На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


реферат Искусственный интеллект

Информация:

Тип работы: реферат. Добавлен: 02.05.2012. Сдан: 2011. Страниц: 9. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Искусственный интеллект
Введение.
Одна из основных задач, стоявших перед учеными (Декарт, Сократ, Аристотель), возможность классификации  информации.
Термин ИИ появился в 1956 на семинаре, посвященном логическим методам решения задач. Следует  различать интеллект и разумность (Artificial Intelligence).
Направления:
    Нейрокибернетика - единственный объект, способный мыслить, человеческий мозг, по-этому любое «мыслящее» устройство должно каким-то образом воспроизводить его структуру. Первая НС Розен-блатт и Мак-Каллок (56-65гг) — моделирование взаимодействия человеческого глаза и мозга (Перцептрон). В 70-х все заглохло из-за недостатка вычислительных мощностей. Разновидности: аппаратные, программные, гибридные.
    Кибернетика «черного ящика» - не имеет значения, как устроенно «мыслящее» устройство, главное, чтобы на заданное входное воздействие оно реагировало так же, как и человеческий мозг.
 
Новые информационные технологии.
Рассмотрим традиционную организацию решения задач на ЭВМ:
Конечный пользователь ставит на своем языке, далее аналитики и прикладные математики создают математическую модель, затем прикладные программисты пишут программу, в конце программа попадает на ЭВМ.
Проследим за изменением интерпретации задачи:
Есть предметная область, задача формулируется в языке Конечного пользователя (КП), далее она транслируется в мат. модель, затем получается прикладная мат. модель, затем это представление транслируется в программу. Теперь задача представляет собой модель на языке программиста, потом идет трансляция на внутренний язык ЭВМ, затем попадает в ЭВМ.
Недостатки.
Итеративный характер процесса решения задачи (первичная  постановка может привести к неверному  или не удовлетворяющего пользователя результату). Для оценки или коррекции  результатов пользователь должен обладать глубокими проф. знаниями в своей области деятельности, должен прогнозировать развитие различных ситуаций, находить необходимые решения. Но обладая знаниями конечный пользователь по определению не имеет никаких знаний о способах использования вычислительных средств для решения его задач (и не должен иметь). Посредником между КП и ЭВМ выступают аналитики и программисты — это одна из главных проблем. В основном системный аналитик хорошо разбирается в методах постановки задач, он должен быть знаком с профессиональной областью деятельности конечного пользователя (для обеспечения с ним диалога) и представлять процесс составления программы. В процессе диалога с пользователем системный аналитик выбирает адекватный задаче метод, определяет требуемую выбранному методу организацию данных и строит схему решения задачи, и после построения алгоритма происходит практически полное отчуждение КП от дальнейшего процесса решения задачи. Этап разработки программы осуществляет программист и он происходит без участия КП. Программист должен обладать знаниями, достаточными для построения программ, реализующих различные схемы решения задачи. Диалог программиста и аналитика направлен только на разработку и оптимизацию программы (про задачу забыли уже), следовательно неточности, ошибки и проч., допущенные при постановке и построении алгоритма практически не могут быть выявлены программистом. Очень часто, процесс оптимизации программы может приводить к внесению таких изменений в алгоритм, которые не существенны с точки зрения аналитика, но не допустимы с точки зрения конечного пользователя. После отладки программа оценивается конечным пользователем, он вносит необходимые коррекции в ее постановку и вновь запускает процесс, но на внесение изменений могут быть гораздо сложнее разработки новой программы (требуется вновь привлекать системных аналитиков и программистов, как правило, не участвовавших в первоначальной разработке. При этом возможности изменения программы значительно ограничиваются как организацией прикладного ПО, так и его настройкой на конкретное применение. Необходимость программных измерений возникает вследствие изменения производственной, экономической итд ситуации, изменения взгляда пользователей в процессе использования и довольно часто из-за неправильного понимания разработчиками соответствующих требований. Поддержка системы в процессе ее эксплуатации (те исправление ошибок и развитие функциональных возможностей) — сопровождение системы. Дальнейшие изменения в системы связаны с естественным развитием предметной области, условий, в которых решается задача. То есть сопровождение системы выполняется на всем протяжении ЖЦ.
Основные идеи новых технологий решения задач  на ЭВМ:
    Описанную кризисную ситуацию в применении ЭВМ (не только техническую, но у и кадровую) можно преодолеть только путем привлечения пользователей к процессам решения задач, сопровождения программной системы и даже к разработке прикладного ПО. То есть нужно строить программную систему так, чтобы радикально упростить процесс их эксплуатации и сопровождения.
Структура выч. системы, удовлетворяющей  требованиям новым  требованиям вычислительных задач на ЭВМ.
    Совокупность средств, выполняющих программы, спроектированных с позиции эффективного решения задач (только выполняет программы).
    Совокупность средств и интеллектуального интерфейса, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечного пользователя.
    Комплекс интеграции первых двух — База знаний, обеспечивающая использование первыми двумя комплексами целостной и независимой от обрабатывающих программ системы знаний о проблемной среде.
 
Исполнительная  система объединяет всю совокупность средств, обеспечивающих выполнение сформированной программы (программы, осуществляющие любые вычисления (поиск в БЗ, логический вывод, аппаратные средства).
База знаний занимает центральное положение  по отношению к остальным компонентам  системы. Выступает как система  содержащая декларативные знания (и  использованные ими процедуры, которые  имеют единые принципы представления, общий язык описания, общую схему манипулирования этими знаниями, ориентированную на осуществление инвариантных относительно различных применений операции со знаниями на всех уровнях). Знания, содержащиеся в БЗ не зависимы от обрабатывающих программ. В БЗ содержится система знаний о проблемной среде как части объективного мира, отражающая среду как целостное явление со всеми взаимосвязями, которые существуют между ее элементами и динамикой их изменения.
Система знаний должна обладать полнотой (т. е. содержать все знания, необходимые для решения классов задач, на которые ориентированна ЧМС). В общем случае формирование такой системы знаний также является частью процесса решения задачи. Включенные в нее знания должны выбираться направленно и также направленно должны выбираться те способы ее структурирования, которые обеспечивают эффективную работу с ней при решении задачи.
Группы требований к представлению и организации  знаний в БЗ:
    Общие для традиционных и новых ВС:
      Обеспечение необходимых выразительных возможностей языка представления знаний для всего спектра решаемых задач.
      Обеспечение необходимой эффективности при решении задачи.
      Обеспечение универсальности и открытости выбранной системы представления знаний в сочетании с возможностью адаптации к различным предметным областям.
    Новые ВС:
      Необходимость адекватности отображения проблемной среды в БЗ.
      Необходимость естественного для человека способа описания внешней среды (вербально, графически, итд).
В общем случае при организации БЗ приходится удовлетворять  двум противоречивым группам требований:
    Необходимость повышения универсальности к разным типам задач и обеспечения выразительных возможностей, используемой системы представления знаний, достаточных для описания широких классов сложных проблемных сред. Организации поиска по разнотипным связям. Динамическое изменение направления поиска.
    Необходимость сохранения высокой эффективности системы при хранении большого числа конкретных фактов, что можно обеспечить только путем сохранения проблемной ориентированности системы на задаче поиска.
 
Удовлетворение  этих двух требований приводит к компромиссному решению. БЗ для ВС ориентированна на использование новой информационной технологии целесообразно строить  как двухуровневую структуру, включающую два компонента:
    Концептуальную БЗ (верхний концептуальный уровень)
    БД (нижний информационный уровень)
    Это обеспечивает эффективность представления обобщенных и мета знаний на верхнем уровне и конкретной информации на нижнем. Современные СУБД используются на нижнем уровне (там конкретно используется среда), на концептуальном уровне среда описывается обобщенно, появляются так называемые мета знания (то есть знания о структуре базы знаний и методов манипулирования ими).
    Представление знаний на каждом уровне БЗ осуществляется применением некоторого языка представления знаний. Под языком представления знаний понимается конкретный способ описания проблемной среды, задаваемый синтаксисом описания, правилами соотнесения языковых выражений с отображаемыми ими объектами проблемной среды (семантика языка) и конкретным составом слов языка.
Интеллектуальный  интерфейс включается в себя все  средства конечного пользователя, обеспечивающие взаимодействие между КП и ВС в  процессе решения задач. Можно выделить:
    Решатель — совокупность средств, обеспечивающих диалоги с пользователем, автоматический синтез программы решения задач
    Система общения — совокупность трансляторов, осуществляющих трансляцию с языка пользователя на язык представления знаний в БЗ и обратную.
Синтез программ может быть на уровне операций, программных модулей, пакетов прикладных программ. Входной информацией для решения задачи является запрос на получение некоторого знания. И если требуется, сообщение некоторых дополнительных данных, связанных с данной задачей. Решатель на основании содержащихся в БЗ знаний о возможностях различных программ (решаемых ими задач и знаний, необходимых для этого) формирует из данных программ последовательность, позволяющую получить требуемое решение на основании введенных в БЗ исходных данных. То есть решатель — это звено системы, осуществляющее собственно решение задачи. То есть анализ условий, выделение подзадач, объединение решений в целостную программу.
Другой функцией интеллектуального интерфейса является общение конечного пользователя и системы
Средства общения можно разделить на две группы:
    Трансляция
      перевод с языка пользователя на язык представления знаний ВС и обратный во время общения.
      Устранение помех, искажений итд.
      Адаптируемость к пользователю.
      Открытость.
      Независимость отключения.
    Обеспечение взаимопонимания:
      Должна поддерживать одинаковое понимание сообщения передающей и принимающей системы. То есть приписывать принимающей системой сообщению того значения, которое и предполагалось передающей системой.
      Должны быть универсальны и не зависимы ни от языка общения, ни от проблемной среды.
 
Начало исследований в области ИИ в 50-х годах связано  с учеными: Ньюэл, Саймон, Шоу —  исследовавших процессы решения  различных задач, в результате они  разработали программу «Логик-теоретик», которая выполняла док-во теорем вычисления высказывания. Затем был «Общий решатель задач». Эти работы положили начало первому этапу работ в ИИ, связанному с разработкой программ, решающих задачи на основе применения разных эвристических методов. При этом эвристические методы решения задачи рассматривались как свойственные человеческому мышлению, для которого характерно возникновение «догадок» о пути решения задачи с последующей их проверкой. Этому методу противопоставлялся алгоритмический метод, использовавшийся в ЭВМ, который интерпретировался как механической осуществление заданной последовательности шагов, детерминировано приводящих к правильному ответу. В качестве доводов, подтверждающих, что их программа моделирует человеческое мышление были приведены результаты сравнения записей результатов теорем при выполнении программ с записями рассуждениями «вслух» специалиста.
В начале 70-х  годов было опубликовано много подобных результатов и предложили общую  методику составления программ, моделирующих мышление. В MIT и Стендфордском институте начались исследования, относящиеся к формальным математическим представлениям, способы решения задач в этих исследованиях развивались на основе математической и символьной логики. Моделированию человеческого мышления предавалось второстепеннное значение (ученые — Минский, Мак-Карти, Слэйдл, Рафаэль, Бобров, Бенерджи). Для дальнейших исследований в области ИИ использовался метод резолюций, который предложил Робинсон, базирующегося логике предикатов первого порядков и являющегося по крайней мере теоретически исчерпывающим методом.
Назначение заключалось  в том, что основное внимание в  области ИИ переместилось с разработки методов человеческого мышления на разработку машинно-ориентированных  методов.
Исследовательским полигона для развития ИИ на первом этапе являлись игры. Выбор таких задач простотой и ясностью проблемной среды (где разворачивается решение задачи), ее отличительно малой громоздкостью, возможностью достаточно легкого подбора и искусственного конструирования ответов. В то же время эти среды хорошо подходили для моделирования достаточно сложных процессов решения и исследования всевозможных стратегий решения с относительно небольшими затратами. Успешные методы затем стали применяться на реальных задачах, что вызвало множество трудностей в основном из-за необходимости моделировать внешний мир. Эти трудности связаны с:
    Проблемами описания знаний во внешнем мире.
    Организация хранения знаний и их эффективного поиска.
    Введение в ЭВМ новых знаний и выведение устаревших (в том числе автоматическое извлечение из среды).
    Проверка полноты и непротиворечивости знаний.
Было ясно, что  решение этих задач откроет путь к созданию ИИ. Это привело к  задаче создания интегральных роботов. При этом и термин ИИ зазвучал более  обосновано, так как решался комплекс задач, таких как организация целенаправленного поведения, восприятия информации о внешней среде, формирование действий,обучение,общение с человеком и другими роботами, для формирования целенаправленного поведения (то есть формирования программы решения некоторой внешней по отношению к роботу задачи) интегральный робот должен обладать необходимым комплексом знаний о реальном мире, в котором он функционирует. Так вот этих знаний гораздо больше, чем знаний отображаемых в программе функционирования. Эти знания должны быть заложены в робота в виде модели проблемной среды. Эти знания представляют собой совокупность взаимосвязанных сведений, необходимых и достаточных для решения соответствующего класса задач, в том числе и сведений о возможных способах воздействия на среду, и изменениях, которые они вызывают в ней. В систему знаний робота должны быть заложены алгоритмы, позволяющие «мысленно» воспроизводить преобразование среды и строить на этой основе план решения очередной задачи. А также алгоритмы, обеспечивающие выполнение данного плана, и контрольное сравнение ожидаемых и действительных результатов запланированного действие. Проведение работ, связанных с созданием интегральных роботов можно считать вторым этапом исследования ИИ. В ведущих зарубежных университетах были разработаны экспериментальные роботы, работающие в лабораторных условиях. Эти эксперименты показали необходимость решения следующих координальных вопросов, связанных с:
    Представлении знаний о среде функционирования.
    Зрительное восприятие.
    Построение сложных планов поведения в динамических средах.
    Общение с роботами на естественном языке.
Эти проблемы возникли в середине 70 и работа над ними — это третий этап в области  развития ИИ. При этом исследовалось  не создание автономно функционирующей  системы, решающей в реальной среде поставленную перед ней задачу, а исследовалось создание человеко-машинных систем, интегрирующих интеллект человека и возможности ЭВМ для достижения общей цели, поставленной перед интегральной ЧМС. Этот переход обуславливался двумя причинами:
    Выяснилось, что даже достаточно простые задачи, возникающие перед интегральным роботом при его функционировании в реальном мире (движение по пересеченной местности, распознавание объектов на сложном фоне с естественным освещением, организация сложного поведения). Даже эти задачи не могут быть решены методами, разработанными в специально сформированных проблемных средах (2 этап).
    Сочетание человека и ЭВМ позволяют обойти эти проблемы, перекладывая на человека те функции, которые пока ЭВМ недоступны.
ЭВМ способна перерабатывать большие объемы информации, она может  просматривать различные пути решения, предлагаемые человеком, предлагать справочную информацию в большом объеме итд. То есть, на первый план выдвигается  разработка методов и средств, обеспечивающих тесное взаимодействие человека и ЭВМ в течение всего процесса решения задачи. 

Системы обработки информации человеком.
Любая деятельность человека направлена на удовлетворение его потребностей и сопровождается целенаправленным внесением изменений в окружающую среду, пытаясь определить так можно достичь желаемой цели человек решает задачи, если считать некоторое заданное состояние среды начальным, а желаемое конечным, то можно утверждать, что решение задачи — это поиск пути от начального состояния к целевому. Рассмотрим систему обработки информации человеком. Модель обработки информации человеком состоит из трех главных подсистем:
    Восприятия.
    Мыслительной.
    Моторной.
На ее вход подаются внешние стимулы, они входят через  сенсоры. Эта подсистема включает в себя буферные памяти (у каждого сенсора), в которых кратковременно хранится воспринимаемая информация перед тем, как она будет передана на обработку в мыслительную подсистему. Сразу же после того, как информация из сенсоров запомнилась в буферной памяти некоторая ее часть передается когнитивным процессорам в краткосрочную память, хотя сенсоры постоянно направляют большое кол-во информации в буферную память не все восприятия сенсоров обрабатываются в буферной памяти и передаются в краткосрочную. Процессом выбора и обработки управляет когнитивная система, обычно процесс выбора восприятий для запоминания в рабочей памяти мы называем процессом «обратить внимание». Когнитивный процессор как и ЦП ЭВМ работает циклически, в течение каждого такого цикла (распознавание-действие) КП получает информацию из буферной памяти, оценивает ее и запоминает в рабочей памяти. Этот цикл длится приблизительно 70 мс. В простейшем случае мыслительная система связывает вход сенсора с выходным движением. Более сложные задачи включают больше информации и это, в свою очередь, требует более тщательной обработки (изучение новых языков). Для решения таких задач используется долговременная память.
Долговременная  память состоит из большого числа  символов со сложной системой индексации, существует много конкурирующих гипотез о том, что такое элементарные символы и как они организованы. В простейшей модели памяти они связаны друг с другом. В более сложных моделях символы организованы во временные совокупности и их иногда называют скриптами. Один из подходов заключается в том, что память состоит из совокупности символов, называемых чанками. Чанк — это символ, связанный с набором стимулов.
(рисунок mindmap).
На рисунке  составлен чанк сети памяти, который  состоит из символа собака и ассоциативно свзяан с другими символами, которые активизируются, если думать о ней. Как показано на рисунке, чанки организованы иерархически, узнать и вспомнить — это эквивалентно установить связь между чанками и вновь к ней обратиться соответственно. Ньюел и Саймон представляли опытному шахматисту ознакомится с некоторой позицией и в течение 5-10 секунд, затем им предлагалось повторить позицию. Как правило, они могли повторить эту позицию. Подобные и другие эксперименты показывают, что человек запоминает не расположение каждой фигуры, а выделяет и запоминает от 4 до 6 образцов элементов. И когда его просят восстановить доску или позицию он начинает вспоминать какие отдельные образцы были представлены,а затем он выводит какие элементы должны присутствовать в каждом образце, в действительности опытные шахматисты запоминают чанки из отдельных фигур, собранных в маленькие образцы. Затем запоминают чанки, собранные из этих образцов. Думая о партии они вспоминают ее в терминах взаимодействий которые могут или должны быть между 4-6 образцами которые они видели. Изучение когнитивных способностей показывает, что большинство опытных специалистов используют аналогичный подход к организации данных которые они должны запомнить и с которыми должны работать в процессе решения проблемы. С ранних лет мы начинаем организовывать наш опыт в виде чанков информации. Становясь старше мы накапливаем все больше и больше информации вокруг абстрактных понятий. Интересно то, что независимо от сложности чанка возможность манипулировать ими остается одной и той же. Человек может работать с 4-7 чанков в своей рабочей памяти одновременно. Запоминая некоторую информацию извне и просматривая ее во время размышления мы можем увеличить кол-во информации, с которой мы можем работать одновременно. Раньше отделяли рабочую и долговременную память, сейчас пришли к выводу, что в долгосрочной памяти активизируется часть, которая является рабочей памятью. Предварительно активизируемые чанки становятся менее доступны, так как активация распространяется к новым чанкам. Долгосрочная память не имеет ограничений по объему запоминаемой информации. Главное не в объеме хранения информации, а в поддержке путей ее обновления и вспоминания. На размещение чанков в долгосрочной памяти требуется порядке 7 секунд для установления всех его связей в памяти. Разница между 7 с и 7 мс очень важна для понимания функционирования человека. Работа опытного специалиста с большой скоростью не является необычной, но быстрое запоминание незнакомой информации встречается довольно редко. Эксперты мирового класса, как и опытные шахматисты, становятся таковыми после 10 и более лет работы в своей области. Нужно огромное время на извлечение, перекодирование, организацию в чанки (то есть организацию собственного опыта).
После активирования  и поиска информации она посылается в моторную подсистему, которая инициализирует действия мускул или других внутренних систем. 

Разнообразие  знаний.
(рисунок)
Знания могут  быть классифицированы разными способами. На рисунке по горизонатле показана обобщенная совокупность знаний. Под совокупными знаниями понимается информация, которая организована, индексирована, зафиксирована в памяти таким образом, чтобы она была доступна. Можно утверждать, что создание таких совокупность — это и есть процесс создания чанков. Этот процесс реализуется двумя дополняющими друг-друга путями:
    Школа, определения, аксиомы, теории, формальные законы. При этом обучающиеся хотя и могут описать свои знания, но они не могут применить их на практике. Принципы, законы, аксиомы хороши при объяснении и оправдании почему то или иное решение правильно или нет, но с их помощью практически невозможно само решение. То есть они не указывают как действовать при решении конкретной задачи.
    Использование опыта или обучение у наставников. Здесь в первую очередь изучаются предметно-зависимые факты. Далее наставники или опыт учат студентов руководствоваться так называемыми «золотыми правилами» для выполнения конкретной задачи. При этом, ученики довольно быстро извлекают опыт из предметно специфических теорий. Знания, компилируемые из опыта образуют эвристики — обобщенные правила, которые сокращают пространства поиска до разумных пределов. Они фокусируются на небольшом количестве ключевых элементов. Предметный опыт делает людей компетентными. Так как они умеют быстро фокусировать внимание на сложных аспектах проблемы и выявляют важные отношения. Совокупные эвристические знания (опыт), которые хорошо организован и индексирован в долговременной памяти и позволяет нам решать многочисленные повседневные проблемы. Форма знаний проста, но их мощность связана с накопленным опытом.
 
Решение задач.
Решение задачи обычно — это размышление о  том, как решать задачи, которые вы не знаете как решать. Не всякая обработка  информации является решением задачи.
Рассмотрим задачи, решение которых, возможно, не известно.
Обычно она  решается так:
    Попытка решения без плана (понимание задачи).
    Ослабление ограничений.
    Как только видим тупик, то возвращаемся назад.
    Попытка решения задачи, исходя из цели и идти к решению, полагая, что это проще, но оказывается, что это также трудно.
    Если хоть как-то смогли добраться от начального к конечному, то затем мы можем улучшить решение
    Если проблема не поддается этим подходам, то мы применяем более регулярные (формальные) подходы — пытаемся строить модель задачи, вводим символы и переходим к так называемому пространству состояния проблемы. Проблемное пространство состояний состоит из:
      Совокупности элементов или символов, описывающей состояние, в котором оказывается задача, конкретная конфигурация элементов задач — состояние. К проблемным состояниям могут относиться события, симптомы, иерархические состояния.
      Связи между состояниями, которым соответствуют операции, переводящих из одного состояния в другое. То есть решение задачи — это процесс поиска последовательности операций или действий, в пространстве состояний, начинающихся в начальном состоянии и приводящей к заданной цели. Поиск является ключом к решению проблемы, если она представляется как в виде проблемного пространства. Для небольших проблем мы можем сгенирировать все пространство состояний
В хорошо определённой задаче мы знаем начальное состояние, целевое состояние и оператор. И, теоретически, мы можем просматривать  все пространство состояний, но, как  правило, мы имеет дело с плохо  определенными задачами. Плохо определенные задачи характеризуются следующими чертами:
    Цель задана неявно.
    Состояния не дискретны.
    Явно не заданы операторы.
    Не ограничено проблемное пространство.
    Временные ограничения.
Для решения  подобных задач используется опыт и знания. Чтобы решить эту задачу мы пользуемся тем, что лежит за пределами этой задачи. Искусство решать сложные проблемы, сводится к определению, выявлению знаний, необходимых для сокращения огромного проблемного пространства до разумных пределов. Один способ, если сталкиваетесь с новой и относительно незнакомой проблемой, - двигаться медленно, экспериментировать, делать догадки. Другой способ, если проблема уже известна, - сбор соответствующей информации, построение прототипного решения, игнорирование несущественных деталей и пересматриваете гипотезы в свете тех ограничений. При этом, может помочь хорошая теория, которая позволит сократить проблемы до состояния оператора (если это теория найдется). Но гораздо больше могут помочь знания о специфике проблемной области, включая хорошие эвристики. 

Природа опыта.
Эксперт — субъект, за которым широко признана способность  решать определенного типа задачи, которые большинство людей решать также эффективно не могут.
Аналогично водится  понятие экспертизы как творческой компоненты при решении задач. Экспертиза возникает там, где есть проблема.
Эксперты имеют  большое значение так как они  имеют большое количество обобщенного (компилированного) опыта в своей  памяти. По оценкам, эксперт мирового класса имеет от 50000 до 100000 чанков эвристической информации в своей области, при этом, каждый чанк со всеми его связи может быть легко обновлен, проверен и использован. На накопление 50000 чанков по утверждению психологов требуется приблизительно 10 лет. Количество знаний таково, что практически невозможно получить их из опыта. В этом случае помогают общие теории (классифицировать и упорядочивать). Гораздо чаще будущий эксперт, обучаясь движется от школы (общие теории) к опыту и практике, при этом человек постоянно увеличивает свой опыт и постоянно реорганизует опыт в долговременной памяти. Таким образом, он может решать проблемные задачи используя эвристики и предметные теории, но, работая практически эксперты едва могут объяснить свои рекомендации исходя из общих законов. Если однако они сталкиваются с необычной или сложной проблемой, то обращаются к базовой теории при разработке стратегии решения задачи. Знания по эвристике — поверхностные. Фундаментальные знания и знания по теории — глубинные. Эксперты обращаются к ним, когда у них не хватает поверхностных знаний. Глубинные знания генерируют проблемное пространство, а поверхностные имеют тенденцию их ограничивать до разумных пределов. 

Экспертные  системы.
В середине 70-ч  годов образовалось новое направление  — экспертные системы. Цель — разработка программ (устройств), которые при решении задач, трудных для эксперта-человека получали результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. В основном экспертные системы решают трудно формализуемые или не имеющие алгоритмического решения задачи. Области: медицина, геология, механика, химия итд. Основные принципы создания экспертных систем, полученные в результате успешного практического использования:
    Мощность экспертной системы обусловлена в первую очередь базой знаний и возможностью ее развития и только во вторую очередь используемыми методами работы с ними.
    Знания, позволяющие экспертной системе получать качественный и эффективные результаты являются в основном эвристическими, экспериментальными, неопределенными, правдоподобными.
    Учитывая не формализованность и эвристический, личностный характер используемых знаний пользователь должен иметь возможность непосредственного взаимодействия с экспертной системой в режиме диалога.
    Так как основной источник мощности — знания, то экспертная система должная обладать способностью приобретать знания. Процесс приобретения знаний можно разделить на:
      Получение знания от эксперта.
      Организацию знаний с целью эффективной работы системы.
      Представление знаний в понятном системе виде.
    Процесс осуществляется инженером по знаниям. Системы ИИ и экспертные не отвергают и не заменяют традиционный подход к разработке программ , так как он более эффективен. К не формализованным будем относить задачи, обладающие хотя бы одной из следующих характеристик:
    Задачи не могут быть заданы в числовой форме.
    Цели не могут быть выражены в терминах точно определенной целевой функции.
    Не существует алгоритмического решения задачи.
    Алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов.
    Ошибочность, неоднозначность и неполнота исходных данных.
    Ошибочность, неоднозначность и неполнота знаний о проблемной области и решаемой задаче.
    Динамически изменяющиеся данные и знания.
Экспертные системы  и ИИ отличаются от систем обработки  данных тем, что в них используется символьный (а не числовой) способ представления, символьной вывод и эвристический  поиск решения, а не готовое алгоритмическое  решение.
Основные типы задач и их характеристики:
    Интерпретация — это соотнесение элемента реального мира по отличительным признакам к элементу модели реального мира, то есть в процессе интерпретации решается задача классификации текущего состояния реального мира.
    и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.