Осипов Г.С. Лекции по искусственному интеллекту Изд. 3, стереотип.

2026. 272 с.

Серия: Науки об искусственном

Типографская бумага

Аннотация

В основе книги лежат лекции, прочитанные автором в Московском физико-техническом институте, Московском государственном техническом университете им. Н.Э.Баумана и Российском университете дружбы народов. Рассматриваются методы представления знаний, коротко (ввиду наличия соответствующей литературы на русском языке) — методы моделирования рассуждений; достаточно подробно изложены методы планирования и моделирования целенаправленного поведения, освещенные... (Подробнее)

Оглавление

Предисловие				8
Лекция 1 Место среди других наук, первые шаги и современные направления искусственного интеллекта				10
1.1.Представление знаний				13
1.2.Автоматизация рассуждений				14
1.3.Приобретение знаний, машинное обучение и автоматическое порождение гипотез				17
1.4.Интеллектуальный анализ данных и обработка образной информации				18
1.5.Многоагентные системы, динамические интеллектуальные системы и планирование				18
1.6.Обработка естественного языка, пользовательский интерфейс и модели пользователя				20
1.7.Нечеткие модели и мягкие вычисления				20
1.8.Разработка инструментальных средств				20
Лекция 2 Формальные языки и формальные системы				22
2.1.Язык исчисления предикатов первого порядка				23
2.2.Исчисление предикатов первого порядка				25
2.3.Формальные и алгебраические системы				27
2.4.Интерпретация. Выводимость и истинность				28
Лекция 3 Представление знаний. Системы, основанные на правилах, или продукционные системы				32
3.1.Правила для представления знаний				33
3.2.Рабочая память				33
3.3.Стратегии управления				34
3.4.Разрешение конфликтного множества правил				36
3.5.Пример				40
Лекция 4 Представление знаний. Cемантические сети и системы фреймов				45
4.1.Простые и расширенные семантические сети				45
4.2.Универсум Эрбрана и семантические сети				48
4.3.Неоднородные семантические сети				50
4.4.Отношения структурного сходства, асоциативные и каузальные отношения				52
4.5.Совместность событий				57
4.6.Представление знаний в системах фреймов				61
Лекция 5 Рассуждения. Автоматизация дедуктивных рассуждений				64
5.1.Достоверные и правдоподобные рассуждения				64
5.2.Автоматизация дедуктивных рассуждений. Поиск доказательств теорем методом резолюций				67
5.3.Метод резолюций для исчисления высказываний				72
Лекция 6 Автоматизация дедуктивных рассуждений. Метод резолюций для исчисления предикатов первого порядка				74
6.1.Подстановки				74
6.2.Унификация				75
6.3.Алгоритм унификации. Примеры				76
Лекция 7 Правдоподобные рассуждения. Автоматизация индуктивных расуждений				80
7.1.Понятие квазиаксиоматической теории				80
7.2.ДСМ — метод индуктивного вывода				81
Лекция 8 Правдоподобные рассуждения. Автоматизация аргументационных рассуждений и рассуждений на основе прецедентов				86
8.1.Аргументация				86
8.2.Алгоритм MIRAGE				87
8.3.Рассуждения на основе прецедентов				90
Лекция 9 Методы планирования поведения. Поиск плана в пространстве состояний				103
9.1.Планирование как поиск доказательства теорем				104
9.2.Планирование в пространстве состояний				105
Лекция 10 Методы планирования поведения. Планирование на основе удовлетворения ограничений				114
10.1.Постановка задачи удовлетворения ограничений				114
10.2.Синтез планов на основе техники прямого распространения ограничений				115
Лекция 11 Планирование на основе прецедентов				122
11.1.Общая схема планирования на основе прецедентов				122
11.2.Методы адаптации прецедентов				123
11.3.Примеры систем планирования на основе прецедентов				125
Лекция 12 Методы моделирования поведения. Интеллектуальные динамические системы				137
12.1.Правила				139
12.2.Интеллектуальные динамические системы. Состояния и траектории				139
12.3.Управляемые динамические системы, основанные на правилах				142
12.4.Особенности баз знаний динамических систем, основанных на правилах				144
12.5.Синтез управления для компенсации возмущений				145
12.6. Стратегия синтеза обратной связи по состояниям				148
Лекция 13 Примеры интеллектуальных динамических систем				150
13.1.Описание агентов				150
13.2.Функции и формулы				154
13.3.Замыкание состояний. Аксиомы				158
13.4.Правила. Соблюдение дистанции				159
13.5.Крестообразный перекресток равнозначных однополосных дорог				160
13.6.Правила переходов модели				160
13.7.Правила переходов модели (для области пересечения дорог)				163
13.8.Движение по попутной проезжей части				164
13.9.Стратегия применения правил				166
13.10.Описание эксперимента				166
13.11.Модели активного корабля, станции и системы управления. Общее описание				171
13.12.Параметры модели активного корабля				173
13.13.Параметры модели орбитальной станции				174
13.14.Параметры процесса стыковки				174
13.15.Правила замыкания				175
13.16.Правила переходов				176
13.17.Управление. Подцели и зоны управления				177
13.18.Правила выбора цели				177
13.19.Правила управления				179
13.20.Результаты модельного эксперимента				180
Лекция 14 Методы приобретения знаний				183
14.1.Источники знаний для интеллектуальных систем				184
14.2.Прямые методы приобретения знаний				185
14.3.Семантическе связи				187
14.4.Прямые методы приобретения связей. Интервью				195
14.5.Прямые методы приобретения знаний. Сценарий выявления сходства				197
Лекция 15 Приобретение знаний из примеров				206
15.1.Машинное обучение				206
15.2.Индукция в обучении языкам				209
15.3.Поиск				210
15.4.Индуктивный характер обучения				211
15.5.Полный перебор				213
15.6.Эвристический поиск				214
15.7.Индуктивный алгоритм построения деревьев решений (TDIDT)				217
15.8.Последовательное покрытие: AQ-обучение				222
15.9.Двухфазный подход				225
15.10.Оценка обучающих алгоритмов				226
15.11.Машинное обучение в языке исчисления предикатов первого порядка				228
Лекция 16 Приобретение знаний и анализ текстов				236
16.1.Работы Кембриджского лингвистического кружка				236
16.2.Трансформационная грамматика Хомского				237
16.3.Формальная семантика Монтегю				239
16.4.Семантические падежи Филлмора				241
16.5.Модель «Смысл—Текст»				243
16.6. Коммуникативная грамматика русского языка				247
16.7.Cитуационно-реляционный анализ текста				249
16.8.Морфологический и синтаксический анализ				255
16.9.Категориальная семантика лексических единиц				256
16.10.Установление значений синтаксем в безглагольных предложениях				260
16.11.Установление отношений на множестве синтаксем				261
Литература				263

Предисловие

В основе этой книги лежат спецкурсы, прочитанные мной в Российском университете дружбы народов, МГТУ им. Н. Э. Баумана и МФТИ. Моей целью является ознакомление читателей с основными методами искусственного интеллекта, представлением о которых, как мне кажется, должны обладать студенты, намеренные специализироваться в области прикладной математики, информатики или информационных технологий. К таковым методам следует отнести методы представления знаний, методы моделирования рассуждений, методы моделирования поведения и методы приобретения знаний.

Конечно, как перечень, так и содержание указанных разделов не претендуют на полноту и "равномерность" представления материала, хотя всё необходимое для понимания современной проблематики искусственного интеллекта в книге имеется. На отбор материала оказали существенное влияние как моё понимание того, что сегодня следует, безусловно, включить в арсенал методов искусственного интеллекта, так и мои интересы. Значительное внимание в книге уделено методам представления знаний, в частности системам правил; достаточно подробно изложены методы планирования и моделирования целенаправленного поведения, так как в литературе на русском языке эти вопросы освещены, по-видимому, впервые. Системы правил активно использованы и при изложении указанных методов. Напротив, моделированию рассуждений уделено меньше внимания, чем можно было бы – оправданием этому является наличие на русском языке соответствующей литературы. В 14–16 лекциях описаны методы автоматизации приобретения знаний, при этом активно применяется аппарат неоднородных семантических сетей, изложенный в 4-й лекции.

На протяжении всей книги материал излагался, по возможности, с единых позиций при сохранении приемлемого уровня строгости. Всюду, где это оказалось возможным, привлекались математические средства, именно в качестве средств, а не предмета изложения.

Книга может быть использована студентами старших курсов, аспирантами и специалистами в области прикладной математики, информатики и информационных технологий.

Автор

Об авторе

Осипов Геннадий Семенович

Доктор физико-математических наук, профессор. Автор метода представления знаний для интеллектуальных систем — неоднородных семантических сетей, позволяющих описывать плохо структурированные предметные области. Работал в Федеральном исследовательском центре «Информатика и управление» РАН, был постоянным членом Европейского координационного комитета по искусственному интеллекту (ECCAI), президентом Российской ассоциации искусственного интеллекта. Международное признание получил предложенный им метод прямого приобретения знаний интеллектуальными системами.

Г. С. Осипов — один из основоположников теории интеллектуальных динамических систем — динамических систем, параметры состояния которых описываются логическими и лингвистическими переменными, а динамика — правилами и отношениями неколичественного характера. Предложил и развил новый метод поиска неструктурированной информации — реляционно-ситуационный метод, позволивший реализовать эффективный анализ и релевантный поиск текстовой информации в локальных и глобальных телекоммуникационных сетях. Этот метод лег в основу семантической поисковой машины EXACTUS (www.exactus.ru).