МЕТОДИЧЕСКОЕ ПОСОБИЕ ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ (КУРСА)
СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
МОСКВА 2006
Разработано , д-ром техн. наук, проф.
Под ред. , д-ра техн. наук, проф.
МЕТОДИЧЕСКОЕ ПОСОБИЕ ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ (КУРСА)
СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Настоящее пособие включает в себя краткое содержание разделов (модулей) дисциплины, в организационно-методическом разделе пособия указаны цель и задачи учебной дисциплины, требования к уровню освоения содержания дисциплины.
ОГЛАВЛЕНИЕ
Стр.
I. ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЙ РАЗДЕЛ.. 4 II. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ... 5 |
1. Темы и их краткое содержание. 5
Модуль 1. Теоретические основы ИИ.. 5
Модуль 2. Интеллектуальные системы.. 5
2. Примерный перечень контрольных вопросов и заданий для самостоятельной работы.. 6
2. Примерный перечень тем рефератов и курсовых работ. 7
4/ Примерный перечень вопросов к зачету по дисциплине. 7
III. УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ.. 8 |
Литература. 8
Средства обеспечения освоения дисциплины.. 9
I. ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЙ РАЗДЕЛ
1. Цель дисциплины
Овладение основными понятиями, идеями и методами искусственного интеллекта и интеллектуальных систем, которые являются наиболее перспективным видом современных информационных технологий.
2. Задачи дисциплины
Ознакомление с основными парадигмами искусственного интеллекта (символьной и нейронной), этапами развития искусственного интеллекта, понятием эвристического поиска.
Изучение основных понятий и методов моделирования логических рассуждений: дедуктивного, индуктивного и правдоподобного вывода, метода резолюций, понятия немонотонного рассуждения.
Изучение современных моделей представления знаний: логических и продукционных моделей, семантических сетей, фреймов.
Знакомство с основными понятиями и методами инженерии знаний.
Знакомство с типовыми архитектурами экспертных систем и функциями их подсистем.
Изучение основных стратегий и методов управления выводом.
Знакомство с основными средствами проектирования интеллектуальных систем.
3. Место дисциплины в профессиональной подготовке выпускника
Системы искусственного интеллекта являются наиболее перспективным видом современных информационных технологий. Их разработка и умение пользоваться возможностями, которые они предоставляют, требуют высокой квалификации, поскольку эти системы основаны на серьезном теоретическом фундаменте. Для изучения теоретических основ искусственного интеллекта требуется хорошее знание элементов дискретной математики, в особенности математической логики, т. е. дисциплин, изучение которых предшествует данному курсу.
4. Требования к уровню освоения содержания дисциплины
Бакалавр, изучивший данную дисциплину, должен знать:
· определение формального нейрона и законы его функционирования;
· определения достоверного вывода и различных видов правдоподобного вывода;
· основные черты логических, продукционных и сетевых моделей представления знаний;
· основные типы отношений в семантических сетях и их свойства;
· этапы проектирования интеллектуальных систем;
· задачи, решаемые инженерией знаний;
· типовые архитектуры экспертных систем, их основные подсистемы и функции этих подсистем;
· основные типы инструментальных средств проектирования интеллектуальных систем.
Бакалавр, изучивший данную дисциплину, должен уметь:
· записывать правила базы знаний на языке логики предикатов;
· записывать правила базы знаний в виде системы продукций;
· применять метод резолюций для доказательства утверждений.
Бакалавр, изучивший данную дисциплину, должен иметь представление о:
· основных парадигмах искусственного интеллекта;
· принципах эвристического поиска;
· методах извлечения знаний;
· организации управления выводом в продукционных системах и основных стратегиях вывода;
· этапах жизненного цикла разработки экспертных систем;
· современной проблематике искусственного интеллекта.
II. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
1. Темы и их краткое содержание
Модуль 1. Теоретические основы ИИ
Тема 1. Искусственный интеллект - подходы и проблематика
Что такое искусственный интеллект. Искусственный интеллект и когнитивная психология. История искусственного интеллекта. Естественный и искусственный интеллект - сходства и различия. Парадигмы искусственного интеллекта: символьная и нейронная. Формальные нейроны и законы их функционирования. Нейронные сети. Эвристический поиск и эвристическое программирование.
Тема 2. Логические аспекты ИИ и моделирование рассуждений
Дедуктивный вывод и доказательство теорем. Метод резолюций и предшествующие ему преобразования.
Достоверные и правдоподобные рассуждения.
Виды правдоподобных рассуждений: индукция, абдукция, аргументация.
Немонотонные рассуждения.
Тема 3. Представление знаний
Данные и знания. Процедурные и декларативные знания. Модели представления знаний. Логические модели. Продукционные модели: правила и метаправила. Семантические сети. Типы отношений в семантических сетях. Понятие наследования свойств. Фреймы. Сценарии.
Модуль 2. Интеллектуальные системы
Тема 4. Инженерия знаний
Понятие инженерии знаний. Этапы проектирования интеллектуальных систем и место инженерии знаний в их проектировании. Классификация видов знаний. Методы извлечения знаний. Структурирование и формализация знаний. Прямое приобретение знаний. Пример сценария приобретения знаний.
Тема 5. Экспертные системы
Характеристики экспертных систем (ЭС). Задачи, решаемые в ЭС. Классификации ЭС. Типовые архитектуры ЭС и основные подсистемы ЭС: база знаний, решатель (управление выводом), подсистема объяснений, редактор базы знаний, интерфейсы. Стратегии и методы управления выводом. Методология и жизненный цикл разработки ЭС. Методы тестирования.
Тема 6. Инструментальные средства и современные технологии проектирования систем искусственного интеллекта
Классификация инструментальных средств проектирования интеллектуальных систем. Языки программирования для искусственного интеллекта: языки ЛИСП, ПРОЛОГ, продукционные языки. Оболочки экспертных систем. Многофункциональные интегрированные среды поддержки разработки интеллектуальных систем. Краткая характеристика современной проблематики искусственного интеллекта: интеллектуальные Интернет-технологии, многоагентные системы, поддержка принятия решений, мягкие вычисления, обработка естественного языка.
2. Примерный перечень контрольных вопросов и заданий для самостоятельной работы
1. Как функционирует нейрон Маккаллока - Питтса?
2. Когда поиск в ширину эффективнее поиска в глубину?
3. Как будет работать метод резолюций, если доказываемое утверждение невыводимо из данных посылок?
4. Чем достоверный вывод отличается от недостоверного?
5. Чем база знаний отличается от базы данных?
6. Чем метаправила отличаются от правил?
7. Что такое наследование свойств?
8. Каковы задачи инженерии знаний?
9. Для чего существуют различные стратегии вывода?
10. Какой метод вывода лежит в основе языка ПРОЛОГ?
11. Решить криптоарифметическую задачу, описав схему эвристического поиска:
Заменить каждую букву цифрой от 0 до 9 (разные буквы - разными цифрами) так, чтобы получилась правильная сумма:
DONALD + |
GERALD |
ROBERT |
Положить D = 5.
12. Преобразовать в стандартную сколемовскую форму (ССФ) формулу
"x($y(S(x, y)&M(y)) ® $y(I(y)&E(x, y)))
13. Преобразовать в стандартную сколемовскую форму (ССФ) формулу
"x($y(S(y)&V(x, y)) ® $z(C(z)&V(x, z))
14. Записать на языке логики высказываний и доказать методом резолюций следующее заключение:
Если настольная лампа не горит, то неисправна либо лампочка, либо шнур, либо вилка. Лампочка исправна. Вилка исправна. Следовательно, неисправен шнур.
15. Написать программу на языке ПРОЛОГ и построить резолютивный вывод для задачи:
Игорь – студент. Игорь хорошо учится. Каждый студент молод. Каждый, кто молод и хорошо учится, добьется успеха в карьере. Добьется ли Игорь успеха в карьере?
16. Построить семантическую сеть для понятия «книга».
17. Построить фрейм-прототип для понятия «книга».
18. Построить иерархическую семантическую сеть для понятия «врач» на основе отношения «вид-род».
19. Построить фрейм-прототип для понятия «врач».
20. Построить семантическую сеть для понятия «город».
3. Примерный перечень тем рефератов и курсовых работ
1. Естественный и искусственный интеллект - сходства и различия.
2. Виды логических рассуждений - определения и примеры.
3. Продукционные модели представления знаний. Правила и метаправила. Примеры.
4. Семантические сети и основные отношения в них. Наследование свойств.
5. Управление выводом в продукционных экспертных системах.
Выбрать модель представления знаний и описать базу знаний и базу фактов для экспертной системы, решающей задачу:
1. Выбор компьютера в магазине.
2. Выбор мобильного телефона.
3. Выбор и предложение работы на бирже труда.
4. Диагностика неисправностей компьютера.
4. Примерный перечень вопросов к зачету по дисциплине
1. Характеристика двух основных парадигм искусственного интеллекта.
2. Структура памяти человека.
3. Формальные нейроны и принципы их функционирования. Нейронные сети.
4. Эвристический поиск: пространство состояний, поиск в ширину и глубину, понятие эвристики.
5. Логический вывод и логическое следование.
6. Метод резолюций для исчисления высказываний.
7. Метод резолюций для исчисления предикатов и преобразования формул, предшествующие его применению.
8. Недостоверные и правдоподобные рассуждения - определение и основные особенности.
9. Индуктивный вывод и методы индуктивных рассуждений .
10. Знания и данные. Базы знаний и проблема представления данных.
11. Продукционная модель представления знаний. Правила и метаправила.
12. Семантические сети. Типы отношений и наследование свойств.
13. Фреймы.
14. Основные задачи инженерии знаний. Методы извлечения знаний.
15. Этапы проектирования систем искусственного интеллекта.
16. Базовая структура системы искусственного интеллекта и характеристики подсистем.
17. Проблема управления выводом и строение цикла управления выводом в продукционных системах.
18. Языки программирования интеллектуальных систем - краткая характеристика.
19. Оболочки и многофункциональные среды для проектирования интеллектуальных систем - краткая характеристика.
20. Современные направления в искусственном интеллекте.
III. УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
Литература
Основная
1. И. Братко. Программирование на языке Пролог для искусственного интеллекта. – М.: Мир, 1990.
2. , Хорошевский знаний интеллектуальных систем. - СПб: Питер, 2000.
3. П. Джексон. Введение в экспертные системы/ Пер. с англ. – М.: Издательский дом "Вильямс", 2001.
4. Осипов знаний интеллектуальными системами: основы теории и технологии. - М.: Наука, Физматлит, 1997.
5. и др. Статические и динамические экспертные системы. – М.: Финансы и статистика, 1996.
6. Поспелов рассуждений. - М.: Радио и связь, 1989.
Дополнительная
1. Вагин и обобщение в системах искусственного интеллекта. – М.: Наука. 1986.
2. , . Извлечение и структурирование знаний для экспертных систем, гл. 1-5. – М.: Радио и связь, 1992.
3. Искусственный интеллект: Справочник: В 3-х т/ Под ред. – М.: Радио и связь, 1990.
4. Кузнецов парадигмы искусственного интеллекта// Изв. РАН. Теория и системы управления, 1995, №5.
5. Попов с ЭВМ на естественном языке. – М.: Наука, 1982.
6. Поспелов интеллект: фантазия или наука? – М.: Радио и связь, 1986.
7. Солсо психология. – М.: Тривола, 1996.
8. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. - М.: Эдиториал УРСС, 2002.
9. К. Таунсенд, Д. Фохт. Проектирование и реализация экспертных систем на персональных ЭВМ. – М.: Финансы и статистика, 1992.
10. А. Тейз., П. Грибомон, Ж. Луи и др. Логический подход к искусственному интеллекту: от классической логики к логическому программированию/ Пер. с франц. – М.: Мир, 1990.
11. К. Правдоподобные рассуждения в интеллектуальных системах типа ДСМ: Итоги науки и техники: Сер. Информатика, Т. 15. – М.: ВИНИТИ, 1991.
Средства обеспечения освоения дисциплины
1. Рабочие учебники.
2. Телекоммуникационная двухуровневая библиотека (ТКДБ) СГА.
3. Лекционный материал: видеоматериалы (телевизионные, слайд-лекции, слайд-тьюторинги и др.).
4. Система индивидуальной асинхронной консультации через Internet (IP – хелпинг).
5. Методические рекомендации по выполнению курсовой работы.
6. Обучающие и/или обучающе-контролирующие компьютерные программы для закрепления и углубления знаний по дисциплине.
7. Тестовые базы для оперативного тестирования и тренинга, базы вопросов промежуточной аттестации.
МЕТОДИЧЕСКОЕ ПОСОБИЕ ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ (КУРСА)
СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
