Учебник искусственный интеллект – Основы искусственного интеллекта, Боровская Е.В., Давыдова Н.А., 2016

1

2 Е. В. Боровская Н. А. Давыдова ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Учебное пособие 3-е издание (электронное) Москва Лаборатория знаний 2016

3 УДК ББК Б83 С е р и я о с н о в а н а в 2007 г. Боровская Е. В. Б83 Основы искусственного интеллекта [Электронный ресурс] : учебное пособие / Е. В. Боровская, Н. А. Давыдова. 3-е изд. (эл.). Электрон. текстовые дан. (1 файл pdf : 130 с.). М. : Лаборатория знаний, (Педагогическое образование). Систем. требования: Adobe Reader XI ; экран 10″. ISBN Учебное пособие знакомит читателей с историей искусственного интеллекта, моделями представления знаний, экспертными системами и нейронными сетями. Описаны основные направления и методы, применяемые при анализе, разработке и реализации интеллектуальных систем. Рассмотрены модели представления знаний и методы работы с ними, методы разработки и создания экспертных систем. Книга поможет читателю овладеть навыками логического проектирования баз данных предметной области и программирования на языке ProLog. Для студентов и преподавателей педагогических вузов, учителей общеобразовательных школ, гимназий, лицеев. УДК ББК Деривативное электронное издание на основе печатного аналога: Основы искусственного интеллекта : учебное пособие / Е. В. Боровская, Н. А. Давыдова. М. : БИНОМ. Лаборатория знаний, с. : ил. (Педагогическое образование). ISBN В соответствии со ст и 1301 ГК РФ при устранении ограничений, установленных техническими средствами защиты авторских прав, правообладатель вправе требовать от нарушителя возмещения убытков или выплаты компенсации ISBN c Лаборатория знаний, 2015

5 4 Оглавление 2.4. Структура программы на языке Prolog Использование составных объектов Использование альтернативных доменов Организация повторений в языке Prolog Метод отката после неудачи Метод отсечения и отката Простая рекурсия Метод обобщенного правила рекурсии (ОПР) Списки в языке Prolog Операции над списками Строки в языке Prolog Операции над строками Файлы в языке Prolog Предикаты Prolog для работы с файлами Описание файлового домена Запись в файл Чтение из файла Модификация существующего файла Дозапись в конец уже существующего файла Создание динамических баз данных в языке Prolog Базы данных на Prolog Предикаты динамической базы данных в языке Prolog Создание экспертных систем Структура экспертной системы Представление знаний Методы вывода Система пользовательского интерфейса Экспертная система, базирующаяся на правилах Контрольные вопросы и задания к главе Литература к главе Глава 3. Нейронные сети Введение в нейронные сети Искусственная модель нейрона Применение нейронных сетей Обучение нейросети Контрольные вопросы и задания к главе Литература к главе

6 ГЛАВА 1 ИСКУССТВЕННЫЙИНТЕЛЛЕКТ 1.1. Введение в системы искусственного интеллекта Понятие об искусственном интеллекте Система искусственного интеллекта (ИИ) это программная система, имитирующая на компьютере процесс мышления человека. Для создания такой системы необходимо изучить сам процесс мышления человека, решающего определенные задачи или принимающего решения в конкретной области, выделить основные шаги этого процесса и разработать программные средства, воспроизводящие их на компьютере. Следовательно, методы ИИ предполагают простой структурный подход к разработке сложных программных систем принятия решений [5]. Искусственный интеллект это направление 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. Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума, что называется, «витала в воздухе» еще в древнейшие времена. Родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII в. пытался создать механическое устройство для решения различных задач на основе разработанной им всеобщей классификации понятий.

7 6 Глава 1 Позже Лейбниц и Декарт независимо друг от друга продолжили эту идею, предложив универсальные языки классификации для всех наук. Эти работы можно считать первыми теоретическими работами в области искусственного интеллекта. Однако окончательное рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 1940-х гг., когда Норберт Винер создал свои основополагающие работы по новой науке кибернетике. Термин «искусственный интеллект» (ИИ; англ. AI «Artificial Intelligence») был предложен в 1956 г. на семинаре с аналогичным названием в Дартмутском колледже (США). Этот семинар был посвящен разработке методов решения логических (а не вычислительных) задач. Заметим, что в английском языке данное словосочетание не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Слово «intelligence» означает всего лишь «умение рассуждать разумно», а вовсе не «интеллект» (для которого есть отдельный английский аналог «intellect»). Вскоре после признания искусственного интеллекта особой областью науки произошло его разделение на два направления: нейрокибернетику и кибернетику «черного ящика». Эти направления развивались практически независимо, существенно различаясь как в методологии, так и технологически. И только в настоящее время стали заметны тенденции к объединению этих частей вновь в единое целое. Нейрокибернетика Основную идею этого направления можно сформулировать следующим образом: «Единственный объект, способный мыслить, это человеческий мозг, поэтому любое мыслящее устройство должно так или иначе воспроизводить его структуру». Таким образом, нейрокибернетика ориентирована на программно-аппаратное моделирование структур, подобных структуре мозга. Усилия нейрокибернетики были сосредоточены на создании элементов, аналогичных нейронам, и на их объединении в функционирующие системы нейронные сети [2].

8 Искусственный интеллект 7 Первые нейросети были созданы в х гг. Это были не очень удачные попытки создать системы, моделирующие человеческий глаз и его взаимодействие с мозгом. Постепенно в х гг. количество работ по этому направлению искусственного интеллекта стало снижаться, слишком уж неутешительными были первые результаты. Обычно авторы разработок объясняли свои неудачи малой памятью и низким быстродействием существующих в то время компьютеров. Первый нейрокомпьютер был создан в Японии в рамках проекта «ЭВМ пятого поколения». К этому времени ограничения по памяти и быстродействию ЭВМ были практически сняты. Появились транспьютеры компьютеры с большим количеством процессоров, реализующих параллельные вычисления. Транспьютерная технология это один из десятка новых подходов к аппаратной реализации нейросетей, которые моделируют иерархическую структуру мозга человека. В целом сегодня можно выделить три основных разновидности подходов к созданию нейросетей: аппаратный (создание специальных компьютеров, нейрочипов, плат расширения, наборов микросхем), программный (создание программ и программных инструментариев, рассчитанных на высокопроизводительные компьютеры; такие сети создаются «виртуально», в памяти компьютера, тогда как всю работу выполняют его собственные процессоры) и гибридный (комбинация первых двух способов). Кибернетика «черного ящика» и искусственный интеллект В основу этого подхода заложен принцип, противоположный нейрокибернетике. Здесь уже не имеет значения, как именно устроено «мыслящее» устройство, главное, чтобы на заданные входные воздействия оно реагировало так же, как и человеческий мозг. Сторонники этого направления мотивировали свой подход тем, что человек не должен слепо следовать природе в своих научных и технологических поисках. К тому же пограничные науки о человеке не смогли внести существенно-

9 8 Глава 1 го теоретического вклада, объясняющего (хотя бы приблизительно), как протекают интеллектуальные процессы у человека, как устроена его память и как человек познает окружающий мир [2]. Это направление искусственного интеллекта было ориентировано на поиск алгоритмов решения интеллектуальных задач на существующих моделях компьютеров. Существенный вклад в становление новой науки внесли такие ее пионеры, как Маккарти, Минский, Ньюэлл, Саймон, Шоу, Хант и др. В х гг. велись интенсивные поиски моделей и алгоритмов человеческого мышления и разработка первых программ на их основе. Представители гуманитарных наук философы, психологи, лингвисты ни тогда, ни сейчас не смогли предложить такие алгоритмы, тогда кибернетики начали создавать собственные модели. Так последовательно были созданы и опробованы различные подходы. В конце 1950-х гг. появилась модель лабиринтного поиска. Этот подход представляет задачу как некоторое пространство состояний в форме графа, после чего в этом графе производится поиск оптимального пути от входных данных к результирующим. Была проделана большая работа по созданию такой модели, но для решения практических задач эта идея все же не нашла широкого применения. Начало 1960-х гг. стало эпохой эвристического программирования. Эвристика это некоторое правило, теоретически не обоснованное, но позволяющее сократить количество переборов в пространстве поиска. Эвристическое программирование это разработка стратегии действий на основе известных, заранее заданных эвристик. В х гг. к решению задач стали подключать методы математической логики. Робинсон разработал метод резолюций, который позволяет автоматически доказывать теоремы при наличии набора исходных аксиом. Примерно в это же время выдающийся отечественный математик Ю. С. Маслов предложил так называемый обратный вывод (впоследствии названный его именем), решающий аналогичную задачу другим способом. На основе метода резолюций

10 Искусственный интеллект 9 француз Альбер Кольмероэ в 1973 г. создал язык логического программирования Prolog. Большой резонанс в научном сообществе вызвала программа «Логик-теоретик», созданная Ньюэллом, Саймоном и Шоу, которая доказывала школьные теоремы. Однако большинство реальных задач не сводится к набору аксиом, а человек, решая производственные задачи, далеко не всегда использует классическую логику, поэтому логические модели при всех своих преимуществах имеют существенные ограничения по классам решаемых задач. История искусственного интеллекта полна драматических событий, одним из которых стал в 1973 г. так называемый «доклад Лайтхилла», который был подготовлен в Великобритании по заказу Британского совета научных исследований. Известный математик Лайтхилл, никак с искусственным интеллектом профессионально не связанный, подготовил обзор состояния дел в этой области. В докладе были признаны определенные достижения, однако их уровень определялся как «разочаровывающий», а общая оценка была отрицательной с позиций практической значимости. Этот отчет отбросил европейских исследователей примерно на пять лет назад, так как финансирование работ существенно сократилось. Примерно в это же время существенный прорыв в развитии практических приложений искусственного интеллекта произошел в США, когда в середине 1970-х гг. на смену поиску универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы (ЭС). Стал применяться и новый подход к решению задач искусственного интеллекта представление знаний. Были созданы две первые экспертные системы для медицины и химии Mycin и Dendral, ставшие классическими. Существенный финансовый вклад внес и Пентагон, предлагая базировать новую программу министерства обороны США на принципах искусственного интеллекта. Уже вдогонку упущенных возможностей Европейский союз в начале 1980-х гг. объявил о глобальной программе развития новых технологий ESPRIT,

11 10 Глава 1 в которую была включена проблематика искусственного интеллекта. В конце 1970-х гг. в гонку включается Япония, объявив о начале проекта машин пятого поколения, основанных на знаниях. Проект был рассчитан на десять лет и объединял лучших молодых специалистов крупнейших японских компьютерных корпораций. Для этих специалистов был специально создан новый институт ICOT и предоставлена полная свобода действий (правда, без права публикации предварительных результатов). В результате они создали достаточно громоздкий и дорогой символьный процессор, программно реализующий пролого-подобный язык, но не получивший широкого признания. Однако положительный эффект от этого проекта был очевиден. В Японии появилась значительная группа высококвалифицированных специалистов в области искусственного интеллекта, которая добилась существенных результатов в различных прикладных задачах. К середине 1990-х гг. японская ассоциация искусственного интеллекта насчитывала уже 40 тыс. человек. Начиная с середины 1980-х гг. повсеместно происходила коммерциализация искусственного интеллекта. Росли ежегодные капиталовложения, создавались промышленные экспертные системы. Рос интерес к самообучающимся системам. Издавались десятки научных журналов, ежегодно собирались международные и национальные конференции по различным направлениям искусственного интеллекта, который становился одной из наиболее перспективных и престижных областей информатики. В настоящее время различают два основных подхода к моделированию искусственного интеллекта: машинный интеллект, заключающийся в строгом задании результата функционирования, и искусственный разум, направленный на моделирование внутренней структуры системы. Моделирование систем первой группы достигается за счет использования законов формальной логики, теории множеств, графов, семантических сетей и других достижений науки в области дискретных вычислений, а основные результаты заключаются в создании экспертных систем, систем разбора

12 Искусственный интеллект 11 естественного языка и простейших систем управления вида «стимул реакция». Системы же второй группы базируются на математической интерпретации деятельности нервной системы (прежде всего мозга человека) и реализуются в виде нейроподобных сетей на базе нейроподобного элемента аналога нейрона [1] Искусственный интеллект в России В 1954 г. в МГУ начал работу семинар «Автоматы и мышление» под руководством академика А. А. Ляпунова ( ), одного из основателей российской кибернетики. В этом семинаре принимали участие физиологи, лингвисты, психологи, математики. Принято считать, что именно в это время родился искусственный интеллект в России. Как и за рубежом, в нем выделились два основных направления нейрокибернетика и кибернетика «черного ящика». В х гг. создавались отдельные программы и проводились исследования в области поиска решения логических задач. В ЛОМИ (Ленинградском отделении Математического института им. Стеклова) была создана программа АЛПЕВ ЛОМИ, автоматически доказывающая теоремы, которая основана на оригинальном обратном выводе Маслова, аналогичном методу резолюций Робинсона. Среди наиболее значимых результатов, полученных отечественными учеными в 1960-е гг., следует отметить алгоритм «Кора» М. М. Бонгарда, моделирующий деятельность человеческого мозга при распознавании образов. Большой вклад в становление российской школы искусственного интеллекта внесли и такие выдающиеся ученые, как М. Л. Цетлин, В. Н. Пушкин, М. А. Гаврилов, чьи ученики стали пионерами этой науки в России. В х гг. родилось новое направление ИИ ситуационное (соответствующее представлению знаний в западной терминологии). Основателем этой научной школы стал профессор Д. А. Поспелов. Были разработаны и специальные модели представления ситуаций (представления знаний). При том, что отношение к новым наукам в советской России всегда было настороженным, наука с таким «вызы-

13 12 Глава 1 вающим» названием тоже не избежала этой участи и была встречена в Академии наук «в штыки». К счастью, среди членов Академии наук СССР нашлись люди, не испугавшиеся столь необычного словосочетания в качестве названия нового научного направления. Однако только в 1974 г. при Комитете по системному анализу при президиуме АН СССР был создан научный совет по проблеме «Искусственный интеллект», его возглавил Д. А. Поспелов. По инициативе этого совета было организовано пять комплексных научных проектов, возглавляемых ведущими специалистами в данной области: «Диалог» (работы по пониманию естественного языка), «Ситуация» (ситуационное управление), «Банк» (банки данных), «Конструктор» (поисковое конструирование) и «Интеллект робота». В х гг. в нашей стране проводились активные исследования в области представления знаний, разрабатывались языки представления знаний и экспертные системы; в МГУ был создан язык Рефал. В 1988 г. была сформирована Ассоциация искусственного интеллекта (АИИ), президентом которой единогласно был избран Д. А. Поспелов. В рамках этой ассоциации проводилось большое количество исследований, были организованы школы для молодых специалистов, семинары, симпозиумы, раз в два года проводились объединенные конференции, издавался научный журнал. Следует отметить, что уровень теоретических исследований по искусственному интеллекту в России всегда был ничуть не ниже общемирового. Однако, к сожалению, начиная с 1980-х гг. на прикладных работах начинало сказываться постепенное отставание в технологии. На данный момент отставание в области разработки промышленных интеллектуальных систем составляет примерно 3 5 лет. Основные области применения систем ИИ: доказательство теорем, игры, распознавание образов, принятие решений, адаптивное программирование, сочинение машинной музыки, обработка данных на естественном языке, обучающиеся сети (нейросети), вербальное концептуальное обучение.

14 Искусственный интеллект Функциональная структура системы искусственного интеллекта Функциональная структура системы ИИ (рис. 1.1) состоит из трех комплексов вычислительных средств. Первый из них представляет собой исполнительную систему (ИС) совокупность средств, выполняющих программы и спроектированных с позиций эффективного решения задач; этот комплекс имеет в ряде случаев проблемную ориентацию. Второй комплекс это совокупность средств интеллектуального интерфейса, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечных пользователей. Третьим комплексом средств, с помощью которых организуется взаимодействие первых двух комплексов, является база знаний, обеспечивающая использование вычислительными средствами первых Рис Функциональная структура системы ИИ

15 […]

16 Минимальные системные требования определяются соответствующими требованиями программы Adobe Reader версии не ниже 11-й для платформ Windows, Mac OS, Android, ios, Windows Phone и BlackBerry; экран 10″ Учебное электронное издание Серия: «Педагогическое образование» ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Учебное пособие Ведущий редактор Д. Усенков Художники Н. Новак, С. Инфантэ Технический редактор Е. Денюкова Корректор Л. Макарова Компьютерная верстка: С. Янковая Подписано к использованию Формат мм Издательство «Лаборатория знаний» , Москва, проезд Аэропорта, д. 3 Телефон: (499)

17 БОРОВСКАЯ ЕЛЕНА ВЛАДИМИРОВНА Старший преподаватель кафедры информатики и методики преподавания информатики Челябинского государственного педагогического университета. Область интересов: проблемы модульно-рейтинговой системы контроля и оценки учебных достижений студентов в условиях управления качеством в вузе. ДАВЫДОВА НАДЕЖДА АЛЕКСЕЕВНА Кандидат педагогических наук по специальности «Теория и методика обучения и воспитания (информатика, уровень общего образования)», доцент кафедры информатики и методики преподавания информатики Челябинского государственного педагогического университета. Области интересов: технология формирования содержания образования по информатике в профильных классах общеобразовательных школ, интеллектуальные обучающие системы. Учебное пособие знакомит читателей с историей искусственного интеллекта, моделями представления знаний, экспертными системами и нейронными сетями. Описаны основные направления и методы, применяемые при анализе, разработке и реализации интеллектуальных систем. Рассмотрены модели представления знаний и методы работы с ними, методы разработки и создания экспертных систем. Книга поможет читателю овладеть навыками логического проектирования баз данных предметной области и программирования на языке Prolog. Книга предназначена для студентов и преподавателей педагогических вузов, учителей общеобразовательных школ, гимназий и лицеев.

docplayer.ru

Справочник по ИИ

Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы: Справочник /Под ред. Э.В. Попова. — М.: Радио и связь, 1990.—464 с.: ил. ISBN 5-256-00365-8 (кн.1)
Искусственный интеллект: В 3 кн. Кн. 2. Модели и методы: Справочник /Под ред. Д.А. Поспелова. — М.: Радио и связь, 1990.—304 с.: ил.  ISBN 5-256-00368-2 (кн.2)
Искусственный интеллект: В 3 кн. Кн. 3. Программные и аппаратные средства: Справочник /Под ред. В.Н. Захарова, В.Ф. Хорошевского. — М.: Радио и связь, 1990.—368 с.: ил.  ISBN 5-256-00366-6 (кн.3)

Первый отечественный справочник по искусственному интеллекту, давно ставший  библиографической редкостью, отражает состояние исследований в советской и мировой науке на тот момент (1990). Хотя некоторые материалы справочника требуют обновления (особенно в части применяемой вычислительной техники), он не потерял своей актуальности и сейчас. Справочник по-прежнему может служить отправной точкой в начале знакомства с этой интереснейшей областью науки, а люди, принимавшие участие в его составлении, продолжают вести исследования по этой тематике. Интересно, какие прогнозы авторов справочника сбылись.

Ниже приведено выборочное описание некоторых материалов справочника (с добавлением ссылок на современные ресурсы в сети Интернет).

Предисловие к Книге 1 (извлечение)
Искусственный интеллект — одно из самых молодых научных направлений.

Прошло немногим более четверти века с момента начала работ в этой области.
Но сегодняшний мир и научно-технический прогресс немыслимы без тех результатов, которые дали человечеству и обещают дать в будущем исследования в области искусственного интеллекта.
Причин для столь исключительного положения работ в области  искусственного интеллекта несколько. Наиболее важными из них являются следующие:

1. Развитие вычислительной техники вступило в новую фазу — создание ЭВМ пятого и последующих поколений. Отличительной чертой новых ЭВМ является их максимальная приближенность к пользователю, освобождение пользователя от программирования решения задач. Функции программиста  передаются ЭВМ, сложность общения с ней не должна превосходить сложности общения с современными бытовыми системами. Для этого необходимо поднять «интеллектуальный» уровень ЭВМ, сделав ее способной к выполнению творческого профессионального труда программиста. В ЭВМ должна быть заложена большая сумма знаний о способах решения задач, специальные процедуры автоматического синтеза программ, а также средства общения с пользователем, максимально приближающие это общение к общению людей.

2. XXI век нередко называют веком новых информационных технологий.
В связи с массовым внедрением ЭВМ во все сферы человеческой жизни,  развитием локальных, глобальных, национальных и межгосударственных сетей  передачи и обработки данных, быстрым ростом хранилищ информации,  распределенных в различных местах земного шара и доступных для любой ЭВМ, включенной в соответствующую сеть, станет возможным переход к  безбумажной технологии обработки информации. А это повлечет за собой изменение стиля человеческого общения в самых разнообразных деловых и бытовых взаимоотношениях.

3. Технология производства в промышленности и сельском хозяйстве меняет свою основную парадигму. До сих пор она ориентировалась на человека как основное звено в трудовом процессе.

Роботизация производства  заставляет по-новому оценить организацию трудового процесса. В роботизированных производствах нет необходимости в создании «человеческих условий» для производителей, в выполнении требований к агрегатам, климатическим условиям и т. п., которые определяются эргономикой и физиологией человека.

4. В проектировании новых образцов изделий и в научных исследованиях интеллектуальные системы должны сыграть в ближайшие годы  революционизирующую роль. Они являются тем инструментом, без которого станет  невозможным проектирование сверхсложных для человека изделий и который  позволит ученым в приемлемые сроки решать те научные проблемы, на решение которых не хватает сейчас жизни нескольких поколений.
Можно указать еще ряд причин (повышение эффективности обучения,  создание роботов-исследователей, работающих в средах, непригодных для  человека и т. п.), но и сказанного достаточно, чтобы почувствовать глобальную  значимость того направления, которое называется «искусственный интеллект».

Вряд ли сейчас возможно какое-либо единое определение, полностью  описывающее эту научную область. Среди многих точек зрения на нее сегодня  доминируют три.

Согласно первой исследования в области искусственного интеллекта являются фундаментальными исследованиями, в рамках которых  разрабатываются модели и методы решения задач, традиционно считавшихся интеллектуальными и не поддававшихся ранее формализации и автоматизации.

Согласно второй точке зрения новое направление связано с новыми идеями решения задач на ЭВМ, с разработкой принципиально иной технологии программирования, с переходом к архитектуре ЭВМ, отвергающей классическую  архитектуру, которая восходит еще к первым ЭВМ.

Наконец, третья точка зрения, по-видимому, наиболее прагматическая, состоит в том, что в результате работ в области искусственного интеллекта рождается множество прикладных систем, решающих задачи, для которых ранее создаваемые системы были непригодны.

Конечно, все эти три точки зрения взаимно связаны. В области искусственного интеллекта развиваются фундаментальные исследования, новая  технология программирования, новая архитектура технических средств, и все это  используется для создания прикладных систем, предназначенных для работы в самых разнообразных областях.

Настоящий справочник по искусственному интеллекту отражает указанные точки зрения.

Три его книги как раз и соответствуют им.

В первой книге  «Искусственный интеллект. Системы общения и экспертные системы» описаны принципы построения естественно-языковых интерфейсов и средств  графического общения, приведены общие сведения о технологии построения  экспертных систем и примеры наиболее известных интеллектуальных систем,  разработанных в СССР. Этот том предназначен не только для специалистов,  работающих в области искусственного интеллекта, но и для широкого круга лиц,  интересующихся использованием интеллектуальных систем в тех областях, в  которых они работают.

Во второй книге «Искусственный интеллект. Модели и методы» помещены материалы, касающиеся извлечения знаний, формализации их и представления в интеллектуальных системах, способов манипулирования знаниями при  поиске решений, проблем общения, работы с изображениями и распознавания  образов, а также проблем обучения и планирования целесообразного поведения.

Эта книга может служить и учебным пособием для студентов, специализирующихся в области искусственного интеллекта, и аспирантов, работающих в этой области. Она будет интересна и специалистам, поскольку представляет собой сжатую сводку результатов теории искусственного интеллекта, накопленных к настоящему времени.

Третья книга «Искусственный интеллект. Программные и аппаратные  средства» содержит описание базовых средств, которые используются при  программировании задач в интеллектуальных системах, языков представления знаний и манипулирования ими, инструментальных систем, используемых при  создании проблемно-ориентированных интеллектуальных систем, а также  спецпроцессоров, архитектура которых ориентирована на реализацию тех функций, которые характерны для интеллектуальных систем.

Эта книга рассчитана в первую очередь на специалистов, разрабатывающих интеллектуальные системы и инструментарий для них, а также на студентов и аспирантов,  обучающихся по специализациям, связанным с искусственным интеллектом и  созданием ЭВМ новых поколений.

Справочников по интеллектуальным системам пока нет ни в СССР, ни в других странах (смотри первый зарубежный Справочник по искусственному интеллекту). Поэтому подготовка материалов для него потребовала большого труда многих специалистов нашей страны.

Окончательную подготовку справочника осуществляли специальная редколлегия и рабочая группа,  назначенные Научным советом по проблеме «Искусственный интеллект» Отделения информатики, вычислительной техники и автоматизации АН СССР.

В состав редколлегии входили:
академик Г.С. Поспелов (председатель),
д-р техн. наук, проф. Д.А. Поспелов (зам. председателя),
канд. техн. наук В.Ф. Хорошевский (ученый секретарь),
д-р техн. наук, проф. Э.В. Попов,
канд. техн. наук В.Н. Захаров.

В состав рабочей группы входили:
канд. физ-мат. наук А.Н. Аверкин,
канд. техн. наук А.М. Волков,
канд. техн. наук М.Г. Гаазе-Рапопорт,
В.Н. Дембовская,
канд. физ-мат. наук С.М. Ефимова,
канд техн. наук Б.С. Кирсанов,
канд. физ.-мат. наук Л.В. Литвинцева,
канд. техн наук А.Б. Преображенский,
Н.В. Руссова,
Н.В. Чудова.

Книга 1 (Книга 1)

Приводится классификация интеллектуальных систем по их структуре и решаемым задачам. Описываются особенности систем общения и экспертных систем, получивших наиболее широкое распространение на практике. Рассматривается состояние развития систем общения (естественно-языковых, систем речевого общения, обработки визуальной информации, машинного перевода), экспертных систем и инструментальных систем для их создания.
Для специалистов в области управления, информационных систем и вычислительной техники, использующих методы искусственного интеллекта.

Оглавление

Предисловие 5
Глава 1. Особенности реализации ЕЯ-систем (Э.В. Попов, А.Б. Преображенский) 9
1.1. Назначение и область применения ЕЯ-систем 9
1.2. Обобщенная схема ЕЯ-системы 12
1.3. Методы реализации ЕЯ-систем 17
1.4. Настройка ЕЯ-систем 28
Глава 2. Состояние развития современных ЕЯ-систем (А.Б. Преображенский) 32
2.1. Основные классы ЕЯ-систем 32
2.2. Интеллектуальные вопрос-ответные системы 40
2.3. Системы общения с базами данных 42
2.4. Диалоговые системы решения задач 51
2.5. Системы обработки связных текстов 59
Глава 3. Отечественные коммерческие и промышленные ЕЯ-системы 65
3.1. Коммерческая система АИСТ (А.Б. Преображенский) 65
3.2. Коммерческая система ЛИНГВИСТ (А.Ф. Киселев, Э.В. Попов) 75
3.3. Промышленная система ДИСПУТ (Л.И. Микулич) 87
Глава 4. Теоретические основы систем речевого общения (Б.М. Лобанов) 95
4.1. Основные положения 95
4.2. Фонетическая и просодическая структуры речи 96
4.3. Акустические характеристики фонем 99
4.4. Информационная структура речевого сигнала 103
Глава 5. Принципы построения систем речевого общения (Б.М.Лобанов) 106
5.1. Классификгция речевых процессоров 106
5.2. Формантный анализатор речевых сигналов 109
5.3. ДП-анализатор речевых команд 114
5.4. Формантный синтезатор речевых сигналов 116
5.5. Универсальный фонемный синтезатор речевых сообщений 121
Глава 6. Состояние разработки и производства систем речевого общения (Б.М. Лобанов) 125
6.1. Обзор промышленных систем речевого общения 125
6.2. Отечественные системы речевого общения 132
6.3. Перспективные зарубежные системы речевого общения 136
6.4. Тенденции применения средств речевого общения 138
Глава 7. Особенности построения и использования систем переработки визуальной информации (В. В. Александров, В.А. Анисимов, Н.Д. Горский, С.Н. Мысько) 140
7.1. Назначение, классификация и области применения 140
7.2. Автоматизированные системы обработки изображений 142
7.3. Системы анализа изображений 146
7.4. Системы машинной графики 150
Глава 8. Состояние развития современных систем обработки визуальной информации (В.В. Александров, В.А. Анисимов, Н.Д. Горский, С.Н. Мысько) 153
8.1. Автоматизированные системы обработки изображений 153
8.2. Системы анализа изображений 162
8.3. Системы и пакеты машинной графики 172
Глава 9. Отечественные системы обработки визуальной информации 179
9.1. Пакет программ для распознавания рукописной, символьной и графической информации ГРАФИТ (А.М. Байков, Е.О. Кузин, А.Л. Ламис) 179
9.2. Система технического зрения для анализа сложных трехмерных сцен (В.П. Андреев) 184
9.3. Когнитивная интерактивная графическая система ДСТЧ (А.А. Зенкин) 190
Глава 10. Теоретические аспекты машинного перевода (А.Д. Бакулов, Н.Н. Леонтьева) 201
10.1. Назначение машинного перевода 201
10.2. Периодизация и классификация систем машинного перевода 203
10.3. Лингвистическое обеспечение систем машинного перевода 206
10.4. Математическое и программное обеспечение машинного перевода 212
10.5. Оценка систем машинного перевода 213
10.6. Перспективы развития систем машинного перевода 214
Глава 11. Современное состояние машинного перевода (Н.Н. Леонтьева, 3.М. Шаляпина) 216
11.1. Общие сведения о современных системах машинного перевода 216
11.2. Промышленные системы машинного перевода 217
11.3. Развивающиеся системы машинного перевода 235
11.4. Экспериментальные системы машинного перевода 241
Глава 12. Отечественные системы машинного перевода (А.Д. Бакулов, Н.Н. Леонтьева, 3.М. Шаляпина) 248
12.1. Три подхода к решению задач машинного перевода 248
12.2. Комплекс систем англо-русского и немецко-русского автоматического перевода АНРАП 249
12.3. Системы семейства ЭТАП 253
12.4. Система французско-русского автоматического перевода ФРАП 255
12.5. О перспективах развития отечественных систем машинного перевода 260
Глава 13. Особенности разработки и использования экспертных систем (Э.В. Попов) 261
13.1. Назначение и принципы построения экспертных систем 261
13.2. Классификация экспертных систем 265
13.3. Классификация инструментальных средств 269
13.4. Методология разработки экспертных систем 271
13.5. Этапы разработки экспертных систем 274
13.6. Взаимодействие инженера по знаниям с экспертом 282
13.7. Трудности разработки экспертных систем 284
13.8. Проблемы и перспективы 288
Глава 14. Состояние разработки инструментальных средств и экспертных систем (Б.С. Кирсанов, Э.В. Попов) 290
14.1. Характеристики инструментальных средств и экспертных систем 290
14.2. Состояние разработки инструментальных средств 294
14.3. Состояние разработки экспертных систем 312
Глава 15. Отечественные инструментальные средства для персональных ЭВМ и мини-ЭВМ 342
15.1. Исследовательская система СПЭИС (О.В. Ковригин) 342
15.2. Коммерческая гибридная система ЭКСПЕРТ (Б.С. Кирсанов, Э.В. Попов) 349
15.3. Коммерческая система ФИАКР (С.Ю. Соловьев, Г.Н. Соловьева) 362
Глава 16. Отечественные оболочки экспертных систем для больших ЭВМ (Б.С. Кирсанов, Э.В. Попов) 369
16.1. Общее описание коммерческой гибридной системы ЭКСПЕРТИЗА 369
16.2. Возможности режима приобретения знаний 371
16.3. Возможности режима консультации 379
16.4. Функционирование системы 384
Глава 17. Отечественные экспертные системы на персональных ЭВМ 388
17.1. Система СПЭИС/МОДИС (О.В. Ковригин) 388
17.2. Система ОБЕЗБОЛИВАНИЕ/ЭКСПЕРТ (Б.С. Кирсанов, М.Д. Шапот) 394
Глава 18. Отечественные экспертные системы на больших ЭВМ 399
18.1. Система ПЛОТИНА/ЭКСПЕРТИЗА (К.И. Иващенко, Б.С. Кирсанов) 399
18.2. Промышленная система ДАМП/ЭКСПЕРТИЗА (М.М. Виньков, Б.Е. Демин, Б.С. Игнатов, В.Н. Игнатьев) 404
18.3. Система СОНЭТ/ЭКСПЕРТИЗА (Б.С. Кирсанов, С.В. Маслов) 407
18.4. Система ЛЕДИ-Z (З.В. Рахманова) 411
Список литературы 413

Книга 2  (Книга 2)

Предисловие к Книге 2 (извлечение)

В настоящее время в исследованиях по искусственному интеллекту выделились шесть основных направлений.

1. Представление знаний. В рамках этого направления решаются задачи, связанные с формализацией и представлением знаний в памяти интеллектуальной системы (ИС). Для этого разрабатываются специальные модели представления знаний и языки для описания знаний, выделяются различные типы знаний. Изучаются источники, из которых ИС может черпать знания, и  создаются процедуры и приемы, с помощью которых возможно приобретение знаний для ИС. Проблема представления знаний для ИС чрезвычайно актуальна, так как ИС — это система, функционирование которой опирается на знания о проблемной области, которые хранятся в ее памяти.

2. Манипулирование знаниями. Для того чтобы знаниями можно было пользоваться при решении задач, надо научить ИС оперировать ими. В  рамках данного направления строятся способы пополнения знаний на основе их неполных описаний, изучаются системы классификации хранящихся в ИС знаний, разрабатываются процедуры обобщения знаний и формирования на их основе абстрактных понятий, создаются методы достоверного и правдоподобного вывода на основе имеющихся знаний, предлагаются модели рассуждений, опирающихся на знания и имитирующих особенности человеческих рассуждений.

Манипулирование знаниями очень тесно связано с представлением знаний. Многие исследователи считают, что эти два направления можно разделить лишь условно. Создающаяся в настоящее время теория баз знаний включает исследования, относящиеся как к первому, так и ко второму направлениям.

3. Общение. В круг задач этого направления входят: проблема понимания связных текстов на ограниченном и неограниченном естественном языке,  синтез связных текстов, понимание речи и синтез речи, теория моделей  коммуникации между человеком и ИС. К этому же кругу проблем примыкают задачи формирования объяснений действий ИС, которые она должна уметь порождать по просьбе человека, а также комплекс задач, связанных с интеграцией в единый внутренний образ сообщений различной модальности (речевых,  текстовых, зрительных и т. п.), полученных в процессе коммуникации. На основе исследований в этом направлении формируются методы построения  лингвистических процессоров, вопросно-ответных систем, диалоговых систем и других ИС, целью которых является обеспечение комфортных условий для общения человека с ИС.

4. Восприятие. Это направление традиционно включает: проблемы анализа трехмерных сцен, разработку методов представления информации о зрительных образах в базе знаний, создание методов перехода от зрительных сцен к их текстовому описанию и методов обратного перехода, разработку процедур когнитивной графики, создание средств для порождения зрительных сцен на  основе внутренних представлений в ИС.

Специалисты в области искусственного интеллекта видят большие возможности в повышении уровня  интеллектуальности ИС за счет обработки зрительной (образной) информации и соотнесения ее с обработкой символьной (текстовой) информации.

5. Обучение. Предполагается, что ИС подобно человеку будут способны к обучению — решению задач, с которыми они ранее не встречались. Для того чтобы это стало возможным, необходимо: создать методы формирования  условий задачи по описанию проблемной ситуации или по наблюдению за этой ситуацией, научиться переходу от известного решения частных задач  (примеров) к решению общей задачи, создать приемы декомпозиции исходной для ИС задачи на более мелкие так, чтобы они оказались для ИС уже  известными, разработать нормативные и декларативные модели самого процесса  обучения, создать теорию подражательного поведения. Перечень задач можно  было бы продолжить, ибо в области обучения ИС сделано еще весьма мало. Однако важность работ в этом направлении не вызывает никаких сомнений.

6. Поведение. Так как ИС должны действовать в некоторой окружающей среде, то необходимо разработать специальные поведенческие процедуры,  которые позволили бы им адекватно взаимодействовать с окружающей средой, другими ИС и людьми. Для достижения такого взаимодействия надо провести исследование в ряде направлений и создать: модели целесообразного  поведения, нормативного поведения, ситуативного поведения, специальные методы многоуровневого планирования и коррекции планов в динамических ситуациях.

Лишь после этого можно будет говорить о возможности привычного взаимодействия между людьми и ИС.

Практически все перечисленные направления искусственного интеллекта рассмотрены в настоящем томе справочника. Полнота изложения результатов, касающихся того или иного направления, не одинакова. Это объясняется  разным уровнем исследований в них.

Данный том отражает тот взгляд на  исследования в области искусственного интеллекта, который характерен для  специалистов, разрабатывающих теоретические модели и методы решения  разнообразных задач, возникающих при создании ИС.

Этим он отличается от первого тома, в котором проблемы искусственного интеллекта рассматривались с точки зрения пользователей ИС.

Оглавление (Книги 2)

Предисловие — 5
Глава 1. Представление знаний 7
1.1. Данные и знания (Д.А. Поспелов) 7
1.2. Логические модели (Г.С. Плесневич) 1 4
1.3. Сетевые модели (В.С. Лозовский) 28
1.4. Продукционные модели (Д.А. Поспелов) 49
1.5. Сценарии (Л.В. Литвинцева) 56
1.6. Ленемы (Е.Ю. Кандрашина) 60
Глава 2. Методы работы со знаниями 65
2.1. Приобретение и формализация знаний (А.Н. Аверкин, А.Ф. Блишун, Т.А. Гаврилова, Г.С. Осипов) 65
2.2. Пополнение знаний (Л.В. Литвинцева, Д.А. Поспелов)  76
2.3. Обобщение и классификация знаний (В.Н. Вагин, Я.Я. Викторова) 82
2.4. Дедуктивный вывод на знаниях (В.Н. Вагин) 89
2.5. Неточный вывод на знаниях (А.Р. Хачатрян) 105
Глава 3. Общение 110
3.1. Уровни понимания (Д.А. Поспелов) 110
3.2. Понимание текстов на естественном языке (И.В. Совпель)  115
3.3. Синтез связных текстов (Л.В. Зубов, Я.В. Руссова)  121
3.4. Машинное творчество (М.Г. Гаазе-Рапопорт, Р.X. Зарипов)  126
3.5. Когнитивная компьютерная графика (А.А. Зенкин)  137
3.6. Компьютерные игры (Г.Г. Гнездилова, О.А. Гончаров, Г. В. Сенин) 143
Глава 4. Распознавание образов и анализ изображений (Ю.И. Журавлев, И.Б. Гуревич) 149
4.1. Проблема распознавания 149
4.2. Математическая теория распознавания образов 153
4.3. Распознавание изображений 174
4.4. Алгоритмические базы знаний 189
Глава 5. Восприятие и первичная обработка зрительной информации  191
5.1. Зрительное восприятие человека и машинное зрение (В.В. Александров, Н.Д. Горский) 191
5.2. Восприятие двумерных изображений (Я.Д. Горский)  196
5.3. Восприятие трехмерных сцен (В.С. Шнейдеров) 201
Глава 6. Обучение (А.А. Мартиросян, Э.М. Погосян) 206
6.1. Модели обучения 206
6.2. Обучение по примерам 208
6.3. Обучающиеся системы 216
Глава 7. Планирование решения задач 231
7.1. Планирование действий (А.Н. Аверкин, Е.И. Ефимов)  231
7.2. Планирование при синтезе программ (М.И. Канович, Г.Е. Минц) 243
7.3. Поступки и поведение (Д.А. Поспелов) 251
Список литературы (составитель Н.В. Руссова) 257

Книга 3  (Книга 3)

Приводится классификация программных средств для интеллектуальных систем. Описываются конкретные языки представления знаний и манипулирования ими, базовые языки, используемые в интеллектуальных системах, системы поддержки разработки интеллектуальных систем, ЭВМ с высоким уровнем интерпретации языков, спецпроцессоры баз данных, знаний и логического вывода для ЭВМ пятого и последующих поколений.

Для специалистов в области управления, информационных систем и вычислительной техники, использующих методы искусственного интеллекта.

Глава 1. Базовые средства программирования для интеллектуальных систем
1.1. Средства поддержки разработки интеллектуальных систем (А.Г. Красовский, В.Ф. Хорошевский)
1.2. Языковые средства программирования (В.Ф. Хорошевский)
1.3. Язык ЛИСП и его модификации (О.В. Ковригин, К.Г. Перфильев)
1.4. Язык Пролог и методы его реализации (Н.И. Ильинский, И.Б. Козинцев)
1.5. Метаалгоритмический язык РЕФАЛ и тенденции его развития (С.А. Романенко)
1.6. Языки программирования интеллектуальных решателей (В.Н. Лихолип, В.Н. Пильщиков)
      Язык PLANNER
      Язык CONNIVER
      Языки QA-4 и QLISP
1.7. Система SMALTALK-80 и объектно-ориентированное программирование (Д.И. Безруков, А.О. Голосов)
Глава 2. Языки и системы представления знаний
2.1. Программные средства представления знаний: состояние исследований и проблемы (В.Ф. Хорошевский)
2.2. Язык представления знаний оболочки знаний СПЭИС (О.В. Ковригин)
2.3. Язык представления знаний ПИЛОТ (В.Ф. Хорошевский, С.Ю. Щенников)
2.4. Язык представления лингвистических знаний ATNL-2.0 (В.Ф. Хорошевский)
2.5. Средства для работы со знаниями в технологическом комплексе ТХК-БЗ (Е.Ю. Кандрашина)
Глава 3. Инструментальные средства для разработки интеллектуальных систем
3.1. Технологические комплексы для разработки баз знаний (Е.Ю. Кандрашина)
3.2. ПРИЗ – семейство инструментальных средств, ориентированных на знания
(А. Калья, М. Коов, М. Кыпп, М. Мацкин, Я. Пеньям, Х. Перкманн, Э. Тыугу, Х. Хаав, А. Шмундак)
3.3. Инструментальный технологический комплекс для систем семиотического моделирования
(А.А. Абдрахманов, В.С. Лозовский, С.В. Лозовский)
3.4. Средства поддержки проектирования прикладных экспертных систем в оболочке СПЭИС (О.В. Ковригин)
3.5. ПиЭС – программный инструментарий для экспертных систем
(А.Ю. Алешин, В.Ф. Хорошевский, В.Ю. Шерстнев, С.Ю. Щенников)
Глава 4. Принципы разработки аппаратных средств поддержки интеллектуальных систем
4.1. Аппаратная реализация интеллектуальных систем (В.Н. Захаров, Л.К. Эйсымонт)
4.2. Элементная база интеллектуальных систем (В.Н. Захаров, Л.К. Эйсымонт)
4.3. Апериодическая схемотехника (В.И. Варшавский, В.В. Мараховский, Л.Я. Розенблюм, А.В. Яковлев)
Глава 5. Специализированные процессоры для интеллектуальных систем
5.1. Машины баз данных (М.М. Гилула, Л.А. Калиниченко, С.К. Ландо, В.М. Рывкин)
5.2. Ассоциативные параллельные процессоры (Е.К. Гордиенко)
5.3. Однородные структуры (В.Н. Захаров, В.Ю. Кириллов)
5.4. Специализированные вычислительные структуры (А.П. Горяшко)
5.5. Средства обработки нечеткой информации (Л.С. Берштейн, С.Я. Коровин, А.Н. Мелихов)
Глава 6. Специализированные процессоры для языков высокого уровня
6.1. ЛИСП-процессоры (А.Н. Мямлин, А.Г. Рубин, В.К. Смирнов)
6.2. ПРОЛОГ-машины и спецпроцессоры вывода (В.Н. Вагин, В.Н. Захаров)
6.3. Рефал-процессор (С.Л. Головков, В.К. Смирнов)

Справочники доступны:
— в библиотеке научной литературы Эврика
— в библиотеке Яндекса Книга 1 | Книга 2 | Книга 3

aihandbook.intsys.org.ru

Искусственный интеллект для программистов / ABBYY corporate blog / Habr

На эти и другие вопросы вы найдете ответ в статье под катом, написанной на основе выступления Константина Анисимовича, директора департамента разработки технологий ABBYY, одного из ведущих экспертов страны в сфере искусственного интеллекта.
При его личном участии были созданы технологии распознавания документов, которые применяются в продуктах ABBYY FineReader и ABBYY FormReader. Константин рассказал об истории и основах разработки AI на одном из мастер-классов для студентов Технопарка Mail.Ru. Материал мастер-класса и стал базой для цикла статей.

Всего в цикле будет три поста:
• Искусственный интеллект для программистов
• Применение знаний: алгоритмы поиска в пространстве состояний
• Получение знаний: инженерия знаний и машинное обучение

Взлеты и падения подходов в AI

Первыми достижениями в области символьных вычислений были созданный в 50-е годы язык Lisp и работа Дж. Робинсона в области логического вывода. В коннекционизме таковым стало создание персептрона – самообучающегося линейного классификатора, моделирующего работу нейрона. Дальнейшие яркие достижения находились в основном в русле символьной парадигмы. В частности, это работы Сеймура Пайперта и Роберта Антона Уинсона в области психологии восприятия и, конечно, фреймы Марвина Минского.

В 70-е годы появились первые прикладные системы, использующие элементы искусственного интеллекта – экспертные системы. Дальше произошел некий ренессанс коннекционизма с появлением многослойных нейронных сетей и алгоритма их обучения методом обратного распространения. В 80-е годы увлечение нейронными сетями было просто повальным. Сторонники этого подхода обещали создать нейрокомпьютеры, которые будут работать практически как человеческий мозг.

Но ничего особенного из этого не вышло, потому что настоящие нейроны устроены намного сложнее, чем формальные, на которых основаны многослойные нейросети. И количество нейронов в человеческом мозге тоже намного больше, чем можно было позволить себе в нейросети. Основное, для чего оказались пригодны многослойные нейросети – это решение задачи классификации.

Следующей популярной парадигмой в области искусственного интеллекта стало машинное обучение. Подход начал бурно развиваться с конца 80-х годов и не теряет популярности и поныне. Значительный толчок развитию машинного обучения дало появление интернета и большого количества разнообразных легкодоступных данных, которые можно использовать для обучения алгоритмов.

Главные задачи при проектировании искусственного интеллекта

Возникает очень важный вопрос: как может AI решить задачу, для которой нет алгоритма решения? Суть в том, чтобы делать это так же, как и человек — выдвигать и проверять правдоподобные гипотезы. Естественно, что для выдвижения и проверки гипотез нужны знания.

Знания — это описание предметной области, в которой работает интеллектуальная система. Если перед нами система распознавания символов естественного языка, то знания включают в себя описания устройства символов, структуру текста и тех или иных свойств языка. Если это система оценки кредитоспособности клиента, у нее должны быть знания о типах клиентов и знания о том, как профиль клиента связан с его потенциальной некредитоспособностью. Знания бывают двух типов – о предметной области и о поиске путей решения (метазнания).

Основные задачи проектирования интеллектуальной системы сводятся к выбору способов представления знаний, способов получения знаний и способов применения знаний.

Представление знаний

Неструктурированные представления используются обычно в тех сферах, которые связаны с решением задач классификации. Это обычно векторы оценок весовых коэффициентов, вероятностей и тому подобное.

Практически все способы структурированного представления знания базируются на формализме фреймов, которые в 1970-е ввел Марвин Минский из MIT, чтобы обозначить структуру знаний для восприятия пространственных сцен. Как выяснилось, подобный подход годится практически для любой задачи.

Фрейм состоит из имени и отдельных единиц, называемых слотами. Значением слота может быть, в свою очередь, ссылка на другой фрейм… Фрейм может быть потомком другого фрейма, наследуя у него значения слотов. При этом потомок может переопределять значения слотов предка и добавлять новые. Наследование используется для того, чтобы сделать описание более компактным и избежать дублирования.

Несложно заметить, что существует сходство между фреймами и объектно-ориентированным программированием, где фрейму соответствует объект, а слоту — поле. Сходство это неслучайное, потому что фреймы были одним из источников возникновения ООП. В частности, один из первых объектно-ориентированных языков Small Talk практически в точности реализовывал фреймовые представления объектов и классов.

Для процедурного представления знаний используются продукции или продукционные правила. Продукционная модель — это модель, основанная на правилах, позволяющих представить знание в виде предложений «условие — действие». Такой подход раньше был популярен в различных системах диагностики. Достаточно естественно в виде условия описывать симптомы, проблемы или неисправности, а в виде действия — возможную неисправность, которая приводит к наличию этих симптомов.

В следующей статье мы поговорим о способах применения знаний.

Список литературы.

1. John Alan Robinson. A Machine-Oriented Logic Based on the Resolution Principle.  Communications of the ACM, 5:23-41, 1965.
2. Seymour Papert, Marvin Minsky. Perceptrons. MIT Press, 1969
3. Marvin Minsky. Symbolic vs. Connectionist, 1990
4. Marvin Minsky. A framework for representing knowledge. MIT AI Laboratory Memo 306, June, 1974.
5. Russell, Norvig. Artificial Intelligence: A Modern Approach.
6. Simon Haykin. Neural networks: a comprehensive foundation.
7. Nils J. Nilsson. Artificial Intelligence: A New Synthesis.

habr.com