Za ljude koji se žele stalno usavršavati, nešto naučiti i stalno učiti nešto novo, posebno smo napravili ovu kategoriju. Ima iznimno edukativan, koristan sadržaj koji će vam se svakako svidjeti. Velik broj videa, možda, može konkurirati čak i obrazovanju koje smo dobili u školi, fakultetu ili sveučilištu. Najveća ljepota nastavnih videa je u tome što pokušavaju pružiti najsvježije, najrelevantnije informacije. Svijet oko nas u eri tehnologije neprestano se mijenja, a tiskane obrazovne publikacije jednostavno nemaju vremena pružiti svježe informacije.
Među videima možete pronaći i edukativne videe za djecu predškolske dobi. Tamo će vaše dijete naučiti slova, brojke, brojanje, čitanje itd. Slažem se, vrlo dobra alternativa crtićima. Za osnovnoškolce možete pronaći i podučavanje engleskog jezika, pomoć u proučavanju školskih predmeta. Za starije učenike kreirani su video zapisi za obuku koji će im pomoći u pripremi za testove, ispite ili jednostavno produbiti njihovo znanje o pojedinom predmetu. Stečeno znanje može kvalitativno utjecati na njihov mentalni potencijal, a također vas zadovoljiti odličnim ocjenama.
Za mlade koji su već završili srednju školu, studiraju ili ne studiraju na sveučilištu, postoji mnogo uzbudljivih edukativnih videa. Mogu im pomoći u produbljivanju znanja o struci za koju se školuju. Ili steknete zanimanje, na primjer, programer, web dizajner, SEO-optimizator itd. Sveučilišta do sada ne podučavaju takvu struku, pa se stručnjak za ovo napredno i relevantno područje može postati samo samoobrazovanjem, u čemu pokušavamo pomoći prikupljanjem najkorisnijih videa.
Za odrasle je ova tema također relevantna, jer se vrlo često događa da nakon godina rada u struci dođe do shvaćanja da to nije vaše i da želite savladati nešto sebi prikladnije, a ujedno i isplativo. Također među ovom kategorijom ljudi često se nalaze videi tipa samousavršavanja, uštede vremena i novca, optimiziranja života, u kojima pronalaze načine da žive puno bolje i sretnije. Za odrasle je vrlo prikladna i tema stvaranja i razvoja vlastitog posla.
Također među edukativnim videima postoje videozapisi s općim fokusom koji su prikladni za gotovo svaku dob, u njima možete naučiti o tome kako je nastao život, koje teorije evolucije postoje, činjenice iz povijesti itd. Savršeno proširuju vidike osobe, čine ga mnogo učenijim i ugodnijim intelektualnim sugovornikom. Zaista je korisno gledati ovakve edukativne video zapise svima, bez iznimke, jer znanje je moć. Želimo vam ugodno i korisno gledanje!
U naše vrijeme jednostavno je potrebno biti, kako kažu, "na valu". To ne znači samo vijesti, već i razvoj vlastitog uma. Ako se želite razvijati, učiti o svijetu, biti traženi u društvu i biti zanimljivi, onda je ova rubrika za vas.
5.1. Razlike između znanja i podataka
Karakteristična značajka inteligentnih sustava je dostupnost znanja potrebnih za rješavanje problema u određenom predmetnom području. To postavlja prirodno pitanje što je znanje i po čemu se ono razlikuje od običnih podataka koje obrađuju računala.
Podatkom se naziva informacija stvarne prirode koja opisuje objekte, procese i pojave predmetnog područja, kao i njihova svojstva. U procesima računalne obrade podaci prolaze kroz sljedeće faze transformacije:
Izvorni oblik postojanja podataka (rezultati promatranja i mjerenja, tablice, priručnici, dijagrami, grafikoni itd.);
Prezentacija na posebnim jezicima opisa podataka namijenjenih unosu i obradi početnih podataka u računalu;
Baze podataka na računalnim medijima.
Znanje je složenija kategorija informacija od podataka. Znanje ne opisuje samo pojedinačne činjenice, već i odnose među njima, pa se znanje ponekad naziva strukturiranim podacima. Do znanja se može doći obradom empirijskih podataka. Oni predstavljaju rezultat čovjekove mentalne aktivnosti usmjerene na generaliziranje njegovog iskustva stečenog kao rezultat praktične aktivnosti.
Kako bi IIS obdarili znanjem, oni moraju biti predstavljeni u određenom obliku. Postoje dva glavna načina prenošenja znanja softverskim sustavima. Prvi je staviti znanje u program napisan u konvencionalnom programskom jeziku. Takav sustav predstavljat će jedan programski kod u kojem znanje nije stavljeno u posebnu kategoriju. Unatoč činjenici da će glavni zadatak biti riješen, u ovom slučaju teško je procijeniti ulogu znanja i razumjeti kako se ono koristi u procesu rješavanja problema. Izmjena i održavanje takvih programa nije lak zadatak, a problem nadopunjavanja znanja može postati nerješiv.
Druga metoda temelji se na konceptu baza podataka i sastoji se u stavljanju znanja u posebnu kategoriju, t.j. znanje se prezentira u određenom formatu i stavlja u bazu znanja. Baza znanja lako se ažurira i mijenja. Ona je autonomni dio inteligentnog sustava, iako mehanizam zaključivanja implementiran u logičkom bloku, kao i sredstva dijaloga, nameću određena ograničenja strukturi baze znanja i operacijama s njom. Ova metoda je usvojena u modernom IIS-u.
Treba napomenuti da kako bi se znanje stavilo u računalo, ono mora biti predstavljeno određenim strukturama podataka koje odgovaraju odabranom razvojnom okruženju za inteligentni sustav. Slijedom toga, u razvoju IMS-a prvo se akumulira i prezentira znanje, te je u ovoj fazi obvezno sudjelovanje osobe, a zatim se znanje predstavlja određenim strukturama podataka koje su pogodne za pohranu i obradu u računalu. Znanje u IIS-u postoji u sljedećim oblicima:
Početno znanje (pravila proizašla iz praktičnog iskustva, matematičkih i empirijskih odnosa koji odražavaju međusobne odnose između činjenica; obrasci i trendovi koji opisuju promjenu činjenica tijekom vremena; funkcije, dijagrami, grafikoni itd.);
Opis početnog znanja pomoću odabranog modela prikaza znanja (skup logičkih formula ili pravila proizvodnje, semantička mreža, okviri itd.);
Predstavljanje znanja strukturama podataka koje su namijenjene za pohranu i obradu u računalu;
Baze znanja o strojnim nosačima podataka.
Što je znanje? Evo nekoliko definicija.
Iz objašnjavajućeg rječnika SI Ozhegova: 1) "Znanje je shvaćanje stvarnosti putem svijesti, znanosti"; 2) "Znanje je skup informacija, znanja u bilo kojem području."
Definicija pojma "znanje" uključuje uglavnom filozofske elemente. Na primjer, znanje je praktično provjereni rezultat spoznaje stvarnosti, njezin ispravan odraz u umu osobe.
Znanje je rezultat dobiven poznavanjem okolnog svijeta i njegovih objekata. U najjednostavnijim situacijama, znanje se smatra iskazom činjenica i njihovim opisom.
Istraživači umjetne inteligencije daju konkretnije definicije znanja.
"Znanja su zakonitosti predmetnog područja (načela, veze, zakoni), stečena kao rezultat praktičnih aktivnosti i stručnog iskustva, omogućujući stručnjacima postavljanje i rješavanje problema u ovom području."
"Znanje su dobro strukturirani podaci, ili podaci o podacima, ili metapodaci."
"Znanje je formalizirana informacija na koju se upućuje ili se koristi u procesu zaključivanja."
U području AI sustava i inženjeringa znanja definicija znanja povezana je s logičkim zaključivanjem: znanje je informacija na temelju koje se provodi proces zaključivanja, t.j. na temelju ovih informacija, pomoću logičkog zaključivanja možete donijeti različite zaključke o podacima dostupnim u sustavu. Mehanizam zaključivanja omogućuje vam da povežete odvojene fragmente, a zatim donesete zaključke o ovom nizu povezanih fragmenata.
Znanje je formalizirana informacija na koju se upućuje ili se koristi u procesu zaključivanja (slika 5.1.).
Riža. 5.1. Proces zaključivanja u IC
Pod znanjem podrazumijevamo skup činjenica i pravila. Koncept pravila koje predstavlja dio znanja je:
Ako<условие>zatim<действие>.
Ova definicija je poseban slučaj prethodne definicije.
Međutim, prepoznato je da su distinktivne kvalitativne značajke znanja posljedica njihovih velikih mogućnosti u smjeru strukturiranja i međusobne povezanosti sastavnih jedinica, njihove interpretabilnosti, prisutnosti metrike, funkcionalne cjelovitosti, aktivnosti.
Postoje mnoge klasifikacije znanja. Klasifikacije se u pravilu koriste za sistematizaciju znanja iz pojedinih predmetnih područja. Na apstraktnoj razini razmatranja možemo govoriti o znakovima prema kojima se znanje dijeli, a ne o klasifikacijama. Po svojoj prirodi, znanje se može podijeliti na deklarativno i proceduralno.
Deklarativno znanje je opis činjenica i pojava, fiksira prisutnost ili odsutnost takvih činjenica, a uključuje i opise glavnih veza i obrazaca u koje su te činjenice i pojave uključene.
Proceduralno znanje je opis radnji koje su moguće pri manipulaciji činjenicama i pojavama radi postizanja namjeravanih ciljeva.
Za opisivanje znanja na apstraktnoj razini razvijeni su posebni jezici - jezici za opisivanje znanja. Ovi jezici se također dijele na proceduralne i deklarativne jezike. Svi jezici opisa znanja orijentirani na korištenje tradicionalnih računala von Neumannove arhitekture su proceduralni jezici. Razvoj deklarativnih jezika, pogodnih za reprezentaciju znanja, aktualan je problem današnjice.
Prema načinu stjecanja znanja može se podijeliti na činjenice i heuristiku (pravila koja vam omogućuju da napravite izbor u nedostatku preciznih teorijskih opravdanja). Prva kategorija znanja obično označava okolnosti dobro poznate u datom predmetnom području. Druga kategorija znanja temelji se na vlastitom iskustvu stručnjaka u radu u određenom predmetnom području, akumuliranom kao rezultat višegodišnje prakse.
Prema vrsti reprezentacije znanje se dijeli na činjenice i pravila.Činjenice su znanja tipa "A je A", takva su znanja tipična za baze podataka i mrežne modele. Pravila, odnosno proizvodi, su znanja tipa "AKO A, ONDA B".
Osim činjenica i pravila, postoji i meta-znanje – znanje o znanju. Oni su neophodni za upravljanje bazom znanja i za učinkovitu organizaciju postupaka zaključivanja.
Oblik predstavljanja znanja ima značajan utjecaj na karakteristike IIS-a. Baze znanja su modeli ljudskog znanja. Međutim, sva znanja koja osoba privlači u procesu rješavanja složenih problema ne mogu se modelirati. Stoga je u inteligentnim sustavima potrebno jasno podijeliti znanje na ono koje je dizajnirano za obradu pomoću računala i znanje koje koriste ljudi. Očito, da bi se riješili složeni problemi, baza znanja mora imati dovoljno velik volumen, u vezi s čime se neizbježno pojavljuju problemi upravljanja takvom bazom. Stoga pri odabiru modela predstavljanja znanja treba uzeti u obzir čimbenike kao što su homogenost reprezentacije i lakoća razumijevanja. Ujednačenost prezentacije dovodi do pojednostavljenja mehanizma upravljanja znanjem. Lakoća razumijevanja važna je za korisnike inteligentnih sustava i stručnjake, čije je znanje ugrađeno u IMS. Ako je oblik predstavljanja znanja teško razumljiv, onda se procesi stjecanja i interpretacije znanja kompliciraju. Treba napomenuti da je te zahtjeve prilično teško istovremeno ispuniti, osobito u velikim sustavima, gdje strukturiranje i modularno predstavljanje znanja postaje neizbježan.
Rješavanje problema inženjeringa znanja postavlja problem pretvaranja informacija dobivenih od stručnjaka u obliku činjenica i pravila za njihovu upotrebu u oblik koji se može učinkovito implementirati strojnom obradom tih informacija. U tu svrhu stvoreni su različiti modeli reprezentacije znanja koji se koriste u postojećim sustavima.
Klasični modeli predstavljanja znanja uključuju logičke, proizvodne, okvirne i semantičke mrežne modele.
Svaki model ima svoj jezik za predstavljanje znanja. Međutim, u praksi je rijetko moguće proći s okvirom jednog modela pri razvoju IMS-a, s izuzetkom najjednostavnijih slučajeva, pa se prikaz znanja pokazuje složenim. Uz kombinirano predstavljanje pomoću različitih modela, obično se koriste posebni alati koji odražavaju značajke specifičnog znanja o predmetnom području, kao i različite načine uklanjanja i uzimanja u obzir nejasnoće i nepotpunosti znanja.
Podaci i znanje. Osnovne definicije.
Informacije s kojima računala rade dijele se na proceduralne i deklarativne. Proceduralne informacije utjelovljene su u programima koji se izvršavaju u procesu rješavanja problema, deklarativne informacije u podacima s kojima ti programi rade.
Standardni oblik predstavljanja informacija u računalu je strojna riječ, koja se sastoji od niza binarnih znamenki - bitova definiranih za određenu vrstu računala. Strojna riječ za predstavljanje podataka i strojna riječ za predstavljanje instrukcija koje tvore program mogu imati isti ili različit broj bitova. Isti broj bitova u strojnim riječima za naredbe i podatke omogućuje im da se u računalu smatraju identičnim informacijskim jedinicama i da izvršavaju operacije nad naredbama kao i nad podacima. Sadržaj memorije čini informacijsku bazu. Računalna riječ je glavna karakteristika infobaze, budući da njezina je duljina takva da je svaka strojna riječ pohranjena u jednu standardnu memorijsku ćeliju, opremljenu pojedinačnim imenom - adresom ćelije. Ovaj naziv se koristi za izdvajanje informacijskih jedinica iz memorije računala i njihovo zapisivanje u nju. U programskim jezicima visoke razine koriste se apstraktni tipovi podataka čiju strukturu postavlja programer.
Pojava baza podataka (DB) označila je još jedan korak prema organizaciji rada s deklarativnim informacijama. Baze podataka mogu istovremeno pohranjivati velike količine informacija, a posebni alati koji tvore sustav za upravljanje bazom podataka (DBMS) omogućuju vam učinkovitu manipulaciju podacima, ako je potrebno, izdvajanje ih iz baze podataka i zapisivanje željenim redoslijedom u bazu podataka.
S razvojem istraživanja IP-a pojavio se koncept znanja koji je kombinirao mnoge značajke proceduralnih i deklarativnih informacija. U računalu se znanje, baš kao i podaci, prikazuje u simboličkom obliku - u obliku formula, teksta, datoteka, nizova informacija itd. Stoga možemo reći da su znanje podaci organizirani na poseban način. U sustavima umjetne inteligencije znanje je glavni objekt formiranja, obrade i istraživanja. Baza znanja, zajedno s bazom podataka, neophodna je komponenta softverskog paketa AI. Strojevi koji implementiraju AI algoritme nazivaju se strojevi temeljeni na znanju, a pododjeljak teorije AI koji se odnosi na konstrukciju ekspertnih sustava naziva se inženjering znanja.
Razlike između podataka i znanja:
1.unutarnja interpretabilnost znanja (na primjer: podaci - 243849 ..., znanje - rečenice prirodnog jezika).
2. aktivnost znanja. Ako postoji znanje, onda pojava novog znanja može dovesti do promjene starog znanja i pojave novih.
3. povezanost znanja. Znanje nije zanimljivo samo po sebi, zanimljivo je u zbiru (sustav znanja).
4. znanje je dinamično, a podaci su obično statični.
Namjerno znanje definira se kroz koncept više razine koji ukazuje na specifična svojstva. Ekstenzivno znanje definira se kroz koncepte niže razine, obično jednostavnim navođenjem. Ekstenzije se u pravilu pohranjuju u baze podataka, a namjere u baze znanja. Znanje se po načinu prezentiranja dijeli na deklarativno (informacija se opisuje) i proceduralna (zapisuje se u algoritmu). Glavni smjer kretanja u području predstavljanja znanja je veća upotreba deklarativnog znanja.
Klasifikacije znanja i njihovi modeli
Postoji mnogo načina za klasifikaciju znanja. Zadržimo se na klasifikaciji prema nositelju znanja. Znanje se dijeli na:
1. Formalizirano
Referentni vodiči,
enciklopedije,
Poznavanje korporativnih informacijskih sustava
2. Osobno
Vještine vezane uz zanat,
sportske vještine,
Načini razmišljanja, analize,
Načini obavljanja posla
Formalizirano znanje obično je već postavljeno na materijalne medije - knjige, brošure, internet/intranet stranice, podatkovne datoteke, CIS (ERP). Ovi načini organiziranja znanja su vrlo dobri i provjereni vremenom. Malo je vjerojatno da ćemo ih moći značajno poboljšati kako bi utjecali na produktivnost ili druge ekonomske pokazatelje vaše organizacije.
Osobno znanje, s druge strane, obično je sadržano samo u glavama svojih nositelja. Kako bi postali vlasništvo organizacije, potrebno je da se znanje aktivno prenosi između zaposlenika. Za to već dugo postoje sustavi mentorstva i interne korporativne obuke.
Mnogo osobnog znanja može se formalizirati. To se prvenstveno odnosi na metode i načine obavljanja posla, prihvaćene i optimalne u vašoj organizaciji. Ovisno o stupnju razvoja organizacije, metode rada evoluiraju od kreativnih, stvorenih na radnom mjestu metodom pokušaja i pogrešaka do najboljih praksi u industriji, ugrađenih u dokumentaciju poslovnog procesa, ERP-sustav i politiku organizacije.
Definicije okvira. Okvir je poput popisa svojstava i poput mreže. Hijerarhija i nasljeđivanje imovine
Okvir je određena struktura reprezentacije znanja koja se, kada se ispuni odgovarajućim vrijednostima, pretvara u opis određenog čimbenika, događaja ili situacije. Okvir je najmanji mogući opis suštine bilo koje pojave, događaja, situacije, procesa ili predmeta. Minimalnost znači da se daljnjim pojednostavljenjem opisa gubi njegova cjelovitost, prestaje određivati jedinicu znanja za koju je namijenjen. Okvir ima specifičnu strukturu, koja se sastoji od mnogih elemenata - utora. Svaki je utor, zauzvrat, predstavljen specifičnom strukturom podataka, procedurom ili se može povezati s drugim okvirom. Struktura okvira može se predstaviti na sljedeći način:
NAZIV OKVIRA: (naziv 1. utora: 1. vrijednost utora), (2. naziv utora: 2. vrijednost utora), ... (N-ti naziv utora: N-ta vrijednost utora).
Isti zapis predstavljamo u obliku tablice, dopunjene s dva stupca.
Vrijednost utora može biti naziv drugog okvira; na taj način tvore mrežu okvira, koja se sastoji od odabranih vrhova i veza. Gornja razina okvira predstavlja odgovarajuće koncepte, a sljedeće razine terminalnih utora, koje sadrže određene vrijednosti. Hijerarhija objekata ostvaruje se kroz aparat za proučavanje svojstava, kada klase objekata određene razine nasljeđuju strukture klasa okvira više razine. Ako je objekt, mačka. opisano određenom grupom okvira je u konceptualnoj vezi s gornjom i donjom razinom okvira, zatim odn. za njega se okviri konstruiraju uzimajući u obzir i hijerarhijske odnose, a istovremeno je nasljeđivanje svojstava stvarno. putem utora ili okvira s istim imenom.
Podaci i znanje
Informacija
Podaci
Proceduralni deklarativno
Predmetno područje
Znanje
Logičan zaključak
činjenice Heuristika
mehanizam za povlačenje, logičan zaključak ili izlazni stroj.
sučelje
Baza znanja,
mehanizam za povlačenje,
Korisničko sučelje.
Koncept formalnog sustava
Osnova logičkih modela je koncept formalnog sustava definiranog četverostrukom M = (T, P, A, F).
Gomila T postoji mnogo osnovnih elemenata različite prirode, na primjer, riječi iz nekog ograničenog rječnika. Pretpostavlja se da postoji postupak P ( T) provjera pripadnosti proizvoljnog elementa u skupu T.
Gomila P postoje mnoga pravila sintakse. Uz njihovu pomoć od elemenata T oblikuju sintaktički ispravne izraze, na primjer, sintaktički ispravni izrazi grade se od riječi ograničenog rječnika. Mora postojati postupak P ( R), što omogućuje utvrđivanje da li
neki izraz je sintaktički točan.
U setu R podskup od A a priori istiniti izrazi (aksiomi). Mora postojati postupak P ( A) provjeravanje pripada li bilo koji sintaktički ispravan izraz skupu A.
Gomila F postoje mnoga pravila semantičkog zaključivanja. Primjenjujući ih na elemente A, možete dobiti nove sintaktički ispravne izraze na koje ponovno možete primijeniti pravila iz F... Ovo je kako skup povučenih u ovom formalnom sustavu izražavanja. Ako postoji postupak P ( F), što omogućuje da se za bilo koji sintaktički ispravan izraz odredi je li deducibilan, tada se odgovarajući formalni sustav naziva rješiv.
Za znanja uključena u bazu znanja možemo pretpostaviti da je skup A formiraju sve informacijske jedinice unesene u bazu znanja, a uz pomoć pravila zaključivanja iz njih se izvode nove izvedeno znanje... Drugim riječima, formalni sustav je generator novog znanja koji tvori skup povučeno u ovom sustavu znanje.
Ovaj model je temelj konstrukcije mnogih deduktivni IIS... U takvim se sustavima baza znanja opisuje u obliku rečenica i aksioma teorije, a mehanizam zaključivanja implementira pravila za konstruiranje novih rečenica iz postojećih u bazi znanja. Sustav dobiva opis problema na jeziku ove teorije u obliku zahtjeva (rečenice, teorema), koji nije eksplicitno prikazan u bazi znanja. Proces inferencije naziva se dokaz zahtjeva (teorem).
Korištenje logike različitih tipova u konstrukciji sintaktičkih i semantičkih pravila generira logičke modele različitih tipova.
Propozicijski račun
Propozicijski račun proučava rečenice koje mogu biti istinite ili netočne. Nije svaka rečenica izjava. Na primjer, nema smisla govoriti o istinitosti upitnih rečenica. Rečenice nisu tvrdnje za koje ne postoji konsenzus o tome jesu li te rečenice istinite ili netočne. Očigledno, neće se svi složiti s izjavom "matematička logika je fascinantan predmet".
Rečenica "Padao je snijeg" također nije konstatacija, jer su za procjenu njezine istinitosti potrebne dodatne informacije o tome kada je i gdje pao snijeg.
Kombiniranje rečenica pomoću veza poput "i", "ili","Ako tada ...", možete tvoriti nove rečenice.
Postoji pet logičkih veza koje se koriste u propozicionom računu: negacija, konjunkcija, disjunkcija, implikacija i ekvivalencija.
Veznik (logički I) je istinit samo ako su obje njegove sastavne izjave istinite.
Disjunkcija (logična ILI) je netočan samo kada su obje njegove sastavne izjave netočne.
Implikacija (odgovara paketu " Ako tada ...») Prvi operand naziva se premisa, a drugi zaključak. Implikacija je lažna samo kada je njezina premisa istinita, a zaključak lažan.
Logička operacija ekvivalencija odgovara snopu " tada i samo tada". Njegov rezultat je pravi ako su obje tvrdnje ili istodobno točne ili istodobno netočne.
Logično negacija se izvodi na jednoj izjavi. Izjava i njezina negacija uvijek imaju suprotne vrijednosti istine.
Simboli koji se koriste za označavanje iskaza nazivaju se atoma.
Ispravno konstruirane formule u propozicijskoj logici rekurzivno su definirane na sljedeći način:
1) atom je formula;
2) ako A i B- formule, onda su formule
i Ø A, A Ù B, A Ú B, A ® B, A « B.
Ovdje su snopovi označeni simbolima:
Ú - logično ILI(disjunkcija);
Ù - logično I(veznik);
® - logično TREBA(implikacija);
“ – logično EKVIVALENT(ekvivalent);
Ø - logička negacija.
Tumačenje formula se naziva dodjeljivanjem istinitosti vrijednosti svakom atomu uključenom u formulu ( pravi ili Laganje).
Formula koja se sastoji od n različitih atoma, ima 2 n različita tumačenja.
Formula koja vrijedi za sva tumačenja zove se općenito vrijedi(Na primjer, A Ú Ø A).
Zove se formula koja je lažna u svim tumačenjima kontroverzno(Na primjer, A ÙØ A).
Poziva se formula za koju postoji barem jedno tumačenje za koje je istinita izvodljiv.
Ekvivalent nazivaju se formule čije se vrijednosti istine podudaraju za sva tumačenja. Ekvivalentne zamjene mogu se koristiti za transformaciju formula iz jednog oblika u drugi.
Za transformacije formula propozicijskog računa koriste se sljedeće ekvivalentnosti:
1) A Ú Ø A = pravi(pravi);
A Ù Ø A = lažno(Laganje);
2) pravilo dvostruke negacije
Ø (Ø A) = A;
3) A ® B = Ø A Ú B;
4) A « B = (A ® B) Ù ( B ® A);
5) zakoni komutativnosti
A Ú B = B Ú A, A Ù B = B Ù A;
6) zakoni asocijativnosti
(A Ú B) Ú C =A Ú ( B Ú C), (A Ù B) Ù C = A Ù ( B Ù C);
7) zakoni raspodjele
A Ú ( B Ù C) = (A Ú B) Ù ( A Ú C), A Ù ( B Ú C) = (A Ù B) Ú ( A Ù C);
8) de Morganovi zakoni
Ø( A Ú B) = Ø A Ù Ø B, Ø( A Ù B) = Ø A Ú Ø B;
9) A ® B = Ø B ® Ø A.
Račun predikata
Aparat računa iskaza u mnogim slučajevima ne dopušta zadovoljavajući opis predmetnog područja. Značajan dio predmetnih područja može se opisati predikatskim računom prvog reda. Za to se u obzir uzimaju sljedeće:
a) konstante koje označavaju pojedinačni predmet ili pojam;
b) varijable koje u različito vrijeme mogu označavati različite objekte;
c) pojmovi, od kojih su najjednostavniji konstante i varijable, au općenitijem slučaju, predstavljeni izrazima tipa, gdje je funkcionalni simbol, a su termini;
d) predikati koji se koriste za predstavljanje odnosa između objekata u određenom predmetnom području;
e) kvantifikatori – sredstvo specificiranja kvantitativnih karakteristika predmetnog područja.
Predikat To je logička funkcija koja uzima samo istinite vrijednosti" pravi" ili " Laganje».
Predikat se sastoji od predikatnog simbola i odgovarajućeg uređenog skupa pojmova koji su njegovi argumenti. Simbol predikata P koristi se za imenovanje odnosa između objekata. Ako ima n argumentima, to se zove n-krevet predikatski simbol.
Zapis, koji je najjednostavnija (atomska) formula, znači da je izjava istinita: objekte povezuje P.
Korištenje istih logičkih veznika kao u propozicijskom računu ( I, ILI, NE, TREBA, EKVIVALENTNO), možete graditi složenije formule.
Formule koriste kvantifikatore (univerzalnosti) i (postojanja) za definiranje opsega varijabli. Kvantifikatori omogućuju konstruiranje iskaza o skupu objekata i formuliranje iskaza koji su istiniti za ovaj skup.
Formule predikatnog računa (PPF-ovi su dobro konstruirane formule) definiraju se rekurzivno kako slijedi:
1. atom je formula;
2.ako A i B Jesu li formule, onda su formule i
Ø A, A Ù B, A Ú B, A ® B, A « B;
3. ako je - formula, tada su formule i i.
Tumačenje formula u predikatskom računu je dodjela raspona vrijednosti svim konstantama, funkcionalnim i predikatskim simbolima. Formula interpretirana na području D, poprima vrijednosti pravi ili Laganje prema sljedećim pravilima:
a) ako su dane vrijednosti formula A i B, zatim istinite vrijednosti formula Ø A, A Ù B, A Ú B, A ® B, A « B dobiveno iz tablica istinitosti koje vrijede za propozicijski račun;
b) formula dobiva vrijednost pravi ako za svaku od D ima značenje pravi, inače je njegova vrijednost Laganje.
c) formula dobiva vrijednost pravi ako barem jedan od D ima značenje pravi inače, njegova vrijednost je lažna.
Formula A tamo je logična posljedica formule ako i samo ako za bilo koje tumačenje u kojem se formula 
istina, formula A također je istina.
Uz formule za ekvivalentne transformacije dane za propozicijski račun, u predikatskom računu vrijede sljedeće:
Ø($ ) = () (Ø );
Ø() = () (Ø ).
Vrste okvira
U kognitivne svrhe razlikovati dvije vrste okvira: okvir – prototip i okvir – primjer. Okvir - prototip odražava znanje o apstraktnim stereotipnim konceptima, koji su klase nekih konkretnih objekata. Okviri prototipa odražavaju intenzivna znanja, tj. generalizirano znanje o zakonitostima svojstvenim klasi predmeta koji se razmatraju. Okviri - primjeri odražavaju znanja o konkretnim činjenicama predmetnog područja, odnosno tzv ekstenzijski znanje. Prijelaz iz okvira-prototipa u okvir-instancu izvodi se kada se tijekom rada mehanizma zaključivanja provodi postupak označavanja okvira-prototipa.
Kao primjer, razmotrite pojednostavljeni dijagram okvira - prototip koncepta DATE:
<ДАТА> (<МЕСЯЦ><имя>)(<ДЕНЬ><целые числа {1,2,…, 31}>)
(<ГОД><функция>)(<ДЕНЬ НЕДЕЛИ><перечень {ПНД,ВТР,…,ВСК}>
<функция>)
Naziv okvira - prototip - DATUM. U utor MJESEC umjesto vrijednosti upisuje se IME, tj. vrijednost utora može biti bilo koji doslovni izraz. Vrijednost utora DAY su cijeli brojevi, a njihov popis je dan u utoru. Utor YEAR označava funkciju koja može implementirati sljedeće radnje. Ako je u ulaznoj rečenici navedena godina, tada se ona upisuje u polje vrijednosti utora u okviru primjera; ako nije navedena godina, vrijednost koja nedostaje popunjava se tekućom godinom. Ove vrste funkcija nazivaju se zadanim funkcijama.
Slot DAN U TJEDNU također definira funkciju koja će se, prilikom obrade ulazne poruke, automatski pozvati radi provjere neuspjeha.
konzistentnost vrijednosti dana u tjednu koju je odredio korisnik, ili
postavljanje ove vrijednosti ako je korisnik nije naveo.
Konkretni okvir - primjer okvira DATE može izgledati ovako:
<JE DATUM> (<МЕСЯЦ><ИЮНЬ>)(<ДЕНЬ><5>)
Označiti JE označava da je ovaj okvir primjer okvira. Ovdje su popunjena samo 2 mjesta. Ostatak se može izračunati odgovarajućim postupcima.
Procedure uključene u utor podijeljene su u dvije vrste: procedure - demoni i
postupci su sluge.
Postupci – Demoni se automatski aktiviraju svaki put kada se podaci unesu u odgovarajući okvir - primjer ili izbrišu iz njega. Na primjer, procedura ugrađena u slot DAN U TJEDNU u gornjem primjeru predstavlja demonsku proceduru. Uz pomoć postupaka ovog tipa izvode se sve rutinske operacije vezane uz održavanje baza podataka i znanja.
Postupci - Sluge aktivira se samo na zahtjev. Primjer takvog postupka je funkcija ugrađena u utor YEAR u okviru prototipa DATE, koja se poziva samo ako korisnik nije naveo godinu.
Riža. 4.6 Mreža okvira
po okviru Dijete. Nasljeđe "ljubavnog" utora iz okvira Child.
Zahtjev 2. Koje su godine učenici?
Odgovor: 6-17 - vrijednost slota "dob" preuzeta je iz okvira Student. Vrijednost iz okvira Child se ne uzima, jer vrijednost je eksplicitno naznačena u samom okviru "student", o kojem se postavlja pitanje.
Po funkcionalnoj namjeni razlikuju se sljedeće vrste okvira:
Okviri su objekti (primjer iznad);
Okviri - operacije (na primjer, okvir "proces sinteze uređaja za korekciju", utori: model, algoritam izračuna, parametri itd.);
Okviri - situacije (na primjer, okvir "Hitni rad analognog senzora", utori: napon, struja itd.);
Okviri - scenariji (na primjer, okvir "Gašenje požara", utori: mjesto požara, sredstva za gašenje itd.).
Model okvira predstavljanja znanja koristi se u jezicima FRL(Jezik za predstavljanje okvira) ,KRL(Jezik predstavljanja znanja) i tako dalje.
Značajke zaključivanja
U jezicima kadriranja glavna je operacija traženje uzorka... Uzorak je okvir u kojem nisu popunjene sve strukturne jedinice, već samo one po kojima će se među okvirima pohranjenim u memoriji sustava pronaći potrebni okviri. Uzorak može, na primjer, sadržavati naziv okvira, kao i naziv određenog utora u okviru, što ukazuje na vrijednost utora. Ovaj uzorak provjerava okvir s danim imenom i zadanom vrijednošću utora navedenog u obrascu u memoriji sustava. Uzorak može sadržavati naziv određenog mjesta i njegovu vrijednost. Zatim bi postupak pretraživanja uzorka trebao osigurati da se dohvate svi okviri koji sadrže utor s istim imenom i vrijednošću utora kao uzorak. Konačno, neka logička funkcija može se dati u ime okvira, neka imena utora i vrijednosti utora. Dakle, zaključivanje u mreži okvira temelji se na operaciji podudaranja.
Ostali postupci tipični za okvirne jezike su postupci za popunjavanje mjesta podacima, kao i postupci za uvođenje novih prototipskih okvira (tj. novih znanja) u sustav i uvođenje novih veza među njima.
Razmotrimo fragment opisa iz "svijeta blokova" (slika 4.7) u obliku okvira na jeziku FRL.
Riža. 4.7 "Svijet blokova"
(okvir (Ime (Kocka)) (duljina (NULL)) (širina (IF-DEFAULT (koristiti duljinu))) (visina (IF-DEFAULT (koristiti duljinu)))) (f rame (Ime (B 1)) (AKO (Kocka)) (boja (Crvena)) (duljina(80))) (f rame (Ime (B 2)) (AKO (Kocka)) (boja (zelena)) (duljina (65))))
Utor AKO ukazuje da objekti B 1 i B 2 su podtip objekta Kocka i nasljeđuju njegova svojstva, naime dužina = širina = visina. Postupak - demon IF-DEFAULT ispunjava zadane vrijednosti utora.
Recimo da robot dobije naredbu "Uzmi žuti predmet koji podupire piramidu." Jezikom predstavljanja znanja pitanje je napisano na sljedeći način:
(objekt X (boja (žuta boja)) (drži Y (tip (piramida))))
Program za podudaranje uzoraka pretražuje bazu znanja za opise objekata:
(okvir (Ime (B 3)) (tip (blok)) (boja (žuta boja)) (veličina (20 20 20)) (Koordinirati (20 50 0)) (držite (P 2)))
(okvir (Ime(P 2)) (tip (piramida)) ...)
Primljen odgovor: x = B 3, Y = P 2, a robotu se izdaje naredba uzeti(objekt B 3).
Prednosti okvira kao modela za predstavljanje znanja su sposobnost strukturiranja baze znanja zbog svojstava hijerarhije i nasljeđivanja. Nedostatak je složenost organiziranja zaključivanja.
Predavanje. Osnove izgradnje proizvodnog sustava
Primjena meta-pravila
Ponekad, da bi se odlučilo koje pravilo treba aktivirati, poželjno je koristiti specifično znanje, a ne slijediti opću strategiju za rješavanje sukoba. U tu svrhu, neki tumači pravila uključuju alate koji omogućuju programeru da formulira i uvede meta-pravila u program. Metapravila definiraju pravila po kojima se vrši odabir onih pravila s popisa prijava koja prije svega treba razmotriti ili ih se, štoviše, pridržavati.
Meta-pravila omogućuju značajno suzivanje kruga pravila – kandidata na temelju nekog kriterija ili promjenu redoslijeda prioriteta pravila. Meta-pravila često koriste znanje iz određenog predmetnog područja. Primjer je sljedeće meta-pravilo vezano uz sustav
tema medicinske dijagnostike MYCIN.
METARULO 001
AKO (1) infekcija pripada klasi zdjelično-apsces, i
(2) postoje pravila u prostorijama o kojima se spominje
enterobakterije, i
(3) postoje pravila u prostorijama o kojima se spominje
gram-pozitivno bojenje,
TO s pouzdanošću od 0,4, prednost treba dati prvom od navedenih pravila.
Predavanje. Osnovni pojmovi iz područja umjetne inteligencije
Područje znanosti, nazvano "umjetna inteligencija", ima za cilj identificirati temeljne mehanizme na kojima se temelji ljudska aktivnost kako bi ih primijenili u rješavanju specifičnih znanstvenih i tehničkih problema. “Inteligentni” sustavi dizajnirani su za rad u okruženjima u kojima je ljudska prisutnost nemoguća ili opasna po život. Ovi uređaji će se morati nositi s raznim mogućim situacijama. Nemoguće je unaprijed opisati te situacije s takvim stupnjem detalja i jednoznačnosti koji bi omogućio postavljanje tvrdo kodiranih algoritama ponašanja u sustavu koji se stvara. Stoga sustavi naoružani umjetnom inteligencijom moraju imati mehanizme prilagodbe koji bi im omogućili izgradnju programa svrsishodnih aktivnosti za rješavanje zadataka koji su im dodijeljeni na temelju specifične situacije koja se trenutno razvija u njihovom okruženju.
Ovakva formulacija problema pred istraživače postavlja posebne zadatke koji nisu nastali ranije u projektiranju tehničkih sustava. Ti zadaci uključuju: opis bogatog vanjskog okruženja i njegovu refleksiju unutar sustava (ovaj zadatak se naziva zadatkom predstavljanja znanja); upravljanje bankom znanja, njeno nadopunjavanje, otkrivanje kontradikcija i nedostatka znanja; percepcija vanjskog okruženja uz pomoć različitih vrsta receptora (vizualnih, taktilnih, slušnih itd.); razumijevanje prirodnog jezika, koji služi kao univerzalno sredstvo komunikacije za osobu; percepcija tiskanog teksta i usmenog govora te pretvaranje informacija sadržanih u porukama u oblik prikaza znanja; planiranje aktivnosti je zadatak čije će rješavanje omogućiti sustavu da oblikuje planove za postizanje cilja koristeći sredstva koja mu stoje na raspolaganju; prilagodba i učenje na temelju akumuliranog iskustva.
Ovo je područje djelovanja stručnjaka u području sustava umjetne inteligencije. Nalazi se na spoju širokog spektra disciplina: programiranja i psihologije, tehnologije i lingvistike, matematike i fiziologije.
Dakle, teorija umjetne inteligencije je znanost o znanju, kako ga izvući, predstaviti u umjetnim sustavima, obraditi unutar sustava i koristiti za rješavanje praktičnih problema. Drugim riječima, sustavi koji se proučavaju u okviru umjetne inteligencije i stvaraju u mainstreamu ove znanosti su sustavi čiji se rad oslanja na znanje koje odražava semantiku i pragmatiku vanjskog svijeta u kojem djeluju inteligentni sustavi.
Dakle, glavni problemi umjetne inteligencije su predstavljanje i obrada znanja. Rješenje ovih problema sastoji se kako u razvoju učinkovitih modela za predstavljanje znanja, metoda za stjecanje novih znanja, tako i u stvaranju programa i uređaja koji implementiraju te modele i metode.
Elementi umjetne inteligencije naširoko se koriste za stvaranje inteligentnog računalnog softvera, automatiziranih upravljačkih sustava (ACS), sustava za automatizaciju dizajna (CAD), sustava za pronalaženje informacija (ISS), sustava upravljanja bazama podataka (DBMS), ekspertnih sustava (ES), sustava za podršku odlučivanju (DSS), tj omogućuju povećanje razine inteligencije stvorenih informacijskih sustava.
Dostignuća u području umjetne inteligencije primjenjuju se u industriji (otkrivanje i razvoj područja, astronautika, automobilizam, kemija itd.), u ekonomiji (finansije, osiguranje itd.), u neindustrijskoj sferi (promet, medicina, itd.). komunikacije itd.), u poljoprivredi.
Alati umjetne inteligencije omogućuju razvoj modela i programa za rješavanje problema za koje nisu poznate izravne i pouzdane metode rješavanja. Takvi zadaci pripadaju području ljudske kreativne djelatnosti. Stručnjaci za umjetnu inteligenciju postavljaju takve znanstvene probleme kao što su dokazivanje matematičkih teorema, dijagnosticiranje bolesti ili kvarova u opremi, financijska analiza poslovnih subjekata, sintetiziranje programa na temelju specifikacija, razumijevanje teksta na prirodnom jeziku, analiza slike i prepoznavanje njenog sadržaja, upravljanje robotom itd.
Podaci i znanje
Dajmo definicije osnovnih pojmova proučavane discipline i razmotrimo razlike između pojmova "podaci" i "znanje".
Informacija- skup informacija percipiranih iz okoline, izdanih okolini ili pohranjenih unutar informacijskog sustava (IS).
Podaci- specifične informacije predstavljene u formaliziranom obliku o objektima predmetnog područja, njihovim svojstvima i odnosima, koji odražavaju događaje i situacije u ovom području.
Podaci su prikazani u obliku koji vam omogućuje automatizaciju njihovog prikupljanja, pohrane i daljnje obrade. Podaci su zapis informacija u odgovarajućem obliku, pogodnom za pohranu, prijenos, obradu i primanje novih informacija.
Informacije s kojima se računalo dijele na proceduralne i deklarativne.
Proceduralni informacije se prezentiraju programima koji se izvršavaju u procesu rješavanja problema, i deklarativno- podatke koje obrađuju ti programi.
Svaka intelektualna aktivnost oslanja se na poznavanje predmetnog područja u kojem se postavljaju i rješavaju zadaci.
Predmetno područje naziva se skup međusobno povezanih informacija potrebnih i dovoljnih za rješavanje određenog skupa zadataka. Znanje o predmetnom području uključuje opise predmeta, pojava, činjenica, kao i odnosa među njima.
Znanje- to je generalizirana i formalizirana informacija o svojstvima i zakonitostima predmetnog područja, uz pomoć kojih se ostvaruju procesi rješavanja problema, transformacije podataka i samog znanja, a koja se koristi u procesu logičkog zaključivanja.
Logičan zaključak- To je generiranje novih tvrdnji (sudova) na temelju početnih činjenica, aksioma i pravila zaključivanja.
Znanje sa stajališta zadataka koje se rješavaju u određenom predmetnom području podijeljeno je u 2 velike kategorije – činjenice i heuristiku. Pod, ispod činjenice obično razumiju dobro poznate u ovoj oblasti istine, okolnosti. Heuristika- to su empirijski algoritmi temeljeni na neformalnim razmatranjima koja ograničavaju broj rješenja i osiguravaju svrhovitost ponašanja sustava odlučivanja, ali ne jamče da će se dobiti najbolje rješenje. Takvo znanje temelji se na iskustvu stručnjaka (stručnjaka) u datom predmetnom području.
Koncept postupka dobivanja rješenja problema (strategija obrade znanja) povezan je sa poznavanjem tijesta. U IIS-u se ovaj postupak zove mehanizam za povlačenje, logičan zaključak ili izlazni stroj.
Znanje s kojim sustav radi pohranjeno je u bazi znanja (KB).
Za organiziranje interakcije s IIS-om mora imati sredstva komunikacije s korisnikom, t.j. sučelje... Sučelje omogućuje rad s bazom znanja i mehanizmom zaključivanja na jeziku dovoljno visoke razine, bliskom stručnom jeziku stručnjaka u predmetnom području kojem IIS pripada. Osim toga, funkcije sučelja uključuju podršku za dijalog korisnika sa sustavom, što korisniku omogućuje da dobije objašnjenja o postupcima sustava, sudjeluje u potrazi za rješenjem problema, te ažurira i ispravlja bazu znanja. Dakle, glavni dijelovi IIS-a su:
Baza znanja,
mehanizam za povlačenje,
Korisničko sučelje.
Značajke znanja koje ga razlikuju od podataka
Primjer... Neka obiteljske veze budu predmetno područje. Objekti ovog predmetnog područja su pojmovi kao što su majka,
otac, kćer, muškarac, žena itd.
Neka se znaju činjenice:
Victor je Tanjin otac.
Vladimir je otac Viktora.
U jeziku Prolog, ove činjenice su opisane na sljedeći način:
otac (viktor, tanja).
otac (vladimir, viktor).
Ovdje je "otac" ime relacije ili predikata, a "pobjednik", "tanja" i "vladimir" su konstante.
Neka x, Y, Z- varijable. Korištenje varijabli x i Z, u općem slučaju možemo napisati relaciju “ x je otac Z»Na Prolog jeziku:
otac ( x, Z).
Korištenje roditeljskog predikata i varijabli x, Y, Z, formuliraćemo novu relaciju "djed", i to:
Ako x je otac Z i
Z je otac Y
zatim x je djed Y.
Ovaj oblik bilježenja odnosa "Ako... onda" naziva se proizvodno pravilo, proizvoda ili jednostavno Pravilo.
U prolog jeziku, odnos djeda je napisan na sljedeći način:
djed ( x, Y): - otac ( x, Z), otac ( Z, Y).
Znak ": -" tumači se kao "Ako".
Na primjeru odnosa “djed” formulira se opći obrazac definiranja pojma “djed” kroz pojam “otac”. Ime "vladimir", uzeto bez obzira na stav, ne ukazuje na ništa. Možda je ovo ime osobe ili ime grada. Slično, numerički ili drugi podaci se tretiraju na isti način, na primjer, u datoteci podataka. Dato, uzeto zajedno s relacijom, definira neko značenje i tako predstavlja znanje.
Razmotrimo značajke znanja po kojima se razlikuju od podataka.
1. Interpretabilnost... Podatke pohranjene u memoriji računala može interpretirati samo odgovarajući program. Podaci bez programa ne nose nikakvu informaciju, dok znanje ima interpretaciju, jer sadrži i podatke i pripadajuće nazive, opise, odnose, tj. uz podatke prezentirane su informacijske strukture koje omogućuju ne samo pohranjivanje znanja, već i korištenje.
Znanje i informacije važni su dijelovi našeg života. Ovi pojmovi se ne mogu u potpunosti poistovjetiti jedan s drugim. Razmotrimo što se podrazumijeva pod svakim od njih i po čemu se znanje razlikuje od informacija.
Definicija
Znanje- sistematizirane pouzdane ideje o predmetima i pojavama stvarnosti. Ljudi koriste znanje za racionalnu organizaciju svojih aktivnosti i za rješavanje nastalih problema.
Informacija- informacije o pojmovima, činjenicama, događajima itd., u čijem prijenosu i primanju mogu sudjelovati ljudi ili posebni uređaji. Životinje putem signala međusobno komuniciraju posebne informacije. Tu su i genetske informacije koje se prenose s jednog organizma na drugi.
Usporedba
Temeljni čimbenik koji omogućuje identificiranje razlike između znanja i informacije jest da se znanje stječe samo subjektivnim razumijevanjem. Informacije su neovisne i ne dosežu uvijek stupanj svjesnosti.
U kognitivnom procesu znanje i informacija su u različitim fazama. Prvo, tu je percepcija informacija koje prenosi određeni izvor: knjiga, internet, učitelj... Nakon razumijevanja, informacija rezultira znanjem. Onaj sa znanjem može ispuniti ulogu novog izvora informacija.
Dakle, samo se informacija prenosi i prima, ali se znanje ne može prenositi. Da biste postali vlasnik znanja, trebate percipirati potrebne informacije i proći ih kroz vlastitu svijest.
Na primjer, nastavnik matematike ima znanje o svom predmetu. Objašnjavajući razredu način rješavanja problema, on ne prenosi izravno znanje, već je izvor informacija. Učenici će moći formirati znanje tek kada ne samo slušaju učitelja, nego i razumiju, shvate što im on pokušava prenijeti.
S obzirom koja je razlika između znanja i informacije, treba napomenuti da ne može biti viška znanja. Uostalom, osoba nastoji shvatiti samo ono što mu je stvarno važno i potrebno. Informacije mogu teći previše, ljudi se često osjećaju prezasićenima njima. Od cjelokupne količine informacija, mali dio se koristi za stjecanje znanja.
Upravo je znanje kriterij obrazovanja čovjeka. Uostalom, nije dovoljno samo upoznati se s informacijama – potrebno je puno mentalnog rada.
