НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЯДЕРНЫЙ УНИВЕРСИТЕТ МОСКОВСКИЙ ИНЖИНЕРНО ФИЗИЧЕСКИЙ ИНСТИТУТ (НИЯУ МИФИ) Факультет автоматики и электроники, группа А4-09 Наноэлектроника и искусственный интеллект Студентка Кузьмина С.И. chiroptera@yandex.ru Преподаватель доц. Лапшинский В. А. Москва 17.05.2011г Содержание 1. Интегральная схема 2. Интеллектуальные вопрос-ответные системы 3. Знания 4. Уровни понимания 5. Приложение 6. Отчёт 7. Список литературы Интегральная схема Создание искусственного интеллекта невозможно без создания "оболочки", в которую будут встроены интегральные схемы, отвечающие за различные процессы. В связи с тем, что системы искусственного интеллекта многозадачны и параллельно выполняют десятки, а то и сотни операций, в их основу заложены интегральные схемы, имеющие микро- и условно наноразмеры. Интегральная схема - электронная схема произвольной сложности, изготовленная на полупровдониковом кристалле и помещённая в неразборный корпус, или без него, в случае вхождения в состав микросборки. Интеллектуальные вопрос-ответные системы Любая система ИС основана на взаимодействии, а следовательно на диалоговом процессе, например, вопрос-ответ. При разработке интеллектуальных вопрос-ответных систем основное внимание уделялось языковому аспекту, т. е. максимальному приближению языка общения к литературному естественному языку. Наиболее значительной из отечественных систем данного класса является система ПОЭТ, во многом определившая применяемые в последующих системах методы анализа и генерации высказываний на русском языке. Система ПОЭТ (её первая версия) воспринимает вопросительные предложения русского языка с практически несущественными ограничениями на допустимые синтаксические конструкции и пунктуацию. Процесс понимания входных высказываний осуществляется в системе ПОЭТ по полной схеме: морфологический анализ, синтаксический анализ, семантический анализ и семантическая интерпретация. При этом последние три этапа выполняются в общем случае параллельно, за счёт чего достигается коррекция неверных путей анализа и в конечном счёте сокращается время обработки запросов. Все знания о языке общения разделяются в системе ПОЭТ на лингвистические и проблемные. Первые хранятся в различных зонах словаря, а вторые - в семантической сети. При этом в системе различаются абстрактная (описывающая общие понятия и категории) и конкретная (описывающая конкретные сущности) семантические сети. Синтаксический анализ в системе ПОЭТ направляется значениями базовых событий, обнаруживаемых в анализируемом высказывании. Описания базовых событий представлены в словаре системы в виде моделей управления. Выделение участников событий и определение выполняемых ими ролей осуществляются на основе метода фильтров. При этом активно используется как грамматическая, так и синтактико-семантическая информация. На этапе семантического анализа синтаксическая структура входного высказывания, представленная в виде дерева зависимостей, преобразуется в семантический граф, состоящий из вершин-понятий, связанных друг с другом через вершины-события и характеристики. Каждая вершина семантического графа определяется каноническим представлением, а дуги имеют глубинный смысл. Вся числовая и параметрическая информация выносится из графа в дополнительные таблицы. Там уже указываются и временные соотношения между событиями. На этапе интерпретации семантический граф запроса сопоставляется с семантической сетью. В результате происходит вычленение контекста, имеющего отношение к запросу, получение содержательной информации из конкретной сети, формирование обращений к базе данных за числовой информацией и получение способа обработки этой информации. Семантический граф ответа вырабатывается на базе графа запроса внесением в него смысловой информации, полученной на этапе интерпретации. Формирование ответов в системе ПОЭТ выполняется следующим образом. По семантическому графу ответа строится дерево зависимостей. Затем каждой вершине приписывается морфологическая информация и определяется порядок слов. На этом заканчивается синтаксический синтез. На этапе морфологического синтеза по таблицам окончаний и морфологической информации, приписанной вершинам дерева зависимостей, осуществляется окончательная генерация поверхностной структуры ответа. Генерация полного ответа позволяет пользователю убедиться в правильности понимания системой заданного вопроса. С помощью первых вопрос-ответных систем была показана принципиальная возможность получения ответов на ЕЯ-вопросы, относящиеся к ограниченным проблемным областям. Для большинства интеллектуальных вопрос-ответных систем была характерна жёсткая структура диалога, при которой каждое высказывание пользователя воспринималось как очередной запрос. Система играла пассивную роль - она могла лишь отвечать за запросы и выдавать сообщения о неудачах, когда очередной запрос по каким-либо причинам не мог быть проанализирован или обработан. Обработка высказываний сводилась в большинстве случаев к вызову одной из имеющихся в распоряжении системы специализированных программ и передаче ей в виде параметров условий поиска информации в БД, имён сущности, значения которых должны быть обработаны или выданы в качестве ответа, и. т. Первые эксперименты с интеллектуально вопрос-ответными системами показали, что, несмотря на возможность понимания запросов на ЕЯ, данные системы налагают достаточно жёсткие ограничения на процесс общения. Эти ограничения сводились, по крайней мере, к следующим. Во-первых, информационная потребность пользователя должна была соответствовать возможностям системы, заложенным при её разработке. При этом, поскольку любой запрос интерпретировался на проблемную область, пользователь не мог задавать вопросы о возможностях системы. Во-вторых, представления пользователя о языке общения и проблемной области должны были точно совпадать со знаниями о языке и проблемной инициативой у пользователя требовала полного выражения информационной потребности в рамках одного запроса, что, вообще говоря, противоречит стилю естетсвенно-языкового общения, приводит к увеличению длины запроса и, как следствие, - к увеличению вероятности появления ошибок. И наконец, в-четвертых, при выражении запросов позволялось использовать только "правильные" предложения, т. е. такие, которые система могла однозначно понять и верно обработать. Эти ограничения стимулировали дальнейшие исследования, направленные в первую очередь на повышение гибкости процесса общения. Вместе с тем потребности практического использования ЕЯ-систем привели к формированию таких классов системы, как системы общения с БД, диалоговые системы решения задач и системы обработки связанных текстов. Знания Т. к, создание искусственного интеллекта невозможно без "внедрения" в его систему определённых знаний, рассмотрим основные понятия и методы взаимодействия инженер-эксперт. Приобретением знаний называется выявление знаний из источников и преобразование их в нужную форму, а также перенос в базу знаний ИС. Источниками знаний могут быть книги, архивные документы, содержимое других баз знаний и т. п., т. е. некоторые объективизированные знания, переведенные в форму, которая делает их доступными для потребителя. Другим типом знаний являются экспертные знания, которые имеются у специалистов, но не зафиксированы во внешних по отношению. к нему хранилищах. Экспертные знания являются субъективными. Ещё одним видом субъективных знаний являются эмпирические знания. Такие знания могут добываться ИС путём наблюдения за окружающей средой. Ввод в базу знаний объективизированных знаний не представляет собой проблемы, выявление и ввод субъективных и особенно экспертных знаний достаточно трудны. Чтобы разработать методологию приобретения субъективных знаний, получаемых от эксперта, надо чётко различать две формы репрезентации знаний. Одна форма связана с тем, как и в каких моделях хранятся эти знания у человека-эксперта. При этом эксперт не всегда осознаёт полностью, как репрезентированы у него знания. Другая форма связана с тем, как инженер по знаниям, проектирующий ИС, собирается их описывать и представлять. От степени согласованности этих двух форм репрезентации между собой зависит эффективность работы инженера по знаниям. В когнитивной психологии изучаются формы репрезентации знаний характерные для человека. Кроме понятий репрезентируются и отношения между ними. Как правило, отношения между понятиями определяются процедурным способом, а отношения между составляющими понятий - декларативным способом. Наличие двух видов описаний заставляет в моделях представления знаний одновременно иметь оба компонента, например семантическую сеть и продукционную систему, как это представлено в когнитивной модели. При приобретении знаний важную роль играют так называемое поле знаний, в котором содержатся основные понятия, используемые при описании предметной области, и свойства всех отношений, используемых для установления связей между понятиями. Поле знаний связано с концептуальной моделью проблемной области, в которой еще не учтены ограничения, которые неизбежно возникают при формальном представлении знаний в базе знаний. Переход от описания нкоторой области в полне знаний к описанию в базе знаний аналогичен переходу от концептуальной модели базы данных к её логической схеме, когда уже зафиксирована система управления базой данных. Важно отметить, что переход непосредственно к формальным представлениям в базе знаний без этапа концептуального описания в поле знаний приводит к многочисленным ошибкам, что замедляет процесс формирования базы знаний ИС. Эксперты в проблемной области не всегда опираются на логические рассуждения. В их представлениях о проблемной области и методах решения задач, характерных для неё, широкое применение находят ассоциативные рассуждения и рассуждения правдоподобия. Методика работы с экспертом по формированию полня знаний: Подготовительный этап 1. Чёткое определение задач проектируемой системы (сужение поля знаний): определение, что на входе и выходе; определение режима работ - консультации, обучение и др. 2. Выбор экспертов: определение количества экспертов; выбор уровня компетентности; определение способов и возможностей заинтересовать экспертов в работе; тестирование экспертов. 3. Знакомство аналитика со специальной литературой в предметной области. 4. Знакомство эксперта с популярной литературой по искусственному интеллекту. 6. Попытка аналитика создать поле знаний первого приближения априорными знаниями из литературы. Основной этап 1. "Накачка" поля знаний: а) в зависимости от предметной области выбор способа интервьюирования; б) протоколирование мыслей вслух или запись на магнитофон рассуждений эксперта. 2. "Домашняя работа". Попытка аналитика выделить некоторые причинно-следственные связи в рассуждениях эксперта; построение словаря предметной области и подготовка запросов к эксперту. 3. "Подкачка" поля зрения. Обсуждение с экспертом прототипа поля знаний и домашней работы, а также ответы на вопросы аналитика. 4. Формализация концептуальной модели. 5. Построение поля знаний второго приближения. 6. При необходимости повторение пп. 1б, 2, 3, 4 и 5. Уровни понимания[c][b] Но система искусственного интеллекта должна не только обладать определёнными знаниями, но и быть в состоянии понимать уже имеющуюся в ней информацию, а также вновь получаемую. Общая схема имеет вид: [c] Классификация уровней понимания[c/] В существующих ИС можно выделить пять основных уровней понимания и два уровня метапонимания. Первый уровень характеризуется системой Е=>А, показывающей что любые ответы на вопросы система формирует только на основе прямого содержания, введённого из текста Т. В лингвистическом процессе происходит морфологический, синтаксический и семантический анализ текста и вопросов, относящихся к нему. На выходе лингвистического процессора получается внутреннее представление текста и вопросов, с которыми может работать блок вывода. Используя специальные процедуры, этот блок формирует ответы. Другими словами, уже понимание на первом уровне требует от ИС определённых средств представления данных и вывода на этих данных. [c] Второй уровень характеризуется схемой (T, TR)=>A. На втором уровне добавляются средства логического вывода, основанные на информации, содержащейся в Т. Это разнообразные логики текста, которые способны проводить информацию, явно отсутствующую в тексте. Схема ИС, с помощью которой может быть реализован второй уровень понимания, имеет ещё одну базу знаний. В ней хранятся закономерности, относящиеся к временной структуре событий, возможной их пространственной организации, каузальной зависимости и т. п., а логический блок обладает всеми необходимыми средствами для работы с псевдофизическими логиками. Третий уровень характеризуется схемой (T, TR, ER)=>A. К средствам второго уровня добавляются правила пополнения текста Т знаниями системы о среде. Эти знания в ИС. Как правило, носят логический характер и фиксируются в виде сценариев или процедур иного типа. Схема не отличаются от схемы второго уровня, однакло в логическом блоке должны быть предусмотрены средства не только для чисто дедуткивного вывода, но и для вывода по сценариям. Четвёртый уровень характеризуется схемой (Е, TR, ER)=>A. Вместо текста Т в ней используется расширенный текст Е, который порождается лишь при наличии двух каналов получения информации. По одному в систему передаётся текст Т, по другому - дополнительная информация, отсутствующая в Т. При человеческой коммуникации роль второг канала, как правило, играет зрение. Более одного канала коммуникации имеют интеллектуальные роботы, обладающие зрением. Пятый уровень характеризуется схемой (Р, TR, РR)=>A. Для ответа на этом уровне ИС кроме текста Т использует информацию о конкретном субъекте, являющемся источником Т, и хранящуюся в памяти системы общую информацию, относящуюся к коммуникации. Теория, соответствующая пятому уровню, - это так называемая теория речевых актов. Первый метауровень характеризуется схемой (F, FRK)=>К. На этом уровне происходит изменение содержимого базы знаний. Она пополняется фактами, известными системе и содержащимися в тех текстах, которые в систему введены. Второй метауровень характеризуется схемой (М, КRМ)=>КМ. На этом уровне происходит порождение метафорического знания. Правила КRМ, используемые для этих целей, представляют собой специальные процедуры, опирающиеся на вывод по аналогии и ассоциации. [b]Приложение Современные разновидности "оболочек" ИС Список литературы 1. Ангелова Г., Кох Д., Нариньян А. Системы общения с ЭВМ на естественном языке //Прикладные человеко-машинные системы, ориентированные на знания. Представление знаний в человеко-машинных и робототехнических системах. - М.:ВИНИТИ, 1984.-Т. 2. Андреев В.П., Белов Д.А., Вайнштейн Г.Г. Эксперименты с машинным зрением. - М.: Наука, 1987. 3. Афанасьев В.П. и др. Архитектура видеоречевого терминала "МАРС-1" //Автоматическое распознавание слуховых образов: Тезисы докл. и сообщ. 13-й Всесоюз. школы-семинара (АРСО-13). Ч.1. - Новосибирск. 4. Виноград Т. Программа, понимающая естественный язык.- М: Мир, 1976. 5. Горский Н.Д. Восприятие двумерных изображений. М.: Наука, 1989. 6. Кирсанов Б.С., Киселёв А.Ф., Попов Э.В. Создание гибридных интеллектуальных систем на основе средств ДИС и ДИЭС // Технология разработки интеллектуальных систем /-М.: МДНТП, 1989. 7. Кучеров В.Я., Лобанов Б.М. Синтезированная речь в системах массового обслуживания. -М.: Радио и связь, 1983. 8. Лобанов Б.М. Состояние и перспективы разработки речевых устройств для интеллектуальных роботов связи// Электросвязь, 1988. 9. Мадо Б.Л. Оптические читающие терминалы: Концепции построения// Интеллектуальные читающие терминалы.- М.: ИНЭУМ, 1985. 10. Мальковский М.Г. Диалог с системой искусственного интеллекта. -М.: МГУ, 1985. 11. Попов Э.В., Фирдман Г.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. -М.: Наука, 1976. 12. Попов Э.В., Киселёв А.Ф., Орлов А.А. Инструментальные средства построения ИПС для персональных ЭВМ // Материалы семинара "Развитие интеллектуальных возможностей современных и перспективных ЭВМ". - М.:МДНТП, 1988. 13. Поспелов Г.С. Искусственный интеллект - основа новой информационной технологии // Комунист, 1988. 14. Представление знаний в человеко-машинных и робототехнических системах/ВИНИТИ. - М., 1984. 15. Преображенский А.Б., Рыбина Г.В., Хорошевский В.Ф. Генерация многоцелевых интеллектуальных вопросно-ответных систем //Изв. АН СССР. Техн.кибернетика.-1979.-No 6. 16. Соловьёв С.Ю., Соловьёва Г.М. Представление знаний в системах альтернатив // Логико-комбинаторные методы в искусственном интеллекте и распознавание образов.- Кишенёв, 1985. 17. Томпсон З., Томпсон У. Анатомия экспертной системы // Реальность и прогнозы искусственного интеллекта.- М.: Мир, 1987. |