. Девятков «Системы искусственного интеллекта», изд. МГТУ, 2001г. (или новее).
4. Т.А. Гаврилова, В.Ф. Хорошевский «Базы знаний интеллектуальных систем», Спб Питер 2001г.
5. К.К. Данилов «Моделирование сознания разумного существа», Москва, Международная Гермес-Академия, Деп. в ВИНИТИ, 1995г.
6. К.К. Данилов «Язык и отображение мира в сознании», ИИ от Prof – язык и отображение мира в сознании. http://www.orc.ru/~kdon (моделирование интеллекта и искусственное разумное существо).
7. Книги научной серии: «Нейрокомпьютеры и их применение», ред. А.И. Галушкин.
8. А.А. Харламов «Нейрокомпьютеры в обработке речевой и текстовой информации», монография, кн.12.

Ю.И. Зозуля «Интеллектуальные  нейросистемы», изд. Радиотехника, М.: 2003г.

9. С.В. Чесноков «Детерминационный анализ социально-экономических данных», М.: наука 1982г.
10. В.А. Корзинкин «Принципы восприятия и опознавания структуры динамических изображений», журнал «Информационные технологии» №0, 1995г.
11. С.В. Чесноков «Физика Логоса, краткий очерк», 1991г.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Интеллектуальные  системы.

В данном разделе будут  рассматриваться многоагентные интеллектуальные системы (МАС). В центре внимания будут МАС с разумными агентами (МАС-РА).

С точки зрения других МАС МАС-РА – система с повышенным сервисом. С общей точки зрения они должны стать важнейшей фазой  на пути к информационным системам будущего.

Информационные системы  будущего – ИР (искусственно-разумные).

 

ТЕМА 1. Напоминания  о базе знаний (БЗ) и экспертных системах (ЭС).

 

§1. Начальная  история искусственного интеллекта (ИИ).

Условное начало ИИ 1954 год. Ученые Ньюэлл, Шоу, Саймон, де Гроот  создали:

1. Язык обработки списков IPL 1.
2. Программа доказательства теорем исчислений высказываний – «Логик-Теоретик».
3. Программа для игры в шахматы (1957).

В  60-х годах они  разработали универсальный решатель задач (GPS).

Джон Маккарти создал язык LISP.

В 1965 Робинсон разработал программу доказательства теорем исчисления предикатов.

Все эти работы привели  к созданию PROLOG., внутри него есть логический вывод по исчисление предикатов 1го порядка.

В 60-х  выяснилось, что  на эвристиках (список правил) программа  в шахматы хорошо играть не может, другого не умеет, нужен доступ к знаниям.

 

§2.  Данные и знания.

В  70-е годы были созданы  первые экспертные системы. Условно  их можно назвать одноагентными. Система построена на знаниях. Знания основаны на данных.

Данные – отдельные факты и свойства, характеристики объектов и процессов в предметной области (ПрО).

Знания:  - результат мыслительной деятельности человека по поводу данных;

   - закономерности  ПрО;

   - данные о данных;

   - структура хорошо  структурированных данных.

Языки представления  знаний сводятся к классам:

1. продукционные модели;
2. семантические сети;
3. фреймы;
4. формально-логические модели.

 

§3.  Структура  ЭС.

ЭС можно рассматривать  как приложение к БЗ.

 

 

БЗ – содержит правила, описывающие отношения, явлений, методы, знания для решения задач из области применения ЭС. В ней есть фактические знания и знания необходимые для получения других знаний.

Подсистема (профессионального) общения – для ведения диалога с пользователем, для запросов у него необходимых фактов для процесса обсуждения, дающих возможность пользователю  контролировать и корректировать ход рассуждений.

Машина логического  вывода – механизм рассуждений, оперирующий с данными из БД (база данных) и знаниями из БЗ с целью получения новых данных.

Для этого используется программно-реализуемый механизм поиска решения в сети фреймов или  в семантической сети.

Подсистема приобретения знаний – для корректировки и пополнения БЗ (в простейшем случае – интеллектуальное редактирование БЗ, в более сложном – средство для извлечения знаний из БД, графических знаний, знаний из неструктурированного текста).

Подсистема объяснений – для возможности контролировать ход рассуждений (без этой системы пользователь не доверяет системе).

 

§4. Разновидности представлений знаний.

Это множество соглашений по семантике и синтаксису для  описания объектов.

Есть 2 метода:

1. Помещение  фактов и чисел (фрагменты знаний) в правила Turbo Prolog. Это представление подходит для ЭС, базирующихся на правилах.
2. Организация фактов и чисел в утверждения, образующих БЗ на утверждениях. Это подходит для ЭС,  базирующихся на логике.

 

Описание ЭС, базирующихся на правилах.

Во время консультации с пользователем входные данные сопоставляются с данными в БЗ, в результате получается утвердительный или отрицательный ответ. Утвердительный ответ – действие одного из продукционных правил. Продукционные правила определяются входными данными. Таким образом ЭС содержит множество правил, вызываемых входными данными в момент сопоставления.

В механизме вывода содержится интерпретатор, который работает в три шага:

1. сопоставляет образец правила с элементами данных в БЗ;
2. если можно вызвать более одного правила, то используется механизм разрешения конфликта для выбора 1го правила;
3. применяет правило , чтобы ответить на вопрос.

Большие ЭС содержат более 5000 продукционных правил.

 

Описание ЭС, базирующихся на логике.

БЗ состоит из утверждений  в виде предложений логики предикатов. Предложения могут группироваться, образуя БД Turbo Prolog. Тут же множество правил,  вызываемых входными данными.

Тоже есть интерпретатор, который выбирает модули для работы. Работает в три шага:

1. сопоставляет элементы данных в БД с предложениями в БЗ,  управляющих поиском и сопоставлением;
2. если вызывается более одного правила, то используется возможность Turbo Prolog    для разрешения конфликта;
3. результаты автоматически получаются и направляются на устройство вывода.

Эффективность этих систем объясняется структурой Turbo Prolog.

 

 

ТЕМА 2. Многоагентные  интеллектуальные  системы (МАС).

 

§1. Общее представление

ВОПРОС: зачем нужны  МАС-РА, а не совокупность одноагентных интеллектуальных систем?

ОТВЕТ: так как большой  выигрыш дают взаимодействия агентов, а не сумма результатов.

ПРИМЕР. Пусть внешняя  среда – команда B. Ей противостоит 11 взаимодействующих и невзаимодействующих игроков A_i.

Результат: когда A₁ играет с B – 0:10; когда A₂ играет с B – проигрыш; A₁₁ играет с B – проигрыш. Следовательно, суммарный результат 0:110 .

Пусть игроки взаимодействуют  в команде, тогда результат 0:5.

Таким образом, 11 экспертных систем дают малый результат против одной МАС.

МАС – новая парадигма.

МАС = ИИ + компьютерные сети + распределенная БД, распределенные вычисления и теория распределенности + теория отрытости.

В МАС данные факты  указывают направление вычислений.

Агент – развитие понятия объект.

Объект – абстракция от множества реальных предметов, имеющих те же свойства, правила поведения.

Агент – сущность, которая находится в некоторой среде, интерпретирует и исполняет команды, воздействующие на среду. Это достаточно общая технология, относящаяся  к различным областям, нет четкого определения мира агентов, есть большое число атрибутов, с ним связанных, и большое разнообразие примеров агентов.

Каждый автор и сообщество определяют своего агента с конкретным набором свойств. В результате существуют следующие типы агентов:

• автономные;
• персональные ассистенты;
• социальные;
• интеллектуальные;
• и т.д.

А по представлению внешнего мира и поведению:

• локальные;
• сетевые;
• мобильные;
• и т.д.

Свойства агента описываются исходной системой. А правила поведения описываются порождающей системой. Состояние агента определяется перечнем его свойств с текущими значениями. Определяющими являются ИА (интеллектуальные агенты), соответственно получаем систему  МАС-ИА. В настоящее время заняты обеспечением взаимодействия многих агентов.

Интеллект – можно оценить, как способность агента использовать старые знания в новых, заранее неизвестных ситуациях и проблемных областях, где агент приемлем, как активный решатель задач.

 

§2. Развернутое определение ИА.

Свойства:

1. Автономность: функционирование без вмешательств со стороны владельца, контроль внутреннего состояния и своих действий.
2. Социальное поведение: возможность взаимодействия и коммуникации с другими агентами.
3. Реактивность: адекватное восприятие внешней среды и собственной реакции на ее изменение.
4. Активность: способность генерировать цели и рационально действовать для их достижения.
5. Обладание базовыми знаниями: знания о себе и окружающей среде с другими агентами, которые не меняются в период существования агента.
6. Убеждения: переменная часть знаний, которые могут меняться во времени, хотя агент может о них не знать и продолжать их использовать.
7. Цели: совокупность состояний, на достижение которых направлено текущее поведение агента.
8. Желание: состояние и/или ситуация, достижение которой для агента важно.
9. Обязательства: задача, решение которой он берет на себя по просьбе и/или поручению другого агента.
10. Намерение: то, что агент должен делать в силу обязательств и/или желаний.

 

Иногда сюда добавляются:

11. Благожелательность.
12. Рациональность.
13. Правдивость.
14. Мобильность.

 

§3. Особенности  ИА, МАС-ИА, сложных систем с МАС-ИА.

 

 

1. Как правило, каждый агент работает с определенной метафорой (имя), определяющей функции и особенности его, как исполнителя. Идея любой метафоры – это прототип, отражающий схему взаимодействия между исполнителями/
2. ИА способны проявлять инициативу во взаимодействии с окружающим миром и другими агентами, получать от них информацию, реагировать на нее своими действиями/
3. У них должно быть развито внутреннее представление внешней среды, возможность рассуждать, способность запоминать и анализировать ситуацию, предвидеть возможные реакции на свои действия, делать выводы для дальнейших действий, в результате прогнозировать будущее свое и внешнего мира, строить виртуальные миры, в которых формировать планы действий.
4. Черты  сложных систем с участием ИА:
1. функционирование системы с МАС-ИА нужно анализировать, так как результаты могут быть и отрицательными;
2. для систем характерно промежуточное расстояние между упорядоченным и хаосом;
3. при проектировании МАС-ИА необходимо учитывать подходы, сложившихся в природе, при решении комбинаторных задач:
1. паразитизм;
2. симбиоз;
3. репродукция;
4. генетика;
5. естественный отбор;
4. ИА могут работать как взаимодействующие (результат может быть больше, чем сумма работ выполненных отдельными агентами) и невзаимодействующие (делают то, что просят) особи.
5. Результатом взаимодействия является создание логически связанных структур со следующими свойствами:
1. простые правила могут генерировать логически связанные новые явления. Важно при проектировании МАС-ИА для слабо прогнозируемых систем более применим подход снизу вверх (так возникает большинство популяций). Устойчивая структура может стать компонентом более сложной.
2. Агент и эти структуры могут формировать двунаправленную связь. Явление возникновения – это устойчивые связи с меняющимися компонентами.