Экзаменационный билет № 9. 1. Фреймовые модели представления знаний.

1. Фреймовые модели представления знаний.

Минский М. Фреймы для представления знаний. М.: Мир, 1979.

Дьяконов В. П., Борисов А. В. Основы искусственного интеллекта. Смоленск, 2007.

Фрейм — (англ. frame — «каркас» или «рамка») — способ представления знаний в искусственном интеллекте, представляющий собой схему действий в реальной ситуации. Первоначально термин «фрейм» ввёл Марвин Минский в 70-е годы XX века для обозначения структуры знаний для восприятия пространственных сцен. Фрейм — это модель абстрактного образа, минимально возможное описание сущности какого-либо объекта, явления, события, ситуации, процесса.

Фреймы используются в системах искусственного интеллекта (например, в экспертных системах) как одна из распространенных форм представления знаний.

Различают фреймы-образцы, фреймы-экземпляры, фреймы-структуры, фреймы-роли, фреймы-сценарии, фреймы-ситуации. Система связанных фреймов может образовывать семантическую сеть. Применяются фреймы в экспертных системах и других интеллектуальных системах различного назначения.

Под структурой фрейма понимается способ использования схемы, типичной последовательности действий, ситуативная модификация фрейма. Фрейм, кроме всего прочего, включает определённое знание по умолчанию, которое называется презумпцией.

Фрейм отличает наличие определённой структуры.

Фрейм состоит из имени и отдельных единиц, называемых слотами. Он имеет однородную структуру:

ИМЯ ФРЕЙМА

Имя 1-го слота: значение 1-го слота

Имя 2-го слота: значение 2-го слота

………………………………

Имя N -го слота: значение N -го слота

В качестве значения слота может выступать имя другого фрейма. Таким образом фреймы объединяются в сеть. Свойства фреймов наследуются сверху вниз, то есть от вышестоящих к нижестоящим через так называемые АКО-связи (от англ. A Kind Of — «разновидность»). Слот с именем АКО указывает на имя фрейма более высокого уровня иерархии.

Незаполненный фрейм называется протофреймом, а заполненный — экзофреймом. Роль протофрейма как оболочки в экзофрейме весьма важна. Эта оболочка позволяет осуществлять процедуру внутренней интерпретации, благодаря которой данные в памяти системы не безлики, а имеют вполне определенный, известный системе смысл.

Слот может содержать не только конкретное значение, но и имя процедуры, позволяющей вычислить его по заданному алгоритму, а также одну или несколько продукций (эвристик), с помощью которых это значение определяется. В слот может входить не одно, а несколько значений. Иногда этот слот включает компонент, называемый фасетом, который задает диапазон или перечень его возможных значений. Фасет указывает также граничные значения заполнителя слота.

Помимо конкретного значения в слоте могут храниться процедуры и правила, которые вызываются при необходимости вычисления этого значения. Среди них выделяют процедуры-демоны и процедуры-слуги. Первые запускаются автоматически при выполнении некоторого условия, а вторые активизируются только по специальному запросу. Если, например, фрейм, описывающий человека, включает слоты ДАТА РОЖДЕНИЯ и ВОЗРАСТ и в первом из них находится некоторое значение, то во втором слоте может стоять имя процедуры-демона, вычисляющей возраст по дате рождения и текущей дате и активизирующейся при каждом изменении текущей даты.

Совокупность фреймов, моделирующая какую-либо предметную область, представляет собой иерархическую структуру, в которую фреймы собираются с помощью родовидовых связей. На верхнем уровне иерархии находится фрейм, содержащий наиболее общую информацию, истинную для всех остальных фреймов. Фреймы обладают способностью наследовать значения характеристик своих родителей, находящихся на более высоком уровне иерархии. Эти значения могут передаваться по умолчанию фреймам, находящимся ниже них в иерархии, но если последние содержат собственные значения данных характеристик, то в качестве истинных принимаются именно они. Это обстоятельство позволяет без затруднений учитывать во фреймовых системах различного рода исключения.

Различают статические и динамические системы фреймов. В системах первого типа фреймы не могут быть изменены в процессе решения задачи, а в системах второго типа это допустимо.

О системах программирования, основанных на фреймах, говорят, что они являются объектно-ориентированными. Каждый фрейм соответствует некоторому объекту предметной области, а слоты содержат описывающие этот объект данные, то есть в слотах находятся значения признаков объектов. Фрейм может быть представлен в виде списка свойств, а если использовать средства базы данных, то в виде записи.

2. Нелинейные системы планирования и их представление через обобщённый алгоритм.

Экзаменационный билет № 17

1. Описание условий функционирования системы искусственного интеллекта.

Исследование и создание машин, обнаруживающих поведение, которое у людей называют интеллектуальным, назовем искусственным интеллектом. Самыми распространенными и современными машинами являются компьютерная техника и средства коммуникации, следовательно, направление искусственного интеллекта относится к области компьютеров и вычислительных систем. Слово «интеллект» происходит от латинского слова

«intelligentie», которое, в свою очередь, образовалось от глагола «intellgere»

, означающего способность понимать, определять смысл.

Несмотря на все попытки дать точное определение понятию «искусственный

интеллект» (ИИ), строгого определения до сих пор не существует, да и при появлении новых научных идей оно изменяется. Обозначим хотя бы границы этого понятия. И. Рич определяет ИИ как область исследования, направленную на создание компьютеров, которые выполняют такие функции, которые в настоящий момент человек выполняет лучше. К таким функциям, которые проявляются у человека, относят восприятие, анализ, рассуждение, использование знаний, планирование действий, логический вывод и т. д. Очень близкое определение ИИ дает Дж. Ален: «ИИ — это наука о создании машин, решающих задачи, которые могут решать люди...». Здесь в фокусе ИИ оказываются те задачи, которые успешно решаются человеком и плохо — компьютерами. Эти два определения сопоставляют

возможности человека и машин. Еще в 1950 году был предложен эмпирический тест А. Тьюринга для определения уровня интеллектуальности машин. В соответствии с тестом эксперт мог вступать в диалог либо с компьютером, либо с человеком. Тьюринг считал поведение компьютера интеллектуальным, если в диалоге участвовал компьютер, а эксперт был не в состоянии определить, с кем он ведет диалог. В дальнейшем стали считать, что машинный интеллект отличается от человеческого интеллекта и, вероятно, попытка уподобления его естественному интеллекту ошибочна. Важность теста Тьюринга очевидна для оценивания качества

современных программ ИИ, но он отвлекал научные силы от решения основной задачи ИИ — разработки общей теории машинного интеллекта, и использования этой теории для разработки интеллектуальных систем, решающих практические задачи.

СИИ — это компьютерная, креативная система (многофункциональная, интегрированная, интеллектуальная) со сложной структурой, использующая накопление и корректировку знаний (синтаксической, семантической, прагматической информации) для постановки и достижения цели (целенаправленного поведения), адаптации к изменениям среды и внутреннего состояния путем изменения среды или внутреннего состояния.

2. Агентные технологии.

подходом, основанным на использовании интеллектуальных (рациональных) агентов. Согласно этому подходу, интеллект — это вычислительная часть (грубо говоря, планирование) способности достигать поставленных перед интеллектуальной машиной целей. Сама такая машина будет интеллектуальным агентом, воспринимающим окружающий его мир с помощью датчиков, и способной воздействовать на объекты в окружающей среде с помощью исполнительных механизмов.

Этот подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении его задачи. Так, здесь значительно тщательнее изучаются алгоритмы поиска пути и принятия решений.

Применительно к биологическим задачам агентно-ориентированный подход называют также индивидуально-ориентированным подходом. Он основан на использовании клеточных автоматов. Такой подход сочетает символьный и логический подходы и позволяет создавать математические модели сложных систем типа белый ящик.