Lietišķās intelektuālās sistēmas DIP416

1. Lietišķās intelektuālās sistēmasDIP416

2. L. Novickis. Lietišķās intelektuālās sistēmas Lietišķās intelektuālās sistēmas Profesors, Dr. Habil. Sc. Ing. Leonīds Novickis Rīgas Tehniskā universitāte Datorzinātnes un informācijas tehnoloģijas fakultāte Lietišķo datorsistēmu institūts Lietišķo datorsistēmu programmatūras profesora grupa

3. L. Novickis. Lietišķās intelektuālās sistēmas Priekšmeta pamatdati • Priekšmeta pieteicējs:Prof. L. Novickis • Apjoms:3 KP • Kontroles veids:Eks. • Studiju līmenis:Maģistra profesionālās studijas • Semestris:1. semestris

4. L. Novickis. Lietišķās intelektuālās sistēmas Priekšmeta mērķi un uzdevumi Mērķis • Apgūt lietišķo intelektuālo sistēmu (LIS) uzbūves metodes, kuras balstās uz lingvistisko un matemātisko modeļu kompleksu. Uzdevumi • Apgūt LIS uzbūves pamatkoncepcijas un metodoloģijas • Spēj praktiski pielietot zināšanas inženierijas pamatus LIS uzbūvei • Apgūt loģiskās izvades algoritmu realizācijas metodes • Apgūt dabīgas valodas (DV) analīzes un apstrādes metodes • Apgūt zināšanu atspoguļošanas modeļus

5. L. Novickis. Lietišķās intelektuālās sistēmas Pamatlitetratūra • Intelektuālo sistēmu projektēšana J.Grundspeņķis, L.Novickis, J.Osis, V.Šitikovs – Rīga, RTU • Левин Р., Дранг Д., Эделсон Б., Практическое введение в технологию искуственного интеллекта в экспертных системах – Москва, Финансы и статистика (пер. с англ.)

6. L. Novickis. Lietišķās intelektuālās sistēmas Papildliteratūra • Cercone N.J., Schubert L.K. Towards a State based conceptual knowledge representation. In: Proceedings of 4th International Conference of Artificial Intelligence, p.p. 83-90 • Schubert L.K. Semantic Networks. In: Artificial Intelligence, No 2, 8, 1976

7. L. Novickis. Lietišķās intelektuālās sistēmas Atslēgas vārdi Mākslīgais intelekts, lietišķās sistēmas, zināšanu atspoguļošanas modeļi, loģiskie izvades algoritmi, dabīgas valodas analīze, tiešā spriedumu ķēdīte, apgriezta spriedumu ķēdīte, varbūtības/pārliecinātības koeficients, zināšanu bāze, produkcionālais modelis, lēmumu koks.

8. L. Novickis. Lietišķās intelektuālās sistēmas Saisinājumi • DV – dabīga valoda • EF – elementārais fragments • IV – iekšēja valoda • LIS – lietišķās intelektuālās sistēmas

9. L. Novickis. Lietišķās intelektuālās sistēmas Saisinājumi • PK – pārliecinātības koeficients • ST – semantiskie tīkli • STSV – semantiskie tīkli ar saites virsotnēm

10. L. Novickis. Lietišķās intelektuālās sistēmas Pamattēmas • Ieskats LIS • Zināšanu atspoguļošanas modeļi • LIS arhitektūra, zināšanu iegūšanas metodes • LIS veidošanas metodoloģija • Zināšanu bāzes konstruēšana • LIS uzbūves metodes: tiešās spriedumu ķēdītes realizācija • LIS uzbūves metodes: apgrieztās spriedumu ķēdītes realizācija • LIS uzbūves metodes: uz pārliecinātības koeficenta (PK) balstītā loģiskā izvade

11. L. Novickis. Lietišķās intelektuālās sistēmas Pamattēmas • Ieskats DV analīzes un apstrādes metodes • DV morfoloģiskās analīzes algoritmu realizācija • DV sintaktiskās analīzes algoritmu realizācija • DV semantiskās analīzes algoritmu realizācija • Priekšmeta “LIS uzbūves metodes” pasniegšanas pieredze citās ārzemju augstskolās • LIS uzbūves metožu izmantošanas piemēri programmatūras izstrādē

12. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu atspoguļošanas modeļa klasifikācija Deklaratīvie Procedūrālie Speciālie relācijas algebras freimu planner produkciju loģiskie tīkla funkcionālie tīkli scenāriji semantiskie tīkli

13. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu apstrāde sistēmas bāzes struktūra Dators Izvades algoritmi sistēmai, kura tiek apmācīta Zināšanu bāze Cilvēks Izvades algoritmi lietotāju sistēmai 13

14. L. Novickis. Lietišķās intelektuālās sistēmas Paskaidrošanas spējas Lietotājs Lingvistiskais procesors Darba atmiņa Risinātājs (interpretators) Zināšanu bāze Eksperts Zināšanu iegūšana Vispārīgas intelektuālas datorsistēmas shema

15. L. Novickis. Lietišķās intelektuālās sistēmas IS Testēšana Ekspluatācijas mēģinājums Sākums Nobeigšana Identifikācija Pārformulēšana Prasības Izpilde Pārkonstruēšana Konceptualizācija Pilnveidošana Jēdzieni Formalizācija Intelektuālo sistēmu izstrādes etapi

16. 1. Parametriskā apmācība. Visvienkāršākā apmācības forma pēc piemēriem vai novērojumiem ir vispārīgā noteikuma noteikšana, kuram ir jākļūst par secinājuma rezultātu, un vēlāka šajā noteikumā ietilpstošo parametru korekcija atkarībā no datiem. Pie kam tiek izmantoti apmācības psiholoģiskie modeļi, apmācības vadības sistēmas un citas metodes. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu iegūšanas metodes 16

17. 2. Apmācība, pamatojoties uz secinājumiem pēc analoģijas. Jaunu jēdzienu iegūšana ir iespējama esošo zināšanu pārveidošanas ceļā, līdzīgi tām, kuras gatavojas iegūt. Šī ir svarīga funkcija, kura tiek saukta par apmācību, pamatojoties uz secinājumiem pēc analoģijas vai vienkārši pamatojoties uz apmācību pēc analoģijas. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu iegūšanas metodes 17

18. Secinājumi pēc analoģijas – viens no svarīgākajiem mākslīgā intelekta pētīšanas objektiem. Interesantus rezultātus šajā jomā ieguvis P.Vinstons. Viņš izmanto secinājumus pēc analoģijas, balstoties uz šādu hipotēzi: “Ja divas situācijas ir līdzīgas pēc vairākām pazīmēm, tad tas ir līdzīgas vēl pēc vienas pazīmes”. Divu situāciju līdzība tiek izzināta vislabāko sakritību atrašanas ceļā pēc vissvarīgākajām pazīmēm. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu iegūšanas metodes 18

19. 3. Apmācība, pamatojoties uz secinājumiem pēc indukcijas evristiskā apmācība. Visu apmācības formu vidū īpaši izdalīsim apmācību, balstoties uz apmācību pēc indukcijas – tā ir apmācība ar augsta līmeņa secinājumu izmantošanu, līdzīgi kā apmācība pēc analoģijas. Šis apmācības procesā esošo datu kopuma apkalpojuma ceļā tiek izsecināti vispārīgie noteikumi. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu iegūšanas metodes 19

20. Iespējama apmācība ar pasniedzēju, kad ieejas datus uzdod cilvēks, kurš uzmana apmācības sistēmas stāvokli, un apmācība bez pasniedzēja, kad dati nokļūst sistēmā nejauši. Gan vienā gan otrā gadījumā secinājumi var būt dažādi. Tie var būt arī dažādi pēc sarežģītības pakāpes atkarībā no tā, vai tiek uzdoti tikai korekti dati vai arī nekorekti dati un tamlīdzīgi. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu iegūšanas metodes 20

21. Zināšanu iegūšanas process realizējas, balstoties uz eksperta darbību, kurš risina reālus uzdevumus ar tā saucamo “zināšanu inženieri” (knowledge engineer).Zināšanu evristiskais raksturs izveido to iegūšanu par visai darbietilpīgu procesu. Neformalizētiem uzdevumiem parasti piemīt šādas īpatnības: Kļūdaini, nevienveidīgi, nepilni un pretrunīgi dati; Kļūdainas, nevienveidīgas, nepilnas un pretrunīgas zināšanas par problēmu jomu un par risināmo uzdevumu; Lēmumu kopas lielais izmērs L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu iegūšanas metodes 21

22. Iepriekš tika izskaitīta apmācība objektu līmenī, bet vēl ir sarežģītāka problēma – zināšanu iegūšana meta-līmenī, kuras pamatā ir informācija par uzdevumu risināšanas vadību ar zināšanu izmantošanu objektu līmenī. Zināšanām meta-līmenī vēl nav noteiktas ne izmantošanas un attēlošanas formas, ne saites starp zināšanām objektu līmenī, ne arī to sistematizācijas tehnika. Tā kā nav noteikta to attēlošanas forma no izmantošanas viedokļa, tad grūti ir runāt par zināšanu iegūšanu meta-līmenī. Tomēr ar šo problēmu saistītas daudzas cerības zināšanu inženierija. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu iegūšana meta-līmenī 22

23. Apmācības procesā pēc piemēriem var lietot dažādas informatizācijas strukturizācijas stratēģijas un, ja nepieciešams, šo procesu vadīt, atbildot uz ieejas datiem. Eksistē divas klasiskas metodes: metode “no lejas uz augšu”, kurā secīgi tiek izvēlēti un strukturēti atsevišķi paziņojumi, un metode “no augšas uz leju”, kurā vispirms tiek izvirzīta hipotēze, bet pēc tam tā tiek koriģēta informācijas pienākšanas. L. Novickis. Lietišķās intelektuālās sistēmas Apmācības vadība 23

24. L. Novickis. Lietišķās intelektuālās sistēmas Intelektuālo sistēmu izstrādes stadijas 24

25. L. Novickis. Lietišķās intelektuālās sistēmas Loģiskie izvades algoritmi: • Tiešā spriedumu ķēdīte; • Apgrieztā spriedumu ķēdīte; • Izvade, balstoties uz varbūtībām;

26. L. Novickis. Lietišķās intelektuālās sistēmas Lēmumu koks – zināšanu bāzes modelis PEOPLE = evakuēt.(4) WATER = augsts(1) jā nē jā RAW = stiprs(3) RAW = stiprs(2) nē jā SNOW = daudz(5) nē nē PEOPLE = neuztraukt.(9) SNOW = daudz(6) jā PEOPLE – neuztraukt.(7) nē TEMP = augsts(8) jā jā PEOPLE = evakuēt.(11) nē TEMP = augsts(10) RAW = mērens(12) nē nē jā jā PEOPLE = jābūt uzmanīg.(13) PEOPLE = neuztraukt.(14) PEOPLE = jābūt uzmanīg.(15) PEOPLE= neuztraukt.(16)

27. L. Novickis. Lietišķās intelektuālās sistēmas Lēmumu koka ceļi

28. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu bāze (1) 1 2 3 JA WATER = AUGSTS AND RAIN = STIPRS TAD PEOPLE = EVAKUĒT JA WATER = AUGSTS AND RAIN = NOT STIPRS AND SNOW = DAUDZ AND TEMP = AUGSTS TAD PEOPLE = EVAKUĒT JA WATER = AUGSTS AND RAIN = NOT STIPRS AND SNOW = DAUDZ AND TEMP = VIDĒJA AND RAIN = MĒRENS TAD PEOPLE = JĀBŪT UZMANĪG.

29. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu bāze (2) 4 5 JA WATER = AUGSTS AND RAIN = NO AND SNOW = DAUDZ AND TEMP = VIDĒJA AND RAIN = VĀJŠ TAD PEOPLE = UZTRAUKT. JA WATER = AUGSTS AND RAIN = NOT STIPRS AND SNOW = MĀZS TAD PEOPLE = NEUZTRAUKT.

30. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu bāze (3) 6 7 JA WATER = NOT AUGSTS AND RAIN = STIPRS AND SNOW = DAUDZ AND TEMP = AUGSTS TAD PEOPLE = JĀBŪT UZMANĪG. JA WATER = NOT AUGSTS AND RAIN = STIPRS AND SNOW = DAUDZ AND TEMP = VIDĒJA TAD PEOPLE = NEUZTRAUKT.

31. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu bāze (4) 8 9 JA WATER = NOT AUGSTS AND RAIN = STIPRS AND SNOW = MĀZS TAD PEOPLE = NEUZTRAUKT. JA WATER = AUGSTS AND RAIN = NOT STIPRS TAD PEOPLE = NEUZTRAUKT.

32. L. Novickis. Lietišķās intelektuālās sistēmas Lēmumu koka piemērs . . . Vecums 25-45? 1 nē Īsstermiņu ieguldījumi vērtspapīros jā . . . nē Cilvēks dzīvo viens? 2 nē jā Vai cilvēks grib ātri saņemt peļņu? 5 Vai cilvēkam ir 5000Ls? 3 jā jā Iegādāties akcijas Vai cilvēks grib ieguldīt naudu bankā? 4 jā

33. L. Novickis. Lietišķās intelektuālās sistēmas Zināšanu bāzes noteikums

34. L. Novickis. Lietišķās intelektuālās sistēmas Objekt-orientētās lietišķās intelektuālas sistēmas(1) Objektorientētu valodu pamats ir spēja patvaļīgi sarežģītām struktūrām definēt izskaitļojamus objektus, kurus tālāk var apskatīt kā vienu vienību. Šie izskaitļojamie objekti nav pasīvas datu struktūras, bet tie sevī ietver gan stāvokļa, gan uzvedības aprakstus. Objektorientētā valodā viss tiek definēts kā objekts vai savstarpēji sadarbojošos objektu sistēma, un visi objekti pieder objektu klasēm. 34

35. L. Novickis. Lietišķās intelektuālās sistēmas Objekt-orientētās lietišķās intelektuālas sistēmas(2) Objektorientēta programmēšana atbalsta gan datu, gan procedūru abstrakciju, vienkāršo procedūru radīšanu, kuras izmanto daudzas objektu klases, lieto vienu un to pašu operatoru identifikatoru, lai radītu vispārīgas procedūras, un dod iespēju organizēt programmas veidā, kas atspoguļo to dabīgo organizāciju (struktūru). 35

36. L. Novickis. Lietišķās intelektuālās sistēmas Objekt-orientētās lietišķās intelektuālas sistēmas(3) Tādas objektorientētas programmēšanas īpašības kā mantošana un paziņojumu nodošanas mehānismi ir piemērotas arī zināšanu bāzes projektēšanai. Tieši objektorientētu sistēmu paziņojumu nodošanas aspekts vienkāršo savstarpēji sadarbojošos komponenšu atspoguļošanu. 36

37. L. Novickis. Lietišķās intelektuālās sistēmas Objekt-orientētās lietišķās intelektuālas sistēmas(4) Objektorientētās pieejas pielietojumi mākslīgā intelekta sistēmās strauji paplašinās. Šī pieeja tiek realizēta: 1) Lietojot objektorientētas programmēšanas valodas C++, Smalltalk, CLOS (Common Lisp Object System), Eifell; 37

38. L. Novickis. Lietišķās intelektuālās sistēmas Objekt-orientētās lietišķās intelektuālas sistēmas(5) 2) Objektorientētas datu bāžu vadības sistēmu valodas LOOPS; 3) Universālas programmēšanas valodas Pascal, Fortran un C. 38

39. L. Novickis. Lietišķās intelektuālās sistēmas Objekt-orientētās lietišķās intelektuālas sistēmas(6) • PJ { plūdi } • Struktūras izveide: Struktūras atribūti – faktori – • Ūdens_līmenis • Lietus • Gaisa temperatūra • Sniegs • Izveidot_struktūru (vārds = plūdi, atribūtu skaits = 4, atribūts = Ūdens_līmenis, atribūts = Lietus, atribūts = Gaisa_temperatūra, atribūts = Sniegs)

40. L. Novickis. Lietišķās intelektuālās sistēmas Objekt-orientētās lietišķās intelektuālas sistēmas(7) • Situācija Viena upes krastā atrodas divas pilsētas : X un Y. • Objekti -- Pieņemsim, kā 1.04.2007 “X” pilsetā: Izveidot_objektu (struktūras nosaukums = plūdi, objekta nosaukums = X, ūdens_līmenis = augsts, lietus = stiprs, temperatūra = augsts, sniegs = daudz) -- “Y” pilsētā: Izveidot_objektu (struktūras nosaukums = plūdi, objekta nosaukums = Y, ūdens_līmenis = zems, lietus = nav, sniegs = daudz)

41. L. Novickis. Lietišķās intelektuālās sistēmas Mainīgo vārdu(nosaukumu) tabula

42. L. Novickis. Lietišķās intelektuālās sistēmas Objektu izmantošana zināšanu bāzē(1)

43. L. Novickis. Lietišķās intelektuālās sistēmas Objektu izmantošana zināšanu bāzē(2) • Noteikums 1: JA WATER = Augsts AND RAIN = Stiprs TAD PEOPLE = Evakuēt • Pilsēta “X”:People = Evakuēt??? • Funkcija COPY : WATER = COPY (Struktūras nosaukums = Plūdi, Objektu vārds = “X”, WATER) • Funkcija COPY : RAIN = COPY (Struktūras nosaukums = Plūdi, Objektu vārds = “X”, RAIN) • PEOPLE = EVAKUĒT!!!

44. L. Novickis. Lietišķās intelektuālās sistēmas Pašapmācošas sistēmas Pievienot vai nodzēst Dzīves pieredze Apmācības bloks Atriez. saite

45. L. Novickis. Lietišķās intelektuālās sistēmas Atšķirība starp auto un tanku(1) Lielgabals Tanks Lūka Virsbūve Automobilis Riteņi Durvis

46. L. Novickis. Lietišķās intelektuālās sistēmas Atšķirība starp auto un tanku(2) • Tankam ir Lielgabals un Lūka • Automobilim ir Durvis un Riteni • Tankam UN Automobilim ir Virsbūve

47. L. Novickis. Lietišķās intelektuālās sistēmas Atšķirība starp auto un tanku(3) Dialogs “LIS – Lietotājs”: • Ievadiet objekta 1 vārdu ? Auto • Ievadiet objekta 2 vārdu ? Tanks • Ievadiet jebkura objekta atribūtus: • Atribūts 1 ? Lielgabals • Atribūts 2 ? Lūka • Atribūts 3 ? Virsbūve • Atribūts 4 ? END

48. L. Novickis. Lietišķās intelektuālās sistēmas Atšķirība starp auto un tanku(4)

49. L. Novickis. Lietišķās intelektuālās sistēmas Atšķirība starp auto un tanku(5) • Ievadiet jebkura objekta atribūtus: • Atribūts 1 ? Durvis • Atribūts 2 ? Riteni • Atribūts 3 ? Virsbūve • Atribūts 4 ? END

50. L. Novickis. Lietišķās intelektuālās sistēmas Atšķirība starp auto un tanku(6)