Олимпиада "Наноэлектроника"
Неофициальный сайт

Меню сайта
Категории раздела
Наш опрос
Оценка сайта нано-е.рф
Всего ответов: 57
Статистика

Онлайн всего: 1
Гостей: 1
Пользователей: 0
Главная » Статьи » Компьютерный практикум и ИТ (МИФИ) » Конспекты (курсы КП и ПК)

Конспект на тему «Гибридные системы ИИ»



Аннотация



            Данный конспект посвящён искусственному интеллекту. Рассматриваются вопросы построения моделей и архитектур гибридных систем искусственного интеллекта. Основное свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека. Искусственный интеллект связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.



Ключевые слова: искусственный интеллект, интеллектуальные системы, информационные технологии, системы ИИ.



Глоссарий



Иску́сственный интелле́кт (ИИ, англ. Artificial intelligence, AI) — 1) наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ; 2) свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека.



Автоассоциативная память – память, которая может завершить или исправить образ, но не может ассоциировать полученный образ с другим образом.



Денотат – образ внешнего мира, представленных в виде состояний разного типа рецепторов ( датчиков или сенсоров).



Десигнат – знак.



Гетерогенность — разнородность, инородность; наличие неодинаковых частей в структуре, в составе чего-либо.



Гомогенность  — однородность.



Аксон — это нейрит (длинный цилиндрический отросток нервной клетки), по которому нервные импульсы идут от тела клетки (сомы) к иннервируемым органам и другим нервным клеткам.



1. Элементы теории интеллектуальных систем



            «Для того, чтобы познать какую-либо вещь,



надо определить её границы, выйти за их пределы,



и только тогда станет ясна истинная её суть».



Ф. Герберт. Капитул Дюны



 



1.1 Классификация задач информатизации



  На таблице ниже, показана попытка классифицировать все задачи информатизации, в которых применяются или могут применяться технологии ИИ. 0-й раздел- задачи, решаемые не для конечных пользователей, а для разработчиков интеллектуальных систем. (Таблица была создана на основе анализа существующих на рынке программных продуктов) [2].



1.2 Вербальная сеть



     Человек познаёт мир при помощи органов чувств. Чувственное восприятие, являющееся начальным звеном в цепи событий, связанных со сбором и обработкой информации (входных сигналов), основано на работе сенсорной системы индивида, которая включает пять видов чувствительности: зрение, слух, обоняние, осязание и вкус. Эти стимулы, обнаруживаемые органами чувств, преобразуются в сообщения, понимаемые мозгом [2].



     Благодаря современным достижением науки и технике, в наше время большое количество различных датчиков и сенсоров, позволяют роботам и искусственному интеллекту воспринимать окружающий мир. Но вот работа памяти и обработки полученных данных совсем не такая как у человека.



     Учёные уже несколько десятков лет пытаются реализовать автоассоциативные воспоминания в искусственных нейронных сетях, но полученные результаты пока не очень впечатляют. Вычислительные машины осуществляют поиск знаний в памяти последовательно, а не ассоциативно, на что тратят колоссальное время [2].





2. Модель интеллектуальной системы.



«…в людях глубоко заложено стремление



все разложить по полочкам,



 все классифицировать,



всему присвоить ярлык».



Ф. Герберт. Капитул Дюны



            Любой метод представления знаний в естественной или искусственной интеллектуальной системе можно представить, как



                                                                 (K, D, F(R,D)),                                                           (1)



где: K – множество денотатов;



        D – множество десигнатов;



        F(R,D) – функция отображения K на D.



            При этом множество образов K можно разделить на статические и динамические и на гомогенные и гетерогенные образы.



            Человеческий мозг можно представить (рис 1) в виде ядра, ответственного за подсознательное мышление, и множества сенсорных анализаторов, процесс мышления в которых осознан, т.к. непосредственно связан с активностью рецепторов. Можно сказать, что человек осознаёт себя и свои мысли через взаимодействие с окружающим миром [1]. 





3. Принципы организации функционирования интеллектуальных систем



         Способность обучаться является неотъемлемой частью любой действительно интеллектуальной системы.



            Принцип обучения можно сформулировать следующим образом.



            Интеллектуальная система в процессе взаимодействия с внешней средой запоминает ассоциации между разными образами, которые используются в процессе планирования её поведения посредством ассоциативного вспоминания образов по их фрагментам. При достаточном закреплении ассоциаций они могут превращаться в обозначения в форме отношений между сущностями [1].



 



3. 1. Тест Тьюринга и интуитивный подход



         Эмпирический тест, идея которого была предложена Аланом Тьюрингом в статье «Вычислительные машины и разум», опубликованной в 1950 году в философском журнале. Целью данного теста является определение возможности искусственного мышления, близкого к человеческому.



Стандартная интерпретация этого теста звучит следующим образом: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы — ввести человека в заблуждение, заставив сделать неверный выбор». Все участники теста не видят друг друга.





4. Гибридные системы ИИ



«Всякий порядок произволен».



Ф. Герберт. Капитул Дюны



            В условиях современного научно-технического прогресса, любое предприятие не может обходиться без помощи научных методов управления, научных описаний, автоматики и вычислительной техники для конструирования автоматических и автоматизированных систем, позволяющих умело управлять различными объектами. Множество реальных объектов управления в различных ситуациях проявляют различные свойства и плохо описываются или вообще не описываются целиком в терминах классических дифференциальных систем. Такие системы, в которых вполне можно пренебречь их стохастичностью проявляют комбинированное непрерывно-дискретное поведение, причём пренебрежение дискретной составляющей не даёт адекватных моделей. Для такого класса систем в середине шестидесятых годов начал развиваться новый подход, названный гибридными системами.



 



4. 1. Классификация гибридных интеллектуальных систем



            В зависимости от архитектуры интеллектуальные системы классифицируют на однокомпонентные и многокомпонентные. Однокомпонентные интеллектуальные системы используют одно из средств искусственного интеллекта, например, нечёткую логику или искусственную нейронную сеть. Многокомпонентные интеллектуальные системы используют несколько средств искусственного интеллекта объединённых в единую вычислительную модель. Многокомпонентные интеллектуальные системы совмещают различные средства искусственного интеллекта, которые взаимодействуют между собой для получения решения поставленной задачи.



            Гибридные интеллектуальные системы (ГИС) являются одним из видов многокомпонентных интеллектуальных систем. В свою очередь, гибридные интеллектуальные системы в зависимости от архитектуры делятся на следующие типы ГИС:



¨ комбинированные;



¨ интегрированные;



¨ объединённые;



¨ ассоциативные.



            Кроме того, можно рассматривать ещё один тип гибридных интеллектуальных систем, появление которого обусловлено стремительным ростом объёмов знаний и данных, которые могут храниться в распределённых базах данных, доступных через глобальную сеть Internet. Архитектуру такой гибридной интеллектуальной системы называют распределённой. Графическое изображение перечисленных типов архитектур гибридных интеллектуальных систем показано на рис. 3.





            Примером комбинированных гибридных интеллектуальных систем могут служить гибридные экспертные системы, представляющие собой совокупность экспертных систем и нейронных сетей и соединяющие формализуемые знания (в экспертных системах) и неформализуемые знания (в нейронных сетях). В архитектуре интегрированных гибридных интеллектуальных систем главную роль играет основной модуль-интегратор, который, в зависимости от текущих условий нахождения решения и поставленной цели, выбирает для функционирования те или иные интеллектуальные модули, входящие в систему, и объединяет отклики задействованных модулей.



            Способность к обучению и адаптации посредством оптимизации является характерной особенностью нейронных сетей и генетических алгоритмов. Соединение этих методов с другими методами искусственного интеллекта позволяет увеличить эффективность их способности к обучению. Такая архитектура гибридной интеллектуальной системы относится к объединённому типу. Интеллектуальные модули, входящие в состав ассоциативных гибридных интеллектуальных систем, могут работать как автономно, так и в интеграции с другими модулями.



4. 2. Методика построения адаптивной интеллектуальной гибридной системы управления



            Центральным вопросом при разработке различных адаптивных интеллектуальных систем является проектирование базы знаний о предметной области. В системах, основанных на знаниях, используется информация из баз данных и баз знаний. Такие системы широко применяются для решения различных задач управления, в которых нет априорного необходимого описания состояния и структуры системы. При этом методика построения адаптивной интеллектуальной гибридной системы управления предполагает наличие следующих этапов:



¨ анализ проблемной ситуации;



¨ формирование предметной области;



¨ разработка методов взаимодействия классической и нечёткой логики;



¨ структуризация предметной области и построение модели на основе классической и нечёткой логики;



¨ формирование базы знаний с базой правил в качестве управляющей компоненты;



¨ построение и описание модели в виде отдельных понятий;



¨ выполнение вычислительных экспериментов;



¨ моделирование отдельных подсистем гибридной системы;



¨ тестирование (анализ адекватности модели) гибридной системы;



¨ оценка качества вычислительных экспериментов;



¨ коррекция или доработка полученной модели.



            Разработка гибридного метода исследования адаптивной интеллектуальной системы управления. Известно, что основу гибридизации составляют три закона: «закон взаимной адаптации», «закон дискретных рядов структур» и «закон трансформаций».



            Закон взаимной адаптации. Динамика и синтез развития любой системы (гибрида) есть процесс взаимной адаптации компонентов системы между собой и системы с внешней средой, т.е. другими автономными методами и методами – гибридами. Закон дискретных рядов структур. Любой гибрид может быть реализован посредством одной из его возможных структур из дискретного ряда. Закон утверждает, что существует некоторый метод получения одной структуры, входящей в дискретный ряд из другой структуры этого ряда. Также, в таком ряду должны существовать целевые структуры, что позволит определить проблему качества сложной системы, т.е. сделать гибридизацию целенаправленной.



            Закон трансформации. Трансформация одной структуры гибрида в другую может происходить только через общие для обеих структур знания, т.е. через состояние системы. Закон трансформации описывает образование новых состояний системы, которые отображаются пересечением их характеристических кривых, их интерференцию между собой.



            В соответствии с законом трансформации новая структура не может быть порождена как таковая и возникает только на базе предыдущей структуры. При этом сохраняется достигнутая при старой структуре взаимная адаптация части компонентов, достаточная для построения новой структуры.



            Рассматриваемая в статье адаптивная гибридная интеллектуальная система управления определяется законом трансформации, так как новая структура знания системы порождается на базе предыдущей. В этом представлении адаптивную гибридную систему необходимо рассматривать как систему обработки данных, состоящую их двух уровней. Иллюстрация двухуровневой системы обработки данных приведена на рис. 4.





         Первый уровень представлен традиционным формально-логическим мышлением. Данный уровень основан на классических методах и процессах управления, которые описаны при помощи программного языка. На втором уровне используется нечёткое моделирование, позволяющее в совокупности с полученными результатами первого уровня исследовать различные аспекты неопределённости.



            Двухуровневое позиционирование позволяет рассматривать общую структуру системы обработки данных с различных точек зрения, при этом взаимодействие элементов (компонентов) структуры носит не только механический или электрический характер, но и информационный, что является важным атрибутом современных организационно-технических систем. В соответствии с представленной системой обработки данных адаптивная гибридная система управления реализована на основе совокупности алгоритмов и методов традиционного формально- логического мышления и нечёткой логики.



            Последовательность действий при решении задачи управления показана на рис. 5.





         Предлагаемый алгоритм решения задачи управления даёт возможность решать одну задачу несколькими автономными методами, причём математическая или программная реализация данного алгоритма может быть выполнена одним из методов на определённой итерации. В данном случае гибридизация основана на двух методах и последовательность выглядит как: метод 1 → метод 2.



            Структура алгоритма состоит из нескольких этапов. Идентифицируем переменные:



 ¨ выполнение метода 1 (классическая логика) соответствует условию I=1;



¨ не выполнение метода 1 соответствует условию I=0;



¨ положительная оценка соответствует условию L=1;



 ¨ отрицательная оценка соответствует условию L=0.



            Содержание основных этапов гибридного моделирования имеет следующую структуру.



П. 1. Реализуется постановка задачи, т.е. точная формулировка условий с описанием входных и выходных данных, используемых для её решения.



П. 2. Сбор информации. Принимаемые сигналы от внешней среды являются входными воздействиями для блока предобработки исходных данных.



П. 3. Предобработка исходных данных, т.е. создание классифицированной системы для всех методов, используемых в гибридной системе с целью подготовки информации для блока принятия решений.



П. 4. Формирование базы знаний.



П. 5. Принятие решения, в соответствии с которым осуществляется выбор метода решения задачи управления. Применительно к рассматриваемой задаче гибридизатору необходимо располагать достаточными знаниями о том, достаточно ли знаний получено после выполнения первого метода, чтобы продолжить выполнение процесса решения задачи управления, поэтому если выполняется условие I=1, то происходит переход к п. 7, иначе – переход к п. 6.



П. 6. Реализация классического метода гибридной системы.



П. 7. Реализация нечёткого метода гибридной системы.



П. 8. Оценка эффективности принятого решения. Если выполняется условие L=1, то происходит переход к п. 10, иначе – переход к п. 9.



П. 9. Корректировка результатов для продолжения решения.



П. 10. Завершение работы алгоритма, вывод решения. При реализации одного из методов гибридизации в управлении гибрид создаётся в процессе решения задачи управления. Процессом создания гибрида является формирование определённой последовательности взаимосвязанных отношений R i .



            Необходимым условием функционирования гибрида является расстановка приоритетов между автономными методами, используемыми гибридом. Описанная выше последовательность действий при решении задачи управления может рассматриваться как гибрид – метод, что даёт основание говорить о применении гибридного алгоритма для решения задачи управления, а интеграция аналитических и статистических знаний с нечёткими системами позволяет говорить об интеллектуальной гибридной системе управления, тем самым, обеспечивая многоаспектность исследования [3].



 



 



5. Основные проблемы создания искусственного интеллекта



       Ввиду того, что чувственное восприятие, понимание речи, выполнение сложных двигательных актов, реализация других функций невозможны без иерархической системы память, главной задачей при создании разумной машины является создание подобной системы хранения и извлечения информации. В свою очередь, основной трудностью при создании указанной системы памяти будет решение проблемы связности, подобной связности миллиарда нервных клеток живого мозга. Дело в том, что в человеческом мозге под тонким покрытием коры имеется белое вещество, состоящее из миллиона аксонов. Оно связывает области иерархии коры головного мозга между собой. Отдельная клетка коры головного мозга может быть связана с 5 или 10 тысячами других клеток. «Такой тип масштабного параллельного соединения, - пишет Дж. Хокинс, - невозможно внедрить на основе традиционных техник производства кремниевых чипов» [2].



 



 



Заключение



         С. Смейл, будучи математиком и формулируя в своем списке проблем сугубо математические проблемы, которые до сих пор остаются нерешёнными, поставил вопрос об установлении границ естественного и искусственного интеллектов, который имеет гораздо большее отношение к информатике, нежели к математической дисциплине. Конечно, исключение алгоритмического характера творческой деятельности, безусловно относится к сфере математики. Существуют факторы, которые наделяют творческую деятельность признаками невычислимости и неформализуемости.



 



 



                                                                  Список литературы



1. Гибридные интеллектуальные системы. Гаврилов А.В Новосибирский государственный технический университет. Изд-во НГТУ, 2002. – 142 с.



2. Каковы пределы интеллекта, как искусственного, так и человека? Новиков Н.Б.  Институт психологии Ран. / Нейроинформатика,2013, том 7, №1 – 64 с.



3. file:///C:/Users/User1/Downloads/adaptivnye-gibridnye-intellektualnye-sistemy-upravleniya.pdf - Искусственный интеллект и нечеткие системы.



 

Категория: Конспекты (курсы КП и ПК) | Добавил: buzin-evg (16.12.2016) | Автор: Бузин Е.А.
Просмотров: 944 | Рейтинг: 0.0/0
Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
Форма входа
Поиск
Друзья сайта