дисциплина основы искусственного интеллекта

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
ФГОУ ВПО «ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»
ПЕДАГОГИЧЕСКИЙ ИНСТИТУТ
Факультет математики и информатики
КАФЕДРА ИНФОРМАТИКИ
"Утверждаю"_______________
Руководитель ПИ ЮФУ,
д.п.н., профессор В.И. Мареев
УЧЕБНО–МЕТОДИЧЕСКИЙ КОМПЛЕКС УЧЕБНОЙ ДИСЦИПЛИНЫ
СДМ. 01 «ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА»
подготовки магистров
по направлению 050200 «Физико-математическое образование»
магистерская программа «Информатика в образовании»
УМК принят в фонд учебно-методического управления ПИ ЮФУ
__________________________________________________200_ г.
г.Ростов-на-Дону
2008г.
Составитель: канд.ф.-м.н., доцент кафедры информатики Кузнецова Т.К.
УМК утвержден на заседании кафедры информатики
протокол №__9__ от «_6__» __марта___2008 г.
Заведующий кафедрой информатики:
кандидат физико-математических наук, доцент
Кузнецова Т.К.
УМК утвержден ученым советом ПИ ЮФУ
Пр.№____ от "____" __________________2008г.
Председатель ученого совета,
Руководитель Пи ЮФУ, д.п.н., профессор
В.И. Мареев
ДИСЦИПЛИНА ОСНОВЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Направление: Физико-математическое образование
Магистерская программа: Информатика в образовании
Форма обучения: очная
Срок обучения: 2 года
Курс: 6
Семестр: 11
Количество часов на дисциплину: ___95___
Количество аудиторных часов на дисциплину: _46_,
Из них: лекций _14_, практических _32_, самостоятельной работы _49_.
Ориентация Российской системы образования на многоуровневую
подготовку специалистов требует качественно нового подхода к разработке
образовательных программ и отбору содержания учебных курсов. Существенным
отличием таких программ и курсов от существующих является их ориентация на
мировой уровень подготовки по направлению бакалавр - магистр образования.
В цикле специальных
дисциплин государственного образовательного
стандарта 2005г., курс Основы искусственного интеллекта включен в
подготовку магистров физико-математического образования по направлению
Информатика в образовании.
Целью данного курса является изучение теоретических и практических основ
искусственного интеллекта, построения экспертных систем и обучение основам
программирования на языке PROLOG.
Задачи: Задачей учебного курса является ознакомление студентов с
современными достижениями в области “машинного разума”, рассмотрение
моделей представления знаний, обучение работе с экспертными системами и
программированию на Прологе.
Принципы отбора содержания и организации учебного материала.
Отбор содержания и организации учебного материала производится в
соответствии с магистерской программой образовательного стандарта
«магистр_2005г.» по направлению «физико-математическое образование».
Содержание лекций включает основные понятия искусственного интеллекта,
рассмотрение основных направлений развития, модели представления знаний,
основы работы с экспертными системами, основы программирования на языке
логического программирования Пролог. На практических занятиях особое
внимание уделяется обучению создавать базы знаний на Прологе, а также
моделировать знания с помощью фреймов и семантических сетей. Текущий
контроль предполагается осуществлять при помощи тестов и контрольных работ.
Итоговая аттестация – экзамен.
При разработке данной программы учитывались соответствующая научная
и учебно-методическая литература.
ОСНОВНОЕ СОДЕРЖАНИЕ
ТЕМАТИЧЕСКИЙ ПЛАН КУРСА
Количество часов
№
1.
2.
3.
4.
5.
6.
7.
Название тем
Теорети Практич Самост Всего
ч
Введение в Искусственный интеллект.
2
2
7
11
Основные направления исследований
в области искусственного интеллекта
Общая структура систем
Искусственного Интеллекта
Распознавание образов.
2
2
7
11
Робототехника.
Система знаний. Модели
2
4
6
10
представления знаний: логическая,
сетевая, фреймовая, продукционная.
Общая характеристика ЭС. Виды ЭС и
2
6
7
15
типы решаемых задач. Структура и
режимы использования ЭС.
Классификация инструментальных
2
6
7
15
средств ЭС и организация знаний в ЭС.
Методология разработки экспертных
систем.
Представление о логическом
2
6
7
15
программировании. Представление
знаний о предметной области в виде
фактов и правил базы знаний Пролога.
Рекурсия и структуры данных в
2
6
7
15
программах на Прологе.
Представление о функциональном
программировании.
Итого
14
32
49
95
СОДЕРЖАНИЕ КУРСА
В курсе рассматриваются основные проблемы и направления исследований в
области искусственного интеллекта, вопросы программной реализации
интеллектуальных систем и их использования в конкретных приложениях.
Содержание курса может быть разбито на три модуля
Модуль 1
Лекция № 1 - (2 часа)
Введение в искусственный интеллект. История развития искусственного
интеллекта
зарубежом.. Основные определения понятия «искусственный
интеллект». Искусственный интеллект в России. Исследователи, внесшие
существенный вклад в развитие искусственного интеллекта в России. Ассоциация
искусственного интеллекта. Основные направления исследований в области
искусственного интеллекта Нейрокибернетика. Понятие биологического нецрона.
Математическая модель нейрона. Понятие нейросетей. Персептрон. Основные
подходы к созданию нейросетей. Кибернетика “черного ящика”. Общая структура
систем Искусственного Интеллекта. Основные подходы.
Лекция № 2 - (2 часа)
Распознавание образов (текста, звуков). Машинный перевод. Направления
развития робототехники. Исторические примеры создания искусственных
аналогов живых существ. Три поколения роботов: 1)программные. Жестко
заданная программа (циклограмма). 2) Адаптивные. Возможность автоматически
перепрограммироваться (адаптироваться) в зависимости от обстановки.
Изначально задаются лишь основы программы действий. 3) Интеллектуальные.
Задание вводится в общей форме, а сам робот обладает возможностью принимать
решения или планировать свои действия в распознаваемой им неопределенной
или сложной обстановке.
Архитектура интеллектуальных роботов. Распознавание образов в рамках
использования в робототехнике.
Современное состояние робототехники
Японские разработки. Нанороботы.
Лекция № 3 - (2 часа)
Система знаний. Понятия о данных и знаниях. Виды знаний. Модели
представления знаний. Семантические сети: основные понятия, виды, примеры
построения семантической сети. Фреймы: структура фрейма, основные
преимущества фрейма. Примеры описания знаний с помощью фреймовой модели.
Недостатки этих моделей. Языки программирования для реализации фреймовых
моделей.
Формальные
логические
модели.
Декларативные
языки
программирования. Продукционная модель. Графы. Поиск в глубину и в ширину.
Понятие машины вывода. Моделирование рассуждений. Понятие, суждение,
высказывание, рассуждение, умозаключение. Характеристики человеческих
рассуждений. Понятие о предикатах. Запись фактов в виде предикатов.
Практическая работа № 1 - (2 часа)
Студентам предлагается познакомиться с установкой и интерфейсом программ, с
помощью которых можно разрабатывать экспертные системы. Оболочка
экспертной системы позволяет наполнить ЭС необходимым содержанием.
Практическая работа № 2 - (2часа)
Студенты знакомятся с виртуальными базами данных, возможностями
добавления фактов и правил в виртуальные базы данных. Сброс виртуальных
фактов и правил в текстовый файл.
Практическая работа № 3 - (4 часа)
Студентам предлагается построить семантические сети и фреймы вокруг
указанных понятий и выделить типы связей на схемах.
1) Постройте фрейм «Факультет» в виде таблицы, в которой содержится не
менее 6 слотов. Определите названия слотов и их значения.
2) Определите фреймы «Преподаватель», «Студент»
3) Опишите фрейм-сценарий «КВН»
4) Опишите фрейм-ситуацию «Экзамен».
5) Построить семантическую сеть «Школьный урок», состоящую из
следующих элементов: учитель, ученик, учебник, тетрадь, компьютер,
классный журнал, классная доска, компьютерный класс.
6) Построить семантическую сеть «Студенческая столовая».
Самостоятельная работа.
На самостоятельное изучение выносятся следующие темы:
1. Теоретические: Особенности систем искусственного интеллекта (СИИ). (см.
[Рыжиков Ю.И. Информатика. Лекции и практикум. –СПб: КОРОНА, 2000. –
256с., стр.81-82])
2. Общие сведения о моделях ИИ. Проблемы робототехники. Разработка СИИ.
(см. [Рыжиков Ю.И. Информатика. Лекции и практикум. –СПб: КОРОНА,
2000. – 256с., стр.82-84])
3. Структура «Искусственного интеллекта» (разобраться в схеме на стр.111). (см.
[Могилев А.В., Пак Н.И., Хеннер Е.К. Информатика: Учеб.пособ. для студ.
пед. вузов. М.: «Академия», 2000. -816с.])
4. Базы знаний на ЭВМ. (см. [Каймин В.А. Информатика: Учебник. М.: ИНФРАМ, 2001. –272с., стр.87-91])
5. Задачи: № 9, 11, 13, 23, 25 (на стр.209-211, 218, 219)
[Информатика. Задачник-практикум в 2т./под.ред. И.Г.Семакина, Е.К.Хеннера. –
М.: Лаборатория Базовых Знаний, 2000. – 280с.]
Контрольные вопросы к модулю 1.
1. Какова теория возникновения и развития исследований по искусственному
интеллекту?
2. Назовите отличительные черты задач из сферы искусственного интеллекта.
3. Охарактеризуйте
направления
исследований
по
искусственному
интеллекту.
4. Что такое «знания» с точки зрения систем искусственного интеллекта?
5. В чем состоит метод представления знаний с помощью продукций?
6. На чем основано представление знаний с помощью семантической сети?
7. Использование фреймовых систем для представления знаний.
( [Могилев А.В., Пак Н.И., Хеннер Е.К. Информатика: Учеб.пособ. для студ. пед. вузов.
М.: «Академия», 2000. -816с., стр 110)
Модуль 2.
Лекция № 4 - (2 часа)
Экспертные системы. Понятие об экспертной системе. Структура ЭС и пояснения
к ней: понятия эксперт, инженер по знаниям, решатель, база знаний, подсистема
объяснений, интеллектуальный редактор базы знаний, интерфейс пользователя..
Классификация ЭС по решаемой задаче, по типу ЭВМ, по связи с реальным
временем, по степени интеграции. Понятие диагностики, мониторинга,
прогнозирования, проектирования. Обучающие ЭС. Структура и
режимы
использования ЭС. Сферы применения ЭС. Достоинства и недостатки.
Лекция № 5 - (2 часа)
Классификация инструментальных средств ЭС и организация знаний в ЭС.
Оболочки ЭС. Интеллектуальные ЭС. Методология разработки экспертных
систем. Шесть основных этапов построения ЭС: выбор подходящей проблемы,
разработка прототипной ЭС, доработка до промышленной ЭС, оценка, стыковка,
поддержка ЭС. Причины разработки и внедрения ЭС. Преимущества ЭС.
Ограничения в применении ЭС.
Практическая работа № 4 - (6 часов)
(Для выполнения лабораторных работ этого модуля характерно выполнение
творческого проекта).
Студентам на выбор предлагается работа с заданной экспертной системой с
использованием среды пустой оболочки ЭС, или с использованием языка
визуального программирования.
Составление проекта мини-ЭС: «Агентство по трудоустройству», «Выбор
профессии», «Диагностика ошибок», «Знаете ли Вы информатику?», «Знаете ли
родной язык?», «Умники и умницы», «Планирование каникул», «Техника
безопасности», «Полезные советы», «Правильный образ жизни», «Турагентство»,
«Создание имиджа», «Спорт» и др.
Самостоятельная работа.
На самостоятельное изучение выносятся следующие темы:
1. Виды и характеристики известных классических экспертных систем. (см.
[Могилев А.В., Пак Н.И., Хеннер Е.К. Информатика: Учеб.пособ. для студ.
пед. вузов. М.: «Академия», 2000. -816с., стр.647-649])
2. Обучающие экспертные системы. Типы обучающих программ. [(см
Могилев А.В., Пак Н.И., Хеннер Е.К. Информатика: Учеб.пособ. для студ. пед.
вузов. М.: «Академия», 2000. -816с., стр.650-660])
3. Экспертные системы «Компьютерное тестирование» [(см Могилев А.В.,
Пак Н.И., Хеннер Е.К. Информатика: Учеб.пособ. для студ. пед. вузов. М.:
«Академия», 2000. -816с., стр.661-671])
Контрольные вопросы к модулю 2.
1. Чем отличаются экспертные системы от других программ?
2. Какие категории проблем решаются экспертными системами?
3. Охарактеризуйте ЭС «MYCIN». В чем ее особенности?
4. Охарактеризуйте ЭС «PROSPECTOR». В чем ее особенности?
5. Какие виды инструментальных программных средств существуют для
создания ЭС?
6. Какую роль в ЭС играет подсистема объяснения решений?
7. Какова роль экспертов и как сними работать?
8. Какова роль инженера по знаниям?
9. Что такое «интеллектуальный интерфейс»?
10. Какова роль пользователя в коллективе разработчиков ЭС?
Модуль 3.
Лекция № 6 - (2 часа)
Представление о логическом программировании. Понятие о логической
программе. Понятие фактов, правил, запросов. Виды запросов. Метод резолюций.
Фразы Хорна. Термы, атомы, функторы. Представление знаний о предметной
области в виде фактов и правил базы знаний Пролога. Структура программы на
Прологе. Алгоритм выполнения программ на Прологе. Управляющие структуры.
Типы данных. Понятие анонимной переменной. Описание доменов, предикатов и
реализаций. Постановка целей.
Лекция № 7 - (2 часа)
Среда Turbo Prolog. Особенности работы в ней. Программа моделирующая
семейные отношения. Рекурсия и структуры данных в программах на Прологе.
Предикат отсечения и управление логическим выводом в программах.
Представление о функциональном программировании. Списки. Разделение
списков на «голову» и «хвост». Обработка списков: соединение двух списков,
определение принадлежности элемента списку, удаление элементов из списка,
Объектно-ориентированный Пролог.
Практическая работа № 5 - (6 часов)
Программирование на языке Пролог. Создание простых баз знаний с
альтернативами и без них. Задачи, моделирующие семейные отношения. Задачи
на использование метода отсечения и отката. Арифметические вычисления на
Прологе. Задачи на изменение падежных окончаний. Решение логических задач.
Написание программ для осуществления поиска решения в глубину и в ширину.
Практическая работа № 6 - (6 часов)
Программы, моделирующие детерминированный и недетерминированный
автомат. Моделирование мыслительных процессов человека. Реализация задачи
«Ханойская башня» и «Фрактальный дракон».
Практическая работа № 7 - (6 часов)
Написание программ по поиску решения задачи о расстановке ферзей на
шахматной доске (3 варианта)
Самостоятельная работа.
На самостоятельное изучение выносятся следующие темы:
Теоретические
1. Интерпретатор языка Пролог. (см. [Каймин В.А. Информатика: Учебник.
М.: ИНФРА-М, 2001. – 272с., стр.247-252])
2. Описание языка Пролог. Базовые понятия языка, описания фактов.
(см. [Каймин В.А. Информатика: Учебник. М.: ИНФРА-М, 2001. –272с.,
стр.252-254])
3. Пролог. Правила записи вопросов. Запись правил и процедур .
(см. [Каймин В.А. Информатика: Учебник. М.: ИНФРА-М, 2001. – 272с.,
стр.254-257])
4. Пролог. Рекурсивные вычисления. (см. [Рыжиков Ю.И. Информатика.
Лекции и практикум. –СПб: КОРОНА, 2000. – 256с., стр.139-141])
5. Решение логических задач на Прологе [(см Могилев А.В., Пак Н.И., Хеннер
Е.К. Информатика: Учеб.пособ. для студ. пед. вузов. М.: «Академия», 2000. 816с., стр.412-414])
Дополнительные темы:
1. Элементы математической логики. (см. [(см. [Каймин В.А. Информатика:
Учебник. М.: ИНФРА-М, 2001. –272с., стр.76-80])
2. Принципы логического вывода.
(см. [(см. [Каймин В.А. Информатика:
Учебник. М.: ИНФРА-М, 2001. –272с., стр.81-86])
3. Законы логического вывода.
(см. [(см. [Каймин В.А. Информатика:
Учебник. М.: ИНФРА-М, 2001. –272с., стр.92-102])
Практические
Решение задач № 9 – 22 на стр.414-415 из Могилев А.В., Пак Н.И., Хеннер Е.К.
Информатика: Учеб.пособ. для студ. пед. вузов. М.: «Академия», 2000. -816с.
Контрольные вопросы к модулю 3.
1. Охарактеризуйте язык программирования Prolog.
2. В особенности структуры программы на Прологе?
3. Что такое факты и вопросы на языке Пролог?
4. Что такое правила на языке Пролог?
5. Какие типы данных допускает Пролог?
6. В чем суть операции сопоставления?
7. Как реализуются вопросы к программе Пролог?
8. Что такое рекурсия в Прологе? Приведите примеры рекурсий.
9. Для чего служит предикат отсечения?
10.Для чего служат списки и как они задаются на Прологе?
11.Что понимается под обработкой списков?
Методические рекомендации по изучению курса
Для преподавателей
При реализации курса, возможно изменение порядка следования модулей.
Например, можно перераспределить время между изучением языка Пролог и
изучением экспертных систем.
Не следует начинать изучение программирования на Прологе сразу со сложных
задач, лучше на примере простых задний показать отличительные особенности в
составлении программы на Прологе и, например, на Паскале, или любом другом
языке программирования. При объяснении элементов структуры программы
лучше использовать метод аналогий. Составляя задания по мере нарастания
сложности, можно продемонстрировать использование различных методов
решения задач с учетом специфики языка.
Резкий переход от алгоритмических языков программирования к декларативному
языку может привести к появлению психологического барьера неприятия и
непонимания.
Для студентов
Рекомендуемая литература по выполнению самостоятельной работы имеется в
вузовской библиотеке в достаточном количестве, чтобы обеспечить выполнение
заданий.
Разработки мини-экспертных систем должны быть представлены в двух видах: в
виде описания структуры проекта ЭС и сам проект в электронном виде.
Задачи по программированию на Прологе необходимо решать с использованием
компьютерной среды языка TurboProlog.
Результаты самостоятельной работы по модульным заданиям рекомендуется
оформить в виде письменных отчетов (краткий конспект по теоретическому
вопросу и листинги программ решенных задач).
Помодульное выполнение самостоятельной работы и регулярное представление
отчетности влияет на текущую аттестацию студента. Степень выполнения
заданий может отразиться на итоговой экзаменационной оценке.
АТТЕСТАЦИЯ КАЧЕСТВА УСВОЕНИЯ ЗНАНИЙ
ТЕСТЫ
Тестовые задания направлены на выявление степени освоения курса "Основы
искусственного интеллекта". Каждый тест содержит три варианта ответов, из которых
необходимо выбрать единственно верный. Максимально возможная отметка - 5.
1. Подходом для создания нейросетей не являются:
a. аппаратные;
b. программные;
c. неадекватные.
2. Лабиринтный поиск — это направление развития технологии:
a. кибернетики «черного ящика»;
b. экспертные системы;
c. нейрокибернетика.
3. Направление развития искусственного интеллекта:
a. мгновенное принятие решений в нестандартной ситуации;
b. распознавание образов;
c. создание собственных результатов.
4. База знаний — основной компонент технологии
a. автоматизации офиса;
b. экспертной системы;
c. обработки данных.
5. Упорядоченную обработку знаний из базы знаний в экспертной системе
производит
a. процессор;
b. база данных;
c. интерпретатор.
6. Выходной информацией экспертной системы является:
a. решение;
b. объяснения;
c. решение + необходимые объяснения.
7. В основу логические модели положено:
a. булевская алгебра;
b. логика предикатов;
c. дискретная математика.
8. Логическая формула — это элемент
a. семантики логики предикатов;
b. логическое следствие;
c. синтаксис языка предикатов.
9. Изначальная цель логики предикатов в экспертных системах
a. объяснение явлений;
b. построение сетей;
c. разъяснения логических основ естественного языка.
10. Реализация аппарата семантических сетей — это
a. основная идея подхода к представлению знаний;
b. возможность идеи представления данных;
c. основная идея подхода к представлению баз данных.
11. Операция сопоставления с образом является
a. мощным средство манипуляции знаниями;
b. единственным средство манипуляции знаниями;
c. процессом манипуляции знаниями;
12. Достоинством семантических сетей не является
a. большие выразительные возможности;
b. естественность и наглядность систем знаний представленных
графически;
c. близость структур сети семантической системе естественного языка.
d. близость структур сети наглядности языка.
13. Часть правила, находящаяся между ЕСЛИ и ТО, называется
a. ответом;
b. фреймом;
c. посылкой;
14. Продукцией называется
a. формализация знаний с помощью семантических сетей;
b. формализация знаний с помощью правила вида «ЕСЛИ , ТО»;
c. формализация знаний с помощью правил.
15. Компонентой продукционной системы является:
a. рабочая память;
b. настройка запроса с помощью диалоговых окон.
c. механизм логического вывода, использующий правила с содержанием
рабочей памяти.
16. Технолгия разработки экспертной системы состоит из
a. 6 этапов;
b. 15 этапов;
c. 2 этапов.
17. Прототипная система — это
a. версия экспертной системы, спроектированная для проверки;
b. усеченная версия экспертной системы, спроектированная для проверки
правильности кодирования файлов, связей и стратегий рассуждений
эксперта;
c. версия экспертной системы, спроектированная для демонстрации.
18. Извлечение знаний —
a. один из этапов разработки экспертной системы;
b. получение инженером по знаниям наиболее объяснения решения;
c. получение инженером по знаниям наиболее полного представления о
предметной области и способах принятия решений в ней.
Правильные ответы: 1-с, 2-a, 3-b, 4-a, 5-c, 6-c, 7-b, 8-a, 9-b, 10-a, 11-а, 12-d, 13-с, 14-b,
15-c, 16-a, 17-b, 18-c
Шкала оценки: “отлично” - за 90-100% правильных ответов
“хорошо” - за 75-90% правильных ответов
“удовлетворительно” - за 50-75% правильных ответов
“неудовлетворительно” - если < 50% правильных ответов
ВОПРОСЫ ИТОГОВОЙ АТТЕСТАЦИИ
1. Основные этапы развития искусственного интеллекта.
2. Искусственный интеллект: нейрокибернетика и кибернетика “черного ящика”
3. История развития искусственного интеллекта в России.
4. Определения понятия «искусственный интеллект».
5. Направления развития искусственного интеллекта.
6. Нейроинформатика. Нейрон и нейронные сети. Персептрон Розенблатта.
7. Распознавание образов в рамках использования декларативных языков
программирования.
8. Особенности систем искусственного интеллекта (СИИ).
9. Общие сведения о моделях ИИ. Проблемы робототехники. Разработка СИИ.
10. Данные и знания. Вывод на знаниях. Стратегии управления выводом.
11. Модели представления знаний. Процедурная модель. Семантические сети.
12. Фреймы и формальные логические модели.
13. Моделирование рассуждений. Базы знаний на ЭВМ.
14. Экспертные системы (ЭС). Основные понятия и определения.
15. Обобщенная структура технологии экспертной системы.
16. Классификация экспертных систем.
17. Этапы разработки экспертных систем.
18. Инструментальные средства построения экспертных систем.
19. Технологические разработки экспертных систем.
20. Представление задачи. Постановка задачи. Задачи в замкнутой форме. Общий
подход к решению задачи.
21. Интерпретатор языка Пролог.
22. Пролог. Управляющие структуры. Типы данных. Разделы описания доменов,
предикатов, реализаций.
23. Программа моделирующая семейные отношения.
24. Факты и правила. Метод отката после неудачи.
25. Метод повтора.
26. Факты и правила. Метод отсечения и отката.
27. Обобщённое правило рекурсий.
28. Списки. Разделение списков на голову и хвост. Рекурсивная обработка хвоста
списка.
29. Формальная логика. Таблица истинности.
30. Логика предикатов. Фразы Хорна. Принцип резолюции.
31. Моделирование недетерминированного автомата.
32. Моделирование детерминированного автомата.
33. Варианты решения задачи о расстановки на шахматной доске восьми ферзей.
34. Реализация задачи “Ханойская башня” и “Фрактальный дракон”.
Список задач по Прологу к контрольной работе и к экзамену:
1. Составить программу, моделирующую семейные отношения, изображенные
схемой:
Получить ответы на следующие
Пет
Мари
запросы:
р
я
1) Вывести имена всех мужчин.
Екатерина
2) Определить мать Екатерины.
3) Определить родителей Николая.
Елена
Роман
4) Определить имена бабушек и
дедушек в данной семье.
Никол
2. Дана база фактов окончаний
ай
существительных русского языка, и факт, который обозначает основу
существительного. Используя операцию конкатенации, вывести возможные
комбинации данной основы и окончаний.
3. Составить базу знаний «Шерлок Холмс», которая описывает проживающих
в доме на Бейкер–стрит, а также отношения дружбы между ними.
Организовать к базе данных следующие запросы: С кем дружит Ватсон?
Определить имя женщины, которая проживает в доме.
4. Составьте базу данных по стихотворению «Дом, который построил Джек» и
получите ответы на следующие запросы : Кто построил дом? Что и где
хранится? Кто ворует пшеницу?
5. Создаете базу данных «Книги», которая содержит следующую
информацию: название книги, автор, издательство, год издания. Выяснить:
Какие книги заданного автора имеются в базе? Какие книги были изданы
между 1965 и 1987 гг? Какие книги выпущены заданным издательством?
6. Найти корни квадратного уравнения.
7. Классифицировать введенное число как положительное, отрицательное или
равное 0.
8. Даны две пары катетов, вывести максимальную гипотенузу.
(Варианты задачи: даны пары сторон прямоугольника, вывести максимальную
площадь или вывести минимальный периметр).
9. Возведите произвольное число в степень 5.
10. Беседуют трое друзей: Белокуров, Чернов и Рыжов. Брюнет сказал
Белокурову: « Любопытно, что один из нас брюнет, другой блондин, а
третий – рыжий. Но ни у кого из нас цвет волос не соответствует фамилии».
Какой цвет волос у каждого из друзей?
11. Коля ростом выше Васи, но ниже Сережи. Расположите мальчиком по
росту.
12. На скамейке сидели Петя, Боря и Коля. Петя справа от Бори, Боря справа от
Коли. Кто сидел посередине?
13. Около почты растут 6 деревьев: сосна, береза, липа, клен, тополь и ель.
Какое из этих деревьев самое высокое и самое низкое, если известно, что
береза ниже тополя, липа выше клена, сосна ниже ели, липа выше березы,
сосна выше тополя.
14. Составить программу, задающую двуместный предикат основал, первый
атом которого – город, второй – его основатель. Построить окно в режиме
ДОС и, используя ОПН, вывести в это окно все данные о городах и их
основателях.
15.Составить база данных имен детей. Вывести имена в специально
сконструированном окне до определенного имени.
16.Используя метод отсечения и отката, разработать программу,
формирующую база данных детей и вывести на экран (в диалоговое окно)
заданное имя столько раз, сколько оно встречается в базе.
17. Написать программу, которая в специально построенном окне
последовательно принимает и дублирует символ, работая до введения
определенной последовательности символов (например, «Ок»).
18. Напишите программу, печатающую сумму всех цифр введенного с
клавиатуры числа.
19. В специально построенном окне вывести первые сто натуральных чисел.
20. В специально построенном окне вывести числа, кратные 5 на промежутке
от 15 до 39.
21.Вычислить сумму ряда S=1+2+22+23+24
22.Задать произвольный список и определить принадлежность введенного
элемента списку.
23.Просуммировать элементы списка чисел.
24.Добавить элемент в произвольное место списка.
25.Добавить элемент в начало списка
26.Из двух списков получить один (конкатенация списков).
27.Удалить элемент из списка.
28.Напечатать список.
29.Дана база данных, включающая в себя три существительных (кошка,
собака, свинья) и три прилагательных (пушистая, умная, грязная). Вывести
словосочетания прилагательных и существительных, которые подходят
друг другу по смыслу.
30.Построить окно, в котором необходимо ввести строку символов, и получить
количество
ОРГАНИЗАЦИЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ
Кроме тем выносимых на самостоятельное изучение студентами по каждому
модулю, возможен такой вид самостоятельной работы, как составление рефератов
или кратких сообщений, для обсуждения которых может быть выделено время в
начале лекций или лабораторных работ. Также могут быть предложены
дополнительные темы практических работ.
Примерные темы рефератов
1. Принципиальное отличие интеллектуальных систем и компьютерных
программ.
2. Искусственный интеллект, его современное состояние и перспективы
развития.
3. Роботы: вчера, сегодня, завтра.
4. Концепция принятия решения.
5. История развития экспертных систем за рубежом.
6. Обзор современных известных экспертных систем в различных отраслях.
7. Разработка образно-речевого интерфейса как направление искусственного
интеллекта.
8. Обработка картин и образов на основе оптоэлектронных и голографических
систем.
9. Нейрокомпьютеры, перспективы развития отрасли.
10.Применение логики предикатов при разработке экспертных систем
(история).
Примерные темы практических работ
1. Разработка программы тестирования по теме "История развития искусственного
интеллекта".
2. Разработка программы тестирования по теме "Классификация экспертные
системы".
3. Разработка индивидуальной программы на Прологе.
ВОПРОСЫ ДЛЯ КОНТРОЛЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ
1. Оценка перспектив направлений развития систем с Искусственным
интеллектом
2. Охарактеризуйте понятие «принятие решения».
3. Какие виды роботов известны в настоящее время?
4. Каковы перспективы создания моделей нанороботов и их промышленной
реализации?
5. Как использовать виртуальные базы данных при построении базы знаний?
6. В чем состоят отличия базы даны, банка данных от базы знаний?
7. Какие области практического применения нейрокомпьютеров известны?
8. Моделирование действий эксперта в разрабатываемой экспертной системе.
9. Какие методы программирования использованы в созданной вами
программе?
ОСНОВНЫЕ ПОНЯТИЯ ДИСЦИПЛИНЫ
(термины)
База знаний (БЗ) — ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю (обычно
на некотором языке, приближенном к естественному). Параллельно такому «человеческому» представлению существует БЗ во внутреннем «машинном» представлении.
Доска объявлений. Условное название механизма, обеспечивающего передачу
информации между отдельными модулями, входящими в систему. Доска
объявлений представляет собой ту область памяти системы, к которой могут
обращаться все модули.
И-параллелизм, ИЛИ-параллелизм, параллелизм потока данных. Различные
методы организации параллельных вычислений при переходе к совокупности
процессоров.
Инженер по знаниям — специалист в области искусственного интеллекта,
выступающий в роли промежуточного буфера между экспертом и базой знаний.
Синонимы: когнитолог, инженер-интерпретатор, аналитик.
Интеллектуальный редактор БЗ — программа, представляющая инженеру по
знаниям возможность создавать БЗ в диалоговом режиме. Включает в себя
систему вложенных меню. шаблонов языка представления знаний, подсказок
(«help» — режим) и других сервисных средств, облегчающих работу с базой.
Интерфейс пользователя — комплекс программ, реализующих диалог пользователя с ЭС как на стадии ввода информации, так и при получении результатов.
Искусственный интеллект — обычно понимаются способы компьютерных
систем к таким действиям, которые назывались бы интеллектуальными, если бы
исходили от человека.
Искусственный интеллект – компьютерные системы, моделирующие или
воспроизводящие интеллектуальную деятельность.
Мультимножество. Формальный математический объект, отличающийся от
множества тем, что в нем допустимо повторение элементов.
Подсистема объяснений — программа, позволяющая пользователю получить ответы на вопросы: «Как была получена та или иная рекомендация?» и «Почему
система приняла такое решение?» Ответ на вопрос «как» — это трассировка всего
процесса получения решения с указанием использованных фрагментов БЗ, то есть
всех шагов цепи умозаключений. Ответ на вопрос «почему» — ссылка на умозаключение, непосредственно предшествовавшее полученному решению, то есть
отход на один шаг назад. Развитые подсистемы объяснений поддерживают и другие типы вопросов.
Пользователь — специалист предметной области, для которого предназначена
система. Обычно его квалификация недостаточно высока, и поэтому он нуждается
в помощи и поддержке своей деятельности со стороны ЭС.
Предикат — специальная логическая функция, проверяющая выполнение
некоторого условия, накладываемого на ее аргументы.
Подукционная модель — при этом способе знание формализуется с помощью
правил «ЕСЛИ_, ТО_» (явление-реакция), называемых продукция.
Решатель — программа, моделирующая ход рассуждений эксперта на основании
знаний, имеющихся в БЗ. Синонимы: дедуктивная машина, машина вывода, блок
логического вывода.
Робот – это машина с антропоморфным (человекоподобным) поведением, которая
частично или полностью выполняет функции человека (иногда животного) при
взаимодействии с окружающим миром
Семантическая сеть. Граф, вершины которого представляют объекты, а дуги—
отношения. Хорошим примером семантической сети может служить
генеалогическое древо.
Сценарий. Структура представления знаний (разновидность фрейма),
используемая для описания последовательности связанных событий. Слоты
сценария характеризуют отдельные события (место, где происходит событие, кто
в нем участвует, чем оперирует и т. д.). События сценария связаны между собой
причинно-следственной связью.
Теговая архитектура памяти. Применяется в системах искусственного
интеллекта. При теговой архитектуре каждое слово памяти содержит поле—
метку, описывающую данные, хранимые в остальной части слова, в частности тип
данных и формат.
Унификация. Метод сопоставления с образцом. В процессе унификации
переменные, входящие в образцы, принимают такие значения, при которых два
образца становятся тождественными.
Фрейм Структура представления знаний, используемая для описания
характеристик объектов и организованная по принципу - слот и его значение».
Частичный граф — это все правила, используемые для доказательства
некоторого заключения (последнего или промежуточного), и все исходные
данные, касающиеся их.
Эвристика. Не имеющий формального обоснования метод, который повышает
эффективность принятия решения. В системах искусственного интеллекта
эвристики часто используются для ускорения решения задач большой сложности.
РЕКОМЕНДУЕМАЯ ЛИТЕРАТУРА
Основная
1. Могилев А.В., Пак Н.И., Хеннер Е.К. Информатика: Уч. пос. для студ. пед.
вузов. М.: «Адемия», 2000. -816с.
2. Каймин В.А. Информатика. Уч. – М.: ИНФРА – М, 2001. – 272с.
3. Рыжиков Ю.И. Информатика. Лекции и практикум. – СПб.:КОРОНА принт,
2000.- 256с.
4. Острейковский В.А. Информатика: Уч. пособие для студ. сред. проф. уч.
заведений. - М.: Высшая школа, 2000г.
5. Девятков В.В. Системы искусственного интеллекта: Уч.пос. для вузов.М.:Изд-во МГТУ им. Баумана, 2001.- 352с.
6. Гаврилова Т А,, Хорошевский В. Ф., База знаний интеллектуальных
систем. - СПб: Питер, 2ООО. -384с.
7. Джексон П. Введение в экспертные системы.: Уч.пос. М.: «Вильямс», 2001.624с.
8. Ин Ц., Соломон Д. Использование языка Turbo Prolog. М., 1993.
9. Братко И. Программирование на языке Пролог для искусственного
интеллекта. М. 1988.
10.Шестаков Г.А., Брицына Е.И. Логическое программирование. Visual Prolog.
Ростов н/Д, РГПУ, 2000. –54с.
11.Информатика. Задачник-практикум в 2т. /под.ред. И.Г.Семакина,
Е.К.Хеннера. – М.: Лаборатория Базовых Знаний, 2000. – 280с
Дополнительная
1. Винер Н., Творец и робот. - М.: «Прогресс», 1966
2. Генетические алгоритмы - http//www.neuroproject.ru/genea]g.html
3. Грановская Р. М., Березная И. Я., Интуиция и искусственный интеллект. —
Л.: Издательство Ленинградского университета.1991
4. Кевин Уорвик. Наступление машин. - М.: МАИК "Наука /
Интерпериодика", 1999
5. Кочергин А.Н. философские вопросы моделирование функций мозга. –М.:
«Наука», 1967.
6. Нильсон Н., Искусственный интеллект. - М.: «Мир», 1973
7. Поспелов Д. А., Искусственный интеллект - Фантазия или наука? –М.:
Радио и связь, 1986
8. Реальность и прогнозы искусственного интеллекта: Сб. статей; Пер.
с
англ./Под ред. В.Л.Стефанюк.—М.: Мир. 1987.
9. Темкин И.О. Экспертные системы в управлении. Учебное пособие.- МГГУ,
1994.
10.Тимофеев А. В., Информатика и компьютерный интеллект. –
М.:«Педагогика», 1991
11.Тимофеев А. В., Роботы и искусственный интеллект, - М.: «Наука», 1991.
12.Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В., Базы данных.
Интеллектуальная обработка Информации. - М.: «Нолидж», 2000.