Тема 1. Исторический обзор в области интеллектуальных систем. Основные понятия и определения, используемые в области интеллектуальных систем (ИС) 

Интеллект (intelligence) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека.
Интеллект - способность мозга решать (интеллектуальные) задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам.

Понятие интеллектуальности:
В 1950 году британский математик Алан Тьюринг опубликовал в журнале «Mind» свою работу «Вычислительная машина и интеллект», в которой описал тест для проверки программы на интеллектуальность. Он предложил поместить исследователя и программу в разные комнаты и до тех пор, пока исследователь не определит, кто за стеной - человек или программа, считать поведение программы разумным. Это было одно из первых определений интеллектуальности, то есть А. Тьюринг предложил называть интеллектуальным такое поведение программы, которое будет моделировать разумное поведение человека.
С тех пор появилось много определений интеллектуальных систем (ИС) и искусственного интеллекта (ИИ). Сам термин ИИ (AI - Artificial Intelligence) был предложен в 1956 году на семинаре в Дартсмутском колледже (США). Приведем некоторые из этих определений. Д. Люгер  определяет «ИИ как область компьютерных наук, занимающуюся исследованием и автоматизацией разумного поведения».
Другое определение: «ИИ - это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка».
Выделяются следующие трудно формализованные задачи, которые повлияли на развитие интеллектуальных систем и искусственного интеллекта:

• доказательство теорем - Поиск доказательства математической теоремы требует не только произвести дедукцию, исходя из гипотез, но также создать интуитивные догадки и гипотезы о том, какие промежуточные утверждения следует доказать для вывода доказательства основной теоремы.
• управление роботами
• распознавание изображений (машинное зрение) –

В традиционном распознавании образов появился хорошо разработанный математический аппарат, и для не очень сложных объектов оказалось возможным строить практически работающие системы классификации по признакам, по аналогии и т. д. В качестве признаков могут рассматриваться любые характеристики распознаваемых объектов. Признаки должны быть инвариантны к ориентации, размеру и вариациям формы объектов. Алфавит признаков придумывается разработчиком системы. Качество распознавания во многом зависит от того, насколько удачно придуман алфавит признаков.

Распознавание состоит в априорном получении вектора признаков для выделенного на изображении отдельного распознаваемого объекта, и лишь затем в определении того, какому из эталонов этот вектор соответствует.

Ранние традиционные системы распознавания, основывающиеся на последовательной организации процесса распознавания и классификации объектов, эффективно решать задачи восприятия сложной зрительной информации не могли.

• машинный перевод и понимание текстов на естественном языке-

Началом работ по машинному переводу следует считать 1954 год, когда в США с помощью ЭВМ было переведено шестьдесят фраз.
Задача разбора предложения на естественном языке даже с ограниченным словарем в сотню слов является типичной задачей ИИ.

• игровые программы

К числу первых игровых программ можно отнести программу Артура Самуэля по игре в чекерс (американские шашки), написанную в 1947 году, причем в ней использовался ряд основополагающих идей ИИ, таких, как перебор вариантов и самообучение.
Победителем этого состязания стала советская шахматная программа «Каисса» (Каисса - богиня, покровительница шахмат). Эта программа была создана в Москве, в Институте проблем управления Академии наук в команде разработчиков программы-чемпиона, лидерами которой были Владимир Арлазаров, Михаил Донской и Георгий Адельсон-Вельский. «Каисса» показала всему миру способности русских специалистов в области эвристического программирования.

• машинное творчество (синтез музыки, стихотворений, текстов)

Для различных музыкальных задач было создано специальное программное обеспечение: системы многоканального сведения; системы обработки звука; системы синтеза звука; системы интерактивной композиции; программы алгоритмической композиции и др.

• экспертные системы –

Методы ИИ нашли применение при создании автоматических консультирующих систем. До 1968 года исследователи в области ИИ работали на основе общего подхода - упрощения комбинаторики, базирующегося на уменьшении перебора альтернатив исходя из здравого смысла, применения числовых функций оценивания и различных эвристик.
В начале 70-х годов произошел качественный скачок и пришло понимание, что необходимы глубокие знания в соответствующей области и выделение знаний из данных, получаемых от эксперта. Появляются экспертные системы (ЭС), или системы, основанные на знаниях.
ЭС MYCIN (середина 70-х годов, Стэнфордский университет) ставила диагноз при инфекционных заболеваниях крови.
ЭС JUDITH помогает специалистам по гражданским делам и вместе с юристом и с его слов усваивает фактические и юридические предпосылки дела, а затем предлагает рассмотреть различные варианты подходов к разрешению дела.
Разработка инструментальных средств для создания ЭС ведется постоянно. Появляются экспертные системы оболочки, совершенствуются технологии создания ЭС. Язык Пролог (1975-79 годы) становится одним из основных инструментов создания ЭС. Язык CLIPS (C Language Integrated Production System) начал разрабатываться в космическом центре Джонсона NASA в 1984 году.

• Нейрокибернетика - разработка машин, демонстрирующих «разумное» поведение, на основе архитектур, напоминающих устройство мозга и называемых нейронными сетями (НС). Одна из ключевых особенностей нейронных сетей состоит в том, что они способны обучаться на основе опыта, полученного в обучающей среде.

В 1957 году Ф. Розенблат изобрел устройство для распознавания на основе НС - персептрон, который успешно различал буквы алфавита, хотя и отличался высокой чувствительностью к их написанию
НС хорошо подходят для распознавания образов и решения задач классификации, оптимизации и прогнозирования. Поэтому основными областями применения НС являются:

1. промышленное производство и робототехника;
2. военная промышленность и аэронавтика;
3. банки и страховые компании;
4. службы безопасности;
5. биомедицинская промышленность;
6. телевидение и связь; и другие области.

Предмет ИС
Предметом информатики является обработка информации по известным законам. Предметом интеллектуальных систем является изучение интеллектуальной деятельности человека, подчиняющейся заранее неизвестным законам. Интеллектуальные системы решают все те задачи, что не могут быть решены с помощью алгоритмических методов.
ИС – это  адаптивная система, позволяющую строить программы целесообразной деятельности по решению поставленных перед ними задач на основании конкретной ситуации, складывающейся на данный момент в окружающей их среде.

Адаптивная система - это система, которая сохраняет работоспособность при непредвиденных изменениях свойств управляемого объекта, целей управления или окружающей среды путем смены алгоритма функционирования, программы поведения или поиска оптимальных, в некоторых случаях просто эффективных, решений и состояний. Традиционно, по способу адаптации различают самонастраивающиеся, самообучающиеся и самоорганизующиеся системы

ИС решают задачи, которые обладают следующими особенностями:

• в них неизвестен алгоритм решения задач (такие задачи будем называть интеллектуальными задачами);
• в них используется помимо традиционных данных в числовом формате информация в виде изображений, рисунков, знаков, букв, слов, звуков;
• в них предполагается наличие выбора (не существует алгоритма - это значит, что нужно сделать выбор между многими вариантами в условиях неопределенности). Свобода действий является существенной составляющей интеллектуальных задач.

Интеллектуальные робототехнические системы (ИРС) содержат переменную, настраиваемую модель внешнего мира и реальной исполнительной системы с объектом управления. Цель и управляющие воздействия формируются в ИРС на основе знаний о внешней среде, объекте управления и на основе моделирования ситуаций в реальной системе.
ИС должны уметь:

• в наборе фактов распознать существенные
• из имеющихся фактов и знаний делать выводы
• проводить самооценку - обладать рефлексией, то есть средствами для оценки результатов собственной работы
• с помощью подсистем объяснения ИС может ответить на вопрос, почему получен тот или иной результат
• обобщать, улавливая сходство между имеющимися фактами

Обучаемость, адаптивность, накопление опыта и знаний - важнейшие свойства ИС.

Центральное понятие в ИС – это знание.
Определение знания:

2. (философия) Знания есть результат, полученный познанием окружающего мира и его объектов.
3. (философия) Знания - система суждений с принципиальной и единой организацией, основанная на объективной закономерности.
4. Знания - это формализованная информация, на которую ссылаются или которую используют в процессе логического вывода (рис. 1.1).
5. (частный случай п.3. )Под знаниями будем понимать совокупность фактов и правил. Понятие правила, представляющего фрагмент знаний, имеет вид:

если <условие> то <действие>
Например, если X истинно и Y истинно, то Z истинно с достоверностью P.

Рис. 1.1.  Процесс логического вывода в ИС

Знания, используемые в ИС делятся на две группы:

1. Статические знания - знания, введенные в ИС на этапе проектирования.
2. Динамические знания (опыт) -  знания, полученные ИС в процессе функционирования или эксплуатации в реальном масштабе времени.

Рассмотрим структуру стандартной интеллектуальной системы:
стрелками обозначено направление движения информации, двунаправленными стрелками обозначено взаимодействие типа «запрос-ответ» и «действие-подтверждение», весьма распространенное в информационных системах. Входом системы является Блок ввода информации, предназначенный для ввода числовых данных, текста, речи, распознавания изображений. Информация на вход системы может поступать (в зависимости от решаемой задачи) от пользователя, внешней среды, объекта управления. Далее входная информация поступает в Блок логического вывода, либо сразу в базу данных (БД) - совокупность таблиц, хранящих, как правило, символьную и числовую информацию об объектах предметной области.
Блок логического вывода (БЛВ) и формирования управляющей информации обеспечивает нахождение решений для нечетко формализованных задач ИС, осуществляет планирование действий и формирование управляющей информации для пользователя или объекта управления на основе Базы Знаний (БЗ), БД, Базы Целей (БЦ) и Блока Алгоритмических Методов Решений (БАМР).
БЗ - совокупность знаний, например, система продукционных правил, о закономерностях предметной области.
БЦ - это множество локальных целей системы, представляющих собой совокупность знаний, активизированных в конкретный момент и в конкретной ситуации для достижения глобальной цели.
БАМР содержит программные модули решения задач предметной области по жестким алгоритмам.
Блок усвоения знаний (БУЗ) осуществляет анализ динамических знаний с целью их усвоения и сохранения в БЗ.
Блок объяснения решений (БОР) интерпретирует пользователю последовательность логического вывода, примененную для достижения текущего результата.
На выходе системы Блок вывода информации обеспечивает вывод данных, текста, речи, изображений и другие результаты логического вывода пользователю и/или Объекту Управления (ОУ).
Контур обратной связи позволяет реализовать свойства адаптивности и обучения ИС. На этапе проектирования эксперты и инженеры по знаниям наполняют базу знаний и базу целей, а программисты разрабатывают программы алгоритмических методов решений. База данных создается и пополняется, как правило, в процессе эксплуатации ИС.
Динамика работы ИРС может быть описана следующим образом. При поступлении информации на внешнем языке системы на вход БВИ производится ее интерпретация во внутреннее представление для работы с символьной моделью системы. БЛВ выбирает из БЗ множество правил, активизированных поступившей входной информацией, и помещает эти правила в БЦ как текущие цели системы. Далее БЛВ по заданной стратегии, например, стратегии максимальной достоверности, выбирает правило из БЦ и пытается доопределить переменные модели внешнего мира и исполнительной системы с объектом управления. На основе этого активизируются новые правила БЗ и начинается логический вывод в системе продукций (правил). Эта процедура заканчивается, как только решение будет найдено, либо когда будет исчерпана БЦ. Найденное решение из внутреннего представления интерпретируется Блоком Вывода информации во внешний язык подсистемы управления низшего уровня и объекта управления.