Искусственный интеллект (стр. 1 )

Содержание
Введение.......................................................................................................... 3

1. Искусственный интеллект

1.1.  Основные понятия искусственного интеллекта............................. 4

1.2.  История развития искусственного интеллекта............................. 12

1.3.  Когнитивное моделирование в интеллектуальной системе......... 14

1.4.  Прикладные интеллектуальные системы..................................... 15

2. Распознание образов и машинный перевод в базах данных

2.1.  Понятие образа........................................................................... 33

2.2.  Проблема распознания образа................................................... 35

2.3.  Обучение, самообучение и адаптация........................................ 37

2.4.  Преобразование изображений в цифровой код........................ 40

3. Нейронные сети

3.1.  Понятие нейронной сети.............................................................. 42

3.2. Базовые архитектуры нейронных сетей...................................... 46

3.3.  Практическое применение нейрокомпьютеров........................... 49

3.4.  Обучение искусственных нейронных сетей................................. 51

Заключение................................................................................................... 55

Список литературы....................................................................................... 57

2

Аннотация

В данной учебно-исследовательской работа автор проводит исследо­вание в области искусственного интеллекта (ИИ), проникновения ИИ в раз­ные области жизнедеятельности человека. В работе изучены основные поня­тия, современные проблемы и будущее искусственного интеллекта. Так же мной рассмотрены исследования, классификация и область применения ИИ.

В работе представлены примеры проецирования и кодирования изо­бражений, модели представления знаний а так же системы управления база­ми данных

Представленный материал в учебно-исследовательской работе содержит таблицы, диаграммы, рисунки и графические схемы. В процессе создания данного проекта средствами Microsoft Office PowerPoint была раз­работана презентация по исследуемой теме.

1

Введение

Инженерия знаний - это область информационной технологий, цель которой накапливать и применять знания, не как объект обработки их чело­веком, но как объект для обработки их на компьютере. Для этого необходимо проанализировать знания и особенности их обработки человеком и компью­тером, а также разработать их машинное представление. К сожалению точ­ного и неоспоримого определения, что собой представляют знания, до сих пор не дано. Но тем не менее цель инженерии знаний - обеспечить использо­вание знаний в компьютерных системах на более высоком уровне, чем до сих пор - актуальна. Но следует заметить, что возможность использования зна­ний осуществима только тогда, когда эти знания существуют, что вполне объяснимо. Технология накопления и суммирования знаний идет бок о бок с технологией использования знаний, они взаимно дополняют друг друга и ве­дут к созданию одной технологии, технологии обработки знаний.

Уже на протяжении 30 лет относительно немногочисленная группа ис­следователей пытается иногда более, иногда менее успешно создавать про­граммы, позволяющие ЭВМ "разумно" решать задачи. В середине 70-х годов после двух десятилетий медленного и едва заметного прогресса в этой новой области искусственного интеллекта исследователи пришли к следующему фундаментальному выводу о разумном поведении вообще: оно требует ко­лоссального количества знаний, которыми люди обладают, как чем-то само собой разумеющимся, но которые нужно постепенно "скормить" машине.

Целью данной учебно-исследовательской работы является рассмотре­ние интеллектуальных систем, исследование основных проблем с которыми сталкиваются разработчики при создании искусственного интеллекта, рас­смотрение основных этапов развития ИИ.

Основными задачами в данной учебно-исследовательской работе является рассмотрение основных понятий интеллектуальных систем, иссле­дование в области машинного перевода и кодирования а так же ознакомление с нейронными сетями.

3

1. Искусственный интеллект 1.1. Основные понятия искусственного интеллекта

Термин интеллект (intelligence) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека. Со­ответственно искусственный интеллект (artificial intelligence) — ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя отдель­ные функции интеллекта человека, например, выбирать и принимать опти­мальные решения на основе ранее полученного опыта и рационального ана­лиза внешних воздействий.

Интеллектом называется способность мозга решать (интеллектуаль­ные) задачи путем приобретения, запоминания и целенаправленного преоб­разования знаний в процессе обучения на опыте и адаптации к разнообраз­ным обстоятельствам.

В этом определении под термином "знания" подразумевается не только ту информацию, которая поступает в мозг через органы чувств. Такого типа знания чрезвычайно важны, но недостаточны для интеллектуальной деятель­ности. Дело в том, что объекты окружающей нас среды обладают свойством не только воздействовать на органы чувств, но и находиться друг с другом в определенных отношениях. Ясно, что для того, чтобы осуществлять в окру­жающей среде интеллектуальную деятельность (или хотя бы просто сущест­вовать), необходимо иметь в системе знаний модель этого мира. В этой ин­формационной модели окружающей среды реальные объекты, их свойства и отношения между ними не только отображаются и запоминаются, но и, как это отмечено в данном определении интеллекта, могут мысленно "целена­правленно преобразовываться". При этом существенно то, что формирование модели внешней среды происходит "в процессе обучения на опыте и адапта­ции к разнообразным обстоятельствам".

Представление знаний — вопрос, возникающий в когнитологии (науке о мышлении) и в искусственном интеллекте. В когнитологии он связан с тем, как люди хранят и обрабатывают информацию. В Искусственном интеллекте

4

основная цель — научиться хранить знания таким образом, чтобы програм­мы могли обрабатывать их и достигнуть подобия человеческого интеллекта. Исследователи ИИ используют теории представления знаний из когнитоло-гии. Такие методы как фреймы, правила и семантические сети пришли в ИИ из теорий обработки информации человеком. Так как знание используется для достижения разумного поведения, фундаментальной целью дисциплины представления знаний является поиск таких способов представления, кото­рые делают возможным процесс логического вывода, то есть создание выво­дов из знаний.

Было очень немного обсуждения вопросов представления знаний и ис­следования в данной области. Есть хорошо известные проблемы, такие как "spreading activation, " (задача навигации в сети узлов) «категоризация» (это связано с выборочным наследованием; например вездеход можно считать специализацией (особым случаем) автомобиля, но он наследует только неко­торые характеристики) и «классификация». Например, помидор можно счи­тать как фруктом, так и овощем.

В области искусственного интеллекта, решение задач может быть уп­рощено правильным выбором метода представления знаний. Определенный метод может сделать какую-либо область знаний легко представимой. На­пример диагностическая экспертная система Мицин использовала схему представления знаний основанную на правилах. Неправильный выбор метода представления затрудняет обработку. В качестве аналогии можно взять вы­числения в индо - арабской или римской записи. Деление в столбик проще в первом случае и сложнее во втором. Аналогично, не существует такого спо­соба представления, который можно было бы использовать во всех задачах, или сделать все задачи одинаково простыми.

Проблема формирования баз знаний является сложной и многогранной. Если ограничить рассмотрение этой проблемы задачей извлечения личных знаний эксперта, то можно сформулировать основные требования и принци­пы построения программных систем, автоматизирующих процесс формиро-

вания баз знаний. Системы такого рода именуются автоматизированными системами инженерии знаний.

В 1950 году британский математик Алан Тьюринг опубликовал в жур­нале «Mind» свою работу «Вычислительная машина и интеллект», в которой описал тест для проверки программы на интеллектуальность. Он предложил поместить исследователя и программу в разные комнаты и до тех пор, пока исследователь не определит, кто за стеной - человек или программа, считать поведение программы разумным. Это было одно из первых определений ин­теллектуальности, то есть А. Тьюринг предложил называть интеллектуаль­ным такое поведение программы, которое будет моделировать разумное по­ведение человека.

С тех пор появилось много определений интеллектуальных систем (ИС) и искусственного интеллекта (ИИ). Сам термин ИИ (AI - Artificial Intelligence) был предложен в 1956 году на семинаре в Дартсмутском кол­ледже (США). Приведем некоторые из этих определений. Д. Люгер в своей книге определяет «ИИ как область компьютерных наук, занимающуюся ис­следованием и автоматизацией разумного поведения».

В учебнике по ИС дается такое определение: «ИИ - это одно из на­правлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, обща­ясь с ЭВМ на ограниченном подмножестве естественного языка».

Введем определения, которые будем использовать в качестве рабочих определений. Предметом информатики является обработка информации по известным законам. Предметом ИИ является изучение интеллектуальной деятельности человека, подчиняющейся заранее неизвестным законам. ИИ это все то, что не может быть обработано с помощью алгоритмических мето­дов. Системой будем называть множество элементов, находящихся в отно­шениях друг с другом и образующих причинно-следственную связь.

6

Адаптивная система - это система, которая сохраняет работоспособ­ность при непредвиденных изменениях свойств управляемого объекта, целей управления или окружающей среды путем смены алгоритма функционирова­ния, программы поведения или поиска оптимальных, в некоторых случаях просто эффективных, решений и состояний. Традиционно, по способу адап­тации различают самонастраивающиеся, самообучающиеся и самооргани­зующиеся системы.

Под алгоритмом будем понимать последовательность заданных дейст­вий, которые однозначно определены и выполнимы на современных ЭВМ за приемлемое время для решаемой задачи.

Под ИС будем понимать адаптивную систему, позволяющую строить программы целесообразной деятельности по решению поставленных перед ними задач на основании конкретной ситуации, складывающейся на данный момент в окружающей их среде. Сделаем два важных дополнения к данному определению. К сфере решаемых ИС задач относятся задачи, обладающие, как правило, следующими особенностями:

•  в них неизвестен алгоритм решения задач (такие задачи будем называть интеллектуальными задачами);

•  в них используется помимо традиционных данных в числовом формате информация в виде изображений, рисунков, знаков, букв, слов, звуков;

•  в них предполагается наличие выбора (не существует алгоритма - это значит, что нужно сделать выбор между многими вариантами в условиях не­определенности). Свобода действий является существенной составляющей интеллектуальных задач.

Интеллектуальные робототехнические системы (ИРС) содержат пере­менную, настраиваемую модель внешнего мира и реальной исполнительной системы с объектом управления. Цель и управляющие воздействия форми­руются в ИРС на основе знаний о внешней среде, объекте управления и на основе моделирования ситуаций в реальной системе.

7

О каких признаках интеллекта уместно говорить применительно к ин­теллектуальным системам? ИС должна уметь в наборе фактов распознать существенные, ИС способны из имеющихся фактов и знаний сделать выводы не только с использованием дедукции, но и с помощью аналогии, индукции и т. д. Кроме того, ИС должны быть способны к самооценке - обладать рефлек­сией, то есть средствами для оценки результатов собственной работы. С по­мощью подсистем объяснения ИС может ответить на вопрос, почему получен тот или иной результат. Наконец, ИС должна уметь обобщать, улавливая сходство между имеющимися фактами.

Можно ли считать шахматную программу интеллектуальной системой? Если шахматная программа при повторной игре делает одну и ту же ошибку - то нельзя. Обучаемость, адаптивность, накопление опыта и знаний - важней­шие свойства интеллекта. Если шахматная программа реализована на компь­ютере с бесконечно-высоким быстродействием и обыгрывает человека за счет просчета всех возможных вариантов игры по жестким алгоритмам - то такую программу мы также не назовем интеллектуальной. Но если шахмат­ная программа осуществляет выбор и принятие решений в условиях неопре­деленности на основе эффективных методов принятия решений и эвристик, корректируя свою игру от партии к партии в лучшую сторону, то такую про­грамму можно считать достаточно интеллектуальной.

Всякий раз, как только возникают сомнения в интеллектуальности не­которой системы, договоримся вспоминать тест Алана Тьюринга на интел­лектуальность. После этого сомнения и дальнейшие споры, как правило, пре­кращаются. Следует определить также понятие знания - центрального поня­тия в ИС. Рассмотрим несколько определений:

•  Знания есть результат, полученный познанием окружающего мира и его объектов;

•  Знания - система суждений с принципиальной и единой организацией, основанная на объективной закономерности;

8

• Знания - это формализованная информация, на которую ссылаются или которую используют в процессе логического вывода (рис. 1).

Под знаниями будем понимать совокупность фактов и правил. Понятие правила, представляющего фрагмент знаний, имеет вид: если <условие> то <действие>

Например, если X истинно и Y истинно, то Z истинно с достоверно­стью Р.

Рис. 1. Процесс логического вывода в ИС

Вышеприведенные определения являются достаточно общими фило­софскими определениями. В ИС принято использовать определение 3 для определения знаний. Определение 4 есть частный случай определения 3.

Под статическими знаниями будем понимать знания, введенные в ИС на этапе проектирования. Под динамическими знаниями (опытом) будем по­нимать знания, полученные ИС в процессе функционирования или эксплуа­тации в реальном масштабе времени.

Знания можно разделить на факты и правила. Под фактами подразуме­ваются знания типа «А это А», они характерны для баз данных. Под прави­лами (продукциями) понимаются знания вида «ЕСЛИ-ТО». Кроме этих зна­ний существуют так называемые метазнания (знания о знаниях). Создание продукционных систем для представления знаний позволило разделить зна­ния и управление в компьютерной программе, обеспечить модульность про­дукционных правил, т. е. отсутствие синтаксического взаимодействия между правилами. При создании моделей представления знаний следует учитывать такие факторы, как однородность представления и простота понимания. Вы­полнить это требование в равной степени для простых и сложных задач до­вольно сложно.

9

Рассмотрим подробнее систему управления ИРС, структурная схема которой представлена на (рис. 2). На этом рисунке стрелками обозначено на­правление движения информации, двунаправленными стрелками обозначено взаимодействие типа «запрос-ответ» и «действие-подтверждение», весьма распространенное в информационных системах. Входом системы является Блок ввода информации, предназначенный для ввода числовых данных, тек­ста, речи, распознавания изображений. Информация на вход системы может поступать (в зависимости от решаемой задачи) от пользователя, внешней среды, объекта управления. Далее входная информация поступает в Блок ло­гического вывода, либо сразу в базу данных (БД) - совокупность таблиц, хра­нящих, как правило, символьную и числовую информацию об объектах предметной области (в нашем курсе лекций - объектах робототехники).

Рис.2. Структурная схема интеллектуальной робототехнической системы Блок логического вывода (БЛВ) и формирования управляющей ин­формации обеспечивает нахождение решений для нечетко формализованных задач ИС, осуществляет планирование действий и формирование управляю­щей информации для пользователя или объекта управления на основе Базы Знаний (БЗ), БД, Базы Целей (БЦ) и Блока Алгоритмических Методов Реше­ний (БАМР).

Рассмотрим следующие определения: БЗ - совокупность знаний, на­пример, система продукционных правил, о закономерностях предметной об-

10

ласти. БЦ - это множество локальных целей системы, представляющих собой совокупность знаний, активизированных в конкретный момент и в конкрет­ной ситуации для достижения глобальной цели. Б AMP содержит программ­ные модули решения задач предметной области по жестким алгоритмам. Блок усвоения знаний (БУЗ) осуществляет анализ динамических знаний с це­лью их усвоения и сохранения в БЗ. Блок объяснения решений (БОР) интер­претирует пользователю последовательность логического вывода, применен­ную для достижения текущего результата.

На выходе системы Блок вывода информации обеспечивает вывод дан­ных, текста, речи, изображений и другие результаты логического вывода пользователю и/или Объекту Управления (ОУ).

Контур обратной связи позволяет реализовать свойства адаптивности и обучения ИС. На этапе проектирования эксперты и инженеры по знаниям на­полняют базу знаний и базу целей, а программисты разрабатывают програм­мы алгоритмических методов решений. База данных создается и пополняет­ся, как правило, в процессе эксплуатации ИС.

Динамика работы ИРС может быть описана следующим образом. При поступлении информации на внешнем языке системы на вход БВИ произво­дится ее интерпретация во внутреннее представление для работы с символь­ной моделью системы. БЛВ выбирает из БЗ множество правил, активизиро­ванных поступившей входной информацией, и помещает эти правила в БЦ как текущие цели системы. Далее БЛВ по заданной стратегии, например, стратегии максимальной достоверности, выбирает правило из БЦ и пытается доопределить переменные модели внешнего мира и исполнительной системы с объектом управления. На основе этого активизируются новые правила БЗ и начинается логический вывод в системе продукций (правил). Эта процедура заканчивается, как только решение будет найдено, либо когда будет исчерпа­на БЦ. Найденное решение из внутреннего представления интерпретируется Блоком Вывода информации во внешний язык подсистемы управления низ­шего уровня и объекта управления.

11

1.2. История развития искусственного интеллекта

В 1954 г. в МГУ начал свою работу семинар "Автоматы и мышление" под руководством академика (), одного из основа­телей российской кибернетики. В этом семинаре принимали участие физио­логи, лингвисты, психологи, математики. Принято считать, что именно в это время родился искусственный интеллект в России. Как и за рубежом, выде­лились два основных направления - нейрокибернетики и кибернетики "чер­ного ящика".

В гг. создаются отдельные программы и проводятся иссле­дования в области поиска решения логических задач. В Ленинграде (ЛОМИ - Ленинградское отделение математического института им. Стеклова) создает­ся программа АЛПЕВ ЛОМИ, автоматически доказывающая теоремы. Она основана на оригинальном обратном выводе Маслова, аналогичном методу резолюций Робинсона. Среди наиболее значимых результатов, полученных отечественными учеными в 60-е годы, следует отметить алгоритм "Кора" , моделирующий деятельность человеческого мозга при распо­знавании образов. Большой вклад в становление российской школы ИИ вне­сли выдающиеся ученые , , А, чьи ученики и явились пионерами этой науки в России (например, знаменитая Гавриловская школа).

В гг. происходит рождение нового направления - ситуацион­ного управления (соответствует представлению знаний, в западной термино­логии). Основателем этой научной школы стал проф. Поспелов разработаны специальные модели представления ситуаций - представления знаний.

При том что отношение к новым наукам в советской России всегда бы­ло настороженное, наука с таким "вызывающим" названием тоже не избежа­ла этой участи и была встречена в Академии наук в штыки. К счастью, даже среди членов Академии наук СССР нашлись люди, не испугавшиеся столь необычного словосочетания в качестве названия научного направления. Двое

12

из них сыграли огромную роль в борьбе за признание ИИ в нашей стране. Это были академики и .

Только в 1974 году при Комитете по системному анализу при прези­диуме АН СССР был создан Научный совет по проблеме "Искусственный интеллект", его возглавил , его заместителями были избраны и . В состав совета входили на разных этапах -Рапопорт, , .

По инициативе Совета было организовано пять комплексных научных проектов, которые были возглавлены ведущими специалистами в данной об­ласти. Проекты объединяли исследования в различных коллективах страны: "Диалог" (работы по пониманию естественного языка, руководители , ), "Ситуация" (ситуационное управление, Д. А. По­спелов), "Банк" (банки данных, ), "Конструктор" (поисковое кон­струирование, ), "Интеллект робота" ().

В гг. проводятся активные исследования в области представ­ления знаний, разрабатываются языки представления знаний, экспертные системы (более 300). В Московском университете создается язык РЕФАЛ.

В 1988 г. создается АИИ - Ассоциация искусственного интеллекта. Ее членами являются более 300 исследователей. Президентом Ассоциации еди­ногласно избирается , выдающийся ученый, чей вклад в раз­витие ИИ в России трудно переоценить. Крупнейшие центры - в Москве, Пе­тербурге, Переславле-Залесском, Новосибирске. В научный совет Ассоциа­ции входят ведущие исследователи в области ИИ - , ­децкий, , и другие ученые. В рамках Ассоциации про­водится большое количество исследований, организуются школы для моло­дых специалистов, семинары, симпозиумы, раз в два года собираются объе­диненные конференции, издается научный журнал.

13

Уровень теоретических исследований по искусственному интеллекту в России ничуть не ниже мирового. К сожалению, начиная с 80-х гг. на при­кладных работах начинает сказываться постепенное отставание в техноло­гии. На данный момент отставание в области разработки промышленных ин­теллектуальных систем составляет порядка 3-5 лет.

1.3. Когнитивное моделирование

Логический подход к созданию систем искусственного интеллекта на­правлен на создание экспертных систем с логическими моделями баз знаний с использованием языка предикатов.

Учебной моделью систем искусственного интеллекта в 1980-х годах был принят язык и система логического программирования Пролог.

Базы знаний, записанные на языке Пролог, представляют наборы фак­тов и правил логического вывода, записанных языка логических предикатов с использованием лексики русского языка, хорошо понятно русским, казахам, украинцам — всем русскоязычным людям. Известны случаи написания про­грамм и баз знаний с использованием русскоязычных интерпретаторов Про­лога на казахском языке.

Логическая модель баз знаний позволяет записывать не только кон­кретные сведения и данные в форме фактов на языке Пролог, но и обобщен­ные сведения с помощью правил и процедур логического вывода и в том числе логических правил определения понятий, выражающих определённые знания как конкретные и обобщенные сведения.

В целом исследования проблем искусственного интеллекта в информа­тике в рамках логического подхода к проектированию баз знаний и эксперт­ных систем направлено на создание, развитие и эксплуатацию интеллекту­альных информационных систем, включая вопросы обучения студентов и школьников, а также подготовки пользователей и разработчиков таких ин­теллектуальных информационных систем.

Последний подход, развиваемый с начала 1990-х годов называется агентно - ориентированным подходом, или подходом, основанным на исполь-

14

зовании интеллектуальных (рациональных) агентов. Согласно этому подхо­ду, интеллект - это вычислительная часть (грубо говоря, планирование) спо­собности достигать поставленных перед интеллектуальной машиной целей. Сама такая машина будет интеллектуальным агентом, воспринимающим ок­ружающий его мир с помощью датчиков и способной воздействовать на объ­екты в окружающей среде с помощью исполнительных механизмов.

Этот подход акцентирует внимание на тех методах и алгоритмах, кото­рые помогут интеллектуальному агенту выживать в окружающей среде при выполнении его задачи. Так, здесь значительно сильнее изучаются Алгорит­мы поиска и принятия решений.

Самый общий подход предполагает, что ИИ будет способен проявлять поведение, не отличающееся от человеческого, причём, в нормальных ситуа­циях. Эта идея является обобщением подхода теста Тьюринга, который ут­верждает, что машина станет разумной тогда, когда будет способна поддер­живать разговор с обычным человеком, и тот не сможет понять, что говорит с машиной (разговор идёт по переписке).

Писатели - фантасты часто предлагают ещё один подход: ИИ возникнет тогда, когда машина будет способна чувствовать и творить. Так, хозяин Энд­рю Мартина из «Двухсотлетнего человека» начинает относиться к нему как к человеку, когда тот создаёт игрушку по собственному проекту. А Дейта из Звёздного пути, будучи способным к коммуникации и учению, мечтает об­рести эмоции и интуицию.

1.4. Системы управления базами данных

В настоящее время в исследованиях по искусственному интеллекту (ИИ) выделились шесть направлений представленных на (рис.3).

В рамках направления "Представление знаний" решаются задачи, свя­занные с формализацией и представлением знаний в памяти интеллектуаль­ной системы (ИС). Для этого разрабатываются специальные модели пред­ставления знаний и языки для описания знаний, выделяются различные типы

знаний. Изучаются источники, из которых ИС может черпать знания, и соз-

15

даются процедуры и приемы, с помощью которых возможно приобретение знаний для ИС. Проблема представления знаний для ИС чрезвычайно акту­альна, т. к. ИС - это система, функционирование которой опирается на знания о проблемной области, которые хранятся в ее памяти

Рис. 3. Основные направления в исследовании ИИ Информация, с которой имеют дело ЭВМ, разделяется на процедурную и декларативную. Процедурная информация овеществлена в программах, ко­торые выполняются в процессе решения задач, декларативная информация - в данных, с которыми эти программы работают. Стандартной формой пред­ставления информации в ЭВМ является машинное слово, состоящее из опре­деленного для данного типа ЭВМ числа двоичных разрядов - битов. Машин­ное слово для представления данных и машинное слово для представления команд, образующих программу, могут иметь одинаковое или разное число разрядов. В последнее время для представления данных и команд использу­ются одинаковые по числу разрядов машинные слова. Однако в ряде случаев машинные слова разбиваются на группы по восемь двоичных разрядов, кото­рые называются байтами.

Одинаковое число разрядов в машинных словах для команд и данных позволяет рассматривать их в ЭВМ в качестве одинаковых информационных единиц и выполнять операции над командами, как над данными. Содержимое памяти образует информационную базу.

16

В большинстве существующих ЭВМ возможно извлечение информа­ции из любого подмножества разрядов машинного слова вплоть до одного бита. Во многих ЭВМ можно соединять два или более машинного слова в слово с большей длиной. Однако машинное слово является основной харак­теристикой информационной базы, т. к. его длина такова, что каждое машин­ное слово хранится в одной стандартной ячейке памяти, снабженной индиви­дуальным именем - адресом ячейки. По этому имени происходит извлечение информационных единиц из памяти ЭВМ и записи их в нее.

Параллельно с развитием структуры ЭВМ происходило развитие ин­формационных структур для представления данных. Появились способы описания данных в виде векторов и матриц, возникли списочные структуры, иерархические структуры. В настоящее время в языках программирования высокого уровня используются абстрактные типы данных, структура кото­рых задается программистом. Появление баз данных (БД) знаменовало собой еще один шаг на пути организации работы с декларативной информацией. В базах данных могут одновременно храниться большие объемы информации, а специальные средства, образующие систему управления базами данных (СУБД), позволяют эффективно манипулировать с данными, при необходи­мости извлекать их из базы данных и записывать их в нужном порядке в ба­зу. По мере развития исследований в области ИС возникла концепция зна­ний, которые объединили в себе многие черты процедурной и декларативной информации.

В ЭВМ знания так же, как и данные, отображаются в знаковой форме - в виде формул, текста, файлов, информационных массивов и т. п. Поэтому можно сказать, что знания - это особым образом организованные данные. Но это было бы слишком узкое понимание. А между тем, в системах ИИ знания являются основным объектом формирования, обработки и исследования. Ба­за знаний, наравне с базой данных, - необходимая составляющая программ­ного комплекса ИИ. Машины, реализующие алгоритмы ИИ, называются ма­шинами, основанными на знаниях, а подраздел теории ИИ, связанный с по-

17

строением экспертных систем, - инженерией знаний. При переходе от Базы Данных к Базе Знаний выделяют следующие особенности:

1. Внутренняя интерпретируемость. Каждая информационная единица должна иметь уникальное имя, по которому ИС находит ее, а также отвечает на запросы, в которых это имя упомянуто. Когда данные, хранящиеся в памя­ти, были лишены имен, то отсутствовала возможность их идентификации системой. Данные могла идентифицировать лишь программа, извлекающая их из памяти по указанию программиста, написавшего программу. Что скры­вается за тем или иным двоичным кодом машинного слова, системе было не­известно.

Если, например, в память ЭВМ нужно было записать сведения о со­трудниках учреждения, представленные в табл. 1.1, то без внутренней интер­претации в память ЭВМ была бы занесена совокупность из четырех машин­ных слов, соответствующих строкам этой таблицы.

Таблица 1.1 Данные о сотрудниках учреждения

Фамилия	Год рождения	Специальность	Стаж, число лет
Попов	1965	Слесарь	5
Сидоров	1946	Токарь	20
Иванов	1925	Токарь	30
Петров	1937	Сантехник	25

При этом информация о том, какими группами двоичных разрядов в этих машинных словах закодированы сведения о специалистах, у системы отсутствуют. Они известны лишь программисту, который использует данные табл. 1.1 для решения возникающих у него задач. Система не в состоянии от­ветить на вопросы типа "Что тебе известно о Петрове?" или "Есть ли среди специалистов сантехник?". При переходе к знаниям в память ЭВМ вводится информация о некоторой протоструктуре информационных единиц. В рас­сматриваемом примере она представляет собой специальное машинное сло­во, в котором указано, в каких разрядах хранятся сведения о фамилиях, годах рождения, специальностях и стажах. При этом должны быть заданы специ-