<  1  2  3  4  5  6  7  8  9  10  11

Inteligencja

Inteligencja oznacza zdolność rozumienia otaczającej sytuacji i odnajdowanie na nie właściwych reakcji. Najistotniejszym aspektem zdolności (umysłowych) jest zdolność do analizy i uogólnienia (analiza=rozdział, podział)..

Baza wiedzy

Baza wiedzy = Fakty + Reguły

gdzie: Fakty - dane o obiekcie, wyniki pomiarów, hipotezy

Konsultacja lub sesja

współpraca użytkownika z systemem.

Reguły

Uznanie jakiejś reguły nazywa się uaktywnieniem reguły (firing - odpalenie reguły). Dzięki uaktywnieniu reguł nowe fakty (wnioski) są dodawane do bazy wiedzy i / lub odpowiednie akcje są wykonywane. Reguły określają zależności jakie występują między obiektami.

Wiedza

Jest symbolicznym opisem otaczającego nas świata rzeczywistego charakteryzującym aksjomatyczne i empiryczne relacje. Wiedza zatem składa się z opisów lub inaczej faktów i relacji.

Bazy wiedzy oparte na logice w wielu przypadkach, w których jest wymagana elastyczność i niepodatność na niepewne dane wejściowe oraz mało wiarygodne fakty zebrane w bazie wiedzy, okazały się mniej przydatne w porównaniu z systemami opartymi na innych metodach reprezentacji wiedzy.

Systemy oparte na logice dominują w rozwiązaniach wymagających dużej liczby obliczeń i w dowodzeniu twierdzeń matematycznych.

Deklaratywny sposób reprezentowania bazy wiedzy zawiera zestawienie faktów, a także zbiór relacji między faktami. Charakterystyczną cechą tej reprezentacji jest to, że nie podaje się tu sposobu, w jaki rozwiązanie ma być znalezione.

Symbole mogą być łączone (rachunek zdań) za pomocą funktorów zdaniotwórczych (spójników logicznych).

- negacja
- koniunkcja ^
- alternatywa v
- implikacja =>
- równoważność =

Bazy danych oparte na logice, mimo swej modularności, deklaratywności i nieprocedularności, są trudne do przetwarzania. Bardzo szybko następuje niekontrolowany rozrost bazy wiedzy o fakty będące powieleniem istniejących już informacji.

Stwierdzenia

Stwierdzenia w bazie wiedzy zapisywane są w postaci uporządkowanej trójki:

<Obiekt>, <Atrybut>, <Wartość>

Dla uproszczenia zapisów stwierdzeń stosuje się słowniki nazw obiektów i atrybutów oraz ich wartości. Umożliwia to identyfikowanie zapisów za pomocą ETYKIET - bez wielokrotnego powtarzania nazw. Dzięki temu uzyskuje się oszczędniejszy zapis, który zajmuje mniej miejsca w pamięci komputera. Do wyrażenia relacji między obiektami często używa się sieci semantycznych lub ram.

Baza wiedzy oparta na stwierdzeniach jest zbiorem stwierdzeń i relacji o pewnym wycinku świata rzeczywistego.

Zbiór stwierdzeń nie jest wystarczający do opisania jakiejś dziedziny wiedzy.

Ogólna postać reguły

 JEŚLI przesłanka, TO konkluzja 
 oraz
 JEŚLI przesłanka, TO działanie (produkcja)

 Stad wypływa wniosek, że PPI realizuje zadanie reguły.

Przesłanka = A, B, C, D, E  gdzie ',' = AND

Możliwość reprezentowania świata ogranicza się do zbioru reguł oraz zbioru faktów.

Wydawało się, że jest to dość prymitywna metoda. Okazuje się jednak, że jest przeciwnie. Zdecydowana większość powstałych do tej pory systemów ekspertowych jest oparta na regułach.

Reprezentacja regułowa często jest wykorzystywana w systemach dedukcyjnych, gdzie zbiór faktów początkowych jest przekształcony w pewien zbiór faktów końcowych. 

regułowa reprezentacja wiedzy
 Reguła: 
 IF przesłanka THEN konkluzja
 lub
 IF przesłanka THEN działanie (produkcja) 
 gdzie: JEŚLI = IF, TO = THEN

Czasem stosuje się bardziej formalny zapis reguł, gdzie jest opuszczany symbol IF, z kolei zamiast napisu THEN używa się symbolu implikacji.

Przesłanka jest wówczas wyrażana jako połączenie za pomocą funktorów logicznych pewnej liczby stwierdzeń.

np: IF A przyjmuje wartość u AND F przyjmuje wartość w THEN G przyjmuje wartość y

(A, u) ^ (F, w) => (G, y)

Formalny zapis reguł uwidacznia się w PPI.

Regułę zawierającą alternatywę zastępuje się zestawem dwóch równoważnych reguł nie zawierających funktora alternatywy.

Stosowanie spójnika OR jest dopuszczalne, lecz nie zalecane ze względu na większe skomplikowanie modułu wnioskującego.

Postać reguły:

A1 ^ A2 ^ A3 ^ ... ^ Ak-1 ^ Ak => B

PPI jest pewnego rodzaju uogólnieniem reguł.

Przesłanka w regule może zawierać pewną liczbę stwierdzeń połączonych funktorem logicznym.

Baza wiedzy zawiera w tym przypadku zbiór reguł oraz zbiór faktów. Możliwość reprezentowania świata ogranicza się do powyższych struktur zdaniowych.

********************************************************

Sieci semantyczne

sieci semantyczne

Zostały opracowane w początkowym założeniu jako chęć stworzenia modelu pamięci ludzkiej. Dopiero później okazało się, że model ten pasuje także do reprezentowania wiedzy.

Sieci semantyczne wiąże się z ramami lub z regułami. Ramy w takim podejściu odpowiadają obiektom i opisują ich strukturę wewnętrzną, sieć semantyczna natomiast odpowiada relacjom między ramami.

Metoda sieci semantycznych jest często stosowana w systemach analizy i rozumienia języka naturalnego. Wynika to z jasności, z jaką możemy przedstawić zawiłe struktury składniowe języka za pomocą tej reprezentacji. Sieci semantyczne są także przydatne do tłumaczenia z jednego języka na inny oraz wspomaga uczenie.

Ramy

Powstały na podstawie analizy sposobu zachowania się człowieka znajdującego się w nowej dla niego sytuacji i w nowym otoczeniu, ale mającego o tej dziedzinie już pewne wcześniejsze wyobrażenia. Człowiek wydobywa wówczas z pamięci określoną strukturę, czyli ramę i konfrontuje tą sytuację z wiedzą zawartą w ramie. Z kolei, gdy człowiek zetknie się z całkowicie nowym obiektem, wówczas jego pierwszą reakcją będzie próba zapamiętania go i wprowadzenia jego nazwy. Jest to równoważne wykreowaniu nowej ramy.

Moc programu ekspertowego

Pod koniec lat siedemdziesiątych dokonano istotnego spostrzeżenia. Okazało się, że moc programu ekspertowego (w zakresie rozwiązywania danego problemu) tkwi w zakodowanej w nim wiedzy, a nie w formalizmie i schematach wnioskowania, których ten program używa. Im pełniejsza jest wiedza, tym szybciej uzyskuje się rozwiązanie. Tak więc problem z posiadaniem pełnej wiedzy tkwi w bazie wiedzy, a nie w sposobie realizacji procesu wnioskowania. Oznacza to, że aby zbudować inteligentny program, należy go wyposażyć w dużą ilość dobrej jakości, specyficznej wiedzy o danym przedmiocie.

Regułowa reprezentacja wiedzy

Jeśli przesłanka, to konkluzja
oraz
Jeśli przesłanka, to działanie (produkcja)

Przesłanka może zawierać pewną liczbę stwierdzeń połączonych funktorami logicznymi.

Baza wiedzy zawiera zawiera w tym przypadku zbiór reguł oraz zbiór faktów. Możliwość reprezentowania świata ogranicza się do powyższych struktur zdaniowych. Wydawałoby się, że jest to dość prymitywna metoda, okazuje się jednak, że jest przeciwnie.

Zdecydowana większość powstałych do tej pory systemów ekspertowych jest oparta na regułach.

Reprezentacja regułowa często jest wykorzystana w systemach dedukcyjnych, gdzie zbiór faktów początkowych jest przekształcany w pewien zbiór faktów końcowych.

W zależności od przeznaczenia system może spełniać różne funkcje, np.

  • klasyfikowanie
  • diagnozowanie
  • dowodzenie
  • ustalanie przyczyn
  • najlepszy dobór
  • planowanie
  • prognozowanie
  • monitorowanie, itp

Stosuje się czasem bardziej formalny zapis reguł

Przesłanka ^ Przesłanka => konkluzja

Zbiór reguł można rozpatrywać jako szczególny sposób zapisu pewnej sieci stwierdzeń, ponieważ z prawdziwości jednego stwierdzenia mogą wynikać inne.

Jeżeli warunki w złożonej przesłance są połączone funktorami koniunkcji, to proces analizowania takiej przesłanki jest przerywany (z wynikiem negatywnym) po napotkaniu pierwszego nie spełnionego warunku.

Uwaga!

W niektórych systemach w regułach może występować funktor alternatywy, np

Przesłanka1 OR Przesłanka2 => konkluzja

Stosowanie spójnika OR jest dopuszczalne, lecz nie zalecane ze względu na większe skomplikowanie modułu wnioskującego.

Regułę z OR możemy zamienić na zestaw dwóch równoważnych reguł nie zawierających funktora alternatywy

Przesłanka1 => konkluzja
Przesłanka2 => konkluzja

Waldemar Wietrzykowski
Computational Neuroscience
Digital Intelligence Laboratory
email: mail

Literatura:

  1. Jan J. Mulawka: Systemy ekspertowe,WNT Warszawa1996
  2. Teresa Górska, Anna Grabowska, Jolanta Zagrodzka: Mózg a zachowanie, Wydawnictwo Naukowe PWN,Warszawa 1997.
  3. Leszek Janiszewski, Grażyna Barbacka-Surowiak,Józef Surowniak: Neurofizjologia porównawcza, Wydawnictwo Naukowe PWN, Warszawa 1993.
  4. Bogusław Żernicki: Mechanizmy działania mózgu, Wszechnica Polskiej Akademii Nauk, Warszwa 1980. 
  5. Doc.dr med. Stefan Klonowicz: Praca umysłowa ,Państwowy Zakład Wydawnictw Lekarskich, Warszawa 1974.
  6. Peter. N.R.Usherwood; Układ Nerwowy, Państwe Wydawnictwo Naukowe,Warszawa 1976.
  7. Bogusław Gołąb, Władysław Z.Traczyk Anatomia i fizjologia człowieka, podręcznik dla studentów farmacji, Państwowe Zakłady Wydawnictw Lekarskich, Warszawa 1981.
  8. Eugeniusz Gatnar, Katarzyna Stąpor: Prolog. Język sztucznej inteligencji, Wydawnictwo PLJ, Warszawa 1991
  9. Czesław Basztura: Rozmawiać z komputerem, Wrocław 1992
  10. Joanna Chromiec, Edyta Strzemieczna: Sztuczna inteligencja. Metody konstrukcji i analizy systemów eksperckich, Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994

Zobacz też

Linki

dil

<  1  2  3  4  5  6  7  8  9  10  11

Copyright  © 2003 net3plus  mail