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

62591. О корректном понимании дихотомии логика / этика 96.88 KB
  О корректном понимании дихотомии логика этика. Разобраны типичные ошибки в понимании дихотомии логика этика. Ключевые слова: Соционика дихотомия логика этика. Цикл статей на эту тему мы решили начать с дихотомии логика этика.
62597. Особенности построения уроков в технологиях развивающего и традиционного обучения 6.88 MB
  Текстовые задачи являются тем богатейшим материалом на котором решается важнейшая задача преподавания математики развитие математического мышления и творческой активности учащихся. В четвертых усиливает желание детей учиться то есть само отношение учащихся к учебному предмету...
62598. Трагическая любовь в рассказе А. И. Куприна «Гранатовый браслет» 183.41 KB
  Цель урока: показать мастерство Куприна в изображении мира человеческих чувств; роль детали в рассказе; Расширить и углубить представления учащихся о Куприне мастере художественного слова; Вызвать чувство восхищения чистой возвышенной любовью...