Informacione të përgjithshme rreth prologut. Karakteristikat themelore të prologut

Zhvillimi i inteligjencës artificiale

Historia e inteligjencës artificiale filloi jo shumë kohë më parë. Në gjysmën e dytë të shekullit të 20-të, koncepti u formulua inteligjence artificiale(inteligjenca artificiale) dhe disa nga përkufizimet e saj janë propozuar. Një nga përkufizimet e para, i cili, megjithë gjerësinë e konsiderueshme të interpretimit, nuk e ka humbur rëndësinë e tij, është prezantimi i inteligjencës artificiale si: "Një mënyrë për ta bërë një makinë kompjuterike të mendojë si një person".

Rëndësia e intelektualizimit të sistemeve kompjuterike është për shkak të nevojës njerëzore për të gjetur zgjidhje në realitete të tilla. bota moderne, si pasaktësi, paqartësi, pasiguri, paqartësi dhe pabazë të informacionit. Nevoja për të rritur shpejtësinë dhe përshtatshmërinë e këtij procesi stimulon krijimin e sistemeve kompjuterike, nëpërmjet ndërveprimit me botën reale me anë të robotikës, pajisjeve të prodhimit, instrumenteve dhe pajisjeve të tjera, mund të kontribuojnë në zbatimin e tij.

Sistemet kompjuterike të bazuara në logjikën e pastër klasike - domethënë, algoritme për zgjidhjen e problemeve të njohura, përballen me probleme, përballje me situata të pasigurta. Në ndryshim prej tyre, qeniet e gjalla, edhe pse humbasin në shpejtësi, janë në gjendje të marrin vendime të suksesshme në situata të tilla.

Një shembull i inteligjencës artificiale

Një shembull është rënia e bursës së vitit 1987, kur programet kompjuterike shitën qindra miliona dollarë aksione për të bërë një fitim prej disa qindra dollarësh, gjë që në fakt krijoi parakushtet për rrëzimin. Situata u korrigjua pas transferimit të kontrollit të plotë mbi tregtimin e këmbimit në sistemet inteligjente protoplazmatike, domethënë te njerëzit.

Duke përcaktuar konceptin e inteligjencës si kategori shkencore, ai duhet kuptuar si përshtatshmëria e sistemit për të mësuar. Kështu, një nga përkufizimet më të konkretizuara, për mendimin tonë, të inteligjencës artificiale interpretohet si aftësia e sistemeve të automatizuara për të përvetësuar, përshtatur, modifikuar dhe rimbushur njohuritë për të gjetur zgjidhje për problemet, formalizimi i të cilave është i vështirë.

Në këtë përkufizim, termi "dije" ka një ndryshim cilësor nga koncepti i informacionit. Ky dallim pasqyrohet mirë nga përfaqësimi i këtyre koncepteve në formë piramida e informacionit në Fig. 1.

Figura 1 - Piramida e informacionit

Ai bazohet në të dhëna, niveli tjetër është i zënë nga informacioni, niveli i njohurive plotëson piramidën. Ndërsa lëvizni lart në piramidën e informacionit, vëllimet e të dhënave shndërrohen në vlerën e informacionit dhe më pas në vlerën e njohurive. Kjo do të thotë, informacioni lind në momentin e ndërveprimit midis të dhënave subjektive dhe metodave objektive të përpunimit të tyre. Njohuria formohet në bazë të formimit të marrëdhënieve të shpërndara midis informacionit heterogjen, duke krijuar një sistem formal - një mënyrë për t'i pasqyruar ato në koncepte ose deklarata të sakta.

Është mbështetja e një sistemi të tillë - një sistem njohurish, në një gjendje kaq të përditësuar, që bën të mundur ndërtimin e programeve të veprimit për gjetjen e zgjidhjeve për detyrat që u janë caktuar, duke marrë parasysh situata specifike që krijohen. në një moment të caktuar kohor në mjedis, është detyra e inteligjencës artificiale. Kështu, inteligjenca artificiale mund të imagjinohet gjithashtu si një mbi-algoritëm universal i aftë për të krijuar algoritme për zgjidhjen e problemeve të reja.

Transkripti

2 E. V. Borovskaya N. A. Davydova BAZAT E INTELIGJENCAVE ARTIFICIALE Libër mësuesi Botimi i 3-të (elektronik) Laboratori i Dijes në Moskë 2016

3 UDC LBC B83 Baza serike në 2007 Borovskaya E. V. B83 Bazat e inteligjencës artificiale [Burimi elektronik]: tutorial / E. V. Borovskaya, N. A. Davydova. botimi i 3-të. (email). Elektroni. të dhënat e tekstit. (1 skedar pdf: 130 f.). M.: Laboratori i Dijes, (Edukimi Pedagogjik). Sistemi. kërkesat: Adobe Reader XI; ekrani 10 ". ISBN Teksti mësimor i njeh lexuesit me historinë e inteligjencës artificiale, modelet e përfaqësimit të njohurive, sistemet e ekspertëve dhe rrjetet nervore. Përshkruhen drejtimet dhe metodat kryesore të përdorura në analizën, zhvillimin dhe zbatimin e sistemeve inteligjente. Modelet e përfaqësimit të njohurive dhe merren parasysh metodat e punës me to.metodat e zhvillimit dhe krijimit të sistemeve eksperte Libri do të ndihmojë lexuesin të zotërojë aftësitë e hartimit logjik të bazës së të dhënave. fusha lëndore dhe programimi në gjuhën ProLog. Për studentët dhe mësuesit e universiteteve pedagogjike, mësuesit e shkollave të mesme, gjimnazeve, liceut. Edicioni elektronik derivat i UDC LBC i bazuar në një analog të shtypur: Bazat e inteligjencës artificiale: një tutorial / E. V. Borovskaya, N. A. Davydova. M.: BINOM. Laboratori i njohurive, f. : i sëmurë. (Edukimi i mësuesve). ISBN Në përputhje me Artin dhe 1301 të Kodit Civil të Federatës Ruse, kur hiqen kufizimet e vendosura nga mjetet teknike të mbrojtjes së të drejtës së autorit, mbajtësi i së drejtës së autorit ka të drejtë të kërkojë nga shkelësi kompensim për dëmet ose kompensim ISBN c Laboratori i njohurive, 2015

4 PËRMBAJTJA Kapitulli 1. Inteligjenca artificiale Hyrje në sistemet e inteligjencës artificiale Koncepti i inteligjencës artificiale Inteligjenca artificiale në Rusi Struktura funksionale e sistemit të inteligjencës artificiale Drejtimet e zhvillimit të inteligjencës artificiale Të dhënat dhe njohuritë. Përfaqësimi i njohurive në sistemet inteligjente Të dhëna dhe njohuri. Përkufizimet themelore Modelet e përfaqësimit të njohurive Sistemet e ekspertëve Struktura e një sistemi ekspert Zhvillimi dhe përdorimi i sistemeve të ekspertëve Klasifikimi i sistemeve të ekspertëve Përfaqësimi i njohurive në sistemet e ekspertëve Mjetet për ndërtimin e sistemeve të ekspertëve Teknologjia e zhvillimit të sistemit të ekspertëve Pyetjet dhe detyrat e kontrollit për kapitullin Referencat për Kapitulli 2. Programimi logjik Metodologjitë e programimit Metodologjia e programimit imperativ Metodologjia e bazuar në objekte Metodologjia e programimit të orientuar Metodologjia e programimit funksional Metodologjia e programimit logjik Metodologjia e programimit të kufizuar Metodologjia e programimit të kufizuar Programimi i rrjeteve nervore Një hyrje e shkurtër në kalkulusin e kallëzuesit dhe teorema në Procesin e konkluzionit të gjuhës së vërtetimit ...5

5 4 Përmbajtja 2.4. Struktura e një programi Prolog duke përdorur objekte të përbëra duke përdorur domene alternative Organizimi i përsëritjeve në metodën e rikthimit të Prolog pas dështimit Metoda e prerjes dhe rikthimit Metodë e thjeshtë e rekursionit Rregulla e përgjithshme e rekursionit (GPR) Metoda e prologut Listat e operacioneve në listat vargjet në skedarët e operacioneve të vargut Prolog në Prolog kallëzues për të punuar me skedarë Përshkrimi i domenit të skedarit Shkrimi në një skedar Leximi nga një skedar Modifikimi i një skedari ekzistues Shkrimi në fund të një skedari ekzistues Krijimi i bazave të të dhënave dinamike në Prolog Bazat e të dhënave në Prolog Kallëzuesit dinamikë të bazës së të dhënave në Prolog Krijimi i sistemeve eksperte Struktura e sistemit të ekspertëve Sistemi i metodave të konkluzionit të njohurive të përfaqësimit ndërfaqja e përdoruesit Sistemi ekspert i bazuar në rregulla Pyetje dhe detyra testimi për kapitullin Literatura për kapitullin Kapitulli 3. Rrjetet nervore Hyrje në rrjetet nervore Modeli i neuroneve artificiale Zbatimi i rrjeteve nervore Trajnimi i një rrjeti nervor Testimi i pyetjeve dhe detyrave për kapitullin Referencat për kapitullin

6 KAPITULLI 1 INTELIGJENCA ARTIFICIALE 1.1. Hyrje në sistemet e inteligjencës artificiale Koncepti i inteligjencës artificiale Një sistem i inteligjencës artificiale (AI) është një sistem softuerësh që simulon procesin e të menduarit të njeriut në një kompjuter. Për të krijuar një sistem të tillë, është e nevojshme të studiohet vetë procesi i të menduarit të një personi që zgjidh probleme të caktuara ose merr vendime në një fushë specifike, të nxjerrë në pah hapat kryesorë të këtij procesi dhe të zhvillojë softuer që i riprodhon ato në një kompjuter. Prandaj, teknikat e AI sugjerojnë një qasje të thjeshtë të strukturuar për zhvillimin e kompleksit sistemet softuerike vendimmarrje . Inteligjenca artificiale është një degë e shkencës kompjuterike, qëllimi i së cilës është zhvillimi i mjeteve harduerike dhe softuerike që lejojnë një përdorues jo-programues të vendosë dhe zgjidhë detyrat e tyre intelektuale të konsideruara tradicionalisht, duke komunikuar me një kompjuter në një nëngrup të kufizuar të gjuhës natyrore. Ideja për të krijuar një pamje artificiale të një personi për zgjidhjen e problemeve komplekse dhe modelimin e mendjes njerëzore, siç thonë ata, "ishte në ajër" përsëri në kohët e lashta... Paraardhësi i inteligjencës artificiale konsiderohet të jetë filozofi, matematikani dhe poeti mesjetar spanjoll Raymond Llull, i cili në shekullin e 13-të. u përpoq të krijonte një pajisje mekanike për zgjidhjen e problemeve të ndryshme në bazë të një klasifikimi të përgjithshëm të koncepteve të zhvilluara prej tij.

7 6 Kapitulli 1 Më vonë, Leibniz dhe Descartes vazhduan në mënyrë të pavarur këtë ide, duke propozuar gjuhë të klasifikimit universal për të gjitha shkencat. Këto vepra mund të konsiderohen të parat punë teorike në fushën e inteligjencës artificiale. Sidoqoftë, lindja përfundimtare e inteligjencës artificiale si drejtim shkencor ndodhi vetëm pas krijimit të kompjuterëve në vitet 1940, kur Norbert Wiener krijoi veprat e tij themelore mbi shkencën e re të kibernetikës. Termi "inteligjencë artificiale" (AI; ​​anglisht AI "Inteligjencë artificiale") u propozua në vitin 1956 në një seminar me të njëjtin emër në Kolegjin Dartmouth (SHBA). Ky seminar iu kushtua zhvillimit të metodave për zgjidhjen e problemeve logjike (dhe jo llogaritëse). Vini re se në anglisht, kjo frazë nuk ka atë ngjyrosje paksa fantastike antropomorfike, të cilën e fitoi në një përkthim mjaft të pasuksesshëm rus. Fjala "inteligjencë" thjesht do të thotë "aftësia për të arsyetuar në mënyrë të arsyeshme", dhe jo "intelekt" (për të cilën ekziston një analog i veçantë në anglisht i "intelektit"). Menjëherë pas njohjes së inteligjencës artificiale si një fushë e veçantë e shkencës, ajo u nda në dy fusha: neurokibernetika dhe kibernetika e kutisë së zezë. Këto fusha u zhvilluan praktikisht në mënyrë të pavarur, duke ndryshuar dukshëm si në metodologji ashtu edhe në teknologji. Dhe vetëm në kohën e tanishme janë bërë tendenca të dukshme për t'i bashkuar këto pjesë përsëri në një tërësi të vetme. Neurokibernetika Ideja kryesore e këtij drejtimi mund të formulohet si më poshtë: "I vetmi objekt i aftë për të menduar është truri i njeriut, prandaj çdo pajisje e të menduarit duhet të riprodhojë disi strukturën e saj." Kështu, neurokibernetika përqendrohet në modelimin e harduerit dhe softuerit të strukturave të ngjashme me strukturën e trurit. Përpjekjet në neurokibernetikë janë fokusuar në krijimin e elementeve të ngjashëm me neuronet dhe integrimin e tyre në rrjetet nervore funksionale.

8 Inteligjenca artificiale 7 Rrjetet e para nervore u krijuan në vite. Këto nuk ishin përpjekje shumë të suksesshme për të krijuar sisteme që simulojnë syrin e njeriut dhe ndërveprimin e tij me trurin. Gradualisht në vite. numri i punimeve në këtë fushë të inteligjencës artificiale filloi të bjerë, rezultatet e para ishin shumë zhgënjyese. Në mënyrë tipike, autorët e zhvillimeve ia atribuojnë dështimet e tyre memorjes së vogël dhe shpejtësisë së ulët të kompjuterëve ekzistues në atë kohë. Neurokompjuteri i parë u krijua në Japoni si pjesë e Projektit Kompjuterik të Gjeneratës së Pestë. Në këtë kohë, kufizimet në kujtesën dhe shpejtësinë e kompjuterit u hoqën praktikisht. Ekzistojnë kompjuterë transmetues me një numër të madh procesorësh që zbatojnë llogaritjet paralele. Teknologjia Transputer është një nga një duzinë qasjesh të reja për zbatimin e harduerit të rrjeteve nervore që simulojnë strukturën hierarkike të trurit të njeriut. Në përgjithësi, sot mund të dallojmë tre lloje kryesore të qasjeve për krijimin e rrjeteve nervore: harduer (krijimi i kompjuterëve specialë, neuroçipet, kartat e zgjerimit, chipset), softueri (krijimi i programeve dhe mjeteve softuerike të krijuara për kompjuterë me performancë të lartë; rrjete të tilla krijohen ". virtualisht" në kompjuter me memorie, ndërsa e gjithë puna kryhet nga procesorët e tij) dhe hibrid (një kombinim i dy metodave të para). Kibernetika e kutisë së zezë dhe inteligjenca artificiale Kjo qasje bazohet në parimin e kundërt të neurokibernetikës. Këtu, nuk ka rëndësi se si është rregulluar saktësisht pajisja "të menduarit", gjëja kryesore është se ajo duhet të reagojë ndaj ndikimeve të dhëna hyrëse në të njëjtën mënyrë si truri i njeriut. Përkrahësit e kësaj prirje e motivuan qasjen e tyre me faktin se njeriu nuk duhet të ndjekë verbërisht natyrën në kërkimet e tij shkencore dhe teknologjike. Përveç kësaj, shkencat kufitare për njeriun nuk kanë qenë në gjendje të kontribuojnë ndjeshëm

9 8 Kapitulli 1 i kontributit teorik, duke shpjeguar (të paktën përafërsisht) se si ndodhin proceset intelektuale tek një person, si është rregulluar kujtesa e tij dhe si një person mëson botën përreth tij. Ky drejtim i inteligjencës artificiale u fokusua në gjetjen e algoritmeve për zgjidhjen e problemeve inteligjente në modelet ekzistuese kompjuterike. Një kontribut i rëndësishëm në formimin e shkencës së re dhanë pionierë të tillë si McCarthy, Minsky, Newell, Simon, Shaw, Hunt dhe të tjerë. u bënë kërkime intensive për modele dhe algoritme të të menduarit njerëzor dhe zhvillimi i programeve të para të bazuara në to. Përfaqësuesit e shkencave humane, filozofët, psikologët, gjuhëtarët, as atëherë dhe as tani, nuk mund të ofronin algoritme të tilla, atëherë kibernetika filloi të krijonte modelet e veta. Kështu, qasje të ndryshme u zhvilluan dhe u testuan vazhdimisht. Në fund të viteve 1950. u shfaq modeli i kërkimit të labirintit. Kjo qasje paraqet problemin si një hapësirë ​​të caktuar të gjendjes në formën e një grafiku, pas së cilës në këtë grafik kërkohet rruga optimale nga të dhënat hyrëse në të dhënat rezultuese. Eshte bere punë e madhe për të krijuar një model të tillë, por për të zgjidhur detyra praktike megjithatë kjo ide nuk ka gjetur zbatim të gjerë. Fillimi i viteve 1960 u bë epoka e programimit heuristik. Një heuristik është një rregull që nuk justifikohet teorikisht, por ju lejon të zvogëloni numrin e kërkimeve në hapësirën e kërkimit. Programimi heuristik është zhvillimi i një strategjie veprimi bazuar në heuristikat e njohura, të paracaktuara. Në vitet x. metodat e logjikës matematikore filluan të lidhen me zgjidhjen e problemeve. Robinson zhvilloi një metodë rezolucioni që lejon teoremat të provohen automatikisht në prani të një grupi aksiomash origjinale. Në të njëjtën kohë, matematikani i shquar rus Yu. S. Maslov propozoi të ashtuquajturin përfundim të kundërt (më vonë u emërua pas tij), i cili zgjidh një problem të ngjashëm në një mënyrë tjetër. Bazuar në metodën e zgjidhjes

10 Inteligjenca artificiale 9 Francezi Albert Colmeroe krijoi gjuhën e programimit logjik Prolog në 1973. Një rezonancë të madhe në komunitetin shkencor shkaktoi programi "Logicist Teorik", i krijuar nga Newell, Simon dhe Shaw, i cili vërtetoi teoremat e shkollës. Megjithatë, shumica detyra reale nuk reduktohet në një grup aksiomash, por një person që vendos detyrat e prodhimit, jo gjithmonë përdor logjikën klasike, prandaj modelet logjike, me të gjitha avantazhet e tyre, kanë kufizime të konsiderueshme në klasat e problemeve që duhet zgjidhur. Historia e inteligjencës artificiale është plot me ngjarje dramatike, një prej të cilave ishte në vitin 1973 i ashtuquajturi "Lighthill Report", i cili u përgatit në Britaninë e Madhe me kërkesë të Këshillit Britanik të Kërkimeve. Matematikani i famshëm Lighthill, i cili nuk është i lidhur profesionalisht me inteligjencën artificiale, përgatiti një përmbledhje të gjendjes së punëve në këtë fushë. Raporti pranoi disa arritje, por i përshkroi ato si "zhgënjyese" dhe në përgjithësi i vlerësoi ato si negative për sa i përket rëndësisë praktike. Ky raport i ktheu studiuesit evropianë me rreth pesë vjet prapa, pasi fondet për punën ranë ndjeshëm. Në të njëjtën kohë, një përparim i rëndësishëm në zhvillimin e aplikimeve praktike të inteligjencës artificiale ndodhi në Shtetet e Bashkuara, kur në mesin e viteve 1970. kërkimi për një algoritëm universal të të menduarit u zëvendësua nga ideja e modelimit të njohurive specifike të specialistëve ekspertë. Sistemet e para komerciale të bazuara në njohuri, ose sistemet e ekspertëve (ES), u shfaqën në Shtetet e Bashkuara. Një qasje e re për zgjidhjen e problemeve të inteligjencës artificiale, përfaqësimi i njohurive, gjithashtu ka filluar të zbatohet. Dy sistemet e para eksperte për mjekësinë dhe kiminë, Mycin dhe Dendral, u krijuan dhe u bënë klasike. Një kontribut të rëndësishëm financiar dha edhe Pentagoni, i cili propozoi që programi i ri i Departamentit të Mbrojtjes të SHBA-së të bazohej në parimet e inteligjencës artificiale. Tashmë në ndjekje të mundësive të humbura, Bashkimi Evropian në fillim të viteve 1980. njoftoi programin global të zhvillimit të teknologjisë së re të ESPRIT,

11 10 Kapitulli 1, i cili përfshinte çështjen e inteligjencës artificiale. Në fund të viteve 1970. Japonia i bashkohet garës me shpalljen e një projekti automjetesh të bazuara në njohuri të gjeneratës së pestë. Projekti u krijua për dhjetë vjet dhe mblodhi së bashku specialistët e rinj më të mirë nga korporatat më të mëdha japoneze kompjuterike. Për këta specialistë u krijua posaçërisht një institut i ri ICOT dhe iu dha liria e plotë e veprimit (ndonëse pa të drejtën e publikimit të rezultateve paraprake). Si rezultat, ata krijuan një procesor simbolik mjaft të rëndë dhe të shtrenjtë që zbaton në mënyrë programore një gjuhë të ngjashme me shpalljen, por nuk është pranuar gjerësisht. Megjithatë, efekti pozitiv i këtij projekti ishte i dukshëm. Në Japoni është shfaqur një grup i konsiderueshëm specialistësh shumë të kualifikuar në fushën e inteligjencës artificiale, të cilët kanë arritur rezultate të rëndësishme në probleme të ndryshme aplikative. Nga mesi i viteve 1990. Shoqata Japoneze për Inteligjencën Artificiale numëronte tashmë 40,000. Që nga mesi i viteve 1980. komercializimi i inteligjencës artificiale u zhvillua kudo. Investimet kapitale vjetore u rritën, u krijuan sisteme ekspertësh industrialë. Interesi për sistemet e vetë-mësimit u rrit. Botoheshin me dhjetëra revista shkencore, mbaheshin çdo vit konferenca ndërkombëtare dhe kombëtare për fusha të ndryshme të inteligjencës artificiale, e cila po bëhej një nga fushat më premtuese dhe prestigjioze të shkencës kompjuterike. Aktualisht, ekzistojnë dy qasje kryesore për modelimin e inteligjencës artificiale: inteligjenca e makinerisë, e cila konsiston në vendosjen e rreptë të rezultatit të funksionimit, dhe inteligjencën artificiale, që synon modelimin e strukturës së brendshme të sistemit. Modelimi i sistemeve të grupit të parë arrihet përmes përdorimit të ligjeve të logjikës formale, teorisë së grupeve, grafikëve, rrjeteve semantike dhe arritjeve të tjera shkencore në fushën e llogaritjes diskrete, dhe rezultatet kryesore janë në krijimin e sistemeve eksperte, sistemet e analizimit.

12 Inteligjenca artificiale 11 gjuha natyrore dhe sistemet më të thjeshta të kontrollit të tipit "përgjigje stimuluese". Sistemet e grupit të dytë bazohen në interpretimin matematikor të aktivitetit të sistemit nervor (kryesisht trurit të njeriut) dhe zbatohen në formën e rrjeteve nervore të bazuara në një element analog neuroni të një neuroni.Inteligjenca artificiale në Rusi. A. A. Lyapunov (), një nga themeluesit e kibernetikës ruse. Në këtë seminar morën pjesë fiziologë, gjuhëtarë, psikologë, matematikanë. Në përgjithësi pranohet se ishte në këtë kohë që inteligjenca artificiale lindi në Rusi. Ashtu si jashtë vendit, ekzistojnë dy drejtime kryesore të neurokibernetikës dhe kibernetikës së "kutisë së zezë". Në vitet x. u krijuan programe të veçanta dhe u kryen kërkime në fushën e gjetjes së zgjidhjes detyra logjike... Në LOMI (dega e Leningradit e Institutit Matematikor Steklov), u krijua programi ALPEV LOMI, i cili vërteton automatikisht teorema, e cila bazohet në derivimin e anasjelltë origjinal të Maslovit, ngjashëm me metodën e rezolucionit Robinson. Ndër rezultatet më domethënëse të marra nga shkencëtarët rusë në vitet 1960, duhet të përmendim algoritmin "Bark" nga M. M. Bongard, i cili simulon aktivitetin e trurit të njeriut gjatë njohjes së modelit. Shkencëtarë të tillë të shquar si M. L. Tsetlin, V. N. Pushkin, M. A. Gavrilov, studentët e të cilëve u bënë pionierë të kësaj shkence në Rusi, dhanë gjithashtu një kontribut të madh në formimin e shkollës ruse të inteligjencës artificiale. Në vitet x. lindi një drejtim i ri i situatës së AI (që korrespondon me përfaqësimin e njohurive në terminologjinë perëndimore). Themeluesi i kësaj shkolle shkencore ishte profesor D. A. Pospelov. Janë zhvilluar gjithashtu modele të veçanta për paraqitjen e situatave (përfaqësimi i njohurive). Përkundër faktit se qëndrimi ndaj shkencave të reja në Rusinë Sovjetike ishte gjithmonë i kujdesshëm, shkenca me një "sfidë" të tillë

13 12 Këtij fati nuk i shpëtoi as kapitulli 1 me “emrin” dhe u prit me armiqësi në Akademinë e Shkencave. Për fat të mirë, midis anëtarëve të Akademisë së Shkencave të BRSS, kishte njerëz që nuk kishin frikë nga një frazë kaq e pazakontë si emri i një drejtimi të ri shkencor. Sidoqoftë, vetëm në 1974 u krijua një këshill shkencor për problemin e "Inteligjencës Artificiale" nën Komitetin për Analizën e Sistemeve nën Presidiumin e Akademisë së Shkencave të BRSS, të kryesuar nga D. A. Pospelov. Me iniciativën e këtij këshilli u organizuan pesë projekte komplekse shkencore, të udhëhequra nga ekspertë të njohur në këtë fushë: "Dialog" (punë për të kuptuarit e gjuhës natyrore), "Situata" (menaxhimi i situatës), "Banka" (bankat e të dhënave), " Constructor" (konstruksion kërkimi) dhe "Robot Intelligence". Në vitet x. në vendin tonë u kryen kërkime aktive në fushën e përfaqësimit të njohurive, u zhvilluan gjuhët e përfaqësimit të njohurive dhe sistemet e ekspertëve; në Universitetin Shtetëror të Moskës, u krijua gjuha Refal. Në vitin 1988, u formua Shoqata për Inteligjencën Artificiale (AI), dhe D. A. Pospelov u zgjodh unanimisht President i saj. Në kuadër të kësaj shoqate u kryen një numër i madh studimesh, u organizuan shkolla për profesionistë të rinj, seminare, simpoziume, konferenca të përbashkëta u mbajtën çdo dy vjet dhe u botua një revistë shkencore. Duhet të theksohet se niveli i hulumtimit teorik mbi inteligjencën artificiale në Rusi ka qenë gjithmonë jo më i ulët se niveli global. Megjithatë, për fat të keq, që nga vitet 1980. puna e aplikuar kishte filluar të ndikohej nga vonesa graduale në teknologji. Për momentin, vonesa në zhvillimin e sistemeve inteligjente industriale është afërsisht 3-5 vjet. Fushat kryesore të aplikimit të sistemeve të AI: vërtetimi i teoremës, lojërat, njohja e modeleve, vendimmarrja, programimi adaptiv, kompozimi i muzikës në makinë, përpunimi i të dhënave në gjuhën natyrore, rrjetet e të mësuarit (rrjetet nervore), mësimi konceptual verbal.

14 Inteligjenca artificiale Struktura funksionale e sistemit të inteligjencës artificiale Struktura funksionale e sistemit të AI (Fig. 1.1) përbëhet nga tre grupe lehtësish kompjuterike. E para prej tyre është një sistem ekzekutiv (IS) një grup mjetesh që ekzekutojnë programe dhe janë të dizajnuara nga pikëpamja e zgjidhjes efektive të problemeve; ky kompleks ka, në disa raste, një orientim problematik. Kompleksi i dytë është një grup mjetesh ndërfaqesh inteligjente me një strukturë fleksibël që ofron aftësinë për t'u përshtatur me një gamë të gjerë interesash përdoruesit përfundimtarë... Grupi i tretë i mjeteve, me ndihmën e të cilave organizohet ndërveprimi i dy komplekseve të para, është baza e njohurive, e cila siguron përdorimin e mjeteve llogaritëse të të parëve.

15 [...]

16 Kërkesat minimale të sistemit përcaktohen nga kërkesat përkatëse për versionin 11 të Adobe Reader ose më të lartë për platformat Windows, Mac OS, Android, ios, Windows Phone dhe BlackBerry; ekrani 10 "Edicioni elektronik arsimor Seria:" Edukimi pedagogjik "BAZAT E INTELIGJENCËS ARTIFICIALE Teksti mësimor Kryeredaktor D. Usenkov Artistët N. Novak, S. Infante Redaktor teknik E. Denyukova Korrigjues L. Makarova Kompjuteri i shtypur për përdorim: S. Yankovaya Shtëpia Botuese e Laboratorit të Dijes, Moskë, Aeroporti Proezd, 3 Telefon: (499)

17 BOROVSKAYA ELENA VLADIMIROVNA Pedagoge e Lartë e Departamentit të Informatikës dhe Metodave të Mësimdhënies së Informatikës të Universitetit Shtetëror Pedagogjik Chelyabinsk. Fusha e interesit: problemet e një sistemi të vlerësimit modular për monitorimin dhe vlerësimin e arritjeve arsimore të studentëve në drejtim të menaxhimit të cilësisë në një universitet. DAVYDOVA NADEZHDA ALEKSEEVNA Kandidat i Shkencave Pedagogjike me një diplomë në Teori dhe Metoda të Mësimdhënies dhe Edukimit (Informatikë, niveli i arsimit të përgjithshëm), Profesor i asociuar i Departamentit të Informatikës dhe Metodave të Mësimdhënies së Informatikës, Universiteti Shtetëror Chelyabinsk Pedagog. Fushat e interesit: teknologjia e formimit të përmbajtjes së arsimit në informatikë në klasa të specializuara të shkollave të arsimit të përgjithshëm, sisteme mësimore inteligjente. Tutoriali prezanton lexuesit me historinë e inteligjencës artificiale, modelet e përfaqësimit të njohurive, sistemet e ekspertëve dhe rrjetet nervore. Janë përshkruar drejtimet dhe metodat kryesore të përdorura në analizën, zhvillimin dhe zbatimin e sistemeve inteligjente. Janë marrë parasysh modelet e përfaqësimit të njohurive dhe metodat e punës me to, metodat e zhvillimit dhe krijimit të sistemeve të ekspertëve. Libri do të ndihmojë lexuesin të zotërojë aftësitë e dizajnimit logjik të bazave të të dhënave të domenit dhe programimit në gjuhën Prolog. Libri u dedikohet studentëve dhe mësuesve të universiteteve pedagogjike, mësuesve të shkollave të mesme, gjimnazeve dhe liceut.

Inteligjenca artificiale Ligjërues: Bragilevsky V.N. Kryetari: O. V. Banar Plani Aspektet filozofike të AI Historia e zhvillimit të AI Qasje për ndërtimin e sistemeve të AI Qasje strukturore. Sistemet e identifikimit

Në 100 vjetorin e lindjes së Hermogen Sergeevich Pospelov, 25 maj 2014 shënoi 100 vjetorin e lindjes së një shkencëtari të shquar, akademik i Akademisë së Shkencave të BRSS dhe Akademia Ruse Shkenca, laureat i Shtetit

1. QËLLIMI DHE OBJEKTIVAT E DISIPLINËS Historia e kompjuterëve nuk është vetëm historia e zhvillimit të koncepteve, por edhe një nga pjesët e historisë së veprimtarisë njerëzore, e cila pasqyron jetën e njeriut si një specie biologjike dhe si anëtar

MANUAL për përgatitjen për provimin e bashkuar të shtetit MANUAL I INFORMATIKËS SË INFORMATIKËS për përgatitjen për Provimin e Unifikuar të Shtetit Botimi i 3-të, i rishikuar dhe plotësuar (elektronik) Redaktuar nga E. T. Vovk Moscow BINOM. Laboratori i njohurive 2015 UDC

Informatika Leksioni 1 Përkufizimet bazë Profesor i asociuar i Departamentit të BRE (2302) Kuznetsov Igor Rostislavovich Përkufizimi Informatika është një shkencë që studion të gjitha aspektet e marrjes, ruajtjes, transformimit, transferimit dhe përdorimit

Drejtimi 09.03.03 Informatikë 1.2 Ligjërata “Ndërveprimi njeri-makinë. PPO "Lektor Molnina Elena Vladimirovna Pedagoge e Lartë e Departamentit të Sistemeve të Informacionit, dhoma 9, ndërtesa kryesore. postë: [email i mbrojtur]

UDC 004.89 INTELIGJENCA ARTIFICIALE NË ARSIM R.V. Streltsov, Art. gr. TP08 L.V. Slavinskaya, rr. lektor departamenti Universiteti Teknik Kombëtar VMiP Donetsk Procesi i hyrjes së arsimit të lartë në botë

Dokumentet normative Shënime për programin e punës për informatikë Klasa 8 Programi i punës për informatikë dhe TIK bazohet në programin e autorit të N.D. Ugrinovich. duke marrë parasysh programin kampion të kryesore

MODELET PËR ZGJIDHJEN E PROBLEMEVE FUNKSIONALE DHE LLOGARITES L E K T O R A Z A R CH E N K O V A. A. KONCEPTET THEMELORE Detyrat: detyra llogaritëse - përcaktimi i një vlere të caktuar, detyra funksionale - krijimi.

Përmbajtja e programit të punës I. Shënim shpjegues që tregon dokumentet normative që sigurojnë zbatimin e programit 1. Karakteristikat e përgjithshme të lëndës Informatika është disiplinë e shkencave natyrore.

Agjencia Federale e Shtetit për Arsimin institucion arsimor arsimi i lartë profesional "Novosibirsk State University" (NSU) Fakulteti i Teknologjive të Informacionit

INSTITUCIONI I PARË ARSIMOR I LARTË TEKNIK I RUSISË MINISTRIA E ARSIMIT DHE SHKENCËS E FEDERATËS RUSE Institucion arsimor buxhetor federal shtetëror i arsimit të lartë profesional

Modelimi i aftësive njohëse njerëzore në inteligjencën artificiale Natalya Andreevna Yastreb VSPU, 2010 [email i mbrojtur] mail.ru 1 Koncepti i inteligjencës Termi "inteligjencë" është i paqartë, ata kanë

Shënim i programit të disiplinës "Metodat e kërkimit dhe modelimit të proceseve dhe teknologjive të informacionit" Qëllimi i disiplinës: 1. OBJEKTIVAT DHE OBJEKTIVAT E DISIPLINËS Disiplina "Metodat e kërkimit dhe modelimit

Mbi zhvillimin e sistemeve instrumentale të përqendruara në zgjidhjen e problemeve informative-logjike R. G. Bukharaev, A. I. Enikeev, I. I. Makarov Praktika e përdorimit të kompjuterëve për automatizim

Institucioni arsimor buxhetor komunal "Shkolla e mesme 9" Shënim për programin e punës për informatikë dhe TIK paralelisht klasën e 6-të Vilyuchinsk 2016-2017 viti akademik 1 Numri i orëve

Informatika Informatika vendos ligjet e transformimit të informacionit në kushtet e funksionimit të sistemeve të automatizuara, zhvillon metoda për algoritmin e saj, formimin e mjeteve gjuhësore të komunikimit

UNIVERSITETI FEDERAL I KAZANIT INSTITUTI I MATEMATIKËS KOMPUTACIONALE DHE TEKNOLOGJIVE TË INFORMACIONIT Departamenti i Analizës së Sistemit dhe Teknologjive të Informacionit A.M. YURIN EKSPERT SYSTEMS Edukativo-metodike

83 UDC 004.822 ZHVILLIMI I NJË SISTEMI TË ZGJIDHJES SË AUTOMATIVE TË PROBLEMEVE LLOGARIMTARE NE CAD BAZUAR NË METODËN E PROGRAMIMIT ME KUFIZIMET Krilevich SD, Grigoriev A.V. Teknik Kombëtar i Donetsk

A. A. ð, Æ. A. ð, Þ. Ì. Petite, G. A. TË HUAJ PËR BACHELOR AKADEMIK Edicioni i 2-të, i rishikuar dhe i plotësuar Rekomanduar

NA Davydova EV Borovskaya PROGRAMMING Tutorial Moscow BINOM. Laboratori i njohurive 2009 UDC 004.4 LBC 32.973-018 D13 D13 Davydova N.A.Programimi: tutorial / N.A. Davydova,

Shënim për disiplinën "Sistemet inteligjente të informacionit" 1. QËLLIMET DHE OBJEKTIVAT E DISIPLINËS 1.1. Objektivat e disiplinës Qëllimi i mësimit të disiplinës është të nxisë formimin e aftësive të nxënësve

Institucioni arsimor buxhetor komunal, shkolla e mesme 83 PROGRAMI I PUNËS në informatikë dhe TIK në nivelin e mësuesit të arsimit të mesëm të përgjithshëm Kaurova Galina Vladimirovna

Detyrat e testit në disiplinën IIS Tema: 1. Inteligjenca artificiale 1 pyetje: Inteligjenca artificiale është një drejtim që ju lejon të zgjidhni komplekse problemet e matematikës në gjuhët e programimit;

SHËNIM SHPJEGUES Programi i punës i rrethit informatik “Informatika e re” për klasat 5-7 është zhvilluar në bazë të programit autor të N. V. Makarova për klasat 5-9, rekomanduar nga Ministria e Arsimit.

Rrjetet nervore artificiale dhe mundësia e krijimit të inteligjencës artificiale mbi bazën e tyre Suleimanov K.B. FSBEI HE "Universiteti Shtetëror i Dagestanit" Makhachkala, Rusi. Rrjetet nervore artificiale

Annotation për disiplinën "Bazat e programimit dhe algorithmizimit" Drejtimi i trajnimit (specialiteti) 09.03.02 "Sistemet dhe teknologjitë e informacionit" Profili Sistemet dhe teknologjitë e informacionit në ndërtim

Metodologjia dhe logjika e kërkimit shkencor Disiplina "Metodologjia dhe logjika e kërkimit shkencor" përfshihet në pjesën bazë të ciklit të përgjithshëm shkencor të formimit të masterave. Qëllimi i studimit të disiplinës është njohja

Sistemet inteligjente në inxhinierinë mekanike Ligjërata 2.1. Metodat e përfaqësimit të njohurive. 1 Përfaqësimi i njohurive në sistemet e inteligjencës artificiale Karakteristika kryesore e sistemeve inteligjente është se

Marchuk 14 Y. RISHIKIM i organizatës udhëheqëse për punën e disertacionit të Dmitry Aleksandrovich Krylov "Modele dhe metoda të zbatimit të një platforme cloud për zhvillimin dhe përdorimin e shërbimeve inteligjente",

TEKNOLOGJITË E INTELIGJENCËS ARTIFICIALE Leksion 5. Sistemet eksperte Teknologjitë e vazhdueshme të AI 1 MODELET SEMIOTIKE Probleme klasike të kontrollit. Në themel të tyre qëndron teza që ne njohim: qëllimi

8. FONDI I OBJEKTEVE VLERËSUESE TË CERTIFIKIMIT TË NDËRMJETËM TË STUDENTËVE MBI DISIPLINËN (MODUL) Informatikë, teknologji kompjuterike dhe 1. Departamenti i Sigurisë së Informacionit 09.03.02 "Informacion.

SHËNIM i programit të punës "Teknologjitë e informacionit në menaxhim" në drejtimin e trajnimit / specialiteti 38.03.04 "Shteti dhe pushteti komunal»Kodi dhe emri i drejtimit/specialitetit

MINISTRIA E DEGËVE TË RUSISË Institucioni Arsimor Buxhetor Federal i Shtetit të Arsimit të Lartë "Universiteti Shtetëror Teknologjik i Moskës" STANKIN "(FGBOU VO" MSTU "STANKIN") ABSTRAKT

1. Enciklopedia pedagogjike ruse. Në 2 vëllime / K. ed. V.V. Davydov. Moskë: Enciklopedia e Madhe Ruse, 1993. T. 2.608 f. 2. Selevko G.K. Moderne teknologjive arsimore: Teksti mësimor. manual. M.:

G.V. Alekseev, S. A. Bredikhin, I. I. Kholyavin QASJA E SISTEMIT NË INXHINIERINË USHQIMORE Përkufizime të përgjithshme dhe disa aplikime Rekomanduar nga Shoqata Federale Edukative dhe Metodologjike në sistemin e lartë

Softueri (SW) Softueri i sistemit dhe Softueri aplikativ Softueri i sistemit përdoret për të zhvilluar ekzekutimin e produkteve softuerike, si dhe për t'i ofruar përdoruesit disa shërbime. Sistemik

Annotim për programet e punës në shkenca kompjuterike dhe TIK për vitin 2016-2017 klasa 7 (arsim i përgjithshëm bazë) Studimi i shkencave kompjuterike dhe TIK në klasën e 7 synon arritjen e qëllimeve të mëposhtme:

UDC 004.514.6 VLERËSIMI I CILËSISË SË NDËRFAQES TË PËRDORËSVE TË SOFTWAREVE TË TRAJNIMIT Goretskiy A.A. Departamenti i Matematikës së Aplikuar dhe Informatikës në Universitetin Teknik Kombëtar të Donetsk-ut E-mail: [email i mbrojtur]

SHENIM I PROGRAMIT TË PUNËS SË DISIPLINËS Sistemet dhe teknologjitë inteligjente në drejtimin/specialitetin 09.03.02 - "Sistemet dhe teknologjitë e informacionit" 1. Qëllimet dhe objektivat e zotërimit të disiplinës Qëllimi i zotërimit

SISTEMET ADAPTIVE DHE INTELEKTUALE T. Kohonen Harta vetëorganizuese Përkthimi i botimit të tretë anglisht nga V. N. Ageev redaktuar nga Yu. V. Tyumentsev Moscow BINOM. Laboratori i njohurive 2008 UDC 517.11 + 519.92

PROGRAMI I PUNËS MINISTRIA E ARSIMIT DHE SHKENCËS e Federatës Ruse Institucioni shtetëror arsimor i arsimit të lartë profesional "Universiteti Shtetëror Humanitar Murmansk" (MSHU)

MINISTRIA E ARSIMIT DHE SHKENCËS E FEDERATËS RUSE Institucioni Arsimor Buxhetor i Shtetit Federal i Arsimit të Lartë Profesional "UFA STATE AVIATION TECHNICAL

Sistemet e menaxhimit të bazës së të dhënave (DBMS) 1. Informacione të përgjithshme rreth DBMS 2. Modelet e të dhënave 3. DBMS Microsoft Access 1. Informacione të përgjithshme rreth sistemeve të menaxhimit të bazës së të dhënave Dy drejtime kryesore të përdorimit të kompjuterëve:

AUTORËT: Ryaby VV, Lektor i Lartë, Departamenti i Mbështetjes Matematikore për Makinat Elektronike Kompjuterike, Universiteti Shtetëror Bjellorusi; Pobegailo A.P., Profesor i Asociuar, Departamenti i Teknologjisë

MINISTRIA E ARSIMIT DHE SHKENCËS E FEDERATËS RUSE Institucioni Arsimor Autonom Shtetëror Federal i Arsimit të Lartë Profesional UNIVERSITETI KOMBËTAR KËRKIMOR Bërthamor

MINISTRIA E ARSIMIT DHE SHKENCËS E FEDERATËS RUSE BUXHET FEDERAL SHTETOR INSTITUCIONI ARSIMOR I ARSIMIT TË LARTË PROFESIONAL

INSTITUCIONI ARSIMOR BUXHETAR SHTETËROR I QYTETIT TË MOSKËS SHKOLLA E MESME ARSIMORE 382 E konsideruar në një takim të Kryetarit të Rajonit të Moskës të Rajonit të Moskës NV Protokolli Pavlenko i 2014 PAJTOHET Zv

UDC 372.851.046.14 BBK 74.262.21 G15 Referencat: Cand. ped. Shkencave, Asoc. departamenti matematika dhe metodat e mësimdhënies së matematikës EE "Mozyr State. ped. ndaj tyre. I. P. Shamyakin "L. A. Ivanenko; mësuesi

YURI MIKHAILOVICH ZABRODIN ËSHTË 70 VJEÇ Në tetor 2010, Yuri Mikhailovich Zabrodin, një shkencëtar i shquar dhe organizator i shkencës psikologjike ruse, mbushi 70 vjeç. Në historinë e psikologjisë sovjetike dhe ruse

INSTITUCIONI ARSIMOR AUTONOM SHTETËROR RAJONAL I SHTETËSISË PROFESIONALE "INSTITUTI PËR AVANCIMIN E KUALIFIKIMIT TË PUNËTORËVE ARSIMOR"

Një manual për menaxherët, zëvendësit e tyre, mësuesit e institucioneve të arsimit të mesëm të përgjithshëm "White Wind" Moz ry 2 0 1 4 UDC 371 BBK 74.200.58 Seria B59 e themeluar në vitin 2007 S t dhe t e l:

Kurrikula hartohet mbi bazën e kurrikulës së institucionit të arsimit të lartë në specialitetin 1-40 05 01 "Sistemet dhe teknologjitë e informacionit (në drejtime)" dhe kurrikulën "Bazat e informacionit.

Përmbajtja Faqja e titullit të seksionit seksioni 1. Shënimi shpjegues 3-4 2. Përmbajtja e lëndës 4-5 3. Kërkesat për nivelin e formimit të nxënësve 5-7 4. Literatura 7 5. Planifikimi kalendar-tematik

Kryesor program arsimor arsimi i lartë i miratuar nga Këshilli Akademik i Universitetit (protokolli i Këshillit Akademik të Universitetit 3 datë 16 Mars 2016) 2 PËRMBAJTJA 1. Karakteristikat e përgjithshme të profesionistit kryesor

Å. Ï. Ãîëóáêîâ ÌÅÒÎÄÛ ÏÐÈÍßÒÈß ÓÏÐÀÂËÅÍ ÅÑÊÈÕ ÐÅØÅÍÈÉ Anou 1 o ÅÁÍÈÊ È ÏÐÀÊÒÈÊÓÌ ÄËß ÀÊÀÄÅÌÈ ÅÑÊÎÃÎ ÁÀÊÀËÀÂÐÈÀÒÀ 3-a èçäàíèå, èñïðàâëåííîå è äîïîëíåííîå Ðåêîìåíäîâàíî Ó AAII-ìåòîäè åñêèì îòäåëîì âûñøåãî

Leksioni 21 Sistemet e vendimmarrjes në grup Procesi i vendimmarrjes ka të njëjtën natyrë si procesi i vendimmarrjes së menaxhmentit. Mund të ndahet në fazat e mëposhtme (Fig. 4.1). I. Analiza e dizajnit

Ata na shkruajnë ROSSIKHINA Larisa Vitalievna - kandidate e shkencave teknike, kapiten i shërbimit të brendshëm, mësues i vjetër i ciklit të sistemeve të inxhinierisë radio të Kolegjit Voronezh Shërbimi Federal ekzekutimi i dënimeve

1 Libër mësuesi: Informatikë. Klasa 11. Niveli i avancuar... Në orën 2. Autorë: K.Yu. Polyakov, E.A. Eremin M .: BINOM, Laboratori i Dijes, 2013. Rezultatet e planifikuara të studimit në programin e shkencave kompjuterike në lëndën "Shkenca kompjuterike"

Roli i programimit logjik në studimin e shkencës kompjuterike. N. Pelin University State of Tiraspol (UST) Abstrakt Punimi analizon opinionet e një numri shkencëtarësh dhe specialistësh mbi kuptimin dhe rolin e logjikës

Formacioni Komunal - Rrethi Urban Ryazan, Rajoni i Ryazanit PROGRAMI I PUNËS në Informatikë dhe TIK Niveli i Arsimit - Klasat 10-11 të Shkencave Humane Numri i orëve: 2 orë në javë,

APLIKIMI I MJETEVE INTELIGJENCE ARTIFICIALE NË ZHVILLIMIN E LOJRAVE KOMPJUTERIKE Kaziev A.B., Prokopyuk S.Yu. Universiteti Politeknik Tomsk Tomsk, Rusi APLIKIMI I INTELIGJENCËS ARTIFICIALE

Menaxhimi, teknologjia kompjuterike dhe informatika UDC 004.032.26: 612.825 RRJETI NEURAL HOMOGJEN SHUMËSHTESOR I SHPËRNDARJES DIREKT ME LIDHJE LOKALE ME MEKANIZMI TRAJNIMI REFLEKS KUSHT

SIMULIMI I ROBOTËVE INTEGRAL NË MATLAB S.T. Sadykov ENU atyre. L.N. Gumilyov, Astana, rr. Munaitpasova, 5, 001008. E-mail: [email i mbrojtur] Prezantimi. Robot (robot çek) pajisje automatike

Maslennikova O.E. , Popova I.V.

Tutorial. Magnitogorsk: MAGU, 2008. 282 fq. Në tutorial janë paraqitur modelet e përfaqësimit të njohurive, teoria e sistemeve eksperte, bazat e programimit logjik dhe funksional. Shumë vëmendje i kushtohet historisë së zhvillimit të inteligjencës artificiale. Prezantimi i materialit shoqërohet me një numër të madh ilustrime, ofrohen ushtrime dhe pyetje për vetëkontroll.
Puna është e fokusuar tek studentët me kohë të plotë dhe me kohë të pjesshme të regjistruar në degët "Informatikë", "Edukimi fizik dhe matematikë (Profili - informatikë)." Hyrje në inteligjencën artificiale.
Historia e zhvillimit të inteligjencës artificiale si një drejtim shkencor.
Drejtimet kryesore të kërkimit në fushën e inteligjencës artificiale.
Aspektet filozofike të problemit të inteligjencës artificiale.
Pyetje për vetëkontroll.
Letërsia.
Modelet e përfaqësimit të njohurive.
Njohuri.
Modeli logjik i përfaqësimit të njohurive.
Rrjetet semantike.
Korniza.
Modeli i prodhimit.
Modele të tjera të përfaqësimit të njohurive.
Ushtrime.
Pyetje për vetëkontroll.
Letërsia.
Sistemet eksperte.
Koncepti i një sistemi ekspert.
Llojet e sistemeve eksperte dhe llojet e detyrave që do të zgjidhen.
Struktura dhe mënyrat e funksionimit të sistemit të ekspertëve.
Teknologjia e zhvillimit të sistemeve të ekspertëve.
Mjetet e sistemit të ekspertëve.
Sistemet inteligjente të informacionit.
Ushtrime.
Pyetje për vetëkontroll.
Letërsia.
Prolog si një gjuhë programimi logjike.
Koncepti i programimit logjik.
Përfaqësimi i njohurive rreth fushës lëndore në formën e fakteve dhe rregullave të bazës së njohurive Prolog.
Ndjenja përshkruese, procedurale dhe makinerike e një programi Prolog.
Teknikat bazë të programimit në Prolog.
Mjedisi Visual Prolog.
Ushtrime.
Letërsia.
Koncepti i programimit funksional.
Historia e programimit funksional.
Vetitë e gjuhëve funksionale të programimit.
Detyrat e programimit funksional.
Ushtrime.
Përgjigjet për vetë-test.
Letërsia.
ssary.
Shtojca 1.
Shtojca 2.
Shtojca 3.

Skedari do të dërgohet në adresën e zgjedhur të emailit. Mund të duhen deri në 1-5 minuta para se ta merrni.

Skedari do të dërgohet në llogarinë tuaj Kindle. Mund të duhen deri në 1-5 minuta para se ta merrni.
Ju lutemi vini re se duhet të shtoni emailin tonë [email i mbrojtur] në adresat e miratuara të postës elektronike. Lexo më shumë.

Ju mund të shkruani një përmbledhje libri dhe të ndani përvojat tuaja. Lexuesit e tjerë do të jenë gjithmonë të interesuar për mendimin tuaj për librat që "keni lexuar. Pavarësisht nëse ju" e keni dashur librin apo jo, nëse jepni mendimet tuaja të sinqerta dhe të hollësishme, atëherë njerëzit do të gjejnë libra të rinj që janë të përshtatshëm për ta.

Ministria e Arsimit dhe Shkencës e Federatës Ruse GOU VPO "Universiteti Shtetëror Magnitogorsk" O.E. Maslennikova, I.V. Popova Bazat e inteligjencës artificiale Teksti mësimor Magnitogorsk 2008 UDC 681.142.1.01 LBC Z97 M Recensentë: Doktor i Shkencave Fizike dhe Matematikore, Profesor S.I. Kadchenko Doktor i Shkencave Teknike, Profesor A, S. Sarvarov M Maslennikova O.E., Popova I.V. Bazat e inteligjencës artificiale: Libër shkollor. manual / O.E. Maslennikova, I.V. Popov. - Magnitogorsk: MAGU, 2008 .-- 282 f. ISBN 978-5.86781-609-4 Tutoriali përshkruan modelet e përfaqësimit të njohurive, teorinë e sistemeve eksperte, bazat e programimit logjik dhe funksional. Shumë vëmendje i kushtohet historisë së zhvillimit të inteligjencës artificiale. Prezantimi i materialit shoqërohet me një numër të madh ilustrime, ofrohen ushtrime dhe pyetje për vetëkontroll. Puna është fokusuar tek studentët me kohë të plotë dhe me kohë të pjesshme që studiojnë në degët “Informatikë”, “Edukim fiziko-matematikor (Profili – Informatikë)”. UDC 681.142.1.01 BBK Z97 ISBN 978-5.86781-609-4  Maslennikova O.E., Popova I.V., 2008  Universiteti Shtetëror Magnitogorsk, 2008 -2- PËRMBAJTJA . ........ 5 1.1. HISTORIA E ZHVILLIMIT TË INTELIGJENCËS ARTIFICIALE SI DREJTIM SHKENCOR ...................................... .......................................................... ..... ........... 9 1.2. DREJTIMET KRYESORE TË KËRKIMIT NË FUSHËN E INTELIGJENCËS ARTIFICIALE ................................. ................................................... ............. 13 1.3. ASPEKTET FILOZOFIKE TË PROBLEMIT TË INTELIGJENCËS ARTIFICIALE ....... 16 PYETJE PËR VETËKONTROLLIN ............................. ..... ................................................ 21 REFERENCAT . .......................................................... .......................................................... .... 21 KAPITULLI 2. MODELET E PËRFAQËSIMIT TË NJOHURIVE ....................................... .. 22 2.1. NJOHURI................................................................ ................................................ ....... 22 2.2. MODELI LOGJIK I PËRFAQËSIMIT TË NJOHURIVE .......................................... 25 2.3. RRJETET SEMANTIKE ................................................ ................................. 58 2.4. KORNIZA ..................................................... ................................................ ...... 59 2.5. MODELI I PRODUKTIT ..................................... ................................. 62 2.6. MODELE TË TJERA PËRFAQËSIMIT TË NJOHURIVE .......................................... .... 64 USHTRIME ............................................ ................................................ ......... 78 PYETJE PËR VETËKONTROLLIN ................................... .. ...................................... 83 REFERENCAT ....... .. ................................................ .. ................................................ 84 KAPITULLI 3. SISTEMET EKSPERTE .............................................. .. .......... 86 3.1. KONCEPTI I SISTEMIT EKSPERT .............................................. .............. 86 3.2. LLOJET E SISTEMEVE TË EKSPERTIT DHE LLOJET E PROBLEMEVE TË ZGJIDHURA ............................. 89 3.3. STRUKTURA DHE MËNYRAT E FUNKSIONIMIT TË SISTEMIT EKSPERT .............................. 99 3.4. TEKNOLOGJIA E ZHVILLIMIT TË SISTEMEVE EKSPERTE ...................................... 102 3.5. MJETET E SISTEMIT EKSPERT .......................... 113 3.6. SISTEMET INFORMATIVE INTELIGJENTE ................................. 129 USHTRIME ............ ................................................ .................................. 135 PYETJE PËR VETËKONTROLLIN ..... .. ................................................ .. ................. 136 REFERENCAT ............................. .. ................................................ .. ...................... 138 KAPITULLI 4. PROLOGU SI GJUHË E PROGRAMIMIT LOGJIK ............... ..................................................... .... ........... 139 4.1. HYRJE RRETH PROGRAMIMIT LOGJIK ............................ 139 4.2. PARAQITJA E NJOHURIVE PËR FUSHËN LËNDORE LLOJI I FAKTEVE DHE RREGULLAVE TË PROLOGUT BAZA E NJOHURIVE ................................. .......................................................... ... 140 4.3 ... KUJDESI PËRSHKRIM, PROCEDURAL DHE MAKINOR I PROGRAMIT NË PROLOGIN ...................................... ................................................... ............. 148 4.4. TEKNIKAT THEMELORE TË PROGRAMIMIT NË PROLOG ............................. 151 4.5. AMBIENTI I PROLOGIT VIZUAL .......................................... ................................. 154 USHTRIME ............... ................................................ ................................. 194 REFERENCAT ............ ................................................ ...................................... 197 -3- KAPITULLI 5. PARAQITJA E PROGRAMIMI FUNKSIONAL. ................................................ ............................ 199 5.1. HISTORIA E PROGRAMIMIT FUNKSIONAL ................................. 200 5.2. VETITË E GJUHËVE TË PROGRAMIMIT FUNKSIONAL ............... 203 5.3. DETYRA TË PROGRAMIMIT FUNKSIONAL ................................... 207 USHTRIME ........... ................................................ .......................................... 210 PËRGJIGJE PËR VETËTESTIM .... .. ................................................ .. ..................... 210 REFERENCAT ......................... .. ................................................ .. .......................... 211 FJALOR .................. .. ................................................ .. ............................ 213 SHTOJCA 1 ................ .. ................................................ .. .......................... 221 SHTOJCA 2 ................... .. ................................................ .. ..................... 252 SHTOJCA 3 ...................... .. ................................................ .. ................. 265 -4- PARATHËNIE Kohët e fundit ka pasur një rritje të interesit për inteligjencën artificiale, e shkaktuar nga rritja e kërkesave për sistemet e formimit. Njerëzimi po ecën në mënyrë të qëndrueshme drejt një revolucioni të ri informacioni, i krahasueshëm në shkallë me zhvillimin e internetit. Inteligjenca artificiale është një drejtim i shkencës kompjuterike, qëllimi i të cilit është të zhvillojë mjete harduerike dhe softuerike që lejojnë një joprogramues të vendosë dhe zgjidhë detyrat e veta, të konsideruara tradicionalisht intelektuale, duke komunikuar me një kompjuter në një nëngrup të kufizuar të gjuhës natyrore. Historia e inteligjencës artificiale si një drejtim i ri shkencor fillon në mesin e shekullit të 20-të. Në këtë kohë, shumë parakushte për origjinën e saj ishin formuar tashmë: midis filozofëve për një kohë të gjatë kishte mosmarrëveshje rreth natyrës së njeriut dhe procesit të njohjes së botës, neurofiziologët dhe psikologët zhvilluan një sërë teorish në lidhje me punën e njeriut. truri dhe të menduarit, ekonomistët dhe matematikanët bënë pyetje për llogaritjet optimale dhe paraqitjen e njohurive për botën në formë të formalizuar; më në fund, lindi themeli i teorisë matematikore të llogaritjes - teoria e algoritmeve - dhe u krijuan kompjuterët e parë. Qëllimi i këtij manuali është të përvijojë drejtimet dhe metodat kryesore të përdorura në inteligjencën artificiale, si dhe të përcaktojë mundësinë e përdorimit të tyre në veprimtarinë pedagogjike profesionale. Ky tutorial është i ndarë në pesë kapituj. E para ofron një hyrje të shkurtër të inteligjencës artificiale: shqyrton historinë e zhvillimit të saj si një drejtim shkencor, nënvizon fushat kryesore të inteligjencës artificiale, konsideron aspekte të tilla filozofike të problemit si mundësia e ekzistencës, siguria dhe dobia e artificiale. inteligjencës. Kapitulli i dytë i kushtohet përshkrimit të modeleve klasike të përfaqësimit të njohurive: logjik, semantik, kornizë, prodhim dhe rrjet nervor. Kapitulli i tretë trajton çështjet teorike dhe praktike të zhvillimit të sistemeve të ekspertëve; përshkruan mbështjellësin XpertRule. Kapitulli i katërt përshkruan parimet bazë të programimit në gjuhën Prolog, përshkruan mjedisin Visual Prolog. Kapitulli i pestë përshkruan bazat e programimit funksional me shembuj në gjuhën LISP. Manuali përmban një numër të madh ilustrime, ushtrimesh dhe pyetjesh për vetëkontroll. Për lehtësinë e studimit të materialit, ofrohet një fjalorth. -5- KAPITULLI 1. HYRJE NË INTELIGJENCË ARTIFICIALE Inteligjenca artificiale (AI) është një drejtim i ri i informatikës, objekt studimi i të cilit është çdo veprimtari intelektuale njerëzore që u bindet ligjeve të njohura. Në mënyrë figurative, ky drejtim quhet "djali i madh i shkencave kompjuterike", pasi shumë probleme të pazgjidhura po gjejnë gradualisht zgjidhjen e tyre brenda kornizës së inteligjencës artificiale. Dihet se lënda e informatikës është përpunimi i informacionit. Fusha e AI përfshin raste (detyra) të tilla nga ky përpunim që nuk mund të kryhen duke përdorur metoda të thjeshta dhe të sakta algoritmike dhe të cilat janë të shumta. AI mbështetet në njohuritë rreth procesit të të menduarit njerëzor. Në të njëjtën kohë, nuk dihet saktësisht se si funksionon truri i njeriut, megjithatë, për të zhvilluar programe efektive të punës me elementë të AI, njohuritë për veçoritë e inteligjencës njerëzore që ka sot shkenca tashmë janë të mjaftueshme. Në të njëjtën kohë, AI nuk përpiqet të kopjojë saktësisht punën e trurit të njeriut, por përpiqet të simulojë funksionet e tij duke përdorur teknologjinë kompjuterike. Që nga fillimi i saj, AI është zhvilluar si një drejtim ndërdisiplinor që ndërvepron me shkencën kompjuterike dhe kibernetikën, shkencat njohëse, logjikën dhe matematikën, gjuhësinë dhe psikologjinë, biologjinë dhe mjekësinë (Fig. 1). Informatikë dhe Kibernetikë. Shumë specialistë erdhën në AI nga shkenca kompjuterike dhe kibernetika. Gjithashtu, shumë probleme kombinuese që nuk mund të zgjidhen me metoda tradicionale në shkencën kompjuterike kanë migruar në fushën e AI. Për më tepër, rezultatet e marra në AI huazohen në krijimin e softuerit dhe bëhen pjesë e Shkencave Kompjuterike (informatikë). Shkenca njohëse. Shkencat njohëse janë shkencat e dijes. AI ka të bëjë gjithashtu me njohuritë. Por shkencat njohëse përdorin jo vetëm informacionin dhe qasjet neurobiologjike, por gjithashtu marrin në konsideratë aspektet sociale dhe psikolinguistike të përdorimit të njohurive. Logjika dhe Matematika. Logjika qëndron në themel të të gjitha formalizmave të njohur për përfaqësimin e njohurive, si dhe gjuhët e programimit si Lisp dhe Prolog. Metodat e matematikës diskrete, teoria e lojës dhe teoria e operacioneve përdoren për të zgjidhur problemet e AI. Nga ana tjetër, AI mund të përdoret për të vërtetuar teorema, për të zgjidhur probleme në fusha të ndryshme të matematikës: gjeometri, llogaritje integrale. Psikologji dhe Gjuhësi. Kohët e fundit, specialistët e AI janë interesuar për aspektet psikologjike të sjelljes njerëzore për ta modeluar atë. Psikologjia ndihmon në ndërtimin e modeleve të vlerësimit të vlerave, vendimmarrjes subjektive. Me interes është psikologjia e komunikimit -6- "njeri-kompjuter", psikolinguistika. Gjuhësia kompjuterike është një pjesë e AI që bazohet në metodat matematikore përpunimi i gjuhëve natyrore dhe artificiale, nga njëra anë, dhe fenomenologjia e gjuhës nga ana tjetër. Biologjia dhe mjekësia ju lejojnë të studioni dhe kuptoni më mirë punën e trurit, sistemet e shikimit, dëgjimin dhe sensorë të tjerë natyrorë dhe t'i jepni një shtysë të re modelimit të punës së tyre. Oriz. 1. Ndërveprimi i AI me disiplina të tjera Nuk ka një përkufizim të vetëm të AI, ashtu siç nuk ka një përkufizim të vetëm të inteligjencës natyrore. Midis shumë këndvështrimeve në këtë fushë shkencore, tani mbizotërojnë tre. 1. Kërkimi në fushën e AI është kërkim themelor, në kuadrin e të cilit zhvillohen modele dhe metoda për zgjidhjen e problemeve, të cilat tradicionalisht konsideroheshin inteligjente dhe që më parë nuk i nënshtroheshin formalizimit dhe automatizimit. 2. AI është një drejtim i ri i informatikës, i shoqëruar me ide të reja për zgjidhjen e problemeve në një kompjuter, me zhvillimin e një teknologjie programimi thelbësisht të ndryshme, me kalimin në një arkitekturë kompjuterike që refuzon arkitekturën klasike, e cila daton që nga e para. kompjuterët. 3. Si rezultat i punës në fushën e AI, lindin shumë sisteme të aplikuara që zgjidhin probleme për të cilat sistemet e krijuara më parë nuk ishin të përshtatshme. -7- Një shembull me një makinë llogaritëse mund të përdoret për të ilustruar qasjen e parë. Në fillim të shek llogaritjet aritmetike me numra të paqartë ishin fati i disa individëve të talentuar dhe aftësia për të kryer veprime të tilla aritmetike në mendje konsiderohej me të drejtë një dhuratë unike e natyrës dhe ishte një objekt kërkimi shkencor. Në ditët e sotme, shpikja e makinës llogaritëse e ka bërë këtë aftësi të disponueshme edhe për një nxënës të klasës së tretë. E njëjta gjë është edhe në AI: rrit aftësitë intelektuale të një personi, duke marrë përsipër zgjidhjen e detyrave që nuk ishin formalizuar më parë. Për të ilustruar qasjen e dytë, ne mund të konsiderojmë historinë e një përpjekjeje për të krijuar një kompjuter të gjeneratës së pestë. Në mesin e viteve 1980, Japonia njoftoi fillimin e një projekti ambicioz për të krijuar një kompjuter të gjeneratës së pestë. Projekti u bazua në idenë e zbatimit të harduerit të gjuhës PROLOGUE. Megjithatë, projekti përfundoi me dështim, megjithëse pati një ndikim të fortë në zhvillimin dhe përhapjen e gjuhës PROLOGUE si gjuhë programimi. Arsyeja e dështimit ishte përfundimi i nxituar se një gjuhë (edhe pse mjaft universale) mund të ofrojë një zgjidhje të vetme për të gjitha problemet. Praktika ka treguar se deri më tani një paradigmë universale programimi për zgjidhjen e të gjitha problemeve nuk është shpikur dhe nuk ka gjasa të shfaqet. Kjo për faktin se çdo detyrë është një pjesë e fushës lëndore, që kërkon studim të kujdesshëm dhe një qasje specifike. Përpjekjet për të krijuar arkitektura të reja kompjuterike vazhdojnë dhe shoqërohen me llogaritje paralele dhe të shpërndara, neurokompjuterë, procesorë probabilistë dhe fuzzy. Puna në fushën e krijimit të sistemeve të ekspertëve (ES) mund t'i atribuohet drejtimit të tretë, më pragmatik në AI. Sistemet eksperte janë paketat softuerike, duke zëvendësuar një njeri-specialist në fusha të ngushta të veprimtarisë intelektuale që kërkojnë përdorimin e njohurive të veçanta. Krijimi i një ES në fushën e mjekësisë (si MYCIN) lejon shpërndarjen e njohurive në zonat më të largëta. Kështu, në kombinim me aksesin në telekomunikacion, çdo mjek rural mund të marrë këshilla nga një sistem i tillë, i cili zëvendëson komunikimin e tij me një specialist për një çështje të ngushtë. Në Rusi, AI ka gjetur mbështetësit e saj pothuajse që nga fillimi i saj. Sidoqoftë, kjo disiplinë nuk mori njohje zyrtare menjëherë. AI është kritikuar si një nëndegë e kibernetikës, e konsideruar si "pseudoshkencë". Deri në një moment të caktuar, rol negativ ka luajtur edhe emri tronditës “inteligjencë artificiale”. Pra, në Presidiumin e Akademisë së Shkencave u bë një batutë se "ata që u mungon natyralja merren me inteligjencën artificiale". Sidoqoftë, sot AI është një drejtim i njohur zyrtarisht shkencor në Rusi, botohen revistat "Control Systems and Machines" dhe "AI News". konferenca shkencore dhe seminare. Ekziston Shoqata Ruse e AI, që numëron rreth 200 anëtarë, presidenti i së cilës është D.A. Pospelov, Doktor i Shkencave Teknike dhe presidenti nderi i RAS Akademik G.S. Pospelov. Ekziston Instituti Rus për Inteligjencën Artificiale nën Këshillin e Presidentit të Federatës Ruse për Informatikë dhe Shkenca Kompjuterike. Në kuadër të Akademisë Ruse të Shkencave, ekziston një Këshill Shkencor për problemin e "Inteligjencës Artificiale". Me pjesëmarrjen e këtij Këshilli janë botuar shumë libra me tema të AI, përkthime. Punimet e njohura të D.A. Pospelov, Litvintseva dhe Kandrashina - në fushën e përfaqësimit dhe përpunimit të njohurive, E.V. Popov dhe Khoroshevsky - në fushën e përpunimit të gjuhës natyrore dhe sistemeve të ekspertëve, Averkin dhe Melikhov në fushën e logjikës fuzzy dhe grupe të paqarta , Stefanyuk - në fushën e sistemeve të të mësuarit, Kuznetsov, Finn dhe Vagin - në fushën e përfaqësimit të logjikës dhe njohurive. Në Rusi, ekziston një shkollë tradicionalisht e fortë gjuhësore kompjuterike, e cila buron nga puna në modelin "SmyslText" nga Melchuk. Gjuhëtarët e famshëm kompjuterikë përfshijnë Apresyan, Gorodetsky, Paducheva, Narinyani, Leontyeva, Chaliapin, Zaliznyak Sr., Kibrik Sr., Baranov dhe shumë të tjerë. të tjerët 1.1. Historia e zhvillimit të inteligjencës artificiale si një drejtim shkencor Ideja e krijimit të një ngjashmërie artificiale të mendjes njerëzore për zgjidhjen e problemeve komplekse dhe modelimin e aftësisë së të menduarit ka qenë në ajër që nga kohërat e lashta. Në Egjiptin e lashtë, u krijua një statujë mekanike "ringjallëse" e perëndisë Amun. Në Iliadën e Homerit, perëndia Hephaestus farkëtoi krijesa të ngjashme me makinën. Në letërsi, kjo ide është luajtur shumë herë: nga Galatea Pygmalion te Pinocchio i Papa Karlos. Megjithatë, paraardhësi i inteligjencës artificiale konsiderohet të jetë filozofi, matematikani dhe poeti mesjetar spanjoll R. Llull (rreth 1235-c. 1315), i cili në shek. u përpoq të krijonte një makinë për zgjidhjen e problemeve të ndryshme bazuar në një klasifikim të përgjithshëm të koncepteve. Në shekullin XVIII. G. Leibniz (1646 - 1716) dhe R. Descartes (1596 - 1650) e zhvilluan në mënyrë të pavarur këtë ide, duke propozuar gjuhë universale për klasifikimin e të gjitha shkencave. Këto ide formuan bazën e zhvillimeve teorike në fushën e inteligjencës artificiale (Fig. 2). Zhvillimi i inteligjencës artificiale si drejtim shkencor u bë i mundur vetëm pas krijimit të kompjuterëve. Kjo ndodhi në vitet '40. shekulli XX Në të njëjtën kohë N. Wiener (1894 - 1964) krijoi veprat e tij themelore mbi një shkencë të re - kibernetikë. Termi inteligjencë artificiale u propozua në vitin 1956 në një seminar me të njëjtin emër në Universitetin Stanford (SHBA). Seminari iu kushtua zhvillimit të problemeve logjike, jo llogaritëse. Menjëherë pas njohjes së inteligjencës artificiale si një degë e pavarur e shkencës, u nda në dy fusha kryesore: neurokibernetika dhe kibernetika e kutisë së zezë. Dhe vetëm në kohën e tanishme -9- janë bërë të dukshme tendencat drejt bashkimit të këtyre pjesëve sërish në një tërësi të vetme. Në BRSS në 1954 në Universitetin Shtetëror të Moskës nën drejtimin e profesorit A. A. Lyapunov (1911 - 1973) filloi punën seminari "Automata dhe të menduarit". Në këtë seminar morën pjesë fiziologë të mëdhenj, gjuhëtarë, psikologë, matematikanë. Në përgjithësi pranohet se ishte në këtë kohë që inteligjenca artificiale lindi në Rusi. Ashtu si jashtë vendit, kanë dalë në pah drejtimet e neurokibernetikës dhe kibernetikës së "kutisë së zezë". Në vitet 1956 -1963. u bënë kërkime intensive për modele dhe algoritme të të menduarit njerëzor dhe zhvillimi i programeve të para. Doli se asnjë nga shkencat ekzistuese - filozofia, psikologjia, gjuhësia - nuk mund të ofrojë një algoritëm të tillë. Pastaj kibernetika propozoi të krijonte modelet e veta. Qasje të ndryshme janë zhvilluar dhe testuar. Hulumtimi i parë i AI lidhej me krijimin e një programi për të luajtur shah, pasi aftësia për të luajtur shah besohej të ishte një tregues i inteligjencës së lartë. Në vitin 1954, shkencëtari amerikan Newell krijoi idenë e krijimit të një programi të tillë. Shannon propozoi dhe Turing rafinoi një metodë për krijimin e një programi të tillë. Amerikanët Shaw dhe Simon, në bashkëpunim me një grup psikologësh holandezë nga Amsterdami, të udhëhequr nga de Groot, krijuan një program të tillë. Gjatë rrugës, u krijua një gjuhë speciale IPL1 (1956), e krijuar për të manipuluar informacionin në formë simbolike, e cila ishte paraardhësi i gjuhës Lisp (MacCarthy, 1960). Sidoqoftë, programi i parë i inteligjencës artificiale ishte programi Logjik Teorik, i krijuar për të vërtetuar teoremat në llogaritjen propozicionale (9 gusht 1956). Programi i shahut u krijua në 1957 (NSS - Newell, Shaw, Simon). Struktura e tij dhe struktura e programit të teoricienëve Logic formuan bazën për krijimin e programit GPS-General Problem Zgjidhja. Ky program, duke analizuar ndryshimet midis situatave dhe duke ndërtuar qëllime, është i mirë në zgjidhjen e enigmave si Kulla e Hanoi ose llogaritjen e integraleve të pacaktuara. Programi EPAM (Elementary Perceiving and Memorizing Program) është një program elementar për perceptimin dhe memorizimin, i konceptuar nga Feigenbaum. Në vitin 1957, një artikull nga Chomsky, një nga themeluesit e gjuhësisë kompjuterike, u shfaq mbi gramatikat transformuese. Në fund të viteve 50. lindi modeli i kërkimit të labirintit. Kjo qasje e paraqet problemin si një graf që pasqyron hapësirën e gjendjes1, dhe në këtë grafik, kryhet kërkimi i rrugës optimale nga të dhënat hyrëse në të dhënat rezultuese. Për zhvillimin e këtij modeli u punua shumë, por në zgjidhjen e problemeve praktike ideja nuk u përdor gjerësisht. 1 Hapësira e gjendjes është një grafik, kulmet e të cilit korrespondojnë me situatat e hasura në problem (“situata problematike”), dhe zgjidhja e problemit reduktohet në gjetjen e një rruge në këtë grafik. - 10 - Fillimi i viteve '60. - epoka e programimit heuristik. Heuristika është një rregull që është teorikisht i pajustifikuar, por ju lejon të zvogëloni numrin e kërkimeve në hapësirën e kërkimit. Programimi heuristik është zhvillimi i një strategjie veprimi bazuar në heuristikat e njohura, të paracaktuara. Në vitet '60 u krijuan programet e para që punonin me pyetje në gjuhën natyrore. Programi BASEBALL (Green et al., 1961) iu përgjigj pyetjeve në lidhje me rezultatet e lojërave të kaluara të bejsbollit, programi STUDENT (Bobrow, 1964) kishte akses në zgjidhjen e problemeve algjebrike të formuluara në anglisht. Oriz. 2. Pikat kryesore në zhvillimin e AI si një drejtim shkencor Shpresa të mëdha u mbështetën në punën në fushën e përkthimit makinerie, fillimi i së cilës lidhet me emrin e gjuhëtarit rus Belskaya. Megjithatë, studiuesve iu deshën shumë vite për të kuptuar se përkthimi automatik nuk është një problem i izoluar dhe kërkon një hap kaq të nevojshëm si të kuptuarit për të qenë i suksesshëm. Ndër rezultatet më domethënëse të marra nga shkencëtarët vendas në vitet '60, duhet theksuar algoritmi "Bark" i M. Bongard, i cili simulon aktivitetin e trurit të njeriut në njohjen e modeleve. Në vitet 1963 - 1970 metodat e logjikës matematikore filluan të lidhen me zgjidhjen e problemeve. Një qasje e re ndaj logjikës formale, e bazuar në sjelljen e arsyetimit në kontradiktë, u shfaq në 1965 - 11 - (J. Robinson). Në bazë të metodës së rezolucioneve, e cila bëri të mundur vërtetimin automatik të teoremave në prani të një grupi aksiomash fillestare, gjuha Prolog u krijua në 1973. Në BRSS në 1954 - 1964. krijohen programe të veçanta dhe hulumtohet kërkimi i zgjidhjeve të problemeve logjike. Në Leningrad (LOMI - Dega e Leningradit të Institutit Matematikor Steklov), po krijohet një program që vërteton automatikisht teorema (ALPEV LOMI). Ai bazohet në përfundimin origjinal të kundërt të S.Yu Maslov, i ngjashëm me metodën e rezolucioneve të Robinsonit. Në vitet 1965-1980. po zhvillohet shkencë e re - menaxhimi i situatës (korrespondon me përfaqësimin e njohurive në terminologjinë perëndimore). Themeluesi i kësaj shkolle shkencore është profesor D.A. Pospelov. Janë zhvilluar modele të veçanta për përfaqësimin e situatave - përfaqësimi i njohurive. Jashtë vendit, kërkimet në fushën e AI shoqërohen me zhvillimin e gjuhëve programuese të gjeneratës së re dhe krijimin e sistemeve programuese gjithnjë e më të sofistikuara (Lisp, Prolog, Plannar, QA4, Macsyma, Reduce, Refal, ATNL, TMS). Rezultatet e marra kanë filluar të përdoren në robotikë, kur kontrollohen robotë, të palëvizshëm ose të lëvizshëm, që veprojnë në hapësirë ​​reale tre-dimensionale. Kjo ngre problemin e krijimit të organeve artificiale të perceptimit. Deri në vitin 1968, studiuesit punuan kryesisht me "mikrohapësira" të veçanta, ata krijuan sisteme të përshtatshme për fusha të tilla specifike dhe të kufizuara aplikimi si lojërat, gjeometria Euklidiane, llogaritjet integrale, "bota e kubeve", përpunimi i frazave të thjeshta dhe të shkurtra me një fjalor të vogël. ... Pothuajse të gjitha këto sisteme përdorën të njëjtën qasje - thjeshtimin e kombinatorikës bazuar në reduktimin e numërimit të nevojshëm të alternativave bazuar në sensin e përbashkët, duke përdorur funksione të vlerësimit numerik dhe heuristika të ndryshme. Fillimi i viteve 1970 pa një kërcim kuantik në kërkimin mbi inteligjencën artificiale. Ka dy arsye për këtë.  Së pari. Të gjithë studiuesit e kuptuan gradualisht se të gjitha programeve të krijuara më parë u mungon gjëja më e rëndësishme - njohuritë e thella në fushën përkatëse. Dallimi midis një eksperti dhe një personi të zakonshëm është se eksperti ka përvojë në këtë fushë, d.m.th. njohuritë e grumbulluara ndër vite.  Së dyti. Ngrihet një problem specifik: si të transferohen këto njohuri në program, nëse krijuesi i tij i menjëhershëm nuk e zotëron këtë njohuri. Përgjigja është e qartë: vetë programi duhet t'i nxjerrë ato nga të dhënat e marra nga eksperti. Hulumtimi mbi zgjidhjen e problemeve dhe të kuptuarit e gjuhës natyrore ka një problem të përbashkët - përfaqësimin e njohurive. Deri në vitin 1970, ishin krijuar - 12 - shumë programe të bazuara në këto ide. I pari prej tyre është programi DENDRAL. Është projektuar për të gjeneruar formula strukturore të përbërjeve kimike bazuar në informacionin nga një spektrometër masiv. Programi u zhvillua në Stanford me pjesëmarrjen e nobelistit D. Lederberg. Ajo fitoi përvojë në procesin e funksionimit të saj. Eksperti parashtroi në të mijëra fakte elementare, të paraqitura në formën e rregullave të veçanta. Sistemi në fjalë ishte një nga sistemet e para eksperte dhe rezultatet e punës së tij janë të mahnitshme. Sistemi aktualisht u furnizohet konsumatorëve së bashku me një spektrometër. Në vitin 1971, Terry Vinograd zhvilloi sistemin SHRDLU, i cili simulon një robot që manipulon kube. Ju mund të flisni anglisht me robotin. Sistemi është i interesuar jo vetëm për sintaksën e frazave, por edhe e kupton saktë kuptimin e tyre falë njohurive semantike dhe pragmatike të "botës së tij të kubeve". Që nga mesi i viteve 1980, komercializimi i inteligjencës artificiale është duke u zhvilluar jashtë vendit. Shpenzimet kapitale vjetore po rriten dhe po krijohen sisteme ekspertësh industrialë. Ekziston një interes në rritje për sistemet e vetë-mësimit. Në vendin tonë, 1980-1990. kërkime aktive po kryhen në fushën e përfaqësimit të njohurive, po zhvillohen gjuhët e përfaqësimit të njohurive, sistemet e ekspertëve (më shumë se 300). Gjuha REFAL po krijohet në Universitetin Shtetëror të Moskës. Në vitin 1988 u krijua AII - Shoqata për Inteligjencën Artificiale. Më shumë se 300 studiues janë anëtarë të saj. Kryetari i Shoqatës - D.A. Pospelov. Qendrat më të mëdha janë në Moskë, Shën Petersburg, Pereslavl-Zalessky, Novosibirsk. 1.2. Drejtimet kryesore të kërkimit në fushën e inteligjencës artificiale Aktualisht, AI është një fushë shkencore me zhvillim të shpejtë dhe shumë të degëzuar. Më shumë se 40 konferenca mbahen çdo vit vetëm në gjuhësinë kompjuterike në botë. Pothuajse çdo vend evropian, si dhe SHBA-ja, Kanadaja, Japonia, Rusia, Azia Juglindore, organizojnë rregullisht konferenca kombëtare mbi AI. Në Rusi, kjo ngjarje mbahet çdo dy vjet nën kujdesin e Shoqatës Ruse për AI (RAII). Përveç kësaj, Konferenca e Përbashkët Ndërkombëtare për UA (IJCAI) mbahet çdo dy vjet. Më shumë se 3 mijë revista periodike botojnë rezultate shkencore në këtë fushë. Nuk ka një klasifikim të plotë dhe të rreptë të të gjitha fushave të AI; një përpjekje për të klasifikuar detyrat që zgjidh AI është paraqitur në Fig. 3. Sipas klasifikimit të D.A. Pospelov në AI, ka dy qasje dominuese për kërkimin në fushën e AI: neurobionike dhe informative (Fig. 4 dhe 5). - 13 - Probleme Perceptime të përgjithshme formale të ekspertëve Lojëra (shah, goj, enigma) Inxhinieri Përpunimi i gjuhës natyrore Matematikë Analizë shkencore Sense e përbashkët Arsyetimi Gjeometri Analiza financiare Kontrolli i programit të robotit Verifikimi i programit Diagnostifikim mjekësor Fig. 3. Detyrat e AI Përkrahësit e së parës i vendosën vetes qëllimin e riprodhimit artificial të proceseve që ndodhin në trurin e njeriut. Kjo zonë është në kryqëzimin e mjekësisë, biologjisë dhe kibernetikës. Në të njëjtën kohë, ata studiojnë trurin e njeriut, identifikojnë mënyrat e punës së tij, krijojnë mjete teknike për përsëritjen e strukturave biologjike dhe proceseve që ndodhin në to. Fusha e AI mund të ndahet përafërsisht në pesë seksione të mëdha: - struktura të ngjashme me nervat; - programe për zgjidhjen e problemeve intelektuale; - sistemet e bazuara në njohuri; - programim intelektual; - sisteme inteligjente. Secili nga seksionet mund të përfaqësohet si më poshtë (shih Figurën 4-9). - 14 - Fig. 4. Strukturat e ngjashme me neuronet Fig. 5. Programet për zgjidhjen e problemeve intelektuale Fig. 6. Sistemet e bazuara në njohuri - 15 - Fig. 7. Programimi inteligjent Fig. 8. Sistemet inteligjente 1.3. Aspektet filozofike të problemit të inteligjencës artificiale Problemi kryesor filozofik në fushën e inteligjencës artificiale lidhet me kërkimin e një përgjigjeje në pyetjen: a është e mundur apo jo të modelohet mendimi njerëzor. Në rast se ndonjëherë merret një përgjigje negative për këtë pyetje, atëherë të gjitha pyetjet e tjera në fushën e AI nuk do të kenë as kuptimin më të vogël. Prandaj, kur filloni një studim të inteligjencës artificiale, supozohet paraprakisht një përgjigje pozitive. Dëshmi e mundësisë së modelimit të të menduarit njerëzor. 1. Scholastic: konsistenca e inteligjencës artificiale dhe Biblës. Me sa duket, edhe ata që janë larg fesë i dinë fjalët e Shkrimit të Shenjtë: "Dhe Zoti e krijoi njeriun sipas shëmbëlltyrës dhe ngjashmërisë së tij ...". Bazuar në këto fjalë, mund të konkludojmë se meqenëse Zoti, së pari, krijoi njerëzit, dhe së dyti, ata janë në thelb të ngjashëm me të, atëherë njerëzit janë mjaft të aftë të krijojnë dikë në shëmbëlltyrën dhe ngjashmërinë e njeriut. 2. Biologjike. Krijimi i një mendjeje të re me mjete biologjike është mjaft e zakonshme për një person. Duke vëzhguar fëmijët, ne shohim se - 16 - ata e fitojnë pjesën më të madhe të njohurive përmes mësimit, dhe jo siç është përcaktuar në to paraprakisht. Kjo deklaratë në nivel modern jo e provuar, por nga shenjat e jashtme gjithçka duket saktësisht kështu. 3. Empirike. Ajo që më parë dukej të ishte kulmi i krijimtarisë njerëzore - të luash shah, damë, të njohësh imazhe vizuale dhe zanore, të sintetizosh të reja zgjidhje teknike, në praktikë, doli të ishte një detyrë jo aq e vështirë. Tani puna kryhet jo në nivelin e mundësisë ose pamundësisë së zbatimit të sa më sipër, por në gjetjen e algoritmit më optimal - shpesh këto probleme nuk quhen as probleme të inteligjencës artificiale. Shpresohet që një simulim i plotë i të menduarit njerëzor është gjithashtu i mundur. 4. Mundësia e vetëriprodhimit. Aftësia vetë-përsëritëse për një kohë të gjatë konsiderohej prerogativë e organizmave të gjallë. Sidoqoftë, disa fenomene që ndodhin në natyrën e pajetë (për shembull, rritja e kristaleve, sinteza e molekulave komplekse me anë të kopjimit) janë shumë të ngjashme me vetë-riprodhimin. Në fillim të viteve 1950, J. von Neumann filloi një studim të plotë të vetë-riprodhimit dhe hodhi themelet e teorisë matematikore të "automateve vetë-riprodhuese". Ai vërtetoi edhe teorikisht mundësinë e krijimit të tyre. Ekzistojnë gjithashtu prova të ndryshme informale për mundësinë e vetë-përsëritjes, por për programuesit, prova më e habitshme është ndoshta ekzistenca e viruseve kompjuterike. 5. Algoritmik. Mundësia themelore e automatizimit të zgjidhjes së problemeve intelektuale duke përdorur një kompjuter sigurohet nga vetia e universalitetit algoritmik. Kjo veti e një kompjuteri do të thotë që është e mundur të zbatohen në mënyrë programore (d.m.th., të përfaqësohen në formën e një programi kompjuterik) çdo algoritëm për konvertimin e informacionit mbi to. Për më tepër, proceset e krijuara nga këto algoritme janë potencialisht të realizueshme, domethënë ato janë të realizueshme si rezultat i një numri të kufizuar operacionesh elementare. Realizueshmëria e algoritmeve varet nga mjetet në dispozicion, të cilat mund të ndryshojnë me përparimet në teknologji. Pra, në lidhje me ardhjen e kompjuterëve me shpejtësi të lartë, algoritme të tilla janë bërë praktikisht të realizueshme, të cilat më parë ishin vetëm potencialisht të realizueshme. Përveç kësaj, përmbajtja e kësaj vetie ka një natyrë parashikuese: sa herë që në të ardhmen ndonjë parashkrim njihet nga algoritmi, atëherë pavarësisht nga forma dhe me çfarë mjetesh do të shprehet fillimisht, ai mund të vendoset edhe në formën e një programi i makinës. Sidoqoftë, nuk duhet menduar se kompjuterët dhe robotët, në parim, mund të zgjidhin ndonjë problem. Analiza e një sërë problemesh i çoi matematikanët në një zbulim të jashtëzakonshëm. Ekzistenca e llojeve të tilla të problemeve u vërtetua rigorozisht për të cilat një algoritëm i vetëm efikas që zgjidh të gjitha problemet e këtij lloji është i pamundur; në këtë kuptim është e pamundur të zgjidhen problemet e këtij lloji me ndihmën e kompjuterëve. Ky fakt kontribuon në një kuptim më të mirë të asaj që makinat mund dhe nuk mund të bëjnë. Në të vërtetë, deklarata për pavendosmërinë algoritmike të një klase të caktuar problemesh nuk është vetëm një pranim se një algoritëm i tillë është i panjohur dhe nuk është gjetur ende nga askush. Një deklaratë e tillë është në të njëjtën kohë një parashikim për të gjitha kohët e ardhshme që ky lloj algoritmi nuk është i njohur për ne dhe nuk do të tregohet nga askush, ose, me fjalë të tjera, se ai nuk ekziston. AI mund të konsiderohet në një sërë mjetesh (intelektuale dhe jo intelektuale) që u krijuan dhe zotëruan nga njerëzimi në rrugën e zhvillimit të tij historik. Këtu bëjnë pjesë:  veglat e dorës;  makineritë dhe makineritë;  gjuha dhe e folura;  pajisje llogaritëse;  VT dhe objektet e telekomunikacionit. Filozofët argumentojnë se prodhimi i mjeteve (në kuptimin më të gjerë të fjalës) është më së shumti specie të rëndësishme aktivitet që i dallon paraardhësit tanë nga primatët e tjerë. Qeniet njerëzore dallohen midis kafshëve për aftësinë e tyre për të prodhuar njohuri dhe mjete. Asnjë shpikje tjetër teknologjike apo socio-politike nuk ka shkaktuar një hendek kaq gjigant në zhvillimin e specieve homo sapience nga speciet e tjera të natyrës së gjallë. Zhvillimi i teknologjisë kompjuterike mund të ndahet gjerësisht në dy fusha: përpunimi dixhital dhe përpunimi simbolik. Drejtimi i parë e ka bërë informacionin shumë më të përshtatshëm për ruajtje, përpunim dhe transmetim sesa të gjitha përmirësimet e mëparshme në teknologjinë e letrës. Kompjuteri i ka tejkaluar të gjitha mjetet informatike të së shkuarës (abacus, abacus, machine adding) për nga shpejtësia, shumëllojshmëria e funksioneve, lehtësia e përdorimit. Duke zgjeruar në mënyrë të vazhdueshme fushën e automatizimit në fushën e punës mendore monotone, përpunimi dixhital i informacionit ka zgjeruar fushën e shtypshkronjës dhe revolucionin industrial në kufij të rinj. Dega e dytë e teknologjisë kompjuterike, përpunimi i shenjave (termi i Newell dhe Simon) ose inteligjenca artificiale, i lejoi kompjuterit të imitonte proceset e perceptimit dhe orientimit ndijor, arsyetimit dhe zgjidhjes së problemeve, përpunimit të gjuhës natyrore dhe aftësive të tjera njerëzore. Me fjalë të tjera, AI është lloji i ri mjete që janë alternativë ndaj atyre ekzistuese. Ky realitet i ka detyruar filozofët e AI të largohen nga pyetja "A është e mundur të krijohet një makinë inteligjente?" për problemin e ndikimit të mjeteve intelektuale në shoqëri. Përfshirë efektin e mundshëm social të zhvillimit të AI, përkatësisht: - 18 - rritjen e nivelit të inteligjencës së të gjithë shoqërisë, e cila do të japë zbulime të reja, shpikje dhe një kuptim të ri të vetë njerëzimit.  ndryshimi i situatës kur shumica e njerëzve janë mjeti dhe instrumenti i prodhimit. Pyetja tjetër filozofike e AI është qëllimi i krijimit. Në parim, gjithçka që bëjmë në jetën praktike zakonisht synon të mos bëjmë asgjë tjetër. Megjithatë, për mjaftueshëm nivel të lartë jeta (një sasi e madhe e energjisë potenciale) e një personi në rolet e para nuk është më përtacia (në kuptimin e dëshirës për të kursyer energji), por instinktet e kërkimit. Le të themi se një person ka arritur të krijojë një intelekt që tejkalon të tijin (nëse jo në cilësi, pra në sasi). Çfarë do të ndodhë me njerëzimin tani? Çfarë roli do të luajë personi? Për çfarë është tani? Dhe në përgjithësi, a është e nevojshme në parim të krijohet AI? Ndoshta përgjigjja më e pranueshme për këto pyetje është koncepti i një "përmirësuesi të inteligjencës" (AI). Sipas S.L. Sotnik, këtu është e përshtatshme një analogji me presidentin e shtetit - atij nuk i kërkohet të dijë valencën e vanadiumit apo gjuhën. Programimi Java për të marrë një vendim për zhvillimin e industrisë së vanadiumit. Secili bën të vetën – përshkruan kimisti procesi teknologjik, një programues shkruan një program; ekonomisti i thotë presidentit se duke investuar në spiunazh industrial, vendi do të marrë 20%, dhe në industrinë e vanadiumit - 30% në vit. Mendoj se me një formulim të tillë të pyetjes, kushdo do të mund të bëjë zgjedhjen e duhur. Në këtë shembull, presidenti po përdor një AI biologjike - një grup specialistësh me trurin e tyre proteinik. Por edhe tani, përdoren gjithashtu UI jo të gjalla - për shembull, kompjuterë, pajisje llogaritëse në bord. Për më tepër, një person ka kohë që përdor amplifikatorët e fuqisë (SHBA) - një koncept që është kryesisht analog me AI. Makinat, vinçat, motorët elektrikë, presat, topat, aeroplanët dhe shumë e shumë të tjera shërbejnë si amplifikues të fuqisë. Dallimi kryesor midis UI dhe CS është prania e vullnetit: i pari mund të ketë "dëshirat" e tij dhe të veprojë ndryshe nga ajo që pritet prej tij. Kështu, lind problemi i sigurisë së sistemeve të AI. Si mund të shmangim pasojat negative që shoqërojnë çdo arritje të re të revolucionit shkencor dhe teknologjik? Ky problem ka përndjekur mendjet e njerëzimit që nga koha e Karel Čapek, i cili përdori për herë të parë termin "robot". Në diskutimin e tij kontribuan shumë edhe shkrimtarë të tjerë të trillimeve shkencore. Më e famshmja - një seri tregimesh nga shkrimtari dhe shkencëtari i trillimeve shkencore Isaac Asimov, i cili mund të gjejë zgjidhjen më të përpunuar dhe të pranuar nga shumica e njerëzve për problemin e sigurisë. Eshte rreth tre ligjeve të robotikës. 1. Një robot nuk mund të dëmtojë një person ose, me mosveprimin e tij, të lejojë që t'i bëhet dëm një personi.  - 19 - 2. Roboti duhet t'u bindet urdhrave që i janë dhënë nga njeriu, përveç rasteve kur këto komanda janë në kundërshtim me ligjin e parë. 3. Roboti duhet të kujdeset për sigurinë e tij, për aq sa nuk bie ndesh me ligjet e parë dhe të dytë. Më pas, Azimov shton "Zero Law" në këtë listë: "Një robot nuk mund të dëmtojë njerëzimin ose, me mosveprimin e tij, të lejojë që t'i bëhet dëm njerëzimit". Në shikim të parë, ligje të tilla, me respektimin e plotë të tyre, duhet të garantojnë sigurinë e njerëzimit. Megjithatë, pas shqyrtimit më të afërt, lindin disa pyetje. Së pari, ligjet formulohen në gjuhën njerëzore, gjë që nuk lejon përkthimin e tyre të thjeshtë në formë algoritmike. Supozoni se ky problem është zgjidhur. Tani, çfarë do të thotë një sistem AI me "dëm"? A nuk do të vendosë ajo që vetë ekzistenca e njeriut është një dëm i madh? Në fund të fundit, ai pi duhan, pi, plaket me kalimin e viteve dhe humbet shëndetin, vuan. A nuk do të ishte një e keqe më e vogël t'i jepte fund këtij zinxhiri vuajtjesh? Sigurisht, mund të futni disa shtesa që lidhen me vlerën e jetës, lirinë e shprehjes. Por këto nuk do të jenë më tre ligjet e thjeshta që ishin në origjinal. Tjetra: çfarë do të vendosë sistemi i AI në një situatë kur shpëtimi i një jete është i mundur vetëm në kurriz të një tjetri? Veçanërisht interesante janë ato raste kur sistemi nuk ka informacion të plotë se kush është kush. Megjithatë, pavarësisht problemeve të listuara, këto ligje janë një bazë mjaft e mirë joformale për të kontrolluar besueshmërinë e sistemit të sigurisë për sistemet e AI. Pra, a nuk ka vërtet një sistem të besueshëm sigurie? Bazuar në konceptin MI, mund të propozohet opsioni i mëposhtëm. Sipas eksperimenteve të shumta, pavarësisht mungesës së të dhënave të besueshme për atë për çfarë është përgjegjës çdo neuron individual në trurin e njeriut, shumë nga emocionet zakonisht korrespondojnë me ngacmimin e një grupi neuronesh (ansambël nervor) në një zonë plotësisht të parashikueshme. U kryen edhe eksperimente të kundërta, ku acarimi i një zone të caktuar solli rezultatin e dëshiruar. Këto mund të jenë emocione gëzimi, shtypjeje, frike, agresiviteti. Kështu, duket e mundur të merret shkalla e kënaqësisë së trurit të njeriut pritës si një funksion objektiv. Nëse merrni masa për të përjashtuar aktivitetin vetë-shkatërrues në një gjendje depresioni, si dhe siguroni gjendje të tjera të veçanta të psikikës, atëherë merrni sa vijon. Meqenëse supozohet se një person normal nuk do të dëmtojë veten dhe, pa ndonjë arsye të veçantë, të tjerët, dhe IA tani është pjesë e një individi të caktuar (jo domosdoshmërisht një komunitet fizik), atëherë të tre ligjet e robotikës përmbushen automatikisht. Në të njëjtën kohë, çështjet e sigurisë zhvendosen në fushën e psikologjisë dhe zbatimit të ligjit, pasi - 20 - sistemi (i trajnuar) nuk do të bëjë asgjë që pronari i tij nuk do të dëshironte. Pyetje për vetëkontroll 1. Çfarë është inteligjenca artificiale? 2. Me cilat fusha shkencore ndërvepron inteligjenca artificiale? 3. Përshkruani qasjet për të kuptuar lëndën e inteligjencës artificiale si disiplinë shkencore. 4. Përshkruani gjendjen aktuale të AI në Rusi. 5. Përshkruani fazën "para kompjuterike" të zhvillimit të inteligjencës artificiale 6. Përshkruani zhvillimin e inteligjencës artificiale në vitet '40. shekulli XX 7. Përshkruani zhvillimin e inteligjencës artificiale në vitet '50. shekulli XX 8. Përshkruani zhvillimin e inteligjencës artificiale në vitet '60. shekulli XX 9. Përshkruani zhvillimin e inteligjencës artificiale në vitet '70. shekulli XX 10. Përshkruani zhvillimin e inteligjencës artificiale në vitet '80. shekulli XX 11. Përshkruani detyrat kryesore të inteligjencës artificiale. 12. Cilat seksione dallohen në fushën e inteligjencës artificiale? 13. Jepni dëshmi për mundësinë e modelimit të të menduarit njerëzor. 14. Cila është baza e kalimit në problemin e ndikimit të mjeteve intelektuale në shoqëri? 15. Çfarë e shkaktoi dhe si mund të zgjidhet problemi i sigurisë së sistemeve të inteligjencës artificiale? Literatura 1. Luger, J., F. Inteligjenca artificiale: strategji dhe metoda për zgjidhjen e problemeve komplekse: përkth. nga anglishtja / George F. Luger. - M .: Shtëpia Botuese "Williams", 2003. - 864 f. 2. Bazat e inteligjencës artificiale / B.V. Kostrov, V.N. Ruchkin, V.A. Fulin. - M .: "DESS", "Techbook", 2007. - 192 f. 3. Faqja e Shoqatës Ruse për Inteligjencën Artificiale. - Mënyra e hyrjes: http://www.raai.org/ 4. Sotnik, S.L. Bazat e projektimit të sistemeve të inteligjencës artificiale: leksione. - Mënyra e hyrjes: http://newasp.omskreg.ru/intellect/f25.htm 5. Russell, S. Inteligjenca artificiale: një qasje moderne / Stuart Russell, Peter Norvig. - M .: Shtëpia botuese "Williams", 2006. - 1408 f. - 21 - KAPITULLI 2. MODELET E PËRFAQËSIMIT TË NJOHURIVE 2.1. Njohuri Cilat lloje të njohurive nevojiten për të ofruar sjellje "inteligjente"? “Sekreti” i fenomenologjisë së modelit të dijes qëndron në botën që na rrethon. Në përgjithësi, modeli i përfaqësimit të njohurive duhet të ofrojë përshkrim të ndryshëm objektet dhe dukuritë që përbëjnë fushën lëndore në të cilën duhet të punojë një agjent inteligjent. Një fushë lëndore është një pjesë e realitetit që lidhet me zgjidhjen e një problemi. Agjent inteligjent - një sistem (person, program) me aftësi intelektuale. Njohuria janë modelet e identifikuara të fushës lëndore (parimet, lidhjet, ligjet). Njohuria ka një strukturë më komplekse sesa të dhënat (metadata). Në këtë rast, njohuria vendoset si në mënyrë shtrirëse (d.m.th., përmes një grupi faktesh specifike që korrespondojnë me një koncept të caktuar dhe që lidhen me fushën e temës), ashtu edhe në mënyrë të qëllimshme (d.m.th., përmes vetive që korrespondojnë me një koncept të caktuar, dhe një diagrami lidhjesh midis atributet). Llojet e njohurive Objektet. Zakonisht, një person paraqet njohuri në aspektin e fakteve për objektet që e rrethojnë. Për këtë arsye, duhet të ekzistojnë mënyra të paraqitjes së objekteve, klasave (kategorive, llojeve) të objekteve, përshkrimi i vetive dhe ndërveprimit të objekteve. Një mënyrë për të klasifikuar objektet është përmes një hierarkie klase. Për më tepër, është e nevojshme të bëhet dallimi midis objekteve abstrakte që përdoren për të përcaktuar grupe (grupe, klasa) individësh. Shembull "Zogjtë kanë krahë" "Pëllumbat janë zogj" "Bora është e bardhë" "Ky libër është i ri" - një objekt individual Situata - të gjitha llojet e ndërveprimeve midis objekteve. Shembull "Dje ra shi" "Treni u vonua 10 minuta" Një shembull i klasifikimit të situatave të propozuara nga Paducheva është paraqitur në fig. 9. Përveç kësaj, për të qenë në gjendje të përshkruani situatat vetë, modeli i përfaqësimit duhet të lejojë përshkrimin e vendndodhjes së ngjarjeve në boshtin kohor, si dhe lidhjen shkakësore të tyre. Situatat Gjendjet statike Vetitë dhe marrëdhëniet konstante Proceset dinamike Incidentet e qëndrueshme Rezultatet e përkohshme Ngjarjet Fig. 9. Një shembull i klasifikimit të situatave të propozuar nga Paducheva Në paraqitjen e hierarkisë së objekteve dhe marrëdhënieve, vështirësia kryesore është zgjedhja e themelit, d.m.th. vetitë (atributet) me të cilat ndodh ndarja. Zakonisht, edhe nëse një person mund të dallojë lehtësisht lloje të ndryshme objektesh dhe situatash në jetë, përpjekja për klasifikim verbal është një problem i madh. Procedurat. Sjellja (p.sh.: çiklizmi) kërkon njohuri që janë përtej njohurive deklarative të objekteve dhe marrëdhënieve ndërmjet tyre. Kjo është njohuri për mënyrën e kryerjes së këtij apo atij veprimi, që quhet njohuri procedurale, ose përvojë (aftësi). Ngjashëm me çiklizmin, shumica e sjelljeve të vetëdijshme (p.sh., komunikimi, të kuptuarit ose vërtetimi i teoremës) përfshijnë njohuri procedurale dhe shpesh është e vështirë të bëhet dallimi i qartë midis njohurive për një procedurë dhe njohjes së një objekti. Shembull Termi "pedagogji" - përshkruan një situatë të mungesës së njohurive procedurale tek një person që pretendon të jetë specialist. , ose për rëndësinë relative të fakteve të caktuara. Meta-njohuria përfshin gjithashtu - 23 - atë që njerëzit dinë për aftësinë e tyre si përpunues i njohurive: fuqinë, dobësinë, nivelin e përvojës në fusha të ndryshme dhe ndjenjën e përparimit në zgjidhjen e problemeve. Klasifikimi i njohurive Sipas thellësisë:  Njohuri sipërfaqësore (një grup shoqërimesh empirike dhe marrëdhëniesh shkak-pasojë midis koncepteve të fushës lëndore).  Njohuri të thella (abstraksione, imazhe, analogji, të cilat pasqyrojnë kuptimin e strukturës së fushës lëndore dhe marrëdhëniet e koncepteve individuale). Nga mënyra e ekzistencës:  Fakte (rrethana të njohura).  Heuristika (njohuri nga përvoja e ekspertit). Për sa i përket ngurtësisë:  Njohuri e ngurtë (ju lejon të merrni rekomandime të qarta të qarta për kushtet e dhëna fillestare).  Njohuri të buta (lejoni zgjidhje të shumta, të paqarta dhe rekomandime të ndryshme). Sipas formave të paraqitjes:  Njohuri deklarative (fakte në formën e grupeve të të dhënave të strukturuara).  Njohuri procedurale (algoritme në formën e procedurave të përpunimit të fakteve). Me metodën e përvetësimit:  Njohuri shkencore (të marra gjatë trajnimit dhe/ose studimit sistematik).  Njohuri të përditshme, të përditshme (të marra në rrjedhën e jetës). Për të vendosur një bazë njohurish për ta përdorur atë për zgjidhjen e problemeve të aplikuara, është e nevojshme që ajo të përshkruhet zyrtarisht duke përdorur modele matematikore. Siç është përmendur tashmë, përfaqësimi i njohurive është i mundur duke përdorur modele deklarative dhe procedurale. Modelet tipike deklarative zakonisht përfshijnë modelet e rrjetit dhe të kornizës; te proceduralo - logjike dhe prodhuese. Nga pikëpamja e qasjes ndaj paraqitjes së njohurive në kompjuter, modelet e përfaqësimit të njohurive mund të klasifikohen si më poshtë: Bazuar në qasjen heuristike: "trojka", prodhimi, korniza, modeli i rrjetit Bazuar në qasjen teorike: bazuar në logjika formale dhe e bazuar në "logjikën njerëzore" - modale dhe e paqartë. - 24 - 2.2. Modeli logjik i përfaqësimit të njohurive Konceptet bazë të logjikës Shumica e njerëzve mendojnë se fjala "logjik" do të thotë "i arsyeshëm". Kështu, nëse një person mendon logjikisht, atëherë arsyetimi i tij është i justifikuar, kështu që ai nuk lejon përfundime të nxituara. Logjika është shkenca e formave dhe metodave të të menduarit të saktë. Kjo do të thotë se duke pasur parasysh sasinë e kërkuar të fakteve të vërteta, përfundimi duhet të jetë gjithmonë i vërtetë. Nga ana tjetër, nëse konkluzioni është i pavlefshëm, do të thotë se është arritur një përfundim i rremë bazuar në faktet e vërteta. Është e nevojshme të ndahen konceptet e logjikës formale dhe joformale. Një tipar dallues i logjikës informale është se përdoret në jetën e përditshme. Një provë komplekse logjike është një zinxhir konkluzionesh, në të cilat një përfundim çon në një tjetër, etj. Në logjikën formale, e quajtur edhe logjikë simbolike, është e rëndësishme se si kryhet konkluzioni, si merren parasysh faktorë të tjerë që dëshmojnë vërtetësinë ose falsitetin e përfundimit përfundimtar në mënyrë të pranueshme. Logjika gjithashtu ka nevojë për semantikë për t'i dhënë kuptim simboleve. Logjika formale përdor semantikën e bazuar jo në përdorimin e fjalëve që mbajnë një ngarkesë emocionale, por në zgjedhjen e emrave kuptimplotë për variablat, si programimi. Ashtu si matematika, logjika studion drejtpërdrejt jo objektet empirike, por abstrakte. Kjo ngre pyetjen: Cila është natyra apo statusi ontologjik i objekteve abstrakte? Për çfarë lloj objektesh abstrakte po flasim? Në logjikë (klasike), dallohen dy lloje themelore të objekteve abstrakte: - konceptet (vetitë); - marrëdhëniet. Konceptet mund të jenë të thjeshta ose komplekse. Konceptet e ndërlikuara janë një koleksion konceptesh relativisht më të thjeshta (veti të thjeshta) të lidhura nga një ose një marrëdhënie tjetër. Objektet abstrakte më komplekse janë gjykimet, elementet strukturore të të cilave janë gjithashtu koncepte dhe marrëdhënie të caktuara. Gjykimet, nga ana tjetër, janë elementët strukturorë të arsyetimit (sistemet e gjykimeve), dhe konkluzionet janë elementet strukturore të koncepteve dhe teorive (sistemet e arsyetimit). Në Fig. 10 tregon hierarkinë e llojeve të objekteve abstrakte në logjikën klasike. Specifikimi i logjikës qëndron në faktin se ajo studion marrëdhëniet ose ndërlidhjet më të përgjithshme, universale, midis objekteve abstrakte. Në përputhje me këtë, ekziston objekti i mëposhtëm - 25 - përkufizimi i logjikës: "Logjika është shkenca e marrëdhënieve universale (përgjithësisht të vlefshme) midis koncepteve, gjykimeve, konkluzioneve dhe objekteve të tjera abstrakte". Konceptet dhe teoritë (sistemet e konkluzionit) Konkluzionet (sistemi i gjykimeve) Gjykimet Konceptet (vetitë) Marrëdhëniet Fig. 10. Hierarkia e llojeve të objekteve abstrakte në logjikën klasike Shembull "Studenti" është një koncept. "Zelli" është një pronë. "Studenti i zellshëm", "student i vitit të 4" - marrëdhënie. "Një person studion në universitet" - një gjykim. "Nëse një person studion në një institut, atëherë ai është ose student ose student i diplomuar" - përfundimi. "Teoria e llogaritjes së kallëzuesit të rendit të parë" është një koncept. Koncepti Konceptet janë thelbi i objekteve abstrakte të arritshme për të kuptuarit njerëzor si veti (atribute) të thjeshta dhe komplekse të objekteve empirike. Koncepti është në kontrast me entitete të tilla si: "fjalë", "perceptim", "objekt empirik". Koncepti është një njësi universale e të menduarit dhe baza e veprimtarisë intelektuale. Karakteristikat më të rëndësishme të konceptit janë përmbajtja dhe vëllimi. Të gjitha karakteristikat logjike dhe veprimet logjike janë rezultat i njohurive derivative nga ligji i marrëdhënies në proporcion të zhdrejtë midis përmbajtjes dhe fushës së konceptit. Çdo koncept ka shtrirjen e një koncepti (sferën konceptuale) dhe një shtesë në shtrirjen e konceptit (Fig. 11, 12). Shtrirja e një koncepti është një grup (bashkësi) e të gjitha atyre empirike (objekteve individuale) që kanë një koncept të caktuar (si veti, veçori). - 26 - Shtimi në vëllim - tërësia e të gjitha atyre objekteve empirike që nuk janë të qenësishme në këtë koncept. Koncepti X a1 a2 V Vëllimi a3 Fig. 11. Koncepti X, vëllimi i konceptit X, elementi vëllimor (a1, a2, a3) X Jo X Fig. 12. Qëllimi dhe shtimi i tij Shembull Koncepti: modeli i të dhënave faktike. Fushëveprimi i konceptit: modele të të dhënave relacionale, rrjetore, hierarkike Shtimi i fushës së veprimit: modele të të dhënave dokumentare (përshkrues, thesaurus, modele të dhënash të orientuara në formatin e dokumentit).Konceptet mund të jenë të këtyre llojeve: 1) sipas vëllimit: a. teke (U = 1 element, Kamaz); b. e përgjithshme (U> 1 element, Fabrika e Automobilave në Moskë); 2) nga ekzistenca e elementeve: a. jo bosh (student); b. bosh (kolobok); 3) nga struktura e elementeve: a. jo kolektive (poli i veriut); b. kolektiv (debitor); 4) sipas përmbajtjes: a. i parëndësishëm (audiencë); b. korrelative (prindërit); 5) nga prania e cilësive, vetive, marrëdhënieve a. pozitive (virtyt); b. negative (vepër); 6) nga cilësia e elementeve: a. regjistruar (revista "Sistemet e Hapura", 1/2008); b. i paregjistruar (inteligjenca), abstrakt; 7) nga natyra e objektit: a. beton (dorezë); - 27 - b. abstrakt (model). Në bazë të llojeve të listuara, është e mundur të jepet një përshkrim logjik i çdo koncepti, domethënë të tregohet përdorimi i konceptit në të shtatë kuptimet. Për shembull, koncepti i debitorit është i përgjithshëm, jo ​​bosh, kolektiv, korrelativ, pozitiv, i pareportuar dhe specifik. Metodat bazë të të kuptuarit të koncepteve Metodat kryesore të të kuptuarit të një koncepti përfshijnë: - abstraksionin; - krahasimi; - përgjithësim; - analiza; - sintezë. Abstraksioni është një ndarje mendore (të kuptuarit) e një vetie ose marrëdhënie të caktuar me anë të abstragimit nga vetitë ose marrëdhëniet e tjera të një objekti empirik. Krahasimi është vendosja e ngjashmërive ose dallimeve ndërmjet objekteve. Përgjithësim - izolim mendor i një koncepti të caktuar duke krahasuar çdo koncept tjetër. Abstragimi, krahasimi dhe përgjithësimi janë teknika të lidhura ngushtë me njëra-tjetrën. Ato mund të quhen "procedurat njohëse". Krahasimi është i pamundur pa marrë parasysh abstraksionin. Përgjithësimi presupozon krahasimin dhe në të njëjtën kohë nuk është gjë tjetër veçse një lloj abstraksioni kompleks, etj. Analiza është ndarja mendore e një objekti empirik ose abstrakt në përbërësit e tij strukturorë (pjesë, veti, marrëdhënie). Sinteza është bashkimi mendor i objekteve të ndryshme në një objekt të caktuar integral. Shembuj 1. Krahasimi i njerëzve sipas gjatësisë supozon abstraksionin për të nxjerrë në pah vetinë e "rritjes" së konceptit "person". 2. Përgjithësim: "karrige" dhe "tavolinë" - "mobilje". Marrëdhënia e koncepteve Për të shpjeguar marrëdhëniet ndërmjet koncepteve, mund të përdorni diagrame në formën e rrathëve të Euler-it (Fig. 13). Shembuj Uniform (vëllim i barabartë): Kazan është kryeqyteti. I pavarur (kryqëzimi): pasagjer - student. Dorëzimi: pemë - thupër. E kundërta (kontrasti): e bardhë dhe e zezë. - 28 - Kundërdikimi: i bardhë - jo i bardhë. Vartësia (nënkontraktimi): oficerë (major-kapiten). Ndarja logjike e një koncepti është ndarja e shtrirjes së një koncepti në pjesë jo të kryqëzuara bazuar në ndonjë atribut. Konceptet X, Y I papajtueshëm M (X) M (Y) =  I pajtueshëm M (X) M (Y)  Kundërshtues i pavarur Y = Jo-X X Y X M (X) M (Y); M (X) M (Y) M (X); M (X) M (Y) M (Y) M (X) M (Y) = U Identitet i kundërt (uniform) X, YXYM (X) = M (Y) M (X) M (Y) UX skllav në YXYM (X) M (Y) = M (X) Fig. 13. Korrelacioni i koncepteve Në këtë rast dallohen: - koncepti gjenerik X; - anëtarët e ndarjes (konceptet e specieve A dhe B); - baza e ndarjes (d.m.th. shenja). - 29 - Tre rregulla të ndarjes logjike. 1. Rregulli i papajtueshmërisë. Shtrirja e koncepteve të specieve nuk duhet të mbivendoset (d.m.th., anëtarët e ndarjes nuk duhet të jenë të papajtueshëm me njëri-tjetrin); 2. Rregulli i qëndrueshmërisë. Ju nuk mund të ndani në disa baza njëherësh; 3. Rregulli i proporcionalitetit. Shuma e vëllimeve të koncepteve specifike duhet të jetë e barabartë me vëllimin e konceptit gjenerik. Ndarja dikotomike (lloji më i rreptë) - ndarja e koncepteve sipas parimit të kundërthënës (A, jo-A). Klasifikimet janë sisteme të caktuara (agregate të renditura) të koncepteve të specieve. Klasifikimet përdoren për të gjetur marrëdhënie të reja midis koncepteve, si dhe për të sistemuar njohuritë ekzistuese. Shembulli 1. Tabela periodike është një shembull i klasifikimit shkencor të elementeve kimike. 2. Një shembull i klasifikimit të sistemeve të informacionit (IS) është paraqitur në figurën më poshtë. Bazat e ndarjes: qëllimi funksional. A, B, C janë shembuj të sistemeve të informacionit sipas këtij klasifikimi. IS Sistemet faktografike Sistemet e inteligjencës artificiale Sistemet e dokumenteve IS "University" Lingvo "Consultant Plus" А В С Fig. 14. Shembull klasifikimi Teknikat për të kuptuarit e koncepteve (abstragimi, krahasimi, përgjithësimi, analiza, sinteza, ndarja) janë procedura kognitive universale dhe themelore që ende nuk janë modeluar me sukses në kuadrin e inteligjencës artificiale. Ky është një nga seksionet themelore të logjikës klasike që duhet të integrohet në teorinë e bazës së njohurive. Pas kësaj, detyrat e modelimit të akteve të tilla mendore si hipoteza, mësimi i njohurive deklarative do të bëhen të disponueshme, procedurat e konkluzionit do të bëhen më të fuqishme. - 30 - Aktgjykimi Gjykimi është një objekt strukturor kompleks që pasqyron marrëdhënien objektive ndërmjet sendit dhe pasurisë së tij. Subjekte të tilla si "propozimi", "perceptimi", "skena nga bota reale" janë kundër gjykimit. Shembull. Të njëjtin gjykim shprehin edhe fjalitë e mëposhtme: - "Peshkaqeni është peshk grabitqar"; - "Të gjithë peshkaqenët janë peshq grabitqarë". "Peshkaqenët janë peshq grabitqarë." Logjika klasike e konsideron strukturën e një gjykimi të thjeshtë në një interpretim paksa të ndryshëm nga ai që pranohet në studimet moderne logjiko-gjuhësore. Pra, në përputhje me konceptet e logjikës klasike për strukturën e një gjykimi, një gjykim i thjeshtë është një objekt abstrakt, elementët kryesorë strukturorë të të cilit janë: - një koncept individual (IC); - koncepti i kallëzuesit (PC); - relacioni predikues (RP). Shembuj Jepet fjalia: “Platoni është filozof”. Në këtë fjali, duke shprehur gjykimin S: "Platoni" është një temë logjike, d.m.th. një simbol që tregon një koncept individual të një gjykimi S. "Filozofi" është një kallëzues logjik, domethënë, një simbol që tregon një koncept kallëzues të një gjykimi S. "Të jesh" është një lidhje kryefjalë-kallëzues, d.m.th. një simbol që tregon një lidhje predikimi. Kështu, mund të nxirret përfundimi i ndërmjetëm i mëposhtëm: - një koncept individual është një sistem konceptesh që konsiderohen si një entitet konceptual, një objekt empirik; - koncepti kallëzues - koncept i konsideruar si veti e një objekti të caktuar empirik; - marrëdhënia e predikimit - marrëdhënia që lidh konceptet individuale dhe kallëzuese të një objekti empirik në një objekt abstrakt holistik. Përveç kësaj, mund të dallohen disa lloje gjykimesh të thjeshta (Shih Fig. 15). Ka disa mënyra për të zyrtarizuar gjykimet elementare. - 31 - Metoda e parë. Gjuha natyrore, e cila tradicionalisht konsiderohet e rëndë dhe e pasaktë, por ende nuk është shpikur asnjë metodë formale që mund të krahasohet në shkathtësinë e saj me gjuhën natyrore. Gjykime të thjeshta Atribut Rreth marrëdhënieve Ekzistenca Murgjit, si rregull, janë modest Magnitogorsk në jug të Chelyabinsk Ka bredha blu Fig. 15. Llojet e gjykimeve të thjeshta Mënyra 2. Logjika tradicionale aristoteliane. Mënyra e 3-të. Logjika simbolike bashkëkohore. Llojet kryesore të gjykimeve komplekse Përveç gjykimeve të shprehura në logjikën aristoteliane me pohime të formës A, E, I, O (shih f. Logjika e Aristotelit), ekzistojnë edhe lloje të ndryshme gjykimesh komplekse. Sa më i ndërlikuar të jetë gjykimi, aq më i vështirë është formalizimi i saktë i tij me anë të logjikës tradicionale aristoteliane, dhe në disa raste një zyrtarizim i tillë është thjesht i pamundur. Prandaj, këshillohet që të analizohet struktura logjike e gjykimeve komplekse me anë të logjikës simbolike moderne, duke përfshirë logjikën propozicionale dhe logjikën e kallëzuesit (shih paragrafët përkatës të paragrafit). Llojet kryesore të gjykimeve komplekse janë - lidhore; - veçuese; - implikative; - modal: o aletic (i domosdoshëm, ndoshta rastësisht); o epistemik (e di, besoj, besoj, besoj); o deontik (i vendosur, i ndaluar); o aksiologjik (mirë, keq); o kohore (në të kaluarën, më herët, dje, nesër, në të ardhmen); - pyetje: o nëse - pyetje; o cilat janë pyetjet. Ekziston gjithashtu një vazhdimësi e klasave logjike dhe metodave të inteligjencës artificiale. - 32 - Konkluzion Me konkluzion (në logjikën tradicionale) nënkuptohet një formë e të menduarit përmes së cilës kryhet një kalim mendor (i quajtur "konkluzion") nga një ose më shumë gjykime (të quajtura "premisë") në një gjykim tjetër (i quajtur "përfundim". ")... Kështu, një përfundim është një objekt kompleks abstrakt në të cilin, me ndihmën e marrëdhënieve të caktuara, një ose më shumë gjykime kombinohen në një tërësi të vetme. Për të treguar përfundimin në logjikë, përdoret termi silogizëm. Silogjizmat janë formale dhe joformale. Silogjizmat e para formale u përdorën nga Aristoteli. Silogjistika e zhvilluar prej tij (teoria e silogjizmave formale, d.m.th. konkluzionet) pati një ndikim të rëndësishëm në zhvillimin e logjikës antike dhe skolastike, shërbeu si bazë për krijimin e një teorie moderne logjike të konkluzionit. Për të konsoliduar konceptet e logjikës, duhet të plotësoni ushtrimet në faqen 78. Ligjet e logjikës Ligjet më të rëndësishme logjike përfshijnë: - identitetet (çdo objekt është identik vetëm me vetveten); - nuk ka kontradikta (thëniet kontradiktore me njëra-tjetrën nuk mund të jenë të vërteta në të njëjtën kohë); - e treta e përjashtuar (nga dy pohimet që janë kondradikale me njëra-tjetrën, njëra është e vërtetë, tjetra është e gabuar dhe e treta nuk është dhënë); - arsye e mjaftueshme (çdo pohim i vërtetë ka një arsye të mjaftueshme, në bazë të së cilës është e vërtetë dhe jo e rreme). Le të shqyrtojmë më në detaje secilën nga pozicionet e treguara. I. Ligji i Identitetit Ligji i Identitetit vërteton se çdo mendim është identik me vetveten, “A është A” (A → A), ku A është çdo mendim. Për shembull: "Kripa e tryezës NaCl përbëhet nga Na dhe Cl". Shkeljet e këtij ligji mund të rezultojnë në gabimet e renditura më poshtë. Amfibola (nga greqishtja amphibolos - paqartësi, dualitet) është një gabim logjik i bazuar në paqartësinë e shprehjeve gjuhësore. Një emër tjetër për këtë gabim është "zëvendësimi i tezës". Shembull “Ata thonë saktë se gjuha do t'ju sjellë në Kiev. Dhe dje bleva një gjuhë të tymosur. Tani mund të shkoj me siguri në Kiev." - 33 - Ekuivokimi është një gabim logjik i bazuar në përdorimin e së njëjtës fjalë në kuptime të ndryshme. Ekuivokimi përdoret shpesh si një mjet artistik retorik. Në logjikë, kjo teknikë quhet edhe "zëvendësimi i konceptit". Shembull “Ujku i vjetër i detit është me të vërtetë një ujk. Të gjithë ujqërit jetojnë në pyll." Gabimi këtu është për faktin se në gjykimin e parë fjala "ujk" përdoret si metaforë, dhe në premisën e dytë - në kuptimin e saj të drejtpërdrejtë. Logomakia është një mosmarrëveshje për fjalët, kur gjatë diskutimit pjesëmarrësit nuk mund të vijnë në një këndvështrim të përbashkët për faktin se ata nuk i qartësuan konceptet fillestare. Kështu, ligji i identitetit shpreh një nga kërkesat më të rëndësishme të të menduarit logjik - sigurinë. II. Ligji i moskontradiktës Ky ligj shpreh kërkesën për konsistencën e të menduarit. Ligji i pa kontradiktë thotë: dy gjykime, njëri prej të cilëve thotë diçka për temën e mendimit ("A është B"), dhe tjetri mohon të njëjtën gjë për të njëjtin subjekt mendimi ("A nuk është B"). nuk mund të jetë njëkohësisht e vërtetë, nëse në të njëjtën kohë atributi B pohohet ose mohohet për subjektin e mendimit A, i konsideruar në të njëjtën kohë dhe në të njëjtin aspekt. Për shembull, gjykimet "Kama është një degë e Vollgës" dhe "Kama nuk është një degë e Vollgës" nuk mund të jenë njëkohësisht të vërteta nëse këto gjykime i referohen të njëjtit lumë. Nuk do të ketë kontradiktë nëse pohojmë diçka dhe mohojmë të njëjtën gjë për të njëjtin person, gjë që megjithatë konsiderohet në kohë të ndryshme. Pra, gjykimet "Ky person është student i Universitetit Shtetëror të Moskës" dhe "Ky person nuk është student i Universitetit Shtetëror të Moskës" mund të jenë njëkohësisht të vërteta nëse i pari prej tyre nënkupton një herë (kur ky person studion në Universiteti Shtetëror i Moskës), dhe në të dytën - një tjetër ( kur u diplomua nga universiteti). Ligji i moskontradiktës tregon se nga dy propozime të kundërta, njëri është domosdoshmërisht i rremë. Por meqenëse ai zbatohet si për gjykimet e kundërta ashtu edhe për ato kontradiktore, çështja e gjykimit të dytë mbetet e hapur: ai nuk mund të jetë edhe i vërtetë edhe i rremë: letra nuk mund të jetë e bardhë dhe jo e bardhë. III. Ligji i të tretës së përjashtuar Ligji i të tretës së përjashtuar thotë se dy gjykime konfliktuale nuk mund të jenë njëkohësisht të rreme: njëri prej tyre është domosdoshmërisht i vërtetë; tjetra është domosdo e rreme; përjashtohet aktgjykimi i tretë, d.m.th. ose A është e vërtetë ose jo-A. - 34 - Ligji i të tretës së përjashtuar formulon një kërkesë të rëndësishme për të menduarit tuaj: nuk mund të shmangeni nga njohja e vërtetë e një prej dy pohimeve kontradiktore dhe të kërkoni diçka të tretë mes tyre. Nëse njëra prej tyre njihet si e vërtetë, atëherë tjetra duhet të njihet si e rreme dhe të mos kërkohet e treta. Shembull: kafshët mund të jenë ose vertebrore ose jo vertebrore, nuk mund të ketë asgjë të tretë. IV. Ligji i arsyes së mjaftueshme Përmbajtja e këtij ligji mund të shprehet si më poshtë: për t'u konsideruar plotësisht i besueshëm, çdo dispozitë duhet të provohet, d.m.th. duhet të dihen baza të mjaftueshme në bazë të të cilave besohet se është e vërtetë. Një arsye e mjaftueshme mund të jetë një praktikë tjetër, tashmë e provuar, e njohur si mendim i vërtetë, rezultati i domosdoshëm i së cilës është e vërteta e pozicionit që provohet. Shembull. Arsyeja pas gjykimit "Dhoma është bërë më e ngrohtë" është fakti se merkuri i termometrit është zgjeruar. Në shkencë arsye të mjaftueshme konsiderohen: a) dispozitat mbi faktet e vërtetuara të realitetit, b) përkufizimet shkencore, c) dispozitat shkencore të vërtetuara më parë, d) aksiomat, si dhe e) përvoja personale. Konkluzioni i konkluzionit është nxjerrja e një formule të caktuar bazuar në shumë formula të tjera logjike duke zbatuar rregullat e konkluzionit. Përkthyes shprehjet logjike , duke përdorur konkluzionet logjike, ai vetë ndërton zinxhirin e nevojshëm të llogaritjeve bazuar në përshkrimin fillestar. Vlera e qasjes logjike qëndron në mundësinë e ndërtimit të një interpretuesi, puna e të cilit nuk varet nga formula logjike. Rregullat në paraqitjen logjike janë si më poshtë: P0 ← P1,…, Pn. Р0 quhet qëllimi, dhe Р1, Р2, ..., Рn - trupi i rregullit. Kallëzuesit P1, P2, ..., Pn janë kushtet që duhet të plotësohen për të arritur qëllimin P0 me sukses. Le të analizojmë bazat e përfundimit logjik duke përdorur shembullin e kryerjes së procedurës për përcaktimin e saktësisë së arsyetimit. Përkufizimi i arsyetimit logjikisht të saktë Kur themi se një fjali D rrjedh logjikisht nga një tjetër P, nënkuptojmë si vijon: sa herë që një fjali P është e vërtetë, atëherë fjalia D është gjithashtu e vërtetë. Në logjikën propozicionale, kemi të bëjmë me formulat P dhe D. në varësi të disa variablave X1, X2, .., Xn. Përkufizimi. Ne do të themi se formula D (X1, X2, ..., Xn) rrjedh logjikisht nga formula P (X1, X2, ..., Xn) dhe shënojmë P├ D nëse për - 35 - çdo grup vlerash X1, X2, ..., Xn nën kushtin P (X1, X2, ..., Xn) = I2, kushti D (X1, X2, ..., Xn) = I. Formula P quhet një premisa, dhe D është përfundimi i arsyetimit logjik ... Zakonisht, arsyetimi logjik nuk përdor një premisë P, por disa; në këtë rast arsyetimi do të jetë logjikisht i saktë nga lidhja e premisave përfundimi rrjedh logjikisht. Kontrolli i saktësisë së arsyetimit logjik Mënyra e parë sipas përkufizimit është: a) të shënohen të gjitha premisat dhe përfundimet në formën e formulave të logjikës së pohimeve; b) kompozoni një lidhje të ambienteve të formalizuara P1 & P2 & ... & Pn ,; c) kontrolloni sipas tabelës së së vërtetës nëse përfundimi D rrjedh nga formula P1 & P2 & ... & Pn. Metoda e dytë bazohet në shenjën e mëposhtme të pasojës logjike: "Formula D rrjedh logjikisht nga formula P nëse dhe vetëm nëse formula P | - D është një tautologji." Pastaj kontrolli i saktësisë së arsyetimit logjik reduktohet në përgjigjen e pyetjes: a është një formula një tautologji? Kjo pyetje mund të përgjigjet duke ndërtuar një tabelë të vërtetësisë për formulën, ose duke reduktuar këtë formulë duke përdorur transformime ekuivalente në një tautologji të njohur. Mënyra e tretë për të kontrolluar korrektësinë e arsyetimit logjik do të quhet e shkurtuar, pasi nuk kërkon një numërim të plotë të vlerave të variablave për të ndërtuar një tabelë të vërtetësisë. Për të vërtetuar këtë metodë, le të formulojmë një kusht në të cilin arsyetimi logjik është i pasaktë. Arsyetimi është i pasaktë nëse ka një grup vlerash për variablat X01, X02,. ., X0n e tillë që premisa D (X01, X02, .., X0n) = Л 3, dhe përfundimi P (X01, X02, .., X0n) = И. Shembull. Është dhënë arsyetimi: “Nëse bie shi, atëherë macja është në dhomë ose në bodrum. Miu është në dhomë ose në strofull. Nëse macja është në bodrum, atëherë miu është në dhomë. Nëse macja është në dhomë, atëherë miu është në vizon, dhe djathi është në frigorifer. Tani bie shi dhe djathi është në tryezë. Ku është macja dhe ku është miu?" Le të prezantojmë emërtimet e mëposhtme: D - "po bie shi"; K - "mace në dhomë"; Р - "mace në bodrum"; M - "miu në dhomë"; H - "miu në vizon"; X - "" djathë në frigorifer "; ¬X -" djathë në tryezë. "Ne marrim skemën e mëposhtme të arsyetimit: D → K | RM | NK → H & X 2 3 E vërtetë E gabuar - 36 - R → MD & ¬X --- -? Le të përdorim rregullat e përfundimit 1) D & ¬X├D; 2) D & ¬X├¬X; 3) D → K | P, D├ K | P. Më pas, merrni parasysh dy opsione: Opsioni A. Le të K. 4a) K, K → H & X, K├ H & X; 5a) H & X ├ X; 6a) ¬X, X├X & ¬X - morëm një kontradiktë, që do të thotë se supozimi ishte i gabuar dhe ky opsion është i pamundur. Pastaj 4b) Р, Р → М├М; 5b) Р, М├Р & М Përfundimi është Р & М, dmth. "macja është në bodrum, dhe miu është në dhomë" Shembull Kontrolloni saktësinë e arsyetimit në mënyrë të shkurtuar. shkoni në disko. Sot do të ketë acar ose shkrirje. Prandaj, unë do të shkoj në disko." M - "sot do të ketë ngrica"; K - "Unë do të shkoj në shesh patinazhi"; O - "sot atje do të jetë një shkrirje"; D - "Unë do Unë jam duke shkuar në disko." Skema e arsyetimit ka formën: M → KO → DM | O --- D Arsyetimi është logjikisht i saktë nëse për ndonjë grup vlerash të ndryshoreve (M, K, O, D), ditët e të cilave të gjitha premisat janë të vërteta, përfundimi është gjithashtu i vërtetë. Supozoni të kundërtën: ekziston një koleksion (M0, K0, O0.A0) i tillë që premisat janë të vërteta, por përfundimi është i rremë. Zbatimi i përkufizimeve operacionet logjike , ne do të përpiqemi të gjejmë këtë grup. Ne jemi të bindur se supozimi është i vlefshëm për vlerat e variablave - 37 - М0 = И, К0 = И, О0 = Л, Д0 = Л (Tabela 1). Prandaj, arsyetimi nuk është logjikisht i saktë. Tabela 1 Skema për zgjidhjen e problemit logjik Nr. 1 2 3 4 5 6 7 E vërtetë M0 → K0 O0 → A0 M0 ˅ O0 M0 K0 E gabuar Shënime supozojmë se premisat janë të vërteta, A0 O0 dhe përfundimi është i gabuar nga 2.4 dhe përkufizimi i nënkuptimit nga 3, 5 dhe përcaktimi i ndarjes nga 1, 6 dhe përcaktimi i nënkuptimit Një mënyrë tjetër për të zgjidhur problemin: ndërtoni një tabelë të vërtetësisë për formulën (M → K) & (O → D) & (M˅O) → D dhe sigurohuni që të mos jetë një tautologji. Atëherë, në bazë të pasojës logjike, arsyetimi nuk është logjikisht i saktë. Meqenëse katër variabla të shprehjes (M, K, O, D) janë të përfshira në arsyetim, tabela e së vërtetës do të përmbajë 16 rreshta dhe kjo metodë është e mundimshme. Me ndihmën e rregullave të konkluzionit, është e mundur të ndërtohet një arsyetim logjikisht i saktë, por jo gjithmonë është e mundur të vërtetohet pasaktësia e arsyetimit logjik. Prandaj, për këtë detyrë, më e përshtatshme është një mënyrë e shkurtuar për të kontrolluar korrektësinë e arsyetimit logjik. Për të konsoliduar rregullat e përfundimit, është e nevojshme të plotësohen ushtrimet në faqen 78. Seksionet kryesore të logjikës simbolike moderne Në zhvillimin e logjikës klasike, ekzistojnë tre faza kryesore: logjika e lashtë (rreth 500 para Krishtit - fillimi i erës sonë), skolastike logjika ( fillimi i erës sonë - gjysma e parë e shekullit XIX), logjika moderne simbolike (mesi i shekujve XIX-XX) Logjika simbolike moderne ndahet në seksione kryesore, thelbi i të cilave është shpalosur më poshtë. Logjika propozicionale (calculus propositional). Ai studion gjykime të thjeshta, të konsideruara pa marrë parasysh strukturën e tyre të brendshme, si dhe konkluzione elementare që janë më të arritshme për të kuptuarit njerëzor. Në gjuhën natyrore, gjykime të tilla të thjeshta përfaqësohen nga fjali që konsiderohen vetëm nga pikëpamja e së vërtetës ose falsitetit të tyre, dhe konkluzionet - nga sistemet përkatëse të deklaratave. - 38 - Logjika e kallëzuesit (llogaritja e kallëzuesit). Objektet më komplekse të kërkimit janë gjykimet e konsideruara duke marrë parasysh strukturën e tyre të brendshme. Seksioni i logjikës, në të cilin studiohen jo vetëm lidhjet midis gjykimeve, por edhe struktura e brendshme konceptuale e gjykimeve, quhet "logjika e kallëzuesit". Metalogjike. Metalogjika është një shtrirje e logjikës së kallëzuesit. Subjekti i studimit të saj është e gjithë sfera e marrëdhënieve në tërësi, të gjitha ato marrëdhënie universale që mund të ndodhin midis koncepteve, gjykimeve, konkluzioneve, si dhe simboleve që i tregojnë ato. Paragrafët e mëposhtëm të paragrafit paraqesin pozicionet kyçe të logjikës propozicionale dhe kallëzuesit e rendit të parë. Për të kuptuar më mirë logjikat moderne, është e nevojshme të merren parasysh dispozitat themelore të përcaktuara nga silogjizmat e Aristotelit. Logjika e Aristotelit Në logjikën e Aristotelit, struktura e gjykimeve elementare shprehet me struktura: - S është P (1); - S nuk është P (2), ku S është ndonjë lëndë logjike (nga lat. Subjectum); P - disa kallëzues logjik (nga latinishtja Predicatum). Llojet e gjykimeve të logjikës së Aristotelit janë renditur më poshtë. 1. Gjykime përgjithësisht pohuese - A "Gjithçka S është P" - Të gjithë poetët janë njerëz të impresionueshëm. Fjalët "është", "nuk është" luajnë rolin e një lidhjeje kryefjalë-kallëzues. Nga pohimet (1) dhe (2) me ndihmën e fjalëve “të gjithë” dhe “disa” ndërtohen pohime të formës: - e gjitha S është P: Lloji A (Pohimi); - disa S janë P: Lloji I (AffIrmo); - të gjitha S nuk janë P: Lloji N (Nego); - disa S nuk janë P: Lloji O (NegO). 2. Gjykimet e përgjithshme negative - E (N) "Jo S është P" - Asnjë person nuk është i gjithëdijshëm. 3. Pjesërisht pohuese - Unë "Disa S janë P" - Disa njerëz kanë flokë kaçurrela. 4. Gjykimi i pjesshëm negativ - Rreth "Disa S nuk janë P" - Disa njerëz nuk dinë të dëgjojnë. Deklaratat si A, E, I, O janë pohime të thjeshta kategorike që formojnë themelin e të gjithë logjikës aristoteliane. Midis vërtetësisë dhe falsitetit të pohimeve të tipit A, E, I, O ekziston një marrëdhënie funksionale-integrale, e cila zakonisht përshkruhet në formën e një katrori logjik (Fig. 16, Tabela 2). - 39 - Kur përdorni një katror logjik, është e rëndësishme të merrni parasysh hollësinë e mëposhtme: fjala "disa" kuptohet në një kuptim të gjerë - si "disa, dhe ndoshta të gjitha". Tabela 2 Tabela e së vërtetës për gjykimet e logjikës së Aristotelit 16. Katrori logjik Shpjegimet e katrorit logjik të Aristotelit Në të majtë këndi i sipërm katrori logjik përmban pohime të tipit A (përgjithësisht pohuese). Në këndin e sipërm të djathtë - deklarata të tipit E (përgjithësisht negative). Në këndin e poshtëm të majtë (nën A) - deklarata të tipit I (pjesërisht pohuese). Në këndin e poshtëm të djathtë (nën E) - deklarata të tipit O (pjesërisht negative). Deklaratat e llojeve A dhe O, si dhe pohimet e llojeve E dhe I, janë në lidhje me kontradiktoritetin, ose kontradiktën (marrëdhëniet diagonale). Deklaratat e llojeve A dhe E janë në lidhje me kundërvajtjen ose kundërshtimin. - 40 - Deklaratat e tipit I janë të varur (prandaj, nënkuptojnë) pohime të tipit A. Deklaratat e tipit O janë në varësi të pohimeve të tipit E. Ndërsa pohimet kontradiktore kanë vlera të kundërta të së vërtetës (njëra është e vërtetë, tjetra është e gabuar) , deklaratat kontradiktore nuk mund të jenë njëkohësisht të vërteta, por mund të jenë të rreme në të njëjtën kohë. Me ndihmën e një sheshi logjik, ju mund të nxirrni gjykime të kundërta, kontradiktore dhe vartëse, duke vendosur të vërtetën ose falsitetin e tyre. Shembulli 1. Çdo gjykim shprehet në fjalinë A → 1. 2. Asnjë gjykim nuk shprehet në fjalinë E → 0. 3. Disa gjykime nuk shprehen në fjalinë O → 0. 4. Disa gjykime shprehen në fjalinë I → 1. Përveç kësaj, duke përdorur katrorin logjik të Aristotelit, është është e mundur të vendosen llojet e marrëdhënieve ndërmjet gjykimeve: 1) marrja e njohurive për përfundimin; 2) krahasimi i këndvështrimeve të ndryshme për çështje të diskutueshme; 3) redaktimi i teksteve dhe në raste të tjera. Formalizmat e llogaritjes propozicionale Shumë modele të paraqitjes së njohurive bazohen në formalizmat e llogaritjes propozicionale dhe të kallëzuesit. Një prezantim rigoroz i këtyre teorive nga pikëpamja e logjikës klasike matematikore gjendet në veprat e Shenfield dhe Tiese; në Pospelov mund të gjendet një prezantim popullor i këtyre teorive, i cili mund të rekomandohet si një hyrje fillestare. Sipas Teyse, propozimet logjike janë një klasë fjalish të gjuhës natyrore që mund të jenë të vërteta ose të rreme, dhe llogaritja propozicionale është një degë e logjikës që studion fjali të tilla. Lind një pyetje e natyrshme: Po fjalitë e gjuhës, për të vërtetën e të cilave nuk mund të thuhet asgjë e prerë? Shembull. "Nëse bie shi nesër, unë do të qëndroj në shtëpi." Tani për tani, le të supozojmë se të gjitha fjalitë me të cilat duhet të merremi i përkasin klasës së pohimeve logjike. Deklaratat do të shënohen me shkronja të mëdha të alfabetit latin dhe një indeks, nëse kërkohet nga prezantimi. Shembuj të shënimeve të pohimeve: S, S1, S2, H, H1, H2. Siç u përmend, një deklaratë logjike është ose e vërtetë ose e rreme. Një deklarate e vërtetë i caktohet një vlerë logjike - 41 - E VËRTETË (ose DHE), e gabuar - një vlerë logjike FALSE (ose L). Kështu, vlera e së vërtetës formon një grup (I, L). Në llogaritjen propozicionale, futen pesë lidhje logjike (Tabela 3), me ndihmën e të cilave, në përputhje me rregullat e ndërtimit, hartohen formula logjike. Tabela 3 Lidhjet logjike Emri i përbashkët Lloji Shënim tjetër Shënim Negacion Unary -, ~, NOT, NOT  Lidhëz ^ Binar &,., AND, AND * Disjunction  Binary OR OSE Implikim  Binary => -> Ekuivalencë  Binare<=> <-> ~ * Shënim: të mos ngatërrohet me vlerën e vërtetë të I. Grupi i rregullave për ndërtimin e formulave logjike të bazuara në pohime përfshin tre komponentë: - bazë: çdo pohim është një formulë; - hapi i induksionit: nëse X dhe Y janë formula, atëherë X, (X ^ Y), (X  Y), X Y dhe X  Y janë formula; - kufizim: formula është marrë në mënyrë unike duke përdorur rregullat e përshkruara në bazë dhe hapin e induksionit. Formulat përcaktohen me shkronja të mëdha të alfabetit latin me indekse. Shembuj të formulave logjike janë paraqitur në shembull. Shembuj a) T = S1 ^ S2; b) N = H1H2. Shprehja a) mund të lexohet si më poshtë: "Formula logjike T është një lidhje (lidhëz logjike Dhe) e pohimeve logjike S1 dhe S2". Interpretimi i shprehjes b) është si më poshtë: "Formula logjike N është një disjuksion (lidhëz logjik OR) i mohimit (NOT) të pohimit logjik H1 dhe pohimit logjik H2". Vlera e së vërtetës së një formule logjike është një funksion i vlerave të së vërtetës së pohimeve përbërëse të saj dhe mund të përcaktohet pa mëdyshje duke përdorur tabelat e së vërtetës. Më poshtë janë tabelat e së vërtetës për mohimin dhe lidhjet binare (Tabelat 4, 5) Kështu, nëse dihen vlerat e së vërtetës për pohimet nga shembulli a), për shembull S1 = И, S2 = Л, atëherë vlera e së vërtetës për formula - 42 - T mund të gjendet në kryqëzimin e rreshtit të dytë dhe kolonës së tretë në tabelën 5, domethënë T = L. Tabela 4 Tabela e së vërtetës për mohimin ¬X И Л Л И Tabela 5 Tabela e së vërtetës për lidhjet binare XYX ^ YX YXYXY DHE DHE DHE DHE I Unë I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I. Çdo logjikë është një sistem formal për të cilin duhet të përcaktohet: - alfabeti i sistemit - një grup simbolesh të numërueshme; - formulat e sistemit - një nëngrup i të gjitha fjalëve që mund të formohen nga simbolet e përfshira në alfabet (zakonisht vendoset një procedurë që ju lejon të kompozoni formula nga simbolet e alfabetit të sistemit); - aksiomat e sistemit - një grup i zgjedhur formulash të sistemit; - rregullat e konkluzionit të sistemit - një grup i kufizuar marrëdhëniesh midis formulave të sistemit. Fjalori i llogaritjes së kallëzuesit në paraqitjen standarde përfshin konceptet e mëposhtme: - ndryshore (do t'i shënojmë me shkronjat e fundit të alfabetit anglez u, v, x, y, z); - konstante (do t'i shënojmë me shkronjat e para të alfabetit anglez a, b, c, d): o konstante individuale; o konstantet funksionale; o konstantet e kallëzuesit; - deklarata; - 43 - - lidhoret logjike (¬ (negacion), lidhëz, veçim, nënkuptim); - kuantifikuesit: (ekzistenca, universaliteti); - termat; - format funksionale; - trajtat e kallëzuesit; - atomet; - formulat. Konstante individuale dhe variabla individuale Janë të ngjashme me konstantet dhe variablat nga analiza matematikore , me të vetmin ndryshim se zona e ndryshimit të tyre janë individët, jo numrat realë. Në teorinë e inteligjencës artificiale, konstantet dhe variablat e emërtuara në kujtesën e agjentit që korrespondojnë me objektet dhe konceptet në botën reale zakonisht quhen koncepte. Në gjuhët e rendit të parë, ekzistojnë vetëm variabla individuale, kështu që ato quhen thjesht variabla. Siç do të tregohet më poshtë, përdorimi i gjuhëve të rendit të parë dhe refuzimi i përdorimit të gjuhëve të rendit më të lartë vendos kufizime shtesë në klasën e fjalive të gjuhës natyrore në shqyrtim. Konstantet individuale do të shënohen me shkronja të vogla a, b, c, u, v, w të alfabetit latin me indekse ose emra kujtues të marrë nga teksti. Për të përcaktuar variablat, do të përdoren shkronjat e vogla x, y, z, alfabeti latin me indekse. Shembull. Konstantet individuale: a1, b1, c, u, v1, shitësi_w, k22, blej_l, m10, libri_a1. Variablat: x, y2, z33. Konstantet e kallëzuesit Konstantet e kallëzuesit përdoren për të treguar marrëdhënien që përshkruan kallëzuesi. Një konstante kallëzues nuk e ndryshon vlerën e saj të së vërtetës. Ai shoqërohet me një numër të përshtatshëm argumentesh ose parametrash të quajtur terma, duke formuar një formë kallëzuesi. Emërtimi i konstantës së kallëzuesit janë emrat kujtues ose shkronja e alfabetit latin P me indekse. Gjuha e kallëzuesit përmban gjuhën e pohimeve, pasi një pohim nuk është gjë tjetër veçse një konstante kallëzues pa argumente, ose një formë kallëzuese me vend zero. Zona semantike e formës së kallëzuesit përkon me zonën e ndryshimit të pohimit, d.m.th. (Dhe, L). Konstantet funksionale Konstanta funksionale (f, g, h) si dhe konstanta e kallëzuesit, kur kombinohet me një numër të përshtatshëm termash, formon një formë funksionale. Dallimi midis një forme funksionale dhe një trajte kallëzuese është se - 44 - fusha e saj semantike përbëhet nga një grup konstantesh individuale. Një konstante funksionale zero është thjesht një konstante individuale. lidhëzat logjike në llogaritjen e kallëzuesit shërbejnë për të formuar formula. Kuantifikuesit. Në llogaritjen e kallëzuesit, përdoren dy kuantifikues: sasia e përgjithshme () dhe sasia e ekzistencës (). Shprehja xP lexohet si "për çdo x P është e vërtetë." Shprehja xP lexohet si "ka një x të tillë për të cilin P është e vërtetë". Një term është një shprehje e formuar nga variabla dhe konstante, ndoshta duke përdorur funksione. Termat, format, atomet dhe formulat në llogaritjen e kallëzuesit ndërtohen duke përdorur rregullat e mëposhtme: - çdo ndryshore ose konstante është një term; - nëse t1 ,. .., tn janë terma, dhe f është një simbol funksional n-ar, pastaj f (t1, ..., tn) është një term; - nuk ka kushte të tjera. Në fakt, të gjitha objektet në logjikën e kallëzuesit të rendit të parë përfaqësohen pikërisht në formën e termave. Nëse një term nuk përmban ndryshore, atëherë ai quhet term bazë ose konstant. Termi (t1, t2 ... tn) është çdo ndryshore dhe çdo formë funksionale. Një formë funksionale është një konstante funksionale e çiftuar me një numër të përshtatshëm termash. Nëse f është një konstante lokale funksionale dhe t1 ..., tn janë terma, atëherë forma përkatëse zakonisht shënohet me f (t1, ..., tn). Nëse n = 0, atëherë shkruhet vetëm f. Një formë kallëzuesi është një konstante kallëzuese e lidhur me një numër të përshtatshëm termash. Nëse p është konstanta m -ary korresponduese dhe t1, ..., tn janë terma, atëherë forma përkatëse shënohet me p (t1, ..., tm). Një atom është një formë kallëzuese ose ndonjë barazi, d.m.th. shprehje e tipit (s = t), ku s dhe t janë terma. Një formulë atomike ose elementare përftohet duke aplikuar një kallëzues për termat, më saktë, është një shprehje p (t1, ..., tn), ku p është një simbol i kallëzuesit n-ar (formula), dhe t1, .. ., tn janë terma. Koncepti i një formule përcaktohet në mënyrë rekursive (induktive) nga rregullat e mëposhtme: - një atom është një formulë; - nëse A është një formulë, A është një formulë; - nëse A dhe B janë formula, atëherë (A ^ B), (A  B), (A  B) dhe (A  B) janë formula; - nëse A është një formulë dhe x është një ndryshore, atëherë xA dhe xA janë formula. Le të paraqesim alfabetin e logjikës së kallëzuesit përsa i përket koncepteve. Konstante. Ato shërbejnë si emra për individët (në krahasim me emrat për agregatët): objekte, njerëz ose ngjarje. Konstantet përfaqësohen - 45 - me simbole si Jacques_2 (Shtojca 2 e fjalës Jacques tregon një person shumë specifik midis njerëzve me atë emër), Book_22, Sending_8. Variablat. Tregoni emrat e agregateve, të tilla si një person, një libër, një paketë, një ngjarje. Simboli Book_22 përfaqëson një shembull të mirëpërcaktuar dhe simboli i librit tregon ose grupin e "të gjithë librave" ose "konceptin e një libri". Simbolet x, y, z përfaqësojnë emrat e koleksioneve (bashkësi ose koncepte specifike). Emrat e kallëzuesit (konstantet e kallëzuesit). Ato përcaktojnë rregullat për bashkimin e konstantave dhe variablave, për shembull, rregullat gramatikore, procedurat, operacionet matematikore ... Simbolet si frazat e mëposhtme përdoren për emrat predikativë: Dërgo, Shkruaj, Plus, Ndani. Emrat funksionalë (konstantet e funksionit) përfaqësojnë të njëjtat rregulla si kallëzuesit. Për të mos u ngatërruar me emrat e kallëzuesit, emrat funksionalë shkruhen me shkronja të vogla: frazë, dërgo, shkruaj, plus, nda. Simbolet që përdoren për të paraqitur konstante, ndryshore, kallëzues dhe funksione nuk janë "fjalë ruse". Ato janë simbolet e njëfarë përfaqësimi - fjalët e "gjuhës së objektit" (në rastin tonë, gjuha e kallëzuesve). Prezantimi duhet të përjashtojë çdo paqartësi të gjuhës. Prandaj, emrat e individëve përmbajnë numra që u atribuohen emrave të agregateve. Jacques_1 dhe Jacques_2 përfaqësojnë dy persona me të njëjtin emër. Këto paraqitje janë thelbi i konkretizimit të emrit të koleksionit “Jacques”. Një kallëzues është një emër kallëzues së bashku me një numër të përshtatshëm termash. Kallëzuesi quhet edhe trajta e kallëzuesit. Shembull. Në Rusisht: Jacques ia dërgon librin Marie, logjikisht: Dërgimi (Jacques_2, Mari_4, Book_22). Logjika fuzzy Shfaqja e logjikave fuzzy, teoria e grupeve fuzzy dhe teorive të tjera "fuzzy" është e lidhur me punën e shkencëtarit amerikan Zadeh. Ideja kryesore e Zade ishte se mënyra njerëzore e të arsyetuarit, e bazuar në gjuhën natyrore, nuk mund të përshkruhet brenda kornizës së formalizmave tradicionale matematikore. Këto formalizma karakterizohen nga një interpretim i rreptë i paqartë dhe gjithçka që lidhet me përdorimin e një gjuhe natyrore ka një interpretim shumëvlerësh. Qëllimi i Zade ishte të ndërtonte një disiplinë të re matematikore të bazuar jo në teorinë klasike të grupeve, por në teorinë e grupeve fuzzy. Duke ndjekur vazhdimisht idenë e paqartësisë, sipas Zadeh, mund të ndërtohen analogji të paqarta të të gjitha koncepteve themelore matematikore dhe të krijohen aparatet e nevojshme formale për modelimin e arsyetimit njerëzor dhe mënyrën njerëzore të zgjidhjes së problemeve (Fig. 17). - 46 - Krijimi i teorisë së bashkësive fuzzy - Zgjidhje Teoria matematikore e bashkësive fuzzy - Baza e mekanizmit Formalizimi i arsyetimit të mënyrës njerëzore - Teza e detyrës - një person në jetën e tij të përditshme - Problemi mendon dhe merr vendime për baza e koncepteve fuzzy Fig. 17. Logjika e shfaqjes së teorisë së grupeve fuzzy Aktualisht, teoria e grupeve fuzzy dhe logjika fuzzy (fuzzy set & fuzzy logic) zë një vend të fortë midis drejtimeve kryesore të inteligjencës artificiale. Koncepti i "fuzziness", i aplikuar fillimisht në grupe, dhe më pas në logjikë, u shtri me sukses në fusha të tjera të matematikës dhe shkencave kompjuterike dhe tashmë ekziston: - teoria e marrëdhënieve fuzzy; - teoria e bashkësive fuzzy; - teoria e masave fuzzy dhe integraleve; - teoria e numrave dhe ekuacioneve fuzzy: - teoria e logjikës fuzzy dhe arsyetimi i përafërt: - teoria e gjuhëve fuzzy; - teoria e algoritmeve fuzzy; - teoria e modeleve fuzzy të optimizimit dhe vendimmarrjes. Paketat e mëposhtme janë më të njohura për klientët rusë: 1) CubiCalc 2.0 RTC - një nga sistemet më të fuqishme të ekspertëve komercialë të bazuar në logjikën fuzzy, e cila ju lejon të krijoni sistemet tuaja të ekspertëve të aplikuar; 2) CubiQuick - versioni akademik i paketës CubiCalc; 3) RuleMaker - një program për nxjerrjen automatike të rregullave fuzzy nga të dhënat hyrëse; 4) FuziCalc - një spreadsheet me fusha të paqarta që ju lejon të bëni vlerësime të shpejta me të dhëna të pasakta të njohura pa akumuluar gabime; 5) OWL - një paketë që përmban tekstet burimore të të gjitha llojeve të njohura të rrjeteve nervore, memorie asociative fuzzy, etj. "Konsumatorët" kryesorë të logjikës fuzzy në tregun rus janë: bankierë, financierë dhe specialistë në fushën e analizave politike dhe ekonomike. - 47 - Shumica e detyrave njerëzore nuk kërkojnë saktësi të lartë. Shpesh është e nevojshme të gjendet një kompromis i arsyeshëm midis koncepteve të "saktësisë" dhe "rëndësisë" kur komunikohet me botën reale. Për shembull: për të marrë një vendim për të kaluar rrugën, një person nuk e vlerëson shpejtësinë e një makine që afrohet me një saktësi prej të dhjetave të një metri për sekondë. Ai e përcakton për vete shpejtësinë e makinës si “shumë e shpejtë”, “e shpejtë”, “ngadalë” etj. përdor variabla gjuhësorë për të treguar shpejtësinë. Në teorinë e grupeve fuzzy, propozohen mënyrat e mëposhtme të formalizimit të koncepteve fuzzy. Metoda e parë (bazuar në veprat e Zadeh) përfshin refuzimin e deklaratës kryesore të teorisë klasike të grupeve se një element ose mund t'i përkasë ose jo një grupi. Në këtë rast, futet një funksion i caktuar i veçantë karakteristik - i ashtuquajturi funksion i anëtarësimit, i cili merr vlera nga një interval. Kjo metodë çon në logjikë të vazhdueshme. Me të dytën më shumë mënyrë të përgjithshme Në formalizimin e paqartësisë, supozohet se funksionet karakteristike të një grupi marrin vlera jo nga një interval, por në një rrjetë shpërndarëse të fundme ose të pafundme. Ky përgjithësim quhet grupe fuzzy në kuptimin e Gauguin. Mënyra e tretë është Komplete P-fuzzy ... Me këtë përgjithësim, çdo element i grupit universal nuk shoqërohet me një pikë në interval, por me një nëngrup ose një pjesë të këtij intervali. Algjebra e grupeve P-fuzzy mund të reduktohet në një algjebër të klasës. Mënyra e katërt është grupe heterogjene fuzzy. Këtu, në rastin e përgjithshëm, elementëve të grupit universal u caktohen vlera në rrjeta të ndryshme shpërndarëse. Çdo artikull mund të shoqërohet me notën më të përshtatshme për të. Për më tepër, vetë vlerat e vlerësimeve mund të jenë të paqarta dhe të dhëna në formën e funksioneve. Fitohet ideja e përgjithshme e logjikës fuzzy. Tani për gjithçka në më shumë detaje. Le të shqyrtojmë aparatin konceptual, i cili bazohet në konceptin e "ndryshueshme gjuhësore". Përkufizimi i një ndryshoreje gjuhësore (intuitive) 4 Nëse një variabël mund të marrë kuptimet e fjalëve në një gjuhë natyrore (për shembull, "i vogël", "i shpejtë", etj.), atëherë kjo ndryshore përkufizohet si një variabël gjuhësor. Fjalët, kuptimet e të cilave supozohen nga një variabël gjuhësor, zakonisht tregojnë grupe të paqarta. 4 Sistemet inteligjente të informacionit: Udhëzime metodologjike për praktikën laboratorike në lëndën "Sistemet inteligjente të informacionit" për studentët e specialitetit 071900 - Sistemet e informacionit në ekonomi / Ufimsk. shteti Aviacioni teknologjisë. un-t; komp.: G.G. Kulikov, T.V. Breikin, L.Z. Kamalova. - Ufa, 1999.-40 f. - 48 - Një ndryshore gjuhësore mund të marrë vlerat e saj ose fjalë ose numra. Përkufizimi i një ndryshoreje gjuhësore (formale) Një ndryshore gjuhësore quhet pesë (x, T (x), X, G, M), ku x është emri i ndryshores; T (x) - një grup emrash të vlerave gjuhësore të ndryshores x, secila prej të cilave është një grup fuzzy në grupin X; G është një rregull sintaksor për formimin e emrave të vlerave të x; M është një rregull semantik për lidhjen e çdo vlere të një vlere me konceptin e saj. Qëllimi i konceptit të një ndryshoreje gjuhësore është të thuhet në mënyrë formale se një variabël mund të marrë si kuptim një fjalë nga një gjuhë natyrore. Me fjalë të tjera, çdo variabël gjuhësor përbëhet nga: - emri; - bashkësia e vlerave të saj, e cila quhet edhe bashkësia e termave bazë T. Elementet e grupit të termave bazë janë emrat e variablave fuzzy; - grup universal X; - rregulli sintaksor G, sipas të cilit krijohen terma të rinj duke përdorur fjalë të gjuhës natyrore ose formale; - një rregull semantik P, i cili cakton një nëngrup fuzzy të grupit X për çdo vlerë të një ndryshoreje gjuhësore. Për shembull, nëse themi "shpejtësi e shpejtë", atëherë ndryshorja "shpejtësi" duhet të kuptohet si një variabël gjuhësor, por kjo nuk do të thotë se ndryshorja "shpejtësi" nuk mund të marrë vlera reale. Një ndryshore fuzzy përshkruhet nga një grup ( N, X, A), ku N është emri i një ndryshoreje, X është një grup universal (fusha e arsyetimit), A është një grup fuzzy në X. Vlerat e një ndryshoreje gjuhësore mund të jenë variabla fuzzy, dmth variabla gjuhësore është në një nivel më të lartë se ndryshorja fuzzy. Qasja kryesore për formalizimin e paqartësisë është si më poshtë. Një grup fuzzy formohet duke prezantuar një koncept të përgjithësuar të përkatësisë, d.m.th. shtrirja e grupit dy elementësh të vlerave të funksionit karakteristik (0,1) në vazhdimësi. Kjo do të thotë që kalimi nga përkatësia e plotë e një objekti në një klasë në mospërkatësinë e tij të plotë ndodh jo papritur, por pa probleme, gradualisht, dhe përkatësia e një elementi në një grup shprehet me një numër nga intervali. - 49 - Bashkësia fuzzy (NM), përkufizohet matematikisht si një grup çiftesh të renditura të përbërë nga elementët x të grupit universal X dhe shkallët përkatëse të anëtarësimit μа (x) ose (pasi funksioni i anëtarësimit është një karakteristikë shteruese e NM) drejtpërdrejt në formën e një funksioni nga bashkësia universale X e një bashkësie fuzzy A quhet domeni i përcaktimit të funksionit të anëtarësimit ма. Në fig. 18 tregon varietetet kryesore të funksioneve të anëtarësimit. Oriz. 18. Lloji i funksioneve të anëtarësimit Sipas llojit të funksioneve të anëtarësimit dallohen në: - submodale (Fig. 1. c); - amodal (Fig. 1. a); - multimodal (Fig 1. m); - unimodal (Fig 1.u). - Nje shembull. 1) A = ((x1,0.2), (x2,0.6), (x3,1), (x4,0.8)); 2) A = 0,2 | x1 + 0,6 | x2 + 1 | x3 + 0,8 | x4. 3) I njëjti shembull mund të paraqitet në formën e një tabele. Tabela 6 A = Tabela që përshkruan funksionin e anëtarësimit x1 x2 x3 x4 0.2 0.6 1 0.8 Shembull "Shumë njerëz të gjatë" Në jetën reale, një koncept i tillë si "gjatësia e një personi të gjatë" është subjektiv. Disa besojnë se një person i gjatë duhet të jetë më shumë se 170 cm në lartësi, të tjerët - më shumë se 180 cm, dhe të tjerë - më shumë se 190 cm Komplete fuzzy na lejojnë të marrim parasysh një vlerësim të tillë të paqartë. - 50 - Le të jetë x një variabël gjuhësor që tregon "lartësinë e një personi", funksionin e tij të përkatësisë në një grup njerëzish të gjatë A: X (0,1), ku X është një grup që përfshin të gjitha vlerat e mundshme të një personi. lartësia, jepet si më poshtë: Më pas grupi i "njerëzve të gjatë" jepet me shprehjen A = (x | A (x) = 1), x ϲ X. Kjo është paraqitur grafikisht në Fig. 19 (vijë e ngurtë), d.m.th. varet nga individi që bën vlerësimin. Lëreni funksionin e anëtarësimit A: X (0,1) të ketë formën e treguar në figurë me vijën me pika. Oriz. 19. Një grup i paqartë i njerëzve të gjatë Kështu, një person me lartësi 145 cm do t'i përkasë grupit A me një shkallë përkatësie A (145) = 0, një person me lartësi 165 cm - A (165) = 0,3, një lartësi prej 185 cm -A (185) = 0,9 dhe një lartësi prej 205 cm - A (205) = 1. Shembull. "A keni ftohtë tani?" Temperaturat prej + 60oF (+ 12oC) perceptohen nga njerëzit si të ftohta dhe temperaturat në + 80oF (+ 27oC) perceptohen si nxehtësi. Temperaturat prej + 65oF (+ 15oC) për disa duken të ulëta, për të tjerët mjaft të rehatshme. Ne e quajmë këtë grup përkufizimesh funksioni i përkatësisë në grupe që përshkruajnë perceptimin subjektiv të temperaturës nga një person. Makinat nuk janë të afta për një shkallëzim kaq të imët. Nëse standardi për përcaktimin e të ftohtit është "temperatura nën + 15oC", atëherë + 14.99oC do të konsiderohet si e ftohtë, por + 15oC jo. Në fig. 20. Një grafik është paraqitur për t'ju ndihmuar të kuptoni se si një person e percepton temperaturën. Është po aq e lehtë për të krijuar grupe shtesë që përshkruajnë perceptimin e temperaturës nga një person. Për shembull, mund të shtoni grupe të tilla si "shumë ftohtë" dhe "shumë nxehtë". Funksione të ngjashme mund të përshkruhen për koncepte të tjera si gjendjet e hapura dhe të mbyllura, temperatura e ftohësit — 51 — ose temperatura e kullës së ftohësit. Oriz. 20. Kompleti fuzzy "Temperatura" Kështu, mund të nxirren përfundimet e mëposhtme për thelbin e konceptit të "bashkësisë fuzzy": 1) grupet fuzzy përshkruajnë koncepte të pacaktuara (vrapues i shpejtë, ujë i nxehtë, mot i nxehtë); 2) grupet e paqarta lejojnë mundësinë e përkatësisë së pjesshme të tyre (e premtja është pjesërisht ditë pushimi (e shkurtuar), moti është mjaft i nxehtë); 3) shkalla e përkatësisë së një objekti në një grup fuzzy përcaktohet nga vlera përkatëse e funksionit të anëtarësimit në interval (e premtja i përket fundjavave me një shkallë anëtarësimi 0,3); 4) funksioni i anëtarësimit lidh objektin (ose variablin logjik) me vlerën e shkallës së anëtarësimit të tij në një grup fuzzy. Format e kurbave për caktimin e funksioneve të anëtarësimit Ekzistojnë mbi një duzinë kurba tipike për caktimin e funksioneve të anëtarësimit. Më të përhapurit janë: funksionet e anëtarësimit trekëndor, trapezoid dhe Gaussian. Funksioni i anëtarësimit trekëndor përcaktohet nga një treshe numrash (a, b, c), dhe vlera e tij në pikën x llogaritet sipas shprehjes (1).  bx 1  b  a, a  x  b;  c  x MF (x)  , b  x  c; c  b  0, në të gjitha rastet e tjera   - 52 - (1) Për (ba) = (cb) kemi rastin e një funksioni simetrik të anëtarësimit trekëndor (Fig. 21), i cili mund të specifikohet në mënyrë unike nga dy parametrat nga trefishi (a , b, c). Oriz. 21. Funksioni i anëtarësimit trekëndor Në mënyrë të ngjashme, për të vendosur funksionin e anëtarësimit trapezoid, nevojiten katër numra (a, b, c, d).  bx 1  b  a, a  x  b;  1, b  x  c; MF (x)   d  x, c  x  d; d c 0, në të gjitha rastet e tjera  (2) Kur (b-a) = (d-c), funksioni i anëtarësimit trapezoid merr një formë simetrike (Fig. 22). Oriz. 22. Funksioni i anëtarësimit trapezoid Bashkësia e funksioneve të anëtarësimit për çdo term nga bashkësia e termave bazë T zakonisht paraqiten së bashku në një grafik. Në fig. 23, paraqitet formalizimi i konceptit të pasaktë të “Epokës njerëzore”. Pra, për një person 48-vjeçar, shkalla e përkatësisë në grupin "I ri" është 0, "Mesatarja" - 0.47, "Mbi mesataren" - 0.20. - 53 - Fig. 23. Përshkrimi i ndryshores gjuhësore "Mosha e njeriut" Veprimet bazë në bashkësitë fuzzy Operacionet bazë në IS nga klasa e të gjitha IS F (X) = ( | : X ) të grupit universal X janë paraqitur më poshtë. 1. Mbledhja 5  2 =   = 1-  1,  x  X Fig. 24. Orari i operacionit “Komplement” mbi funksionin M 2. Kryqëzimi I (minimumi: variabla jo bashkëveprues).  3 = ( 1   2) (x) = min ( 1 (x),  2 (x)),  x  X 3. Bashkimi I (maksimumi: ndryshore jondërvepruese).  3 = ( 1   2) (x) = max ( 1 (x),  2 (x)),  x  X 4. Kryqëzimi II (produkti i kufizuar).  3 = ( 1   2) (x) = max (0,  1 (x) +  2 (x) -1),  x  X 5. Bashkimi II (maksimumi: sasi e kufizuar).  3 = ( 1   2) (x) = min (1,  1 (x) +  2 (x)),  x  X 6. Kryqëzimi III (produkti algjebrik). 5 Në vijim, veprimet që janë të njëjta për të tre bazat shfaqen në një sfond të verdhë. - 54 -  3 = ( 1   2) (x) =  1 (x) *  2 (x),  x  X 7. Bashkimi III (shuma algjebrike).  3 = ( 1   2) (x) =  1 (x) +  2 (x) -  1 (x)   2 (x),  x  X А В Fig. 25. Grafiku i veprimit të kryqëzimit I (A) të bashkësisë I (B) të funksioneve M dhe M1 A B Fig. 26. Grafiku i veprimit të kryqëzimit II (A) të bashkësisë II (B) të funksioneve M dhe M1 A B Fig. 27. Grafiku i veprimit të kryqëzimit III (A) të bashkësisë III (B) të funksioneve M dhe M1 - 55 - 8. Diferenca.  3 =  1 (x) -  2 (x) = max (0,  1 (x) -  2 (x)),  x  X 9. Përqendrimi.  3 =  2 (x),  x  X Fig. 28. Grafiku i dallimit ndërmjet funksioneve M dhe M1 Fig. 29. Grafiku i përqendrimit të funksionit M1 Në ndryshim nga algjebra e Bulit, në F (X) nuk plotësohen ligjet e përjashtimit të të tretës. Kur ndërtoni operacione bashkimi ose kryqëzimi në F (X), është e nevojshme të hidhni poshtë ose ligjet e përjashtimit të të tretës, ose pronën e shpërndarjes dhe idempotencës. Objektet fuzzy mund të klasifikohen sipas llojit të gamës së vlerave të funksionit të anëtarësimit. Dhe këtu dallohen variantet X: - grilë; - gjysmëgrupi; - unazë; - kategori. Rasti i grupeve S-fuzzy të përcaktuara nga çifti (X, ), ku - 56 - : XS është një hartë nga X në një bashkësi të renditur në mënyrë lineare S Është e natyrshme të imponohen kërkesat e fundësisë dhe plotësimit në S. Një shembull i një grupi të fundëm të renditur në mënyrë lineare është një grup vlerash gjuhësore të ndryshores gjuhësore "QUALITY" = (i keq, mesatar, i mirë, i shkëlqyer). N 1 2 3 4 5 6 7 8 9 Tabela 7 Tabela e korrespondencës së operacioneve mbi grupet fuzzy dhe funksionet logjike Emri i veprimit Modifikuesi / lidhja Komplement NOT Kryqëzim (minimumi: AND (AND, ..., AND) variabla jondërveprues) Bashkimi I ( maksimumi: OSE variabla jo bashkëvepruese) (OSE, ..., OSE) Kryqëzimi II (i kufizuar DHE produkti) Bashkimi II (i kufizuar DHE produkti) OSE Kryqëzimi III (algjebrike DHE produkti) Bashkimi III (shuma algjebrike) OSE Diferenca Përqendrimi SHUMË Siç tregohet, varësisht Nga metodat e prezantimit të operacioneve të bashkimit dhe kryqëzimit të IS, ekzistojnë tre teori kryesore të IS. Në përputhje me kritere të ngjashme, ato ndajnë: - logjikën fuzzy me operacionet maksimale (operacionet 1,2,3,8,9); - logjikë fuzzy me operacione të kufizuara (operacionet 1,4,5,8,9); - logjika fuzzy probabilistike (veprimet 1,6,7,8,9). Interpretimi i së vërtetës si variabël gjuhësor të çon në logjikën e paqartë me kuptimet "e vërtetë", "shumë e vërtetë", "përsosmërisht e vërtetë", "pak a shumë e vërtetë", "jo shumë e vërtetë", "e rreme" etj. , d.m.th. te logjika fuzzy mbi të cilën bazohet teoria e arsyetimit të përafërt. Fushat e zbatimit të teorisë së grupeve fuzzy në fusha të ndryshme të njohurive njerëzore.

Shteti i Armavirit

Universiteti Pedagogjik

THEMELET E INTELIGJENCES ARTIFICIALE

për studentët që studiojnë në specialitetin "Informatikë"

Armavir 2004

Publikuar me vendim të UMS ASPU

Recensues:, Kandidat i Shkencave Fizike dhe Matematikore, Profesor i Asociuar, Drejtues i Qendrës së Internetit të Akademisë Bujqësore Shtetërore Kabardino-Balkariane

Kozyrev i inteligjencës artificiale. Udhëzues studimi për studentët që studiojnë në specialitetin "shkenca kompjuterike". - Armavir, 2004.

Konsiderohet konceptet bazë inteligjenca artificiale, drejtimet dhe perspektivat për zhvillimin e kërkimeve në fushën e inteligjencës artificiale, bazat e gjuhës së programimit logjik PROLOGUE.

Manuali i trajnimit është i destinuar për studentët që studiojnë në specialitetin "shkenca kompjuterike", dhe gjithashtu mund të përdoret nga të gjithë ata që janë të interesuar në inteligjencën artificiale dhe programimin logjik.

Hyrje ………………………………………………………………………………………… 4

1. Inteligjenca artificiale: lënda, historia
zhvillimi, drejtimet e kërkimit …… .. …………………… .. 5

1.1. Drejtimet kërkimore në terren
inteligjenca artificiale………………………………………………… .. 5

inteligjenca artificiale…………………………………………………………… ..... 6

2. Sistemi i njohurive …………………………………………………………… .. 8

3. Modelet e përfaqësimit të njohurive ……………………………………. 9

3.1. Rrjetet semantike ………………………………………………… ..9

3.2. Modeli i kornizës ……………………………………………………… 10

3.3. Modeli i prodhimit ……………………………………………… ..11

3.4. Modeli logjik ………………………………………………………. .12

4. Sistemet e ekspertëve ……………………………………………… 12

4.1. Emërimi i sistemeve të ekspertëve ………………………………………… .12

4.2. Llojet e detyrave të zgjidhura me ndihmën e sistemeve eksperte …………… .14

4.3. Struktura e sistemeve të ekspertëve ………………………………………… 15

4.4. Fazat kryesore të zhvillimit të sistemeve të ekspertëve ………………………… 16

4.5. Mjetet e zhvillimit të sistemeve të ekspertëve ……… 18

5. PROLOGU - gjuhë programimi logjik ……… .19

5.1. Informacione të përgjithshme rreth PROLOGUT …………………………………………… 19

5.2. Sugjerime: fakte dhe rregulla ………………………………………… 20

5.4. Variablat në PROLOGUE ……………………………………………… 22

5.5. Objektet dhe llojet e të dhënave në PROLOGUE ………………………………… 23

5.6. Seksionet kryesore të programit PROLOG ……………………………… .23

5.7. Kthimi prapa ………………………………………………… 24

5.8. Kontrollimi i përcjelljes prapa: Dështimi dhe prerja e kallëzuesve …… 26

5.9. Llogaritjet aritmetike ………………………………………… 27

5.10. Rekursion ……………………………………………………………… .28

5.11. Listat …………………………………………………………………… 30

5.12. Detyrat standarde të përpunimit të listës …………………………….… .31

literatura………………………………………………………………………………………… .35

Prezantimi

Në dekadat e fundit, inteligjenca artificiale ka pushtuar të gjitha sferat e veprimtarisë, duke u bërë një mjet për integrimin e shkencave. Mjetet softuerike të bazuara në teknologji dhe metoda të inteligjencës artificiale janë bërë të përhapura në botë. Të gjitha vendet e zhvilluara ekonomikisht kanë filluar të kryejnë kërkime intensive për krijimin e një hapësire të vetme informacioni që krijon kushte për punë të përbashkët në distancë bazuar në bazat e njohurive. Lënda "Bazat e inteligjencës artificiale" në arsimin e lartë përfshin studimin e seksioneve të tilla si prezantimi i njohurive në një gjuhë zyrtare, struktura e sistemeve të ekspertëve dhe parimet bazë të zhvillimit të tyre, strategji të ndryshme për gjetjen e një qëllimi. Një nga linjat kryesore të lëndës është diskutimi i zbatimit të sistemeve të inteligjencës artificiale për zgjidhjen e problemeve specifike të aplikuara.

Një mjedis zhvillimi instrumental konsiderohet si një mbështetje kompjuterike për kursin. Programet vizuale Prolog. Gjuha e programimit Prolog, e bazuar në idetë dhe metodat e logjikës matematikore, u krijua fillimisht për zhvillimin e aplikacioneve të inteligjencës artificiale. Aplikacione të tilla si bazat e njohurive, sistemet e ekspertëve, ndërfaqet e gjuhëve natyrore dhe sistemet inteligjente të menaxhimit të informacionit janë programuar në mënyrë efektive në mjedisin Visual Prolog. Niveli i lartë i abstraksionit, aftësia për të përfaqësuar struktura komplekse të të dhënave dhe për të simuluar marrëdhëniet logjike midis objekteve lejojnë zgjidhjen e problemeve të fushave të ndryshme lëndore.

Manuali edukativo-metodologjik "Bazat e inteligjencës artificiale" do të ndihmojë në zgjerimin e ideve të mësuesit të ardhshëm të shkencave kompjuterike për fushat e aplikimit të teorisë së inteligjencës artificiale, për gjuhët e disponueshme dhe premtuese të programimit dhe strukturat e harduerit për krijimin artificial. sistemet e inteligjencës.

1. Inteligjenca artificiale: lënda, historia e zhvillimit, drejtimet kërkimore.

Unëtellektus(lat) - mendja, arsyeja, arsyeja, aftësitë e të menduarit të një personi. Inteligjence artificiale(AI) është një fushë e shkencës kompjuterike, lënda e së cilës është zhvillimi i mjeteve harduerike dhe softuerike që lejojnë përdoruesin të zgjidhë probleme që tradicionalisht konsiderohen inteligjente. Teoria e inteligjencës artificiale është shkenca e njohurive, si ta nxjerrim atë, ta përfaqësojmë atë në sisteme artificiale, ta përpunojmë brenda sistemit dhe ta përdorim atë për zgjidhjen e problemeve praktike. Teknologjitë e AI përdoren sot në shumë fusha aplikimi.

Fillimi i kërkimit në fushën e AI (fundi i viteve 1950) lidhet me veprat e Newell, Syman dhe Shaw, të cilët hetuan proceset e zgjidhjes së problemeve të ndryshme. Rezultatet e punës së tyre ishin programe të tilla si "LOGIK-TEORETIK", të destinuara për vërtetimin e teoremave në llogaritjen propozicionale dhe "ZGJIDHJA E PËRGJITHSHME E PROBLEMIT". Këto punime shënuan fillimin e fazës së parë të kërkimit në fushën e AI, lidhur me zhvillimin e programeve që zgjidhin probleme bazuar në përdorimin e metodave të ndryshme heuristike.

Në këtë rast, metoda heuristike për zgjidhjen e një problemi u konsiderua si karakteristikë e të menduarit njerëzor "në përgjithësi", e cila karakterizohet nga shfaqja e supozimeve për mënyrën e zgjidhjes së problemit me verifikimin e tyre të mëvonshëm. Ai ishte kundër metodës algoritmike të përdorur në kompjuter, e cila u interpretua si zbatimi mekanik i një sekuence të caktuar hapash, duke çuar në mënyrë deterministe në përgjigjen e saktë. Interpretimi i metodave heuristike për zgjidhjen e problemeve si një aktivitet thjesht njerëzor çoi në shfaqjen dhe përhapjen e mëtejshme të termit AI.

A. Neurocibernetika.

Neurociberitika është e përqendruar në modelimin harduerik të strukturave të ngjashme me strukturën e trurit. Fiziologët kanë vërtetuar prej kohësh se baza e trurit të njeriut është një numër i madh i qelizave nervore të ndërlidhura dhe ndërvepruese - neurone. Prandaj, përpjekjet e neurokibernetikës u përqendruan në krijimin e elementeve të ngjashëm me neuronet dhe kombinimin e tyre në sisteme funksionale. Këto sisteme zakonisht quhen rrjete nervore, ose rrjete nervore. Kohët e fundit, neurokibernetika ka filluar të zhvillohet përsëri për shkak të një hapi në zhvillimin e kompjuterëve. U shfaqën neurokompjuterë dhe transmetues.

Aktualisht, tre qasje përdoren për të krijuar rrjete nervore:

hardware- Krijimi i kompjuterëve të posaçëm, tabelave të zgjerimit, çipave që zbatojnë të gjitha algoritmet e nevojshme,

program- krijimi i programeve dhe mjeteve të dizajnuara për kompjuterë me performancë të lartë. Rrjetet krijohen në memorien e kompjuterit, e gjithë puna kryhet nga procesorët e tij;

hibrid- një kombinim i dy të parave. Një pjesë e llogaritjeve kryhen nga pllaka speciale të zgjerimit (koprocesorë), dhe një pjesë nga softueri.

B. Kibernetika e "kutisë së zezë".

Kibernetika e "kutisë së zezë" bazohet në parimin e kundërt me neurocibernetikën. Nuk ka rëndësi se si funksionon pajisja "të menduarit". Gjëja kryesore është se ai reagon ndaj ndikimeve të dhëna hyrëse në të njëjtën mënyrë si truri i njeriut.

Ky drejtim i inteligjencës artificiale u fokusua në gjetjen e algoritmeve për zgjidhjen e problemeve inteligjente në modelet ekzistuese kompjuterike.

Kërkimet në fushën e inteligjencës artificiale kanë bërë një rrugë të gjatë dhe të mprehtë: hobet e para (1960), pseudoshkenca (1960-65), sukseset në zgjidhjen e enigmave dhe lojërave (), zhgënjimi në zgjidhjen e problemeve praktike (), sukseset e para në zgjidhja e një numri problemesh praktike ( ), përdorimi masiv komercial në zgjidhjen e problemeve praktike (). Por baza e suksesit tregtar është formuar me të drejtë nga sisteme ekspertësh dhe, para së gjithash, sisteme ekspertësh në kohë reale. Ishin ata që lejuan inteligjencën artificiale të kalonte nga lojërat dhe enigmat në përdorim masiv për zgjidhjen e problemeve praktikisht të rëndësishme.

1.2. Detyrat kryesore të zgjidhura në terren
inteligjence artificiale

Përfaqësimi i njohurive dhe zhvillimi i sistemeve të bazuara në njohuri

Zhvillimi i modeleve të përfaqësimit të njohurive, krijimi i bazave të njohurive që përbëjnë thelbin e sistemeve të ekspertëve (ES). Kohët e fundit, ai përfshin modele dhe metoda për nxjerrjen dhe strukturimin e njohurive dhe shkrihet me inxhinierinë e njohurive. Në fushën e inteligjencës artificiale, sistemet eksperte dhe mjetet për zhvillimin e tyre kanë arritur suksesin më të madh tregtar.

Lojëra dhe kreativitet.

Detyrat intelektuale të lojës - shah, damë, shkoni. Ai bazohet në një nga qasjet e hershme - modelin e labirintit plus heuristikën.

Zhvillimi i ndërfaqeve të gjuhëve natyrore dhe përkthimi me makinë

Kontroll zanor, përkthim nga gjuha në gjuhë. Programi i parë në këtë fushë është një përkthyes nga anglishtja në rusisht. Ideja e parë, përkthimi fjalë për fjalë, doli e pafrytshme. Aktualisht, përdoret një model më kompleks, duke përfshirë analizën dhe sintezën e mesazheve të gjuhës natyrore, i cili përbëhet nga disa blloqe. Për analizë, këto janë:

Gjuha që përdor modelin e prodhimit është PROLOGUE.

3.4. Modeli logjik

Përshkrimi i tyre bazohet në një sistem formal me katër elementë:

M =<Т, Р, А, В >, ku

T - një grup elementesh bazë të natyrës së ndryshme me procedura të përshtatshme;

P është një grup rregullash sintaksore. Me ndihmën e tyre, nga elementët T formohen koleksione të sakta sintaksore. Procedura P (R) përcakton nëse ky grup është i saktë;

A është një nëngrup i grupit P, i quajtur aksioma. Procedura P (A) i jep përgjigje pyetjes për përkatësinë në bashkësinë A;

B - një grup rregullash konkluzionesh. Duke i zbatuar ato në elementët e A, ju mund të merrni koleksione të reja sintaksisht të sakta për të cilat mund t'i zbatoni përsëri këto rregulla. Procedura P (B) përcakton, për çdo koleksion të saktë sintaksor, nëse ai është i deduktueshëm.

4. Sistemet eksperte

4.1. Emërimi i sistemeve të ekspertëve

Sistemet eksperte(ES) janë sisteme softuerike komplekse që grumbullojnë njohuritë e specialistëve në fusha specifike lëndore dhe përsërisin këtë përvojë empirike për këshillimin e përdoruesve më pak të kualifikuar.

Qëllimi i studimit të sistemeve të ekspertëve është zhvillimi i programeve që, kur zgjidhin probleme nga një fushë e caktuar lëndore, marrin rezultate që nuk janë inferiore në cilësi dhe efikasitet ndaj rezultateve të marra nga ekspertët.

Sistemet e ekspertëve janë krijuar për të zgjidhur detyra praktike dhe joformalizuese. Përdorimi i një sistemi ekspert duhet të përdoret vetëm kur zhvillimi i tyre është i mundur dhe i përshtatshëm.

Fakte që tregojnë nevojën për të zhvilluar dhe zbatuar sisteme ekspertësh:

Mungesa e profesionistëve që shpenzojnë kohë të konsiderueshme për të ndihmuar të tjerët;

Nevoja për një ekip të madh specialistësh, pasi asnjëri prej tyre nuk ka njohuri të mjaftueshme;

Produktivitet i ulët, pasi detyra kërkon një analizë të plotë të një grupi kompleks kushtesh, dhe një specialist i zakonshëm nuk është në gjendje të shikojë (në kohën e caktuar) të gjitha këto kushte;

Prania e konkurrentëve të cilët kanë avantazhin se bëjnë një punë më të mirë në një detyrë të caktuar.

Nga funksionale Sistemet e ekspertëve mund të ndahen në llojet e mëposhtme:

1. Sisteme të fuqishme ekspertësh të dizajnuara për një rreth të ngushtë përdoruesish (sistemet e kontrollit për pajisjet komplekse teknologjike, sistemet e ekspertëve të mbrojtjes ajrore). Sisteme të tilla zakonisht funksionojnë në kohë reale dhe janë shumë të shtrenjta.

2. Sisteme eksperte të dizajnuara për një gamë të gjerë përdoruesish. Këto përfshijnë sisteme diagnostikuese mjekësore, sisteme komplekse trajnimi. Baza e njohurive të këtyre sistemeve nuk është e lirë, pasi përmban njohuri unike të marra nga ekspertë. Mbledhja e njohurive dhe formimi i një baze njohurish kryhet nga një specialist i mbledhjes së njohurive - një inxhinier njohës.

3. Sisteme eksperte me pak rregulla dhe relativisht të lira. Këto sisteme janë të destinuara për publikun e gjerë (sisteme që e bëjnë më të lehtë zgjidhjen e problemeve të harduerit). Përdorimi i sistemeve të tilla bën të mundur që të bëhet pa personel shumë të kualifikuar, për të zvogëluar kohën e zgjidhjes së problemeve. Baza e njohurive të një sistemi të tillë mund të plotësohet dhe ndryshohet pa përdorur ndihmën e zhvilluesve të sistemit. Ata zakonisht përdorin njohuri nga manuale të ndryshme referimi dhe dokumentacioni teknik.

4. Sisteme të thjeshta ekspertësh për përdorim individual. Shpesh bëhet në mënyrë të pavarur. Përdoret në situata për të lehtësuar punën e përditshme. Përdoruesi, pasi ka organizuar rregullat në një bazë të caktuar njohurish, krijon sistemin e tij të ekspertëve mbi bazën e tij. Sisteme të tilla përdoren në jurisprudencë, aktivitete tregtare dhe riparimin e pajisjeve të thjeshta.

Përdorimi i sistemeve të ekspertëve dhe i rrjeteve nervore sjell përfitime të konsiderueshme ekonomike. Për shembull: - American Express reduktoi humbjet e saj me 27 milionë dollarë në vit falë një sistemi ekspertësh që përcakton këshillueshmërinë e lëshimit ose refuzimit të një kredie për një firmë të caktuar; - DEC kursen 70 milion dollarë në vit me XCON / XSEL, i konfigurueshëm me porosi sistemi informatik VAX. Përdorimi i tij reduktoi numrin e gabimeve nga 30% në 1%; - Sira ka ulur kostot e ndërtimit të tubacioneve në Australi me 40 milionë dollarë me një sistem ekspertësh të tubacionit.

4.2. Llojet e detyrave të zgjidhura me
sistemet eksperte

Interpretimi i të dhënave... Interpretimi i referohet përcaktimit të kuptimit të të dhënave, rezultatet e të cilave duhet të jenë të qëndrueshme dhe të sakta. Shembuj të ES:

Zbulimi dhe identifikimi i llojeve të ndryshme të anijeve oqeanike - SIAP;

Përcaktimi i tipareve bazë të personalitetit bazuar në rezultatet e testimit psikodiagnostik në sistemet AUTANTEST dhe MICROLUSHER etj.

Diagnostifikimi... Diagnostifikimi i referohet zbulimit të një mosfunksionimi në një sistem të caktuar. Shembuj të ES:

Diagnostifikimi dhe terapia e vazokonstriksionit koronar - ANGY;

Diagnostifikimi i gabimeve në harduer dhe softuer kompjuterik - sistemi CRIB etj.

Monitorimi... Detyra kryesore e monitorimit është interpretimi i vazhdueshëm i të dhënave në kohë reale dhe sinjalizimi se disa parametra janë jashtë kufijve të lejuar. Problemet kryesore janë "kalimi" i situatës alarmante dhe detyra e kundërt e ndezjes "false". Shembuj të ES:

Kontrolli mbi funksionimin e termocentraleve SPRINT, ndihmë për dispeçerët e një reaktori bërthamor - REAKTOR:

Kontrolli i sensorëve të emergjencës në një fabrikë kimike - FALCON, etj.

Dizajn... Dizajni konsiston në përgatitjen e specifikimeve për krijimin e "objekteve" me veti të paracaktuara. Specifikimi i referohet të gjithë grupit të dokumenteve të nevojshme, vizatimit, shënimit shpjegues, etj. Shembuj të ES:

Dizajni i konfigurimeve kompjuterike VAX - 1/780 në sistemin XCON (ose R1),

dizajn LSI - CADHELP;

Sinteza e qarqeve elektrike - SYN etj.

parashikimi. Sistemet parashikuese nxjerrin logjikisht pasoja të mundshme nga situata të caktuara. Shembuj të ES:

Parashikimi i motit - sistemi WILLARD:

Vlerësimet e të korrave të ardhshme - PI. ANT;

Parashikimet në ekonomi - ECON et al.

Planifikimi. Planifikimi i referohet gjetjes së planeve të veprimit në lidhje me objektet që janë të afta të kryejnë disa funksione. Në ES të tilla, përdoren modele të sjelljes së objekteve reale për të nxjerrë logjikisht pasojat e aktivitetit të planifikuar. Shembuj të ES:

Planifikimi i sjelljes së robotëve - RIPS,

Planifikimi i porosive industriale - 1SIS,

Planifikimi i eksperimentit - MOLGEN et al.

Arsimi. Sistemet e të mësuarit diagnostikojnë gabimet në studimin e një disipline duke përdorur një kompjuter dhe sugjerojnë vendimet e duhura. Ata grumbullojnë njohuri për një “nxënës” hipotetik dhe gabimet e tij karakteristike, pastaj në punën e tyre arrijnë të diagnostikojnë dobësitë e njohurive të nxënësve dhe të gjejnë mjetet e duhura për t'i eliminuar ato. Shembuj të ES:

Mësimi i gjuhës programuese Lisp në sistemin Lisp Teacher;

Sistemi PROUST - mësimi i gjuhës Pascal etj.

Zgjidhjet e sistemeve të ekspertëve janë transparente, domethënë ato mund t'i shpjegohen përdoruesit në një nivel cilësor.

Sistemet e ekspertëve janë në gjendje të plotësojnë njohuritë e tyre gjatë ndërveprimit me një ekspert.

4.3. Struktura e sistemeve eksperte

Struktura e sistemeve të ekspertëve përfshin komponentët e mëposhtëm:

Njohuri baze- thelbi i ES, trupi i njohurive të fushës lëndore, i regjistruar në një medium makinerie në një formë të kuptueshme për një ekspert dhe një përdorues (zakonisht në një gjuhë afër natyrore). Paralelisht me këtë përfaqësim "njerëzor", ekziston një bazë njohurish në përfaqësimin e brendshëm "makine". Ai përbëhet nga një grup faktesh dhe rregullash.

Fakte - përshkruani objektet dhe marrëdhëniet ndërmjet tyre. Rregullat - Përdoren në bazën e njohurive për të përshkruar marrëdhëniet midis objekteve. Konkluzioni bëhet në bazë të marrëdhënieve të përcaktuara nga rregullat.

Baza e të dhënave- ka për qëllim ruajtjen e përkohshme të fakteve dhe hipotezave, përmban të dhëna të ndërmjetme ose rezultat të komunikimit midis sistemeve dhe përdoruesit.

Konkluzioni i makinës- një mekanizëm arsyetimi që funksionon me njohuri dhe të dhëna për të marrë të dhëna të reja; për këtë, zakonisht përdoret një mekanizëm i implementuar me softuer për gjetjen e zgjidhjeve.

Nënsistemi i komunikimit- shërben për të zhvilluar një dialog me përdoruesin, gjatë të cilit sistemi ekspert i kërkon përdoruesit faktet e nevojshme për procesin e arsyetimit, si dhe i lejon përdoruesit të kontrollojë deri diku rrjedhën e arsyetimit.

Shpjegoni nënsistemin- është e nevojshme për t'i dhënë përdoruesit aftësinë për të kontrolluar rrjedhën e arsyetimit.

Nënsistemi i përvetësimit të njohurive- një program që i siguron një inxhinieri njohurish aftësinë për të krijuar baza njohurish në një mënyrë interaktive. Përfshin një sistem menysh të ndërlidhura, shabllone gjuhësore të përfaqësimit të njohurive, këshilla ("ndihmë" - modaliteti) dhe mjete të tjera shërbimi që lehtësojnë punën me bazën e të dhënave.

Sistemi ekspert funksionon në dy mënyra:

Përvetësimi i njohurive (përkufizimi, modifikimi, shtimi);

Zgjidhja e problemeve.

Në këtë mënyrë, të dhënat mbi detyrën përpunohen dhe, pas kodimit të duhur, transferohen në blloqet e sistemit ekspert. Rezultatet e përpunimit të të dhënave të marra dërgohen në modulin e këshillave dhe shpjegimeve dhe, pasi shndërrohen në një gjuhë të përafërt me natyrën, jepen në formën e këshillave, shpjegimeve dhe komenteve. Nëse përgjigja nuk është e qartë për përdoruesin, ai mund të kërkojë një shpjegim nga sistemi ekspert për ta marrë atë.

4.4. Fazat kryesore të zhvillimit të sistemeve të ekspertëve

Procesi teknologjik i zhvillimit të një sistemi ekspert industrial mund të ndahet në gjashtë faza kryesore:

1. Zgjedhja e problemit të duhur

Aktivitetet që çojnë në vendimin për të filluar zhvillimin e një ES specifike përfshijnë:

Përcaktimi i fushës së problemit dhe detyrës;

Gjetja e një eksperti të gatshëm për të bashkëpunuar në zgjidhjen e problemit dhe caktimi i një ekipi zhvillimi;

Përcaktimi i një qasjeje paraprake për zgjidhjen e problemit;

Analiza e kostove dhe përfitimeve nga zhvillimi;

Përgatitja e një plani të detajuar zhvillimi.

2. Zhvillimi i një sistemi prototip

Sistemi prototipështë një version i cunguar i sistemit të ekspertëve, i krijuar për të kontrolluar korrektësinë e kodimit të fakteve, marrëdhënieve dhe strategjive të arsyetimit të ekspertëve.

Prototipi duhet të plotësojë dy kërkesa:

Një sistem prototip duhet të zgjidhë problemet më të zakonshme, por nuk duhet të jetë as i madh.

Koha dhe përpjekja e përfshirë në krijimin e prototipit duhet të jenë të papërfillshme.

Puna e programeve prototip vlerësohet dhe verifikohet për ta sjellë atë në përputhje me nevojat reale të përdoruesve. Prototipi kontrollohet për:

Komoditeti dhe përshtatshmëria e ndërfaqeve hyrje-dalje (natyra e pyetjeve në dialog, konsistenca e tekstit dalës të rezultatit, etj.)

Efektiviteti i strategjisë së kontrollit (rendi i numërimit, përdorimi i konkluzioneve fuzzy, etj.);

Cilësia e rasteve të testimit;

Korrektësia e bazës së njohurive (plotësia dhe konsistenca e rregullave).

Një ekspert zakonisht punon me një inxhinier njohurish i cili ndihmon në strukturimin e njohurive, përcaktimin dhe formimin e koncepteve dhe rregullave të nevojshme

për të zgjidhur problemin. Nëse është i suksesshëm, eksperti, me ndihmën e Inxhinierit të Njohjes, zgjeron bazën e njohurive të prototipit rreth fushës së problemit.

Nëse dështon, mund të konkludohet se. Cilat metoda të tjera nevojiten për të zgjidhur këtë problem ose për të zhvilluar një prototip të ri.

3. Zhvillimi i një prototipi të një sistemi ekspert industrial.

Në këtë fazë, baza e njohurive zgjerohet ndjeshëm, shtohen një numër i madh i heuristikave shtesë. Këto heuristika zakonisht rrisin thellësinë e sistemit duke ofruar më shumë rregulla për aspektet delikate të rasteve individuale. Pas krijimit të strukturës bazë të ES, inxhinieri i njohurive vazhdon me zhvillimin dhe përshtatjen e ndërfaqeve, me ndihmën e të cilave sistemi do të komunikojë me përdoruesin dhe ekspertin.

Si rregull, realizohet një tranzicion i qetë nga prototipet në sistemet e ekspertëve industrialë. Ndonjëherë, kur zhvillohet një sistem industrial, dallohen faza shtesë për tranzicionin: prototip demonstrues - prototip kërkimor - prototip pune - sistem industrial.

4. Vlerësimi i sistemit

Sistemet e ekspertëve vlerësohen për të kontrolluar saktësinë e programit dhe dobinë e tij. Vlerësimi mund të kryhet në bazë të kritereve të ndryshme, të cilat do t'i grupojmë si më poshtë:

Kriteret e përdoruesit (qartësia dhe "transparenca" e sistemit, lehtësia e përdorimit të ndërfaqeve, etj.);

Kriteret e ekspertëve të ftuar (vlerësimi i këshillave-zgjidhjeve të ofruara nga sistemi, krahasimi i tij me zgjidhjet tona, vlerësimi i nënsistemit të shpjegimeve, etj.);

Kriteret për ekipin e zhvillimit (efikasiteti i zbatimit, produktiviteti, koha e përgjigjes, dizajni, gjerësia e fushëveprimit, qëndrueshmëria e bazës së njohurive, numri i bllokimeve kur sistemi nuk mund të marrë një vendim, analiza e ndjeshmërisë së programit ndaj ndryshimeve të vogla në përfaqësimin e njohurive, faktorët e peshimit përdoret në dalje logjike, të dhëna, etj.).

5. Lidhja e sistemit

Në këtë fazë, sistemi ekspert lidhet me mjete të tjera softuerike në mjedisin ku do të punojë dhe trajnohen njerëzit të cilit do t'i shërbejë.Docking nënkupton gjithashtu zhvillimin e lidhjeve ndërmjet sistemit ekspert dhe mjedisit në të cilin ai operon.

Docking përfshin sigurimin e lidhjes së ES me bazat e të dhënave ekzistuese dhe sistemet e tjera në ndërmarrje, si dhe përmirësimin e faktorëve të sistemit që varen nga koha, në mënyrë që të sigurohet më shumë. punë efektive dhe të përmirësojë performancën e mjeteve të tij teknike nëse sistemi funksionon në një mjedis të pazakontë (për shembull, komunikimi me pajisjet matëse).

6. Mbështetja e sistemit

Transkodimi i një sistemi në një gjuhë si C përmirëson performancën dhe transportueshmërinë, por ul fleksibilitetin. Kjo është e pranueshme vetëm nëse sistemi ruan të gjitha njohuritë për zonën e problemit dhe kjo njohuri nuk do të ndryshojë në të ardhmen e afërt. Megjithatë, nëse sistemi ekspert është krijuar pikërisht sepse zonë problematike ndryshimet, është e nevojshme të ruhet sistemi në mjedisin e zhvillimit.

Gjuhët e inteligjencës artificiale

Lisp (LISP) dhe Prolog (Prolog) janë gjuhët më të zakonshme për zgjidhjen e problemeve të inteligjencës artificiale. Ekzistojnë gjithashtu gjuhë më pak të zakonshme të inteligjencës artificiale, të tilla si REFAL, të zhvilluara në Rusi. Shkathtësia e këtyre gjuhëve është më e vogël se ajo e gjuhëve tradicionale, por gjuhët e inteligjencës artificiale e kompensojnë humbjen e saj me mundësi të pasura për të punuar me të dhëna simbolike dhe logjike, gjë që është jashtëzakonisht e rëndësishme për detyrat e inteligjencës artificiale. Në bazë të gjuhëve të inteligjencës artificiale, krijohen kompjuterë të specializuar (për shembull, makina Lisp) të krijuar për të zgjidhur problemet e inteligjencës artificiale. Disavantazhi i këtyre gjuhëve është moszbatimi i tyre për krijimin e sistemeve eksperte hibride.

Mjete të veçanta softuerike

Bibliotekat dhe shtesat për gjuhën e inteligjencës artificiale Lisp: KEE (Knowledge Engineering Environment), FRL (Frame Representation Language), KRL (Knowledge Represantation Language), ARTS, etj., duke i lejuar përdoruesit të punojnë me sisteme ekspertësh në një nivel më të lartë se është e mundur në gjuhët konvencionale të inteligjencës artificiale.

"Gaca"

"Shells" janë "versione boshe të sistemeve ekspertësh ekzistues, domethënë sisteme të gatshme ekspertësh pa bazë njohurish. Një shembull i një guaskë të tillë është EMYCIN (Empty MYCIN), i cili është një sistem ekspert MYCIN bosh. që ata nuk e bëjnë kërkojnë fare punën e programuesve për të krijuar një sistem ekspertësh të gatshëm. Gjithçka që kërkohet është që ekspertët e domenit të plotësojnë bazën e njohurive. Megjithatë, nëse një domen i caktuar nuk përshtatet mirë me modelin e përdorur në një guaskë të caktuar, plotësimi i baza e njohurive në këtë rast është shumë e vështirë.

5. PROLOG - gjuha e logjikës
programimit

5.1. Informacione të përgjithshme rreth PROLOGUT.

PROLOGUE (PROGRAMING IN LOGIC) është një gjuhë programimi logjike e krijuar për të zgjidhur problemet në fushën e inteligjencës artificiale (krijimi i ES, programet e përkthimit, përpunimi i gjuhës natyrore). Përdoret për përpunimin e gjuhës natyrore dhe ka mjete të fuqishme për marrjen e informacionit nga bazat e të dhënave, dhe metodat e kërkimit të përdorura në të janë thelbësisht të ndryshme nga ato tradicionale.

Ndërtimet bazë të PROLOGUT janë huazuar nga logjika. PROLOGUE nuk është një gjuhë procedurale, por një gjuhë programimi deklarative. Ai fokusohet jo në zhvillimin e zgjidhjeve, por në një përshkrim të sistemuar dhe të formalizuar të problemit në mënyrë që zgjidhja të rrjedhë nga përshkrimi me shkrim.

Thelbi i qasjes logjike është që makinerisë si program i ofrohet jo një algoritëm, por një përshkrim formal i fushës së lëndës dhe problemit që zgjidhet në formën e një sistemi aksiomatik. Pastaj kërkimi për një zgjidhje duke përdorur daljen në këtë sistem mund t'i besohet vetë kompjuterit. Detyra kryesore e programuesit është të përfaqësojë me sukses fushën e lëndës me një sistem formulash logjike dhe me një grup të tillë marrëdhëniesh mbi të që përshkruajnë më plotësisht detyrën.

Karakteristikat themelore të PROLOGUT:

1) motori i kërkimit dhe kthimit të përfundimit

2) motori i integruar i përputhjes së modelit

3) strukturë e thjeshtë dhe lehtësisht e ndryshueshme e të dhënave

4) mungesa e operatorëve të treguesve, caktimit dhe kërcimit

5) rekursioni natyror

Fazat e programimit PROLOGUE:

1) shpallja e fakteve për sendet dhe marrëdhëniet ndërmjet tyre;

2) përcaktimin e rregullave për marrëdhëniet e sendeve dhe marrëdhëniet ndërmjet tyre;

3) formulimi i pyetjes për objektet dhe marrëdhëniet ndërmjet tyre.

Baza teorike e PROLOGUT është një degë e logjikës simbolike e quajtur llogaritja e kallëzuesit.

KallëzuesËshtë emri i një vetie ose marrëdhënieje midis objekteve me një sekuencë argumentesh.

<имя_предиката>(t1, t2, ..., tn)), t1, t2, ..., tn janë argumente

Për shembull, fakti i zi (mace) shkruhet duke përdorur kallëzuesin zi, i cili ka një argument. Fakt shkroi (sholokhov, "QUET DON") shkruar duke përdorur kallëzuesin ka shkruar që ka dy argumente.

Numri i argumenteve të një kallëzuesi quhet arit i kallëzuesit dhe shënohet me zi / 1 (kallëzuesi i zi ka një argument, arititeti i tij është një). Kallëzuesit mund të mos kenë argumente; arititeti i kallëzuesve të tillë është 0.

Gjuha Prolog u ngrit nga puna e A. Colmerauer mbi përpunimin e gjuhës natyrore dhe puna e pavarur e R. Kowalski mbi aplikimet e logjikës në programim (1973).

Më i famshmi në Rusi është sistemi i programimit Turbo Prolog - një zbatim komercial i gjuhës për PC të pajtueshëm me IBM. Në vitin 1988, një shumë më e fuqishme Versioni Turbo Prolog 2.0, i cili përfshin një mjedis të avancuar programimi të integruar, përpilues të shpejtë dhe mjete programimi të nivelit të ulët. Borland e shpërndau këtë version deri në vitin 1990, kur PDC fitoi një monopol në përdorimin e tekstet burimore përpilues dhe promovim i mëtejshëm i sistemit të programimit në treg me emrin PDC Prolog.

Në vitin 1996, Qendra e Zhvillimit Prolog nxjerr në treg sistemin Visual Prolog 4.0. Mjedisi Visual Prolog përdor një qasje të quajtur "programim vizual", në të cilën pamjen dhe sjellja e programeve përcaktohet duke përdorur mjete speciale të dizajnit grafik pa programim tradicional në një gjuhë algoritmike.

Visual Prolog përfshin një mjedis ndërveprues të zhvillimit vizual (VDE - Visual Develop Environment), i cili përfshin tekst dhe redaktues të ndryshëm grafikë, mjete për gjenerimin e kodit që ndërtojnë logjikën e kontrollit (Ekspertët), si dhe një zgjerim të ndërfaqes së programimit vizual (VPI - Programimi vizual Ndërfaqja ), përpiluesi Prolog, një grup skedarësh dhe bibliotekash të ndryshme, një redaktues lidhjesh, skedarë që përmbajnë shembuj dhe ndihmë.

5.2. Sugjerime: fakte dhe rregulla

Një program PROLOGUE përbëhet nga fjali, të cilat mund të jenë fakte, rregulla ose pyetje.

Fakt- kjo është një deklaratë që vërehet një marrëdhënie specifike midis objekteve. Fakti përdoret për të treguar një marrëdhënie të thjeshtë midis të dhënave.

Struktura e faktit:

<имя_отношения>(t1, t2, ..., tn)), t1, t2, ..., tn janë objekte

Shembuj faktesh:

duke studiuar (ira, universitet). % Ira po studion në universitet

prindi (ivan, alexi). % Ivan është prindi i Alexeit

gjuhë_programimi (prolog). % Prolog është një gjuhë programimi

Kompleti i fakteve është bazën e të dhënave... Në formën e një fakti, programi regjistron të dhëna që pranohen si të vërteta dhe nuk kërkojnë prova.

Rregullat përdoren për të vendosur marrëdhënie ndërmjet objekteve bazuar në faktet e disponueshme.

Struktura e rregullave:

<имя_правила> :- <тело правила>ose

<имя_правила >nëse<тело правила>

Ana e majtë e rregullit të konkluzionit quhet kokë rregullat, dhe ana e djathtë është trupi... Trupi mund të përbëhet nga disa kushte, të ndara me presje ose pikëpresje. Një presje do të thotë një veprim logjik DHE, një pikëpresje do të thotë një operacion logjik OSE. Fjalitë përdorin variabla për të përmbledhur rregullat e konkluzionit. Variablat janë të vlefshëm vetëm në një fjali. Emri në fjali të ndryshme tregon objekte të ndryshme. Të gjitha fjalitë duhet të përfundojnë me një pikë.

Shembuj të rregullave:

nëna (X, Y): - prind (X, Y), grua (X).

studenti (X): - studion (X, institut); duke studiuar (X, universitet).

Një rregull ndryshon nga një fakt në atë që një fakt është gjithmonë i vërtetë, dhe një rregull është i vërtetë nëse të gjitha pohimet që përbëjnë trupin e rregullit janë të vërteta. Formohen fakte dhe rregulla njohuri baze.

Nëse keni një bazë të dhënash, mund të shkruani hetim(objektivi) ndaj saj. Një kërkesë është një formulim i një problemi që një program duhet të zgjidhë. Struktura e tij është e njëjtë me atë të një rregulli ose një fakti. Ka pyetje të vazhdueshme dhe pyetje të ndryshueshme.

Pyetjet e vazhdueshme ju lejojnë të merrni një nga dy përgjigjet: "po" ose "jo"

Për shembull, ka fakte:

di (lena, tanya).

di (lena, sasha).

e di (sasha, tanya).

a) A e njeh Lena Sashën?

hetim: di (lena, sasha).

Rezultati: po

b) A e njeh Tanya Lena?

hetim e di (tanya, lena).

Rezultati: nr

Nëse një variabël përfshihet në kërkesë, interpretuesi përpiqet të gjejë vlera të tilla për të cilat kërkesa do të jetë e vërtetë.

a) Kë njeh Lena?

hetim: di (Lena, X).

Rezultati:

X = tanya

X = sasha

b) Kush e njeh Sashën?

hetim: di (X, sasha).

Rezultati: X = Lena

Pyetjet mund të jenë të përbëra, domethënë ato mund të përbëhen nga disa pyetje të thjeshta. Ata janë të bashkuar nga shenja "," e cila kuptohet si një lidhje logjike "dhe".

Pyetjet e thjeshta quhen nëngoli, një pyetje e përbërë vlerësohet si e vërtetë kur çdo nënqëllim është i vërtetë.

Për t'iu përgjigjur nëse Lena dhe Sasha kanë njohje të përbashkëta, duhet të bëni një kërkesë:

e di (Lena, X), e di (Sasha, X).

Rezultati:

X = Tanya

5.4. Variablat në PROLOGUE

Ndryshorja në PROLOGUE nuk konsiderohet si një vend i caktuar memorie. Përdoret për të treguar një objekt që nuk mund të referohet me emër. Një variabël mund të konsiderohet një emër lokal për disa objekte.

Emri i ndryshores duhet të fillojë me një shkronjë të madhe ose me nënvizim dhe të përmbajë vetëm shkronja, numra dhe nënvizime: X, _y, AB, X1. Një ndryshore që nuk ka rëndësi quhet pa pagesë, një ndryshore që ka një vlerë - konkretizuar.

Një variabël që përbëhet vetëm nga karakteri i nënvizuar quhet anonim dhe përdoret nëse kuptimi i tij është i parëndësishëm. Për shembull, ka fakte:

prindi (Ira, Tanya).

prindi (misha, tanya).

prindi (Olya, Ira).

Kërkohet të identifikohen të gjithë prindërit

Hetim: prindi (x, _)

Rezultati:

X = Ira

X = Misha

X = Olya

Shtrirja e një ndryshoreje është pohimi. Brenda një deklarate, i njëjti emër i përket të njëjtës ndryshore. Dy deklarata mund të përdorin të njëjtin emër ndryshore në mënyra krejtësisht të ndryshme.

Nuk ka asnjë operator caktimi në PROLOG; roli i tij luhet nga operatori i barazisë =. Synimi X = 5 mund të konsiderohet si një krahasim (nëse X ka një vlerë) ose si një detyrë (nëse X është i lirë).

Në PROLOGUE, nuk mund të shkruani X = X + 5 për të rritur vlerën e ndryshores. Duhet të përdoret një ndryshore e re: Y = X + 5.

5.5. Objektet dhe llojet e të dhënave në PROLOGUE

Thirren objektet e të dhënave në PROLOGUE kushtet... Një term mund të jetë një term konstant, i ndryshueshëm ose i përbërë (strukturë). Konstantet janë numra të plotë dhe realë (0, - l, 123.4, 0.23E-5), si dhe atome.

Atomi- çdo sekuencë karakteresh të mbyllura në thonjëza. Thomat hiqen nëse vargu fillon me shkronje e vogel dhe përmban vetëm shkronja, numra dhe një nënvizim (d.m.th., nëse mund të dallohet nga shënimi i ndryshueshëm). Shembuj të atomeve:

abcd, “a + b”, “student Ivanov”, prolog, “Prolog”.

Struktura ju lejon të kombinoni disa objekte në një tërësi të vetme. Ai përbëhet nga një funksionor (emër) dhe një sekuencë termash.

Numri i komponentëve në një strukturë quhet ariteti i strukturës: të dhëna / 3.

Një strukturë mund të përmbajë një strukturë tjetër si një nga objektet e saj.

data_lindja (personi ("Masha", "Ivanova"), të dhënat (15 prill 1983))

Domeni në PROLOGUE emërtohet lloji i të dhënave. Domenet standarde janë:

numër i plotë - numra të plotë.

numra real - real.

varg - vargje (çdo sekuencë karakteresh të mbyllura në thonjëza).

char është një karakter i vetëm i mbyllur në apostrofa.

simbol - një sekuencë e shkronjave latine, numrave dhe nënvizave që fillojnë me një shkronjë të vogël ose ndonjë sekuencë simbolesh të mbyllura në thonjëza.

5.6. Seksionet kryesore të programit PROLOGUE

Si rregull, një program PROLOGUE përbëhet nga katër seksione.

DOMAINET- seksioni që përshkruan domenet (llojet). Seksioni përdoret nëse programi përdor domene jo standarde.

Për shembull:

PREDIKATET - seksioni për përshkrimin e kallëzuesve. Seksioni përdoret nëse programi përdor kallëzues jo standard.

Për shembull:

di (emri, emri)

Emri i studentit)

Klauzolat - seksioni i propozimeve. Pikërisht në këtë pjesë shkruhen fjalitë: faktet dhe rregullat e konkluzionit.

Për shembull:

di (lena, ivan).

student (ivan).

familjar_student (X, Y): - di (X, Y), studenti (Y).

GOLI - seksioni i synuar. Ky seksion regjistron kërkesën.

Për shembull:

shenja_nxënësi (lena, X).

Programi më i thjeshtë mund të përmbajë vetëm një seksion GOAL, për shembull:

shkruani ("Futni emrin tuaj:"), readln (Emri),

shkruani ("Përshëndetje", Emri, "!").

Tutoriali prezanton lexuesit me historinë e inteligjencës artificiale, modelet e përfaqësimit të njohurive, sistemet e ekspertëve dhe rrjetet nervore. Janë përshkruar drejtimet dhe metodat kryesore të përdorura në analizën, zhvillimin dhe zbatimin e sistemeve inteligjente. Janë marrë parasysh modelet e përfaqësimit të njohurive dhe metodat e punës me to, metodat e zhvillimit dhe krijimit të sistemeve të ekspertëve. Libri do të ndihmojë lexuesin të zotërojë aftësitë e dizajnimit logjik të bazave të të dhënave të domenit dhe programimit në gjuhën ProLog.
Për studentët dhe mësuesit e universiteteve pedagogjike, mësuesit e shkollave të mesme, gjimnazeve, liceut.

Koncepti i inteligjencës artificiale.
Një sistem i inteligjencës artificiale (AI) është një sistem softuerësh që simulon procesin e të menduarit njerëzor në një kompjuter. Për të krijuar një sistem të tillë, është e nevojshme të studiohet vetë procesi i të menduarit të një personi që zgjidh probleme të caktuara ose merr vendime në një fushë specifike, të nxjerrë në pah hapat kryesorë të këtij procesi dhe të zhvillojë softuer që i riprodhon ato në një kompjuter. Prandaj, metodat e AI sugjerojnë një qasje të thjeshtë të strukturuar për zhvillimin e sistemeve komplekse të vendimmarrjes së softuerit.

Inteligjenca artificiale është një degë e informatikës, qëllimi i së cilës është zhvillimi i mjeteve harduerike dhe softuerike që lejojnë një përdorues joprogramues të vendosë dhe zgjidhë detyrat e tij intelektuale të konsideruara tradicionalisht, duke komunikuar me një kompjuter në një nëngrup të kufizuar të gjuhës natyrore.

TABELA E PËRMBAJTJES
Kapitulli 1. Inteligjenca Artificiale
1.1. Hyrje në sistemet e inteligjencës artificiale
1.1.1. Koncepti i inteligjencës artificiale
1.1.2. Inteligjenca artificiale në Rusi
1.1.3. Struktura funksionale e sistemit të inteligjencës artificiale
1.2. Udhëzime për zhvillimin e inteligjencës artificiale
1.3. Të dhënat dhe njohuritë. Përfaqësimi i njohurive në sistemet inteligjente
1.3.1. Të dhënat dhe njohuritë. Përkufizimet bazë
1.3.2. Modelet e përfaqësimit të njohurive
1.4. Sistemet eksperte
1.4.1. Struktura e sistemit ekspert
1.4.2. Zhvillimi dhe përdorimi i sistemeve të ekspertëve
1.4.3. Klasifikimi i sistemeve të ekspertëve
1.4.4. Përfaqësimi i njohurive në sistemet e ekspertëve
1.4.5. Mjetet e ndërtimit të sistemeve të ekspertëve
1.4.6. Teknologjia e zhvillimit të sistemit të ekspertëve
Kontrolloni pyetjet dhe detyrat për kapitullin 1
Literatura për kapitullin 1
Kapitulli 2. Programimi logjik
2.1. Metodologjitë e programimit
2.1.1. Metodologjia e programimit imperativ
2.1.2. Metodologjia e programimit të orientuar nga objekti
2.1.3. Metodologjia e programimit funksional
2.1.4. Metodologjia e programimit logjik
2.1.5. Metodologjia e programimit me kufizime
2.1.6. Metodologjia e programimit të rrjeteve nervore
2.2. Një hyrje e shkurtër në kalkulusin kallëzues dhe provat e teoremave
2.3. Procesi i konkluzionit në gjuhën Prolog
2.4. Struktura e një Programi Prolog
2.4.1. Përdorimi i objekteve të përbëra
2.4.2. Përdorimi i domeneve alternative
2.5. Organizimi i përsëritjeve në Prolog
2.5.1. Metoda e rikthimit pas dështimit
2.5.2. Metoda e prerjes dhe rikthimit
2.5.3. Rekursion i thjeshtë
2.5.4. Metoda e rregullit të përgjithësuar të rekursionit (GPR).
2.6. Listat në Prolog
2.6.1. Listoni operacionet
2.7. Vargjet prolog
2.7.1. Operacionet e vargut
2.8. Skedarët Prolog
2.8.1. Kallëzuesit e skedarit Prolog
2.8.2. Përshkrimi i domenit të skedarit
2.8.3. Shkruani në dosje
2.8.4. Leximi nga një skedar
2.8.5. Modifikimi i një skedari ekzistues
2.8.6. Shtojini në fund të një skedari ekzistues
2.9. Krijimi i bazave dinamike të të dhënave në Prolog
2.9.1. Bazat e të dhënave në Prolog
2.9.2. Kallëzuesit dinamikë të bazës së të dhënave në Prolog
2.10. Krijimi i sistemeve eksperte
2.10.1. Struktura e sistemit ekspert
2.10.2. Përfaqësimi i njohurive
2.10.3. Metodat e tërheqjes
2.10.4. Sistemi i ndërfaqes së përdoruesit
2.10.5. Sistemi ekspert i bazuar në rregulla
Kontrolloni pyetjet dhe detyrat për kapitullin 2
Literatura për kapitullin 2
Kapitulli 3. Rrjetet nervore
3.1. Hyrje në rrjetet nervore
3.2. Modeli i neuronit artificial
3.3. Aplikimi i rrjeteve nervore
3.4. Trajnimi i rrjeteve nervore
Kontrolloni pyetjet dhe detyrat për kapitullin 3
Literatura për kapitullin 3.

Shkarko pa pagesë e-libër në format i përshtatshëm, shikoni dhe lexoni:
Shkarkoni librin Fundamentals of Artificial Intelligence, Borovskaya E.V., Davydova N.A., 2016 - fileskachat.com, shkarkim i shpejtë dhe pa pagesë.