8114

Краткая история ИИ. Понятие интеллектуального агента

Лекция

Информатика, кибернетика и программирование

Лекция 1. Краткая история ИИ. Понятие интеллектуального агента (Конспект) Машинный перевод: 1954 г. Джорджтаунский эксперимент - переведено 60 фраз. 1-й этап - информация о языках, между которыми выполнялся перевод, и описание самих...

Русский

2013-02-04

63.5 KB

7 чел.

Лекция 1. Краткая история ИИ.

Понятие интеллектуального агента

(Конспект)

Машинный перевод: 

1954 г. Джорджтаунский эксперимент – переведено 60 фраз.

  •  1-й этап - информация о языках, между которыми выполнялся перевод, и описание самих правил перевода – в едином алгоритме;
  •  2-й этап (60-е годы) – вводится специальный язык-посредник, облегчающий сопоставление конструкций языков;
  •  3-й этап (2-я половина 70-х) – язык-посредник преобразуется в модель глубинной семантики, описывающей семантические инварианты, присущие всем естественным языкам.

Автоматизированное реферирование и информационный поиск:

  •  подходы, основанные на выявлении статистических закономерностей распределения терминов в тексте или их взаимного расположения в нем;
  •  использование внутренних структур текста, выявление информационной основы, организующей весь текст.

Доказательство теорем:

  •  середина 50-х г. – с помощью ЭВМ доказаны первые теоремы исчисления высказываний и (чуть позже) исчисления предикатов;
  •  1965 г. Дж. Робинсон (США) – метод резолюций;
  •  1967 г. – С.Ю.Маслов (СССР) – обратный метод;
  •  Эвристическое программирование.

Распознавание образов:

  •  обучение нахождению решающего правила на множестве положительных и отрицательных примеров;
  •  логико-лингвистические методы распознавания.

Игровые программы:

  •  конец 40-х годов – программы для простых игр типа "крестики-нолики", "ханойская башня";
  •  Программы для игры в домино, шашки, шахматы, карточные игры и др. – нахождение эффективных стратегий поиска по дереву игры

Сочинение музыки и текстов.

1956 г. - появление ИИ как научного направления (конференция в Дартмуте (США)

Начальный этап развития:

  •  Лабиринтная модель решения задач.
  •  Ситуационное управление.
  •  Ассоциативная модель.
  •  Нейробионический подход

Создание теоретической базы

Представление знаний. Основные задачи:

  •  методы сбора знаний о проблемной области
  •  методы представления знаний в базе знаний в форме, удобной для обработки на ЭВМ;
  •  методы сохранения непротиворечивости и достижения полноты знаний при объединении знаний, получаемых из различных источников;
  •  методы классификации собранных знаний и их обобщения в процессе накопления;
  •  методы использования знаний при решении различных задач.

Общение. Методы организации интеллектуального человеко-машинного взаимодействия.

Рассуждения и планирование.

  •  принятие решений в альтернативных ситуациях;
  •  нахождение и обоснование планов целесообразной деятельности.

Восприятие. Задачи обработки образов, требующие использования знаний.

Обучение. Использование информации о подтверждении или неподтверждении некоторых гипотез фактами, хранящимися в базе знаний ИС.

Переход к промышленным образцам

Начало 80-х годов характеризуется изменением взгляда на ИИ. На смену "игрушечным" моделям и чисто демонстрационным интеллектуальным программам стали приходить системы, интересные и важные для решения трудных практических задач, которые не могли быть решены ранее известными методами.

Появилось семейство языков программирования, не ориентированных на решение чисто вычислительных задач (ЛИСП и ПРОЛОГ).

Стали активно развиваться различные инструментальные системы поддержки разработок интеллектуальных систем, дающие программистам возможность автоматизировать свою деятельность при создании новых интеллектуальных программ и систем.

Области практического приложения интеллектуальных систем, созданных в первой половине 80-х годов:

  •  Традиционные системы управления.
  •  роботизированные производства с гибкой технологией,
  •  распределенные интеллектуальные системы (пример - отраслевое планирование).

– Автоматизация научной и инженерной деятельности.

  •  Расчетно-логические системы с развитой графической системой общения,
  •  Обучающие системы (тьюторы),
  •  Экспертные системы,
  •  Производство ЭВМ новых поколений (ЭВМ 5-го поколения должны быть такими, чтобы пользователь мог их применять с такой же легкостью, с какой он пользуется другими приборами, носящими название бытовых).

К началу 90-х годов на центральное место в исследованиях по ИИ выдвинулась концепция интеллектуального агента (ИА).

Определения ИА:

  •  любая сущность, воспринимающая свою среду посредством сенсоров и воздействующая на нее посредством эффекторов [Russell and Norvig, 1995].
  •  система, помещенная в некоторую среду и являющаяся ее частью, постоянно воспринимающая эту среду, воздействующая на нее для решения своих задач и определяющая, что ей воспринимать в будущем [Franklin and Graesser, 1996].
  •  системы, непрерывно реализующие три функции [Hayes-Roth, 1995]:
    •  восприятие динамически меняющегося состояния внешней среды;
    •  рассуждения для интерпретации воспринимаемой информации, решения задач, реализации вывода и определения действий;
    •  воздействие на среду с целью изменения ее состояния
  •  программные сущности, выполняющие некоторое множество операций в интересах пользователя или других программ с определенной степенью независимости или автономности и использующие для этого знания или представления о целях и желаниях пользователя [IBM Agent http://activist.gpl.ibm.com:81/WhitePaper/ptc2.htm].
  •  вычислительная система, обитающая в некоторой сложной динамической среде, воспринимающая ее, и действующая автономно, чтобы реализовать множество целей или задач, для которых она создана [Maes, 1995].

Общее: активное взаимодействие со средой и целенаправленное поведение.

Наиболее распространенное определение ИА [Wooldridge and Jennings, 1995]:

Система, обладающая следующим набором свойств:

  •  автономность – способность действовать (решать задачи) без прямого вмешательства человека или других агентов, самостоятельно управляя своими действиями и внутренним состоянием;
  •  реактивность – способность к активному восприятию внешней среды и своевременному отклику на происходящие в ней события (внешняя среда агента может быть физическим миром, пользователем, совокупностью других агентов или их комбинацией);
  •  активность – способность осуществлять целенаправленное поведение и проявлять инициативу, а не просто откликаться на внешние события;
  •  социальность – способность взаимодействовать с другими агентами и/или людьми, общаясь с ними посредством языка(ов) межагентного общения.

Это слабое определение, т.к. оно характеризует внешние свойства агента и ничего не говорит о его внутренней организации.

Сильное определение рассматривает агента как «интенсиональную систему», т. е. систему, при описании внутреннего состояния и процесса переработки информации которой используются так называемых «ментальные категории». К таким категориям принято относить: знания (knowledge), убеждения (beliefs), желания (desires), цели (goals), намерения (intentions), планы (plans), обязательства (commitments) и т. п.

Термин «интенсиональная система» (intentional system), широко используемый в теории агентов, был введен философом Д. Деннетом [Dennett, 1987] для описания сущностей «поведение которых может быть предсказано путем приписывания им убеждений, желаний и целесообразности».

Существенной особенностью ИА является способность осуществлять целенаправленное поведение в открытых, динамических и неопределенных мирах.

Открытые миры, в отличие от замкнутых, не позволяют на этапе проектирования агента исчерпывающе полно описать среду его функционирования, т.к. неизвестно, сколько, каких сущностей агент обнаружит в окружающей среде. Агент должен иметь  общими знаниями, позволяющими ему распознавать различные типы сущностей, их поведение, намерения и динамически строить планы собственных действий.

Динамичность мира означает, что его состояние постоянно меняется. Источниками изменений мира быть как целенаправленные сущности (другие агенты), так и нецеленаправленные динамические объекты.

Неопределенность – означает принципиальную невозможность для агента исчерпывающе полно и точно идентифицировать состояния мира. Существуют различные типы неопределенности знаний. При функционировании в мультиагентных средах важную роль играет неопределенность относительно целей других агентов, что обуславливает ограниченную предсказуемость развития событий. Следует также учитывать, что процесс сбора информации требует определенного времени, тогда как в динамической среде ситуация непрерывно меняется. Поэтому агенту необходимо уметь постоянно фокусировать свое внимание на наиболее значимых для него объектах и событиях.

Таким образом, ИА можно также определить как основанную на знаниях систему, способную реализовывать автономное целенаправленное поведение в открытых, динамических и неопределенных мирах, в том числе населенных другими целенаправленными агентами.

PAGE   \* MERGEFORMAT 7


 

А также другие работы, которые могут Вас заинтересовать

60721. Создание, переименование, перемещение, копирование, удаление, распечатка объектов Windows 235 KB
  Скажите что нужно сделать если вы хотите создать папку на рабочем столе Если вам нужно переименовать папку Если вы хотите переместить папку Если вы хотите копировать папку...
60722. Текстовый редактор Microsoft Word. Назначение. Настройки 382 KB
  Цель: дать понятие учащимся о текстовом редакторе Microsoft Word его назначение и о его настройки. Задачи: сформировать у учащихся представления о настройках текстового редактора Microsoft Word.
60723. Меню, панели «Стандартная», «Форматирование» 296 KB
  С помощью этой панели можно быстро и удобно выполнять операции по изменению шрифта вида выравнивания абзацев включать режим ввода списка оформлять обрамление текста его границы...
60724. Классификация программ растровой графики 2.42 MB
  Цель: дать учащимся понятие классификации программ растровой графики. И какие существуют виды компьютерной графики. Что такое векторная графика Назовите достоинства и недостатки векторной графики.
60725. Пример решения жизненной задачи 156.5 KB
  Это разнообразило бы отдых учащихся да и сами вы не прочь прокатится с горки. Итак у вас появляется жизненная задача построение ледяной горки. Основная часть Итак приступаем к построению ледяной горки.
60726. Проверка знаний по теме: «Microsoft Excel и моделирование в задачах управления» 377 KB
  Цель: проверка знаний учащихся по данному разделу Электронная таблица Microsoft Excel и моделирование в задачах управления. Закрепить на практике умения учащихся работать в электронной таблице Microsoft Excel.
60727. Моделирование биологической системы 1.27 MB
  Цель: дать понятие учащимся о моделирование биологической системы Задачи: сформировать у учащихся представления о моделировании биологической системы. актуализировать и углубить знания о моделях и моделировании.
60728. Пользовательский интерфейс графического редактора 339 KB
  Цель: дать учащимся понятие о пользовательском интерфейс графического редактора аdobe PhotoShop. Закрепить на практике умения учащихся использовать графический редактор аdobe PhotoShop.
60729. Сканирование изображений 3.05 MB
  Задачи: Актуализировать знания учащихся о компьютерной графике. Закрепить на практике умения учащихся использовать графический редактор Paint. Развивать творческое мышление через задания творческого характера.