پیشنهادات: حقایق و قوانین. انتخاب مشکل مناسب

کتاب درسی خوانندگان را با تاریخ آشنا می کند هوش مصنوعیمدل های بازنمایی دانش، سیستم های خبره و شبکه های عصبی. جهت ها و روش های اصلی مورد استفاده در تجزیه و تحلیل، توسعه و پیاده سازی سیستم های هوشمند شرح داده شده است. مدل‌های بازنمایی دانش و روش‌های کار با آنها، روش‌های توسعه و ایجاد در نظر گرفته می‌شوند. سیستم های خبره. این کتاب به خواننده کمک می کند تا بر مهارت های طراحی منطقی پایگاه های داده دامنه و برنامه نویسی به زبان ProLog تسلط یابد.
برای دانش آموزان و معلمان دانشگاه های آموزشی، معلمان مدارس متوسطه، سالن های ورزشی، دبیرستان ها.

مفهوم هوش مصنوعی.
سیستم هوش مصنوعی (AI) یک سیستم نرم افزاری است که فرآیند تفکر انسان را در رایانه شبیه سازی می کند. برای ایجاد چنین سیستمی، مطالعه فرآیند تفکر فردی که تصمیم می گیرد ضروری است وظایف خاصیا تصمیم گیرنده در یک منطقه خاص، مراحل اصلی این فرآیند را شناسایی کرده و نرم افزاری را توسعه دهید که آنها را در رایانه بازتولید کند. بنابراین، روش‌های هوش مصنوعی شامل یک رویکرد ساختاریافته ساده برای توسعه پیچیده است سیستم های نرم افزاریتصمیم گیری .

هوش مصنوعی شاخه‌ای از علوم رایانه است که هدف آن توسعه سخت‌افزار و نرم‌افزاری است که به کاربر غیر برنامه‌نویس اجازه می‌دهد تا مشکلات فکری خود را که به طور سنتی در نظر گرفته می‌شود، مطرح کرده و حل کند و با یک کامپیوتر در زیرمجموعه محدودی از زبان طبیعی ارتباط برقرار کند.

فهرست مطالب
فصل 1. هوش مصنوعی
1.1. مقدمه ای بر سیستم های هوش مصنوعی
1.1.1. مفهوم هوش مصنوعی
1.1.2. هوش مصنوعی در روسیه
1.1.3. ساختار تابعیسیستم های هوش مصنوعی
1.2. دستورالعمل های توسعه هوش مصنوعی
1.3. داده ها و دانش. بازنمایی دانش در سیستم های هوشمند
1.3.1. داده ها و دانش. تعاریف اساسی
1.3.2. مدل های بازنمایی دانش
1.4. سیستم های خبره
1.4.1. ساختار سیستم خبره
1.4.2. توسعه و استفاده از سیستم های خبره
1.4.3. طبقه بندی سیستم های خبره
1.4.4. بازنمایی دانش در سیستم های خبره
1.4.5. ابزارهایی برای ساختن سیستم های خبره
1.4.6. تکنولوژی توسعه سیستم خبره
کنترل سوالاتو تکالیف فصل 1
منابع فصل 1
فصل 2. برنامه نویسی منطقی
2.1. متدولوژی های برنامه نویسی
2.1.1. روش برنامه نویسی ضروری
2.1.2. روش برنامه نویسی شی گرا
2.1.3. روش شناسی برنامه نویسی کاربردی
2.1.4. روش شناسی برنامه نویسی منطقی
2.1.5. روش برنامه نویسی محدودیت
2.1.6. روش برنامه نویسی شبکه های عصبی
2.2. مقدمه ای کوتاه بر محاسبات محمول و اثبات قضیه
2.3. فرآیند استنتاج در Prolog
2.4. ساختار برنامه در زبان Prolog
2.4.1. استفاده از اشیاء مرکب
2.4.2. استفاده از دامنه های جایگزین
2.5. سازماندهی تکرار در Prolog
2.5.1. روش بازگشت پس از شکست
2.5.2. روش برش و برگشت
2.5.3. بازگشت ساده
2.5.4. روش قانون بازگشت تعمیم یافته (GRR).
2.6. لیست ها در Prolog
2.6.1. عملیات در لیست ها
2.7. رشته ها در Prolog
2.7.1. عملیات رشته
2.8. فایل ها در Prolog
2.8.1. گزاره های Prolog برای کار با فایل ها
2.8.2. توضیحات دامنه فایل
2.8.3. در فایل بنویسید
2.8.4. خواندن از روی یک فایل
2.8.5. تغییر یک فایل موجود
2.8.6. اضافه شدن به انتهای یک فایل موجود
2.9. ایجاد پایگاه داده پویا در Prolog
2.9.1. پایگاه های داده در Prolog
2.9.2. محمولات پایگاه داده پویا در Prolog
2.10. ایجاد سیستم های خبره
2.10.1. ساختار سیستم خبره
2.10.2. بازنمایی دانش
2.10.3. روش های برداشت
2.10.4. سیستم رابط کاربری
2.10.5. سیستم خبره مبتنی بر قانون
سوالات آزمون و تکالیف فصل 2
مراجع برای فصل 2
فصل 3. شبکه های عصبی
3.1. مقدمه ای بر شبکه های عصبی
3.2. مدل نورون مصنوعی
3.3. کاربرد شبکه های عصبی
3.4. آموزش شبکه های عصبی
سوالات آزمون و تکالیف فصل 3
مراجع برای فصل 3.

دانلود رایگان کتاب الکترونیکی V فرمت مناسب، تماشا کنید و بخوانید:
دانلود کتاب Fundamentals of Artificial Intelligence Borovskaya E.V. Davydova N.A. 2016 - fileskachat.com دانلود سریع و رایگان.

توسعه هوش مصنوعی

تاریخچه هوش مصنوعیخیلی وقت پیش شروع شد در نیمه دوم قرن بیستم، این مفهوم فرموله شد هوش مصنوعی(هوش مصنوعی) و تعاریف متعددی ارائه شده است. یکی از اولین تعاریف که با وجود گستردگی قابل توجه تفسیر، هنوز موضوعیت خود را از دست نداده است، ارائه هوش مصنوعی به این صورت است: «راهی برای زور. کامپیوترمثل یک آدم فکر کن."

ارتباط فکری کردن سیستم های محاسباتی به دلیل نیاز انسان به یافتن راه حل در چنین واقعیت هایی است. دنیای مدرنبه عنوان عدم دقت، ابهام، عدم قطعیت، مبهم بودن و غیر منطقی بودن اطلاعات. نیاز به بهبود سرعت و کفایت این فرآیندایجاد سیستم های محاسباتی را از طریق تعامل با دنیای واقعی با استفاده از روباتیک تحریک می کند، تجهیزات تولید، ابزارها و سایر سخت افزارها ممکن است به اجرای آن کمک کنند.

سیستم‌های محاسباتی که اساس آن منحصراً بر منطق کلاسیک استوار است - یعنی الگوریتم‌هایی برای حل مسائل شناخته شده، هنگام مواجهه با موقعیت‌های نامشخص با مشکلاتی مواجه می‌شوند. در مقابل، موجودات زنده اگرچه از نظر سرعت پایین‌تر هستند، اما در چنین شرایطی قادر به تصمیم‌گیری موفق هستند.

مثال هوش مصنوعی

به عنوان مثال، سقوط بازار سهام در سال 1987، زمانی که برنامه های کامپیوتریسهامی به ارزش صدها میلیون دلار فروخت تا سود چند صد دلاری به دست آورد که در واقع زمینه های فروپاشی را ایجاد کرد. وضعیت پس از انتقال اصلاح شد تسلط کاملپشت معاملات سهام در سیستم های هوشمند پروتوپلاسمی، یعنی به مردم.

تعریف مفهوم هوش به عنوان یک مقوله علمی، باید به عنوان مناسب بودن یک سیستم برای یادگیری درک شود. بنابراین، از نظر ما، یکی از خاص ترین تعاریف هوش مصنوعی به توانایی تعبیر می شود سیستم های خودکارکسب، انطباق، اصلاح و گسترش دانش به منظور یافتن راه حل برای مشکلاتی که رسمی شدن آنها دشوار است.

در این تعریف، واژه «دانش» با مفهوم اطلاعات تفاوت کیفی دارد. این تفاوت در بازنمایی این مفاهیم در فرم به خوبی نمایان است هرم اطلاعاتدر شکل 1.

شکل 1 - هرم اطلاعات

بر اساس داده ها است، سطح بعدی توسط اطلاعات اشغال شده است و سطح دانش هرم را کامل می کند. با بالا رفتن از هرم اطلاعات، حجم داده ها به ارزش اطلاعات و سپس به ارزش دانش تبدیل می شود. یعنی اطلاعات در لحظه تعامل بین داده های ذهنی و روش های عینی پردازش آنها به وجود می آید. دانش بر اساس شکل گیری روابط توزیع شده بین اطلاعات ناهمگن و در عین حال ایجاد یک سیستم رسمی - راهی برای انعکاس آنها در مفاهیم یا اظهارات دقیق شکل می گیرد.

این پشتیبانی از چنین سیستمی است - یک سیستم دانش، در چنین وضعیت به روز، که به فرد اجازه می دهد تا برنامه های عملی برای یافتن راه حل هایی برای وظایف محول شده با در نظر گرفتن موقعیت های خاص ایجاد کند. نقطه خاصی در زمان در محیط، وظیفه هوش مصنوعی است. بنابراین، هوش مصنوعی را می‌توان به‌عنوان یک الگوریتم بیش از حد جهانی که قادر به ایجاد الگوریتم‌هایی برای حل مسائل جدید است، تصور کرد.

ایالت آرماویر

دانشگاه علوم تربیتی

مبانی هوش مصنوعی

برای دانشجویانی که در رشته تخصصی "انفورماتیک" تحصیل می کنند

آرماویر 2004

با تصمیم UMS ASPU منتشر شد

داور:، کاندیدای علوم فیزیکی و ریاضی، دانشیار، رئیس مرکز اینترنت آکادمی کشاورزی دولتی کاباردینو-بالکاریا

هوش مصنوعی کوزیرف راهنمای آموزشی و روش شناختی برای دانشجویانی که در رشته تخصصی "علوم کامپیوتر" تحصیل می کنند. – آرماویر، 2004

در حال بررسی هستند مفاهیم اساسیهوش مصنوعی، مسیرها و چشم اندازهای توسعه تحقیقات در زمینه هوش مصنوعی، مبانی زبان برنامه نویسی منطقی PROLOG.

این کتابچه راهنمای آموزشی و روش شناختی برای دانشجویانی که در رشته تخصصی "علوم کامپیوتر" تحصیل می کنند در نظر گرفته شده است و همچنین می تواند توسط هر کسی که علاقه مند به مسائل هوش مصنوعی و برنامه نویسی منطقی است استفاده کند.

مقدمه…………………………………………………………………………………………… 4

1. هوش مصنوعی: موضوع، تاریخ
توسعه، جهت گیری های تحقیق………………………………….. ۵

1.1. مسیرهای تحقیق در این زمینه
هوش مصنوعی………………………………………………………………….. 5

هوش مصنوعی………………………………………………………….. ۶

2. سیستم دانش…………………………………………………………………………..

3. مدل های بازنمایی دانش…………………………………… 9

3.1. شبکه های معنایی…………………………………………………..9

3.2. مدل قاب………………………………………………10

3.3. مدل محصول………………………………………………………………..11

3.4. مدل منطقی……………………………………………………. .12

4. سیستم های خبره……………………………………………………………………………

4.1. هدف سیستم های خبره……………………………………….12

4.2. انواع مسائل حل شده با استفاده از سیستم های خبره……………….14

4.3. ساختار سیستم های خبره……………………………………………………………………………………

4.4. مراحل اصلی توسعه سیستم های خبره………………………16

4.5. ابزارهایی برای توسعه سیستم های خبره………18

5. PROLOGUE - زبان برنامه نویسی منطقی……….19

5.1. اطلاعات کلیدرباره مقدمه……………………………………………………………………………………………………

5.2. پیشنهادات: حقایق و قوانین………………………………………………………………………………………………………

5.4. متغیرها در PROLOG…………………………………………………………………………………………………….

5.5. اشیاء و انواع داده در PROLOG…………………………………………………………………………………

5.6. بخش های اصلی برنامه PROLOG………………………………………………

5.7. عقب نشینی………………………………………………………………………………………………………………………

5.8. کنترل عقبگرد: محمولات و قطعات شکست......26

5.9. محاسبات حسابی………………………………………………………………………………………………………

5.10. بازگشت…………………………………………………………………………….28

5.11. فهرست ها…………………………………………………………………………………………………………………………………………………………………………………………

5.12. وظایف استانداردپردازش فهرست…………………………….31

ادبیات………………………………………………............................... .35

معرفی

در دهه های اخیر، هوش مصنوعی به همه حوزه های فعالیت هجوم آورده و به وسیله ای برای یکپارچه سازی علم تبدیل شده است. ابزارهای نرم افزاری مبتنی بر فناوری و روش های هوش مصنوعی در سراسر جهان گسترده شده اند. تحقیقات فشرده برای ایجاد یک واحد فضای اطلاعاتیکه شرایط را برای کارهای مشترک از راه دور بر اساس دانش بنیان ایجاد می کند، اکنون توسط همه کشورهای توسعه یافته اقتصادی آغاز شده است. درس "مبانی هوش مصنوعی" در آموزش عالی شامل مطالعه بخش هایی مانند بازنمایی دانش به زبان رسمی، ساختار سیستم های خبره و اصول اساسی توسعه آنها، استراتژی های مختلف برای یافتن هدف است. یکی از خطوط اصلی این دوره، بحث پیاده سازی سیستم های هوش مصنوعی برای حل مسائل کاربردی خاص است.

مانند پشتیبانی کامپیوتراین دوره در مورد محیط ابزار توسعه بحث می کند برنامه های بصریپرولوگ. زبان برنامه نویسی Prolog، بر اساس ایده ها و روش های منطق ریاضی، در ابتدا برای توسعه برنامه های کاربردی هوش مصنوعی ایجاد شد. کاربردهایی مانند پایگاه های دانش، سیستم های خبره، رابط های زبان طبیعی و سیستم های هوشمندمدیریت اطلاعات. سطح بالایی از انتزاع، توانایی نمایش ساختارهای داده پیچیده و مدل‌سازی روابط منطقی بین اشیا، حل مسائل در زمینه‌های موضوعی مختلف را ممکن می‌سازد.

کتابچه راهنمای آموزشی و روش شناختی "مبانی هوش مصنوعی" به گسترش ایده های معلم آینده علوم کامپیوتر در مورد زمینه های کاربرد نظریه هوش مصنوعی، در مورد موجود و زبان های امیدوار کنندهبرنامه نویسی و ساختارهای سخت افزاری برای ایجاد سیستم های هوش مصنوعی.

1. هوش مصنوعی: موضوع، تاریخچه توسعه، حوزه های تحقیق.

منتلکتوس(lat) - ذهن، عقل، هوش، توانایی های تفکر یک فرد. هوش مصنوعی(AI) رشته‌ای از علوم کامپیوتر است که موضوع آن توسعه سخت‌افزار و نرم‌افزاری است که به کاربر اجازه می‌دهد تا مشکلاتی را که به طور سنتی فکری تلقی می‌شود، حل کند. تئوری هوش مصنوعی علم دانش، چگونگی به دست آوردن آن، ارائه آن در آن است سیستم های مصنوعی، درون سیستم پردازش کنید و برای حل استفاده کنید مشکلات عملی. فناوری‌هایی که از هوش مصنوعی استفاده می‌کنند، امروزه در بسیاری از زمینه‌های کاربردی استفاده می‌شوند.

آغاز تحقیقات در زمینه هوش مصنوعی (اواخر دهه 50 قرن بیستم) با کار نیوول، سایمن و شاو همراه است که فرآیندهای حل مشکلات مختلف را مطالعه کردند. نتایج کار آن‌ها برنامه‌هایی مانند «نظریه‌پرداز منطقی» بود که برای اثبات قضایای حساب گزاره‌ای و «حل‌کننده مسائل عمومی» طراحی شد. این آثار آغاز مرحله اول تحقیقات در زمینه هوش مصنوعی، مربوط به توسعه برنامه ها، حل کننده های مشکلبر اساس استفاده از روش های مختلف اکتشافی.

روش اکتشافی حل یک مسئله به عنوان ویژگی تفکر انسان "به طور کلی" در نظر گرفته شد که با ظهور حدس هایی در مورد راه حل یک مشکل و تأیید بعدی آنها مشخص می شود. این روش با روش الگوریتمی مورد استفاده در رایانه‌ها، که به عنوان اجرای مکانیکی یک دنباله معین از مراحل تفسیر می‌شد، در تضاد بود که به طور قطعی منجر به پاسخ صحیح می‌شد. تفسیر روش های اکتشافی برای حل مسائل به عنوان یک فعالیت صرفاً انسانی منجر به ظهور و گسترش بیشتر اصطلاح هوش مصنوعی شد.

الف. نوروسیبرنتیک.

Neurocyberetics بر مدل سازی سخت افزاری ساختارهای مشابه ساختار مغز متمرکز است. فیزیولوژیست ها مدت هاست که اساس آن را ایجاد کرده اند مغز انساناست تعداد زیادی ازسلول های عصبی به هم پیوسته و متقابل - نورون ها. بنابراین، تلاش‌های نوروسیبرنتیک بر ایجاد عناصری مشابه نورون‌ها و ترکیب آن‌ها در سیستم‌های فعال متمرکز شده است. این سیستم ها معمولاً شبکه های عصبی یا شبکه های عصبی نامیده می شوند. که در اخیرانوروسیبرنتیک به دلیل جهش در توسعه رایانه ها دوباره شروع به توسعه کرد. کامپیوترهای عصبی و ترانسفورماتورها ظاهر شدند.

در حال حاضر از سه روش برای ایجاد شبکه های عصبی استفاده می شود:

سخت افزار- ایجاد کامپیوترهای خاص، بردهای توسعه، چیپست هایی که تمام الگوریتم های لازم را پیاده سازی می کنند،

برنامه- ایجاد برنامه ها و ابزارهای طراحی شده برای کامپیوترهای با کارایی بالا. شبکه ها در حافظه کامپیوتر ایجاد می شوند، تمام کارها توسط پردازنده های خود انجام می شود.

ترکیبی- ترکیبی از دو مورد اول برخی از محاسبات توسط کارت های توسعه ویژه (کمپردازنده) و برخی توسط نرم افزار انجام می شود.

ب. سایبرنتیک جعبه سیاه.

اساس سایبرنتیک "جعبه سیاه" اصل مخالف نوروسیبرنتیک است. مهم نیست که دستگاه "تفکر" چگونه طراحی شده است. نکته اصلی این است که به تأثیرات ورودی داده شده مانند مغز انسان واکنش نشان می دهد.

این حوزه از هوش مصنوعی بر جستجوی الگوریتم‌هایی برای حل مسائل فکری در مدل‌های رایانه‌ای موجود متمرکز بود.

تحقیقات در زمینه هوش مصنوعی مسیر طولانی و پر پیچ و خمی را طی کرده است: اولین سرگرمی ها (1960)، شبه علم (1960-65)، موفقیت در حل پازل ها و بازی ها ()، ناامیدی در حل مسائل عملی ()، اولین موفقیت ها در حل تعدادی از مسائل عملی ( )، استفاده تجاری انبوه در حل مسائل عملی (). اما اساس موفقیت تجاری به درستی در سیستم های خبره و اول از همه سیستم های خبره بلادرنگ نهفته است. آنها بودند که اجازه دادند هوش مصنوعی از بازی ها و پازل ها به استفاده انبوه در حل عملی برسد وظایف مهم.

1.2. وظایف اصلی حل شده در منطقه
هوش مصنوعی

بازنمایی دانش و توسعه سیستم های مبتنی بر دانش

توسعه مدل های بازنمایی دانش، ایجاد پایگاه های دانش که هسته سیستم های خبره (ES) را تشکیل می دهند. اخیراً شامل مدل ها و روش هایی برای استخراج و ساختاردهی دانش است و با مهندسی دانش ادغام می شود. در زمینه هوش مصنوعی، سیستم های خبره و ابزارهای توسعه آنها بیشترین موفقیت تجاری را به دست آورده اند.

بازی و خلاقیت.

وظایف فکری بازی - شطرنج، چکرز، برو. این مبتنی بر یکی از رویکردهای قبلی است - مدل هزارتویی به علاوه اکتشافی.

توسعه رابط های زبان طبیعی و ترجمه ماشینی

کنترل صدا، ترجمه از زبانی به زبان دیگر. اولین برنامه در این زمینه مترجم از انگلیسی به روسی است. اولین ایده، ترجمه کلمه به کلمه، بی ثمر بود. در حال حاضر، از مدل پیچیده تری استفاده می شود، از جمله تجزیه و تحلیل و ترکیب پیام های زبان طبیعی، که از چندین بلوک تشکیل شده است. برای تحلیل این است:

زبانی که از مدل تولید استفاده می کند PROLOGUE است.

3.4. مدل منطقی

توصیف آنها بر اساس یک سیستم رسمی با چهار عنصر است:

M=<Т, Р, А, В >، جایی که

T - مجموعه عناصر اساسیماهیت های مختلف با رویه های مناسب؛

P - مجموعه ای از قوانین نحوی. با کمک آنها، مجموعه های صحیح نحوی از عناصر T تشکیل می شود. روش P(P) تعیین می کند که آیا این مجموعه صحیح است یا خیر.

A زیرمجموعه ای از مجموعه P است که بدیهیات نامیده می شود. رویه P(A) به سوال عضویت در مجموعه A پاسخ می دهد.

ب – مجموعه قواعد استنتاج. با اعمال آنها بر روی عناصر A، می توان مجموعه های جدید نحوی درستی را به دست آورد که این قوانین را می توان دوباره به آنها اعمال کرد. رویه P(B) برای هر مجموعه صحیح نحوی تعیین می کند که آیا قابل استنتاج است یا خیر.

4. سیستم های خبره

4.1. هدف سیستم های خبره

سیستم های خبره(ES) پیچیده هستند سیستم های نرم افزاری، جمع آوری دانش متخصصان در زمینه های موضوعی خاص و تکرار این تجربه تجربی برای ارائه مشاوره به کاربران کمتر واجد شرایط.

هدف از تحقیقات سیستم های خبره، توسعه برنامه هایی است که هنگام حل مسائل از یک حوزه موضوعی خاص، نتایجی به دست آورند که از نظر کیفیت و کارایی کمتر از نتایج به دست آمده توسط متخصصان نباشد.

سیستم های خبره برای حل مشکلات غیر رسمی و عملا مهم طراحی شده اند. سیستم های خبره تنها زمانی باید مورد استفاده قرار گیرند که توسعه آنها ممکن و امکان پذیر باشد.

حقایقی که نیاز به توسعه و پیاده سازی سیستم های خبره را نشان می دهد:

فقدان متخصصانی که زمان قابل توجهی را صرف کمک به دیگران می کنند.

نیاز به یک تیم بزرگ از متخصصان، زیرا هیچ یک از آنها دانش کافی ندارند.

بهره وری پایین، زیرا این کار به تجزیه و تحلیل کامل مجموعه ای از شرایط پیچیده نیاز دارد و یک متخصص معمولی قادر به بررسی (در زمان تعیین شده) همه این شرایط نیست.

حضور رقبایی که از این نظر مزیت دارند که در انجام وظیفه بهتر عمل می کنند.

توسط کاربردیسیستم های خبره را می توان به انواع زیر تقسیم کرد:

1. سیستم های خبره قدرتمند طراحی شده برای دایره باریکی از کاربران (سیستم های کنترلی برای تجهیزات پیچیده تکنولوژیکی، سیستم های خبره پدافند هوایی). چنین سیستم هایی معمولا در زمان واقعی کار می کنند و بسیار گران هستند.

2. سیستم های خبره طراحی شده برای طیف وسیعی از کاربران. اینها شامل سیستم های تشخیص پزشکی و سیستم های آموزشی پیچیده است. پایگاه دانش این سیستم ها ارزان نیست، زیرا حاوی دانش منحصر به فردی است که از متخصصان خبره به دست آمده است. جمع آوری دانش و تشکیل یک پایگاه دانش توسط یک متخصص در جمع آوری دانش - یک مهندس شناختی انجام می شود.

3. سیستم های خبره با تعداد کمیقوانین و نسبتا ارزان است. این سیستم ها برای مصرف کننده انبوه (سیستم هایی که عیب یابی در تجهیزات را تسهیل می کنند) طراحی شده اند. استفاده از چنین سیستم هایی نیاز به پرسنل مجرب را بی نیاز می کند و زمان عیب یابی را کاهش می دهد. پایگاه دانش چنین سیستمی را می توان بدون کمک توسعه دهندگان سیستم تکمیل و تغییر داد. آنها معمولاً از دانش کتاب های مرجع مختلف و اسناد فنی استفاده می کنند.

4. سیستم های خبره ساده استفاده فردی. اغلب به طور مستقل ساخته می شود. در موقعیت ها برای سهولت استفاده می شود کار روزانه. کاربر با سازماندهی قوانین در یک پایگاه دانش خاص، سیستم خبره خود را بر اساس آن ایجاد می کند. چنین سیستم هایی در قانون، فعالیت های تجاری و تعمیر تجهیزات ساده استفاده می شود.

استفاده از سیستم های خبره و شبکه های عصبی مزایای اقتصادی قابل توجهی را به همراه دارد. به عنوان مثال: - امریکن اکسپرس به لطف یک سیستم خبره که امکان صدور یا امتناع وام به یک شرکت خاص را تعیین می کند، ضررهای خود را 27 میلیون دلار در سال کاهش داد. - DEC سالانه 70 میلیون دلار با XCON/XSEL پیکربندی شده توسط مشتری صرفه جویی می کند سیستم محاسباتی VAX. استفاده از آن تعداد خطاها را از 30% به 1% کاهش داد. - Sira با استفاده از سیستم مدیریت خبره خط لوله، هزینه های ساخت خط لوله در استرالیا را 40 میلیون دلار کاهش داد.

4.2. انواع مشکلات حل شده با استفاده از
سیستم های خبره

تفسیر اطلاعات. تفسیر به معنای تعیین معنای داده هایی است که نتایج آن باید سازگار و صحیح باشد. نمونه هایی از ES:

تشخیص و شناسایی انواع مختلفکشتی های اقیانوس پیما - SIAP؛

تعیین ویژگی های شخصیتی پایه بر اساس نتایج تست های تشخیصی روانی در سیستم های AVTANTEST و MICROLUSHER و غیره.

تشخیص. تشخیص به تشخیص نقص در یک سیستم خاص اشاره دارد. نمونه هایی از ES:

تشخیص و درمان تنگی عروق کرونر - ANGY.

تشخیص خطا در تجهیزات و نرم افزارکامپیوتر - سیستم CRIB و غیره

نظارت بر. وظیفه اصلی نظارت، تفسیر مداوم داده‌ها در زمان واقعی و سیگنال‌دهی زمانی است که برخی پارامترها از حد مجاز فراتر می‌روند. مشکلات اصلی عبارتند از "فقدان" وضعیت هشدار و مشکل معکوس فعال سازی "کاذب". نمونه هایی از ES:

نظارت بر عملکرد نیروگاه های SPRINT، کمک به توزیع کنندگان راکتورهای هسته ای - REACTOR:

نظارت بر حسگرهای اضطراری در یک کارخانه شیمیایی - FALCON و غیره

طرح. طراحی شامل تهیه مشخصات برای ایجاد "اشیاء" با ویژگی های از پیش تعیین شده است. مشخصات به معنای کل مجموعه است مدارک لازمنقاشی، یادداشت توضیحی، و غیره. نمونه هایی از ES:

طراحی پیکربندی کامپیوتر VAX - 1/780 در سیستم XCON (یا R1)،

طراحی LSI - CADHELP;

سنتز مدارهای الکتریکی- SYN و غیره

پیش بینی. سیستم های پیش بینی منطقاً پیامدهای احتمالی را از موقعیت های معین به دست می آورند. نمونه هایی از ES:

پیش بینی آب و هوا - سیستم ویلارد:

برآوردهای برداشت آینده - PI. ANT;

پیش بینی ها در اقتصاد - ECON و غیره

برنامه ریزی. برنامه‌ریزی به یافتن برنامه‌های عملیاتی مرتبط با اشیایی که قادر به انجام عملکردهای معین هستند اشاره دارد. چنین ES از مدل های رفتار اشیاء واقعی به منظور استنتاج منطقی پیامدهای فعالیت برنامه ریزی شده استفاده می کند. نمونه هایی از ES:

برنامه ریزی رفتار ربات - SRIPS،

برنامه ریزی سفارشات صنعتی - 1SIS،

طراحی آزمایشی - MOLGEN و همکاران.

تحصیلات. سیستم‌های آموزشی هنگام مطالعه هر رشته‌ای با استفاده از رایانه خطاها را تشخیص می‌دهند و اعلان می‌کنند تصمیمات درست. آنها در مورد یک "دانش آموز" فرضی و اشتباهات مشخصه او دانش جمع می کنند، سپس در کار خود می توانند نقاط ضعف دانش دانش آموزان را تشخیص دهند و ابزار مناسبی برای رفع آنها بیابند. نمونه هایی از ES:

آموزش زبان برنامه نویسی Lisp در سیستم "Teacher Lisp";

سیستم پروست - آموزش زبان پاسکال و همکاران.

راه حل های سیستم خبره شفاف هستند، یعنی می توان آنها را در سطح کیفی برای کاربر توضیح داد.

سیستم های خبره می توانند دانش خود را در طول تعامل با یک متخصص گسترش دهند.

4.3. ساختار سیستم های خبره

ساختار سیستم های خبره شامل اجزای زیر است:

دانش محور- هسته یک ES، مجموعه ای از دانش از یک حوزه موضوعی، که در رسانه های کامپیوتری به شکلی قابل درک برای یک متخصص و یک کاربر (معمولاً به زبانی نزدیک به طبیعی) ضبط شده است. به موازات این بازنمایی «انسانی»، یک پایگاه دانش در بازنمایی «ماشین» داخلی وجود دارد. از مجموعه ای از حقایق و قوانین تشکیل شده است.

حقایق - اشیاء و روابط بین آنها را توصیف کنید. قوانین - در پایگاه دانش برای توصیف روابط بین اشیاء استفاده می شود. بر اساس روابط مشخص شده توسط قوانین، استنتاج منطقی انجام می شود.

پایگاه داده- طراحی شده برای ذخیره موقت حقایق و فرضیه ها، حاوی داده های میانی یا نتیجه ارتباط بین سیستم ها و کاربر است.

استنتاج ماشینی- مکانیزم استدلالی که با دانش و داده ها به منظور به دست آوردن داده های جدید عمل می کند، معمولاً از مکانیزم جستجوی راه حل پیاده سازی شده توسط نرم افزار استفاده می شود.

زیر سیستم ارتباطی- در خدمت انجام گفتگو با کاربر است که در طی آن سیستم خبره از کاربر حقایق لازم برای فرآیند استدلال را درخواست می کند و همچنین به کاربر اجازه می دهد تا روند استدلال را تا حدی کنترل کند.

زیر سیستم توضیح- برای اینکه به کاربر این فرصت را بدهد که مسیر استدلال را کنترل کند ضروری است.

زیرسیستم کسب دانش- برنامه ای که به مهندس دانش فرصت ایجاد پایگاه دانش در حالت تعاملی را می دهد. شامل سیستمی از منوهای تودرتو، الگوهای زبان نمایش دانش، نکات (حالت "راهنما") و سایر ابزارهای خدماتی است که کار با پایگاه داده را آسان تر می کند.

سیستم خبره در دو حالت عمل می کند:

کسب دانش (تعریف، اصلاح، اضافه)؛

راه حل های مشکل

در این حالت داده های وظیفه پردازش شده و پس از کدگذاری مناسب به بلوک های سیستم خبره منتقل می شود. نتایج پردازش داده های دریافتی وارد ماژول مشاوره و توضیح می شود و پس از کدگذاری مجدد به زبانی نزدیک به طبیعی، در قالب مشاوره، توضیحات و نظرات صادر می شود. در صورتی که پاسخ برای کاربر واضح نباشد، کاربر می تواند برای دریافت آن از سامانه خبره توضیح بخواهد.

4.4. مراحل اصلی توسعه سیستم های خبره

فرآیند تکنولوژیک توسعه یک سیستم خبره صنعتی را می توان به شش مرحله اصلی تقسیم کرد:

1. انتخاب مشکل مناسب

فعالیت های قبل از تصمیم برای شروع توسعه یک ES خاص عبارتند از:

تعریف حوزه مشکل و وظیفه؛

یافتن یک متخصص مایل به همکاری در حل مشکل و تعیین یک تیم توسعه؛

تعیین یک رویکرد مقدماتی برای حل مشکل؛

تجزیه و تحلیل هزینه ها و سود حاصل از توسعه؛

آماده سازی طرح تفصیلیتوسعه.

2. توسعه یک سیستم نمونه اولیه

سیستم نمونه اولیهیک نسخه کوتاه شده از یک سیستم خبره است که برای تأیید رمزگذاری صحیح حقایق، روابط و استراتژی های استدلال متخصص طراحی شده است.

نمونه اولیه باید دو شرط را برآورده کند:

سیستم نمونه اولیه باید بیشترین مشکل را حل کند وظایف معمولی، اما نباید بزرگ باشد.

زمان و کار لازم برای ایجاد یک نمونه اولیه باید ناچیز باشد.

عملکرد برنامه های نمونه اولیه ارزیابی و آزمایش می شود تا اطمینان حاصل شود که آنها با نیازهای واقعی کاربر همسو هستند. نمونه اولیه برای موارد زیر بررسی می شود:

راحتی و کفایت رابط های ورودی-خروجی (ماهیت سؤالات در گفتگو، انسجام متن خروجی نتیجه و غیره)

کارایی استراتژی کنترل (ترتیب شمارش، استفاده از استنتاج فازی و غیره)؛

کیفیت موارد آزمایشی؛

صحت پایگاه دانش (کامل بودن و سازگاری قوانین).

متخصص معمولاً با یک مهندس دانش کار می کند که به ساختار دانش، تعریف و تدوین مفاهیم و قوانین مورد نیاز کمک می کند

برای حل مشکل. در صورت موفقیت، متخصص با کمک یک مهندس شناختی، پایگاه دانش نمونه اولیه را در مورد حوزه مشکل گسترش می دهد.

اگر شکست بخورد، ممکن است نتیجه گیری شود. چه روش های دیگری برای حل این مشکل یا توسعه یک نمونه اولیه مورد نیاز است.

3. توسعه نمونه اولیه به یک سیستم خبره صنعتی.

در این مرحله، پایگاه دانش به طور قابل توجهی گسترش می یابد، عدد بزرگاکتشافی اضافی این اکتشافی ها معمولاً با ارائه عمق سیستم را افزایش می دهند تعداد بزرگترقوانین برای جنبه های ظریف موارد فردی. پس از ایجاد ساختار اولیه ES، مهندس دانش شروع به توسعه و تطبیق رابط‌هایی می‌کند که از طریق آن سیستم با کاربر و متخصص ارتباط برقرار می‌کند.

به عنوان یک قاعده، اجرا می شود انتقال آراماز نمونه های اولیه گرفته تا سیستم های خبره صنعتی. گاهی اوقات، هنگام توسعه یک سیستم صنعتی، مراحل دیگری برای انتقال مشخص می شود: نمونه اولیه نمایشی - نمونه اولیه تحقیقاتی - نمونه اولیه عملیاتی - سیستم صنعتی.

4. ارزیابی سیستم

سیستم های خبره برای بررسی صحت برنامه و مفید بودن آن ارزیابی می شوند. ارزیابی را می توان بر اساس معیارهای مختلفی انجام داد که ما آنها را به شرح زیر دسته بندی می کنیم:

معیارهای کاربر (شفافیت و شفافیت سیستم، کاربر پسند بودن رابط ها و غیره)؛

ضوابط کارشناسان دعوت شده (ارزیابی مشاوره-راهکارهای ارائه شده توسط سیستم، مقایسه آن با راهکارهای خود، ارزیابی زیرسیستم تبیین و ...)

معیارهای تیم توسعه (کارایی پیاده سازی، بهره وری، زمان پاسخگویی، طراحی، وسعت پوشش حوزه موضوعی، ثبات دانش، تعداد بن بست هایی که سیستم نمی تواند تصمیم بگیرد، تجزیه و تحلیل حساسیت برنامه به تغییرات جزئی در بازنمایی دانش، وزن دهی ضرایب مورد استفاده در خروجی منطقی، داده ها و غیره).

5. اتصال سیستم

در این مرحله، سیستم خبره با سایرین در ارتباط است نرم افزاردر محیطی که در آن فعالیت خواهد کرد، و آموزش افرادی که به آنها خدمت خواهد کرد، به توسعه ارتباطات بین سیستم خبره و محیطی که در آن فعالیت می کند اشاره دارد.

اتصال شامل اطمینان از ارتباط بین ES و پایگاه های موجودداده ها و سیستم های دیگر در سازمان، و همچنین بهبود عوامل سیستم حساس به زمان به طوری که بتواند کارآمدتر عمل کند و عملکرد خود را بهبود بخشد. وسایل فنی، اگر سیستم در یک محیط غیر معمول (مثلاً ارتباط با دستگاه های اندازه گیری) کار کند.

6. پشتیبانی سیستم

رمزگذاری مجدد یک سیستم به زبانی مانند C عملکرد و قابلیت حمل را بهبود می بخشد، اما انعطاف پذیری را کاهش می دهد. این تنها در صورتی قابل قبول است که سیستم تمام دانش حوزه مشکل را حفظ کند و این دانش در آینده نزدیک تغییر نخواهد کرد. با این حال، اگر سیستم خبره دقیقاً به این دلیل ایجاد شود منطقه مشکلتغییرات، حفظ سیستم در یک محیط توسعه ضروری است.

زبان های هوش مصنوعی

Lisp (LISP) و Prolog (Prolog) رایج ترین زبان هایی هستند که برای حل مشکلات هوش مصنوعی طراحی شده اند. همچنین زبان های هوش مصنوعی کمتر رایجی وجود دارد، به عنوان مثال REFAL که در روسیه توسعه یافته است. تطبیق پذیری این زبان ها کمتر از زبان های سنتی است، اما زبان های هوش مصنوعی با قابلیت های غنی برای کار با داده های نمادین و منطقی، ضرر آن را جبران می کنند که برای وظایف هوش مصنوعی بسیار مهم است. بر اساس زبان‌های هوش مصنوعی، رایانه‌های تخصصی (مثلاً ماشین‌های Lisp) برای حل مشکلات هوش مصنوعی ایجاد می‌شوند. نقطه ضعف این زبان ها عدم کاربرد آنها برای ایجاد سیستم های خبره ترکیبی است.

ابزارهای نرم افزاری خاص

کتابخانه‌ها و افزونه‌ها برای زبان هوش مصنوعی Lisp: KEE (محیط مهندسی دانش)، FRL (زبان بازنمایی فریم)، ​​KRL (زبان بازنمایی دانش)، ARTS و غیره، که به کاربران امکان می‌دهد برای اطلاعات بیشتر با الگوهای سیستم خبره کار کنند. سطح بالااز آنچه در زبان های هوش مصنوعی معمولی ممکن است.

"پوسته"

"پوسته ها" نسخه های خالی سیستم های خبره موجود هستند، به عنوان مثال، سیستم های خبره آماده بدون پایگاه دانش، نمونه ای از چنین پوسته ای EMYCIN (MYCIN خالی - MYC1N) است که یک سیستم خبره خالی است پوسته ها این است که اصلاً به کار برنامه نویسان برای ایجاد یک سیستم خبره آماده نیاز ندارند در یک پوسته خاص، پر کردن پایگاه دانش در این مورد آسان نیست.

5. مقدمه - زبان منطقی
برنامه نويسي

5.1. اطلاعات عمومی در مورد PROLOG.

PROLOGUE (برنامه نویسی در منطق) یک زبان برنامه نویسی منطقی است که برای حل مشکلات در زمینه هوش مصنوعی (ایجاد سیستم های الکترونیکی، برنامه های مترجم، پردازش زبان طبیعی) طراحی شده است. برای پردازش زبان طبیعی استفاده می شود و دارای ابزارهای قدرتمندی است که به شما امکان می دهد اطلاعات را از پایگاه های داده استخراج کنید و روش های جستجوی مورد استفاده در آن اساساً با روش های سنتی متفاوت است.

ساختارهای اولیه PROLOG از منطق وام گرفته شده است. PROLOG یک زبان برنامه نویسی رویه ای نیست، بلکه یک زبان برنامه نویسی اعلامی است. این نه بر توسعه راه حل ها، بلکه بر توصیف سیستماتیک و رسمی مسئله متمرکز است، به طوری که راه حل از توضیحات جمع آوری شده پیروی می کند.

ماهیت رویکرد منطقی این است که به ماشین یک الگوریتم به عنوان یک برنامه ارائه نمی شود، بلکه یک توصیف رسمی از حوزه موضوعی و مسئله در حال حل در قالب یک سیستم بدیهی است. سپس جستجوی راه حل با استفاده از خروجی در این سیستم را می توان به خود کامپیوتر محول کرد. وظیفه اصلی برنامه نویس ارائه موفقیت آمیز است موضوعسیستمی از فرمول های منطقی و چنین روابط متنوعی روی آن که به طور کامل مشکل را توصیف می کند.

ویژگی های اساسی PROLOGUE:

1) مکانیسم استنتاج با جستجو و بازگشت

2) مکانیزم تطبیق الگوی داخلی

3) ساختار داده ساده و به راحتی قابل تغییر است

4) عدم وجود نشانگرها، عملگرهای تخصیص و انتقال

5) طبیعی بودن بازگشت

مراحل برنامه نویسی در PROLOG:

1) اعلام حقایق در مورد اشیاء و روابط بین آنها.

2) تعیین قوانین رابطه اشیاء و روابط بین آنها.

3) فرمول بندی سوال در مورد اشیاء و روابط بین آنها.

مبنای نظری PROLOG شاخه ای از منطق نمادین به نام حساب محمول است.

محمولنام یک ویژگی یا رابطه بین اشیا با دنباله ای از آرگومان ها است.

<имя_предиката>(t1, t2, ..., tn)), t1,t2,...,tn – آرگومان ها

به عنوان مثال، واقعیت black(cat) با استفاده از گزاره black نوشته می شود که دارای یک آرگومان است. حقیقت نوشت (Sholokhov، "QUIET FON")با استفاده از گزاره نوشته شده است نوشت، که دو استدلال دارد.

تعداد استدلال های محمول را آریتی محمول می گویند و با سیاه/1 نشان داده می شود (مقدم سیاه یک آرگومان دارد، آریتش برابر است با یک). محمولات ممکن است هیچ استدلالی نداشته باشند.

زبان Prolog از کار A. Colmerauer در مورد پردازش زبان طبیعی و کار مستقل Robert Kowalski در مورد کاربردهای منطق در برنامه نویسی (1973) رشد کرد.

معروف ترین سیستم برنامه نویسی در روسیه Turbo Prolog است - پیاده سازی تجاری زبان برای رایانه های شخصی سازگار با IBM. در سال 1988، بسیار قدرتمندتر نسخه توربو Prolog 2.0 که شامل یک محیط توسعه یکپارچه بهبودیافته، یک کامپایلر سریع و ابزارهای برنامه نویسی سطح پایین است. Borland این نسخه را تا سال 1990 توزیع کرد و سپس PDC حق استفاده از آن را به دست آورد. متون منبعکامپایلر و ارتقاء بیشتر سیستم برنامه نویسی به بازار با نام PDC Prolog.

در سال 1996، مرکز توسعه Prolog Visual Prolog 4.0 را به بازار عرضه کرد. محیط Visual Prolog از رویکردی به نام "برنامه نویسی بصری" استفاده می کند که در آن ظاهرو رفتار برنامه ها با استفاده از ابزارهای طراحی گرافیکی ویژه بدون برنامه نویسی سنتی در یک زبان الگوریتمی تعیین می شود.

ویژوال پرولوگ شامل محیط تعاملیتوسعه بصری (VDE - Visual Develop Environment)، که شامل متن و انواع مختلف است ویرایشگر گرافیکی, ابزارتولید کد که منطق کنترل (Experts) را می سازد و همچنین رابطی که پسوند زبان است برنامه نویسی بصری(VPI - Visual Programming Interface)، کامپایلر Prolog، مجموعه ای از فایل های پلاگین و کتابخانه های مختلف، ویرایشگر پیوند، فایل های حاوی مثال ها و راهنما.

5.2. پیشنهادات: حقایق و قوانین

یک برنامه PROLOG از عباراتی تشکیل شده است که می توانند حقایق، قوانین یا پرس و جو باشند.

حقیقتبیانیه ای است که یک رابطه خاص خاص بین اشیاء مشاهده می شود. یک واقعیت برای نشان دادن یک رابطه ساده بین داده ها استفاده می شود.

ساختار واقعیت:

<имя_отношения>(t1,t2,...,tn)), t1,t2,...,tn – اشیاء

نمونه هایی از حقایق:

تحصیلات (ایرا، دانشگاه). % ایرا در دانشگاه تحصیل می کند

والدین (ایوان، الکسی). ٪ ایوان پدر و مادر الکسی است

زبان_برنامه‌نویسی (پرولوگ). % Prolog یک زبان برنامه نویسی است

مجموعه حقایق است پایگاه داده. در قالب یک واقعیت، برنامه داده هایی را ثبت می کند که به عنوان حقیقت پذیرفته شده است و نیازی به اثبات ندارد.

قوانینبرای ایجاد روابط بین اشیاء بر اساس حقایق موجود استفاده می شود.

ساختار قانون:

<имя_правила> :- <тело правила>یا

<имя_правила >اگر<тело правила>

سمت چپ قانون استنتاج نامیده می شود سرقوانین، و سمت راست است بدن. بدنه می تواند از چندین شرط تشکیل شده باشد که با کاما یا نقطه ویرگول از هم جدا می شوند. کاما به معنای عملیات AND منطقی و نقطه ویرگول به معنای عملیات OR منطقی است. جملات از متغیرها برای تعمیم قواعد استنتاج استفاده می کنند. متغیرها فقط در یک جمله معتبر هستند. نام در جملات مختلف به اشیاء مختلف اشاره دارد. تمام جملات باید با نقطه پایان یابد.

نمونه هایی از قوانین:

مادر (X، Y): - والد (X، Y)، زن (X).

دانشجو (X): - در حال تحصیل (X، موسسه)؛ مطالعات (X، دانشگاه).

تفاوت یک قاعده با یک واقعیت در این است که یک واقعیت همیشه صادق است، و یک قاعده در صورتی صادق است که تمام عباراتی که بدنه قاعده را تشکیل می دهند برآورده شوند. حقایق و قوانین شکل می گیرد دانش محور.

اگر پایگاه داده دارید می توانید بنویسید درخواست(هدف) به او. درخواست بیانیه مشکلی است که برنامه باید آن را حل کند. ساختار آن همانند یک قاعده یا واقعیت است. پرس و جوهایی با ثابت و پرس و جوهایی با متغیر وجود دارد.

پرس و جوهای دارای ثابت به شما امکان می دهند یکی از دو پاسخ را دریافت کنید: "بله" یا "خیر"

به عنوان مثال، حقایقی وجود دارد:

می داند (لنا، تانیا).

می داند (لنا، ساشا).

می داند (ساشا، تانیا).

الف) آیا لنا ساشا را می شناسد؟

درخواست: می داند (لنا، ساشا).

نتیجه: آره

ب) آیا تانیا لنا را می شناسد؟

درخواست می داند (تانیا، لنا).

نتیجه: نه

اگر پرس و جو شامل یک متغیر باشد، مفسر سعی می کند مقادیر آن را به گونه ای بیابد که پرس و جو درست باشد.

الف) لنا چه کسی را می شناسد؟

درخواست: می داند (لنا، ایکس).

نتیجه:

X = تانیا

X = ساشا

ب) چه کسی ساشا را می شناسد؟

درخواست: می داند (X، ساشا).

نتیجه: X = لنا

کوئری ها می توانند مرکب باشند، یعنی می توانند از چندین پرس و جو ساده تشکیل شوند. آنها با علامت "،" که به عنوان پیوند منطقی "و" درک می شود، متحد می شوند.

پرس و جوهای ساده نامیده می شوند هدف فرعی، یک درخواست مرکب می پذیرد معنی واقعیوقتی هر هدف فرعی درست باشد

برای پاسخ به اینکه آیا لنا و ساشا آشنایی متقابل دارند یا خیر، باید یک پرس و جو ایجاد کنید:

می داند (لنا، ایکس)، می داند (ساشا، ایکس).

نتیجه:

X = تانیا

5.4. متغیرها در PROLOG

یک متغیر در PROLOG به عنوان یک منطقه اختصاص داده شده از حافظه در نظر گرفته نمی شود. از آن برای تعیین یک شی استفاده می شود که نمی توان به نام آن اشاره کرد. متغیر را می توان در نظر گرفت نام محلیبرای برخی از شی

نام متغیر باید با شروع شود حرف بزرگیا یک زیرخط و فقط شامل حروف، اعداد و زیرخط است: X، _y، AB، X1. متغیری که مقداری ندارد نامیده می شود رایگان، متغیری که دارای مقدار – خاص.

متغیری که فقط از خط زیر تشکیل شده باشد نامیده می شود ناشناسو اگر مقدار آن بی اهمیت باشد استفاده می شود. به عنوان مثال، حقایقی وجود دارد:

والدین (ایرا، تانیا).

والدین (میشا، تانیا).

والدین (اولیا، ایرا).

شناسایی همه والدین الزامی است

درخواست: والد (X, _)

نتیجه:

X = ایرا

X = میشا

X = علیا

دامنه یک متغیر ادعا است. در یک عبارت، همان نام به همان متغیر تعلق دارد. دو عبارت می توانند از یک نام متغیر به روش های کاملا متفاوت استفاده کنند.

هیچ عملگر انتسابی در PROLOG وجود ندارد. هدف X=5 را می توان به عنوان یک مقایسه (اگر متغیر X دارای یک مقدار باشد) یا به عنوان یک انتساب (اگر متغیر X آزاد باشد) مشاهده کرد.

در PROLOG نمی توانید X=X+5 را برای افزایش مقدار یک متغیر بنویسید. یک متغیر جدید باید استفاده شود: Y=X+5.

5.5. اشیاء و انواع داده ها در PROLOG

اشیاء داده در PROLOG فراخوانی می شوند گرما. یک جمله می تواند یک ثابت، یک متغیر یا یک ترم مرکب (ساختار) باشد. ثابت ها اعداد صحیح و واقعی (0، - l، 123.4، 0.23E-5) و همچنین اتم ها هستند.

اتم- هر دنباله ای از کاراکترهای محصور در علامت نقل قول. اگر خط با شروع شود، نقل قول ها حذف می شوند حروف کوچکو فقط شامل حروف، اعداد و زیرخط است (یعنی اگر بتوان آن را از نماد متغیر متمایز کرد). نمونه هایی از اتم ها:

abcd، "a+b"، "دانشجو ایوانف"، مقدمه، "پرلوگ".

ساختاربه شما امکان می دهد چندین شی را در یک کل واحد ترکیب کنید. از یک تابع (نام) و دنباله ای از اصطلاحات تشکیل شده است.

به تعداد اجزای یک ساختار آریتی ساختار می گویند: داده/3.

یک سازه می تواند شامل ساختار دیگری به عنوان یکی از اشیاء خود باشد.

روز تولد (شخص ("ماشا"، "ایوانووا")، داده ها (15 آوریل 1983))

دامنهدر PROLOG یک نوع داده نامیده می شود. دامنه های استاندارد عبارتند از:

عدد صحیح - اعداد کامل.

اعداد واقعی - واقعی

رشته – رشته ها (هر دنباله ای از کاراکترهای محصور در نقل قول).

char یک شخصیت واحد است که توسط آپاستروف احاطه شده است.

نماد - دنباله حروف لاتین، اعداد و زیرخط ها که با حروف کوچک شروع می شوند یا هر دنباله ای از کاراکترهای محصور در علامت نقل قول.

5.6. بخش های اصلی یک برنامه PROLOG

به طور معمول، یک برنامه PROLOG از چهار بخش تشکیل شده است.

دامنه ها– بخشی برای توصیف دامنه ها (انواع). این بخش در صورتی استفاده می شود که برنامه از دامنه های غیر استاندارد استفاده کند.

مثلا:

مقدماتبخش شرح محمول این بخش در صورتی استفاده می شود که برنامه از گزاره های غیر استاندارد استفاده کند.

مثلا:

می داند (نام، نام)

نام دانش آموز)

بندها -بخش پیشنهادات در این بخش است که جملات نوشته می شود: حقایق و قواعد استنتاج.

مثلا:

می داند (لنا، ایوان).

دانش آموز (ایوان).

آشنا_دانشجو(X,Y):- می داند(X,Y), دانشجو(Y).

هدف -بخش هدف درخواست در این قسمت نوشته شده است.

مثلا:

sign_student (lena, X).

ساده ترین برنامه ممکن است فقط شامل یک بخش GOAL باشد، برای مثال:

بنویسید ("نام خود را وارد کنید:")، readln (نام)،

نوشتن ("سلام، "، نام، "!").

موسسه کلومنا (شعبه)

موسسه آموزشی دولتی آموزش عالی

آموزش حرفه ای

"دانشگاه باز دولتی مسکو"

گروه انفورماتیک و فناوری اطلاعات

"تایید شده"

آموزشی و روش شناختی

شورای KI (f) MGOU

رئیس هیئت مدیره

استاد

صبح. لیپاتوف

"___" ____________ 2010

P.S. رومانوف

مبانی هوش مصنوعی

کتاب درسی برای رشته های رشته

"انفورماتیک و علوم کامپیوتر"

برای دانشجویان آموزش عالی موسسات آموزشی

کلمنا – 2010

U

منتشر شده بر اساس تصمیم شورای آموزشی و روش شناسی موسسه کلومنا (شعبه) موسسه آموزشی دولتی آموزش عالی حرفه ای "MGOU" به تاریخ __________ 2010 شماره شهر ________

DK 519.6

P69 Romanov P.S.

مبانی هوش مصنوعی. آموزش. – Kolomna: KI (f) MGOU، 2010. – 164 p.

این آموزش اصول اولیه هوش مصنوعی را پوشش می دهد. مفاهیم اساسی هوش مصنوعی ارائه شده است. مفاد تئوری مجموعه های فازی آورده شده است. سیستم های هوشمند اصلی، هدف، طبقه بندی، ویژگی ها، مشکلات ایجاد، نمونه هایی در نظر گرفته شده است.

این کتاب برای دانشجویان مؤسسات آموزش عالی که در رشته «انفورماتیک و علوم رایانه» تحصیل می کنند در نظر گرفته شده است. می تواند هنگام مطالعه سیستم های اطلاعاتی هوشمند توسط دانشجویان سایر تخصص ها مورد استفاده قرار گیرد.

بازبین:دکترای علوم فنی، پروفسور V.G. نوویکوف

©Romanov P.S.

©KI(f) MGOU، 2010

مقدمه………………………………………………………………………………………………………………………………

فصل 1. مفاهیم اساسی هوش مصنوعی...................................6

§ 1.1. اصطلاحات و تعاریف اساسی................................................ .............. .....6

§ 1.2. تاریخچه توسعه سیستم های هوش مصنوعی .......................................... ...................................... 12

§ 1.4. جهت های اصلی توسعه و کاربرد

سیستم های هوشمند................................................ ........ ................25

فصل 2. مفاد تئوری مجموعه های فازی .......................................... ........... 32

§ 2.1. مجموعه فازی. عملیات روی مجموعه های فازی…..32

§ 2.1.1. عملیات اساسی در مجموعه های فازی .....................................35

§ 2.2. ساخت تابع عضویت ............................................ ......38

§ 2.2.1. چند روش برای ساخت تابع عضویت......39

§ 2.3. اعداد مبهم ................................................ ..........................................44

§ 2.4. عملیات با اعداد فازی (L-R) از نوع.......................................... ..........46

§ 2.5. متغیرهای فازی و زبانی................................ .....47

§ 2.6. روابط مبهم ..................................................... ..........................50

§ 2.7. منطق فازی................................................ ...................................51

§ 2.8. نتیجه گیری های مبهم ................................................... ..........................................53

§ 2.9. اتوماسیون پردازش اطلاعات با استفاده از

سیستم های فازی................................................ ..........................................59

فصل 3. سیستم های هوشمند پایه................................ ........64

§ 3.1. داده ها و دانش ..................................................... ..........................................64

§ 3.2. مدل های بازنمایی دانش................................................ ............ 66

§ 3.3.1. قوانین محصول................................................ ...................69

§ 3.3.2. قاب ها ................................................ ...................................... 72

§ 3.3.3. شبکه های معنایی ...................................... ........ ......................74

§ 3.4. سیستم های خبره. حوزه های موضوعی......................................76

§ 3.5. هدف و گستره سیستم های خبره......................................77

§ 3.6. روش شناسی توسعه سیستم های خبره ...................................81

§ 3.7. سیستم های خبره پایه................................................ ......... .........86

§ 3.8. مشکلات در توسعه سیستم های خبره و راه های حل آنها

فائق آمدن................................................. .. ................................ 90

§ 3.9. هدف، طبقه بندی ربات ها ..................................................... ...... 94

§ 3.10. نمونه هایی از ربات ها و سیستم های رباتیک ............................................ 97

§ 3.10.1. ربات های خانگی (خانگی) ...................................... ....... ....97

§ 3.10.2. ربات های نجات و تحقیق................................................99

§ 3.10.3. ربات های صنعت و پزشکی............................100

§ 3.10.4. ربات های نظامی و سیستم های رباتیک.................................101

§ 3.10.5. مغز به عنوان یک دستگاه آنالوگ به دیجیتال ...................................104

§ 3.10.6. ربات - اسباب بازی ................................ ..........................104

§ 3.11. مشکلات پیاده سازی فنی ربات ها ...................................105

§ 3.12. ربات های صنعتی تطبیقی ​​................................ ...................... .... 114

§ 3.12.1. انطباق و آموزش ..................................................... ..........................114

§ 3.12.2. طبقه بندی سیستم های کنترل تطبیقی

ربات های صنعتی ................................ ........ ...117

§ 3.12.3. نمونه هایی از سیستم های کنترل ربات تطبیقی............123

§ 3.12.4. مشکلات ایجاد ربات های صنعتی...................128

§ 3.13. شبکه‌های عصبی و فناوری‌های رایانه‌ای عصبی.................................132

§ 3.13.1. مشخصات کلی جهت .................................132

§ 3.13.2. بسته های عصبی ..................................................... ......................................140

§ 3.14. شبکه های عصبی................................................ ..........................147

§ 3.14.1. پرسپترون و توسعه آن................................................ ...... .....147

3.14.1.1. نورون ریاضی مک کالوخ پیتس................147

3.14.1.2. پرسپترون روزنبلات و قانون هب ...................................148

3.14.1.3. قاعده دلتا و تشخیص حروف ...................................150

3.14.1.4. آدالین، مدالین و قانون دلتای تعمیم یافته..........152

§ 3.14.2. الگوریتم پرسپترون چند لایه و معکوس

انتشار خطا................................................ ................ .....155

§ 3.14.3. انواع توابع فعالسازی................................................ .....160

معرفی

علمی به نام "هوش مصنوعی" بخشی از این مجموعه است علوم کامپیوترو فناوری های ایجاد شده بر اساس آن متعلق به فناوری اطلاعات است. وظیفه این علم ارائه استدلال و عمل هوشمندانه با کمک سیستم های کامپیوتری و سایر وسایل مصنوعی است. هوش مصنوعی (AI) به عنوان یک زمینه علمی مستقل، بیش از ربع قرن است که وجود داشته است. در طول این مدت، نگرش جامعه نسبت به متخصصان درگیر در چنین تحقیقاتی از شک و تردید به احترام تبدیل شده است. در کشورهای پیشرفته، کار در زمینه سیستم های هوشمند در تمام سطوح جامعه مورد حمایت قرار می گیرد. یک عقیده قوی وجود دارد که این مطالعات هستند که ماهیت جامعه اطلاعاتی را تعیین می کنند، که در حال حاضر جایگزین تمدن صنعتی شده است، که در قرن بیستم به بالاترین نقطه شکوفایی خود رسید. در طول سال‌های گذشته شکل‌گیری هوش مصنوعی به عنوان یک رشته علمی خاص، مدل‌های مفهومی آن شکل گرفته، روش‌ها و تکنیک‌های خاصی که فقط متعلق به آن است انباشته شده‌اند و پارادایم‌های اساسی ایجاد شده‌اند. هوش مصنوعی به یک علم کاملاً قابل احترام تبدیل شده است که از فیزیک یا زیست شناسی کم ارزش و ضروری نیست.

هوش مصنوعی یک علم تجربی است. ماهیت آزمایشی هوش مصنوعی در این واقعیت نهفته است که هنگام ایجاد مدل‌ها و بازنمایی‌های رایانه‌ای، محقق رفتار آن‌ها را با یکدیگر مقایسه می‌کند و با مثال‌هایی از چگونگی حل مشکلات مشابه توسط متخصص، آنها را بر اساس این مقایسه اصلاح می‌کند و سعی می‌کند به نتیجه بهتری دست یابد. مطابقت نتایج به منظور اصلاح برنامه ها به منظور بهبود نتایج به شیوه ای "یکنواخت"، باید ایده ها و مدل های اولیه معقولی داشت. آنها از مطالعات روانشناختی آگاهی، به ویژه روانشناسی شناختی می آیند.

یکی از ویژگی های مهم روش های هوش مصنوعی این است که تنها با مکانیسم های شایستگی سروکار دارد که ماهیت کلامی دارند (اجازه نمایش نمادین). همه مکانیسم هایی که یک فرد برای حل مشکلات استفاده می کند اینگونه نیست.

این کتاب مبانی هوش مصنوعی را ارائه می دهد که امکان پیمایش تعداد زیادی از نشریات اختصاص داده شده به مشکلات هوش مصنوعی و کسب دانش لازم در این زمینه علم را فراهم می کند.