Совокупность методов и подходов по формализации, моделированию и описанию различных видов знаний, необходимых для построения интеллектуальных систем

Введение

Представление знаний является одной из фундаментальных проблем искусственного интеллекта. От того, насколько адекватно представлены знания в интеллектуальной системе, зависят ее способности к мышлению, обучению и решению сложных задач.Под представлением знаний в искусственном интеллекте понимается совокупность методов и подходов по формализации, моделированию и описанию различных видов знаний, необходимых для построения интеллектуальных систем. К основным видам знаний относят декларативные (факты об объектах и их свойствах), процедурные (описание методов решения задач), логические (знания законов и правил логического вывода), эвристические (правдоподобные знания, основанные на опыте) и др.Существуют две основные парадигмы представления знаний в системах ИИ – логическая и эвристическая. Подходы в рамках этих парадигм существенно различаются: если логические модели формализуют знания на основе строгих правил логики, то эвристические используют правдоподобные рассуждения, моделируя поведение человеческих экспертов. Каждая из парадигм имеет свои преимущества и недостатки при решении различных задач искусственного интеллекта.В современных интеллектуальных системах широко применяются логические модели представления знаний, такие как семантические сети, продукционные модели, фреймы. Они дают формализованное описание декларативных и процедурных знаний, позволяют строить логические выводы. Вместе с тем для решения слабо формализованных задач и имитации когнитивных способностей человека привлекаются эвристические модели на основе нейронных сетей, эволюционных и генетических алгоритмов, нечеткой логики. Они позволяют системам ИИ обучаться на практических примерах и накапливать опыт для решения новых задач.Актуальность исследования представлений знаний в ИИ обусловлена необходимостью совершенствования интеллектуальных способностей систем, разработки новых эффективных способов решения сложных практических проблем из различных предметных областей на основе накопленных человечеством знаний.

Список использованных источников

Джарратано, Джозеф. Экспертные системы: принципы разработки и программирование/ Джозеф Джарратано: Пер.с англ. - М.: ООО "И.Д. Вильямс", 2007. - 1152 с.Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. - СПб.: Питер, 2000. - 384 с.Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. Заде. - М.: Мир, 1976. - 165 с.Круглов, В. В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. - М.: Горячая линия-Телеком, 2002. - 376 с.Мирошниченко, В.В. Генетические алгоритмы / В.В. Мирошниченко, М.В. Шубин. – Симферополь: Крымский федеральный университет, 2015. – 243 с.Лекция 2. Представление знаний в интеллектуальных системах. Studfile.net. URL: https://studfile.net/preview/1557060/page:3/ (дата обращения: 10.02.2024).Математическая логика и искусственный интеллект. MathHelpPlanet. URL: https://mathhelpplanet.com/static.php?p=matematicheskaya-logika-i-iskusstvenniy-intellekt&ysclid=lsovmq5fhe265236117 (дата обращения: 10.02.2024).Логические модели представления знаний. Voronina-ai.github.io. URL: https://voronina-ai.github.io/docs/l-6/ (дата обращения: 10.02.2024).Представление знаний в нейронных сетях. Studfile.net. URL: https://studfile.net/preview/4406248/page:19/ (дата обращения: 10.02.2024).Логические модели представления знаний. КиберЛенинка. URL: https://cyberleninka.ru/article/n/logicheskie-modeli-predstavleniya-znaniy?ysclid=lsovrntpdk276519916 (дата обращения: 10.02.2024).Фреймы как модель представления знаний. PPT-online. URL: https://ppt-online.org/1415417?ysclid=lsovsy45az370496450 (дата обращения: 10.02.2024)Финн В.К. Основы построения интеллектуальных систем: Учебное пособие. М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. 340 с.Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учебное пособие. М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. 304 с.Гаврилова Т.А., Червяков Н.И. Инженерия знаний. Модели и методы. СПб.: Издательство "Лань", 2016. 324 с.