Системы и методы искусственного интеллекта

Программа учебного курса СИСТЕМЫ И МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА I. Организационно-методический раздел. Курс реализуется в рамках направления 654600 «Информатика и вычислительная техника», относится к циклу специальных дисциплин. 1.1.Цели и задачи курса Цели курса - дать студентам систематизированные знания об основных моделях, методах, средствах и языках, используемых при разработке систем искусственного интеллекта, - ознакомить студентов с основными методами поиска решений, применяемых в системах искусственного интеллекта, - сформировать у студента аналитические способности, которые бы позволяли ему делать обоснованный выбор изученных методов, средств и языков при решении задач из проблемной области, в которой они специализируются. Задачи курса - научить студентов пользоваться изученными методами и средствами представления знаний, языками искусственного интеллекта, - научить студентов пользоваться методами поиска решений, применяемыми в системах искусственного интеллекта, - дать студентам знания о новых методах и подходах к решению традиционных задач, разрабатываемых в рамках направления искусственный интеллект, - дать студентам представление о системах, основанных на знаниях, и ознакомить их с технологией разработки таких систем. 1.2.Требования к уровню освоения содержания курса По окончании изучения указанной дисциплины студент должен иметь представление - об основных направлениях научных исследований под названием «искусственный интеллект», - о концепциях и идеях, лежащих в основе моделей и средств представления знаний, - о концепциях и идеях, лежащих в основе языков искусственного интеллекта, а также об основных приемах их применения (программирования на них) - о технологии разработки систем, основанных на знаниях. знать - основные модели и средства представления знаний, - синтаксис и семантику основных языков искусственного интеллекта и основные приемы программирования на них, - новые методы решения традиционных задач, разработанные в парадигме программирования в ограничениях, а также в рамках эволюционного и нейросетевого подходов. уметь

-

сделать сравнительный анализ и обосновать выбор модели и средства представления знаний, построить модель заданной предметной области с использованием изученных средств представления знаний, применить новые методы решения задач в своей проблемной области, сделать сравнительный анализ и обосновать выбор языка искусственного интеллекта для решения своей задачи.

1.3.Формы контроля Итоговый контроль. Для контроля усвоения дисциплины учебным планом предусмотрен экзамен по теоретической части. Текущий контроль. В середине каждого семестра проводится коллоквиум. В течение года студенты должны выполнить одно практическое задание. 2. Содержание дисциплины. 2.1.Новизна и актуальность курса Учебный курс посвящен довольно новому, постоянно развивающемуся направлению в науке «искусственный интеллект». Он особенно актуален в наши дни, когда при решении все большего числа задач непосредственно используются знания о предметной области, все чаще для решения традиционных задач используются методы искусственного интеллекта. В связи с этим знание языков и методов искусственного интеллекта, моделей и средств представления знаний и умение ими пользоваться становится жизненно необходимым для современного специалиста. 2.2.Тематический план курса (распределение часов). часов Самостоятельная работа

Всего часов

28

14

42

12

6

18

16

8

24

16

8

24

72

36

108

Наименование разделов и тем Лекции Раздел 1. Модели и средства представления знаний Раздел 2. Методы поиска решений Раздел 3. Языки искусственного интеллекта Раздел 4. Системы искусственного интеллекта Итого по курсу:

Количество ЛабораторСеминар ные работы ы

2.3.Содержание отдельных разделов и тем. А) Теоретическая часть 1. МОДЕЛИ И СРЕДСТВА ПРЕДСТАВЛЕНИЯ ЗНАНИЙ 1.1. Искусственный интеллект и системы, основанные на знаниях. 1.2. Логические модели представления знаний. Исчисление предикатов первого порядка. Дедуктивный вывод в логических моделях. Прямой, обратный и смешанный логический вывод. 1.3. Метод резолюции. Использование метода резолюции для доказательства

теорем. 1.4. Сетевая модель. Понятие семантической сети. Классификация семантических сетей. Основные виды отношений. Функциональная сеть. 1.5.. Фреймы. Системы фреймов Представление знаний на основе фреймов, 1.6. Продукционная модель. Формальные и программные системы продукций. Структура программной системы продукций. Цикл работы системы продукций. Конфликтное множество правил. Механизмы активации правил. Простые и управляемые системы продукции. Представление знаний на основе продукций. 1.7. Представление нечетких знаний. Понятие лингвистической переменной. Нечеткие множества. Основные операции над нечеткими множествами. Нечеткие отношения. 1.8. Представление знаний на основе вычислительных моделей. Вычислительные модели Тыугу. Решение задач на вычислительных моделях. 1.9. Программирование в ограничениях как новая парадигма постановки и решения задач. Недоопределенные типы данных и недоопределенные модели. Организация вычислений на недоопределенных моделях. 1.10. Общее понятие генетических алгоритмов. Простой генетический алгоритм. 1.11. Нейронные сети. Виды нейронных сетей. Обучение нейронных сетей. 2. МЕТОДЫ ПОИСКА РЕШЕНИЙ 2.1. Методы поиска решений. Поиск в пространстве состояний. Полный перебор. Поиск в глубину. Поиск в ширину. 2.2. Эвристический поиск. Поиск методом редукции. Поиск методом "генерацияпроверка". 2.3. Поиск в иерархии пространств. Поиск в факторизованном пространстве. Поиск в фиксированном множестве пространств. Поиск в изменяющемся множестве иерархических пространств. 2.4. Поиск в альтернативных пространствах. 3. ЯЗЫКИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 3.1. LISP. Язык символьной обработки, функциональный язык. Списки, списки свойств. 3.2. PLANNER. Представление знаний в системе PLANNER. Образцы, функции. Работа дедуктивной системы. 3.3. PROLOG. Синтаксис и семантика PROLOG-программ. Списки, структуры. Управление перебором. Основные стратегии решения задач. 3.4. OPS-5. Представление данных и знаний. Поиск по образцу. РЕТЕ-алгоритм. Управление выводом. 3.5. РЕФАЛ. Понятие конкретизации. Предложения. Свободные переменные. Рекурсивные функции. Приемы программирования. 4. СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 4.1. Универсальные решатели задач. Системы GPS, STRIPS.

4.2. Экспертные системы (ЭС). Основные особенности ЭС. Структура и режимы работы ЭС. Классификация ЭС. Примеры классических ЭС. 4.3. Базы знаний экспертных систем. Представление знаний о предметной области. Системы объяснений в ЭС. 4.4. Технология разработки ЭС. Этапы разработки ЭС. Инструментальны средства построения ЭС. Приобретение знаний в ЭС. 2.4. Перечень примерных контрольных вопросов и заданий для самостоятельной работы – см. раздел 3.1 (вопросы для подготовки к экзамену). 3. Учебно-методическое обеспечение дисциплины 3.1. Образцы вопросов для подготовки к экзамену Раздел 1. 1) Логическая модель представления знаний. Исчисление предикатов первого порядка как пример логической модели представления знаний. 2) Метод резолюции. Использование метода резолюции для доказательства теорем в исчислении предикатов первого порядка. 3) Сетевая модель представления знаний. Понятие семантической сети. Классификация семантических сетей. Основные виды отношений. Достоинства и недостатки семантических сетей. 4) Представление знаний на основе фреймов. Структура фрейма. Системы фреймов. Достоинства и недостатки фреймового представления. 5) Продукционная модель. Формальные и программные системы продукций. Достоинства и недостатки продукционной модели. 6) Программная система продукций: цикл работы, механизмы активации правил, способы применения правил. 7) Простые и управляемые системы продукции. 8) Понятие лингвистической переменной. Нечеткие множества: определение, способы представления, основные операции. 9) Представление нечетких знаний. Нечеткие отношения. 10) Суть парадигмы программирования в ограничениях. Недоопределенные вычислительные модели: концепция, представление знаний и данных, организация вычислений. 11) Суть эволюционных алгоритмов. Простой генетический алгоритм. 12) Понятие нейронных сетей. Виды нейронных сетей. Обучение нейронных сетей. Раздел 2 13) Классификация методов поиска решений. Поиск в пространстве состояний. Полный перебор. Поиск в глубину. Поиск в ширину. 14) Эвристические методы поиска. Поиск методом редукции. Поиск методом "генерация-проверка". 15) Поиск в иерархии пространств: поиск в факторизованном пространстве, поиск в фиксированном множестве пространств. 16) Поиск в альтернативных пространствах.

Раздел 3 17) Язык символьной обработки LISP: основные понятия, структуры данных и функции. Представление знаний на языке LISP. 18) Характеристика языка PLANNER, его сравнение с языком LISP. Представление знаний в системе PLANNER. Работа дедуктивной системы. 19) PROLOG. Основные понятия языка. Правила, факты. Структуры данных. Методы организации PROLOG.-программ. 20) Представление знаний в языке OPS-5. Поиск по образцу. Управление выводом. 21) Основные понятия языка РЕФАЛ: оператор конкретизации, выражения, предложения. Работа РЕФАЛ-машины. Свободные переменные. Рекурсивные функции. Приемы программирования. Раздел 4 22) Универсальные решатели задач. Система GPS. 23) Планирующая система STRIPS. Представление знаний. Поиск решений. 24) Экспертная система: концепция, основные особенности, структура и режимы работы. Примеры известных экспертных систем. 25) Система объяснений в ЭС. Назначение и принципы построения. Основные достоинства и недостатки традиционных систем объяснений. 26) Приобретение знаний: основные модели и методы. 3.2.Список основной и дополнительной литературы 1) Попов Э.В Экспертные системы. М., Наука. 1987. 2) Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Учебник. СПб.:Питер, 2001. 3) Нильсон Н. Искусственный интеллект. М., Мир, 1973. 4) Чень Ч., Ли Р. Математическая логика и автоматическое доказательство теорем М., "Наука", 1983, 5) Заде Л. Понятие лингвистической переменной и его использование в принятии приближенных решении. М., Мир, 1976. 6) Искусственный интеллект. Справочник в трех книгах. Книга 3. Программные и аппаратные средства. Под ред. В.Н. Захарова и В.Ф. Хорошевского. М., «Радио и связь», 1990. 364 с. 7) Тыугу Э.Х. Концептуальное программирование. М., Наука. 1984. 8) Теперман В.В, Методы представления и обработки знаний (недоопределенные модели). Методическое пособие. - Новосибирск, Изд-во НГУ, 1996. 9) Нариньяни А.С., Семенов А.Л., Телерман В.В., Швецов И.Е., Яхно Т.М. Недоопределенные модели и их приложения // Системная информатика. Вып. 5: Архитектурные, формальные и программные модели. - Новосибирск: Наука. 1996. - С.132-198. 10) Загорулько Ю.А., Телерман В.В., Яхно Т.М. Введение в логическое программирование. Часть I и II. Методическое пособие. - Новосибирск, Изд-во НГУ. 1997. 11) Загорулько Ю.А. Методы представления и обработки знаний: Семантические сети и системы продукций. Методическое пособие. - Новосибирск, Изд-во НГУ, 1997. 12) Курейчик В.М. Генетические алгоритмы. - Таганрог: изд-во ТРТУ, 1998. - 242 с. 13) Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996.

14) Корнеев В.В. и др. Базы данных. Интеллектуальная обработка информации. М., Нолидж, 2000. Программу подготовил: к.т.н. А.

Загорулько Ю.

Программа утверждена на заседании Ученого совета факультета информационных технологий Новосибирского государственного университета 18 декабря 2003 г., протокол заседания №16. Декан ФИТ НГУ, д.ф.-м.н.

М.М.Лаврентьев