Интеллект II III

Хант Э. Искусственный интеллект. Мир , 1978. [c.275]

Фай КС Р. Механизм поиска вывода для моделей, описывающих состояния. Труды IV Международной объединенной конференции по искусственному интеллекту, вып. 3 Методы поиска решений, эвристические методы. М., 1975, 3206—3226. [c.281]

Решение этой проблемы, как подсказывает мировой опыт создания новейших технологий передовыми научно-техническими коллективами, видится в активном использовании современных высокоинтеллектуальных вычислительных систем и предполагаемых в ближайшем будущем ЭВМ пятого поколения, что позволит вовлекать в решение научно-технических задач весь потенциал знаний, накопленных мировой наукой. Речь идет об использовании не просто ЭВМ как электронного арифмометра, а ЭВМ, обладающей интеллектом . Проблема создания и использования искусственного интеллекта — актуальная проблема современного научно-технического прогресса. В ней, как в фокусе, сконцентрировались интересы представителей всех областей человеческого знания. Именно в этой горячей точке научно-технического прогресса ожидается выход на качественно новые рубежи [2, 3]. [c.5]

Каким образом человек приобретает, организует и использует знания для решения самых разнообразных задач Столкнувшись с проблемой, которую необходимо решить, он не перебирает все возможные варианты, а ограничивается проверкой лишь наиболее вероятно ведущих к цели. Основой для этого служат жизненный опыт и знания. Эта исходная посылка лежит в основе доминирующего в настоящее время подхода к созданию искусственного интеллекта для решения различных проблем, подхода, состоящего в разработке неформальных методов, основанных на использовании представленных в формализованном виде знаний [3—6]. [c.5]

Поскольку работа ЭС основана на использовании заложенных в нее знаний, может создаться впечатление, что все решения в ней заранее запрограммированы и машине остается лишь отыскать нужный результат, т. е. что ЭС не проявляет каких-либо признаков интеллекта. [c.6]

Следует отличать знания от данных. Данные — это первичная пассивная информация, вводимая в ЭВМ. Знания же — активны, противоречивость их заставляет человека стремиться к принятию компромиссных решений. Поэтому в память ЭВМ должна быть введена модель интеллекта пользователя. [c.6]

Данная монография нацеливает читателя на активное использование систем искусственного интеллекта для решения стоящих перед ним проблем. Авторы стремились показать, что стратегия, наиболее вероятно ведущая к решению многих задач гетерогенного катализа, должна опираться на весь достигнутый потенциал знаний в этой области, на методы и средства оперативного использования накопленных запасов информации. Экспертные системы наделяются способностью усваивать знания специалистов-экс-пертов в той или иной области гетерогенного катализа и оперировать накопленной информацией так, как это делал бы исследователь. Экспертная система, реализованная па ЭВМ, производит логическую обработку поступающей информации, выбирает в памяти те или иные знания, связанные с этой информацией, и может по требованию ЛПР объяснить ему, почему принято то или иное решение. Использование ЭВМ в системе искусственного интеллекта носит интерактивный характер. В результате рождается научный работник , который в решении возникающих проблем гораздо сильнее, чем исследователь или машина в отдельности 18-131. [c.8]

Для успешного решения задач в области теории и практики гетерогенного катализа особое значение приобретает автоматизация получения достоверной информации о процессе, глубина и оперативность ее обработки и осмысливания, организация интеллектуального диалога ЛПР—ЭВМ при выработке оптимального варианта технологической схемы контактно-каталитического агрегата. Таким образом, задачи исследования и разработки гетерогенно-каталитических процессов требуют для своего успешного решения активного использования последних достижений информатики, в частности интеллектуальных систем, основанных на знаниях. В связи с этим кратко коснемся проблем искусственного интеллекта. [c.39]

Два направления в теории искусственного интеллекта. До сих пор нет устоявшегося определения искусственного интеллекта. Можно понимать под интеллектом внутреннее преобразование отображения ситуации, которое ведет к достижению поставленной цели. Искусственный интеллект — это реализация такого преоб- [c.39]

Логико-лингвистические модели. В дополнение к математическим моделям, широко используемым в информатике, в теории искусственного интеллекта получили интенсивное развитие логико-лингвистические модели (ЛЛМ), которые дали мощный импульс в становлении новой информационной технологии и индустрии интеллектуальных систем. В отличие от математических ЛЛМ носят смысловой семантический характер. Появление ЛЛМ обеспечило возможность сформировать базы знаний наряду с базами данных. Необходимо отметить, что еще до того, как стало утверждаться представление с ЛЛМ, они уже были использованы Д. А. Поспеловым в 60-х годах в задачах ситуационного управления [26, 27]. [c.41]

Исследования в области искусственного интеллекта по второму (прагматическому) направлению концентрируются вокруг четырех важнейших проблем [22]. [c.43]

При работе со структурными базами данных каталитически систем искусственного интеллекта, помимо вопросов ввода/выв( [c.96]

Знания высококвалифицированного специалиста делятся как бы на две части. Одна из них легко описывается словами, и получить ее более или менее легко. Конечно, при этом необходимо уметь представлять в ЭВМ знания, содержащиеся в монографиях, статьях, отчетах и другой научной литературе,— написание статей и книг есть привычный способ овеществления знаний, отчуждения их от носителя и передачи другим специалистам. В настоящее время есть реальные успехи в переводе книжных знаний на языке ЭВМ, что представляет собой одну из ветвей разработок в области искусственного интеллекта [8]. Однако часто значительно большую ценность имеет другая часть знаний специалиста экстракласса — его профессиональная интуиция, опыт, которые трудно выразить словами и которые никак не могут быть зафиксированы. Задача получения такой информации для построения базы знаний ЭС значительно сложнее и требует выработки специальной системы формализации знаний, которая позволяла бы получать и активно использовать эту информацию. В настоящее время хорошо отработанных систем формализации знаний такого рода не существует, хотя некоторые подходы есть. Кратко остановимся на одном из них, в разработке которого принимали участие авторы данной монографии и которому была посвящена отдельная монография из серии Системный анализ процессов химической технологии [9]. [c.225]

Интеллектуальные системы аналитических преобразований (САП). В математическом обеспечении ЭВМ в последние годы все чаще присутствуют системы аналитических преобразований (САП). Они предназначены для облегчения программирования п решения задач, связанных с преобразованием математических выражений. Автоматизированное выполнение аналитических преобразований при помощи ЭВМ стало возможным благодаря развитию методов обработки символьной информации и искусственного интеллекта соответствующих языков программирования методов трансляции и организации памяти разработке вычисленных алгоритмов [62] и т. п. Под аналитическим преобразованием понимаем формальное преобразование математического выражения, заданного в символьном виде, по определенным правилам. Наиболее часто встречающимися операциями аналитического преобразования являются дифференцирование и интегрирование функциональных выражений подстановка вместо переменных констант и выражений упрощение выражений (свертка констант, приведение подобных членов в многочленах и т. п.) разрешение уравнений относительно заданных переменных действия над матрицами, элементами которых являются символьные выражения вынолнение алгебраических действий (сложение, вычитание, умножение, деление) над арифметическими выражениями и т. п. [c.248]

Автоматизация функций оператора и диспетчера и создание на этой базе человеко-машинных систем оперативно-диспетчерского управления — актуальная проблема обеспечения эффективного и безаварийного функционирования сложных каталитических промышленных агрегатов. Трудности ее решения обусловлены как сложностью процессов, происходящих в объектах управления, так и недостаточной проработкой методических вопросов принятия решений в замкнутых контурах управления, базирующихся на принципах ситуационного управления, искусственного интеллекта и психологии мышления. Контактно-каталитический агрегат предъявляет высокие требования к надежности и качеству управления режимами его работы. Это зависит, по крайней мере, от трех взаимосвязанных составляющих человека-оператора, объекта и системы управления. Успешная работа такой человеко-машинной системы в значительной мере зависит от того, как в ее структуре разделяются функции между человеком и системой управления и насколько полно технологический объект и способы его управления отражены в модели знаний системы управ.тения. [c.341]

Искусственный интеллект Применение в химии Пер. с англ. М. Мир, 1988. 430 с. [c.349]

Появление методов активизации перебора вариантов вызвало большие надежды. Казалось, найден простой и универсальный усилитель интеллекта . Достаточно повысить уровень шума — погасить несложными приемами психологическую инерцию, уговорить специалистов смелее выходить за рамки своей специальности, пришпорить процесс генерирования идей — и под силу будет решение любой задачи... В фантастическом рассказе Уровень шума , написанном Р. Джоунсом в середине 50-х годов, психолог Бэрк помогает решить проблему управления гравитацией. И когда эксперимент успешно Завершается, Бэрк говорит Мы расшатали ваши умственные фильтры, и в результате получился ответ. Метод сработал, он будет действенным всегда. Все, что необходимо сделать, это избавиться от лишнего груза предрассудков, от окаменевшего мусора в голове, измеиить произвольную настройку ваших умственных фильтров в отношении других вещей, которые вам всегда хотелось сделать, и тогда удастся найти нужный ответ на любую проблему, которую вы только пожелаете исследовать . И растроганный физик Нэгл отвечает Если мы научимся использовать максимальный уровень шума человеческого ума, сможем покорить всю вселенную . [c.29]

Настоящая книга адресована довольно широкому кругу читателей. В ней найдут много полезного логики и философы, лингвисты и специалисты в области информационных систем и искусственного интеллекта. Мы надеемся, что русское издание книги Н. Белнапа и Т. Стила будет с интересом встречено советскими читателями. [c.11]

Почему-вои осы представляют большой интерес не только в силу своей логической природы, но и в силу полезности их в вопросно-ответных системах, моделирующих некоторые аспекты умственной деятельности человека (последние системы изучаются в работах ио искусственному интеллекту [1]), Отметим, что, по-видимому, целесообразно строить уточнение почему-воиросов, используя схему так называемой логики объяснения в смысле К. Гемпеля — П. Оппенгейма [2). Попытка уточнения почему-воироса была предпринята в [3]. [c.275]

Авторы справедливо отмечают, что в настоящее время omputer s ien e находится в долгу перед потребностями практики использования ЭВМ. Однако следует отдать дань несомненным успехам этой науки, а также достижениям смежной G ней дисциплины — исследованиям по искусственному интеллекту. Весьма интенсивно в настоящее время развиваются исследования по алгоритмическим языкам, работы по синтезу программ и по проверке правильности программ, которые проводятся на базе логических исчислений имеются также некоторые успехи в развитии общей теории информационных систем и моделей баз данных. Ниже мы приводим (далеко не полный) перечень ссылок на работы, информирующие читателей об упомянутых проблемах. [c.277]

Семиотика и информатика, 12, М., 1979 (Краткие сооб щения симпозиума Методы логики в проблемах искусст венного интеллекта и информатики , ГССР, г. Телави, май 1978 г.). [c.278]

Методы математической логики в проблемах искусствен ного интеллекта и систематическое программирование Тезисы докладов и сообщений к всесоюзной конферен [c.278]

Монография ставит целью проанализировать всю совокупность проблем, связанных с созданием контактно-каталитических производств, и выработать определенную стратегию для решения этих проблем на основе глубокого проникновения во внутреннюю сущность процессов с привлечением современных приемов организации научного исследования, ориентированных на создание и активное использование разветвленных баз знаний в машинных системах искусственного интеллекта. С позиций системного анализа рассмотрена вся совокупность проблем, связанных с расчетом, проектированием и оптимальной организацией контактнокаталитических процессов. В книге дано детальное исследование структуры внутренних связей на всех уровнях иерархии гетерогенно-каталитической системы. Многоэтапная процедура разработки гетерогенно-каталитического процесса представляется как взаимодействие двух систем причинно-следственной физико-химической системы, формализующей собственно объект исследования, и программно-целевой системы принятия решений при анализе и синтезе контактно-каталитических процессов. Подход ориентирован на использование ЭВМ пятого поколения и решение проблем гетерогенного катализа с позиций искусственного интеллекта. [c.4]

Процесс конструирования и оптимизации оболочек ЭС в гетерогенном катализе наглядно проявляется в том, что совершенствуются автоматизированные системы научных исследований (АСНИ), автоматизированные системы подготовки модулей промышленных аппаратов (АСПМ), системы машинной обработки кинетической информации (СМОКИ), системы автоматизированного проектирования (САПР), автоматизированные системы управления технологическими процессами (АСУТП), гибкие автоматизированные системы экспериментальных и производственных комплексов (ГАПС) и т. п. По существу, каждая из названных автоматизированных систем представляет собой отдельную составляющую в глобальной многофункциональной системе искусственного интеллекта в области решения проблем гетерогенного катализа. [c.8]

Упомянутые теории, рассматриваемые как системы взаимосвязанных причинно-следственных логических выводов строгого п эвристического характера, базирующиеся на некоторых фундаментальных исходных концепциях, носят, как правило, нечеткий, т. е. нестрогий, характер, поэтому сети логических выводов различных теорий могут перекрываться и взаимно дополняться. С этой точки зрения актуальным становится создание разветвленной базы знаний и комплекса экспертных систем, позволяющих с позиций концепции искусственного интеллекта вводить формализацию логических выводов, осуществлять анализ их соответствия физике явлений и проводить сравнение различных теорий для объяснения и прогнозирования тех или иных свойств контактнокаталитических систем. [c.11]

Проблема подбора оптимального катализатора тесно связана с выбором оптимального способа его промышленного получения. Как и любое другое вещество, каждый катализатор обычно можно получить несколькими способами. Выбор последних всегда ведет к прииятию компромиссного решения. Приготовление катализаторов часто считают искусством, и рецепт приготовления катализатора должен подробно описывать все операции, чтобы процедура приготовления катализатора с требуемыми свойствами была воспроизводима. Однако очень часто влияние проводимых операций на окончательные свойства катализатора остается неясным, и достижение удовлетворительного компромиссного решения требует комплексного использования точных фундаментальных законов, приемов нечеткого логического вывода, эвристического программирования, привлечения ЭС, автоматизированных комплексов искусственного интеллекта. [c.14]

Подход к решению проблем гетерогенного каталвза с позиций искусственного интеллекта [c.39]

Рассмотренная в предыдущем разделе схема многоэтапной процедуры разработки гетерогенно-каталитического процесса требует для своей реализации оптимального принятия решений на всех промежуточных этапах. Каждый из перечисленных этапов имеет конкретную цель, достижение которой осуществляется с помощью соответствующей процедуры принятия решения (ППР). Взаимосвязанная совокупность таких процедур образует программноцелевую систему принятия решений при разработке каталитического процесса. В терминах математической теории таких систем исследователь, проектировщик, инженер-технолог, оператор технической установки называется лицом, принимающим решения (ЛПР). Решения могут приниматься в различных условиях определенности, риска, неопределенности. Каждое из этих условий диктует определенную тактику принятия решения, для того чтобы общая стратегия достижения желаемой цели была оптимальна. Практическая отдача от применения теории принятия решений значительно повышается при реализации автоматизированных режимов принятия решений с использованием ЭВМ с элементами искусственного интеллекта. Интеллектуальный диалог ЛПР— ЭВМ представляет весьма эффективную форму организации ППР в различных режимах сбора и переработки экспериментальной информации, синтеза математической модели объекта, решения проектных задач, поиска оптимальных законов гибкого управ.те-ния и т. п. [c.39]

Новая информацаовная технология. В начале 80-х годов Мартин [23] и Г. С. Поспелов [22] независимо предложили качественно новый подход к проектированию прикладных программ, совокупность приемов которого получило название новой информационной технологии (ПИТ). Существо НИТ состоит в удалении из цепочки пользователь—программист—ЭВМ программиста, т. е. в создании таких интеллектуальных систем, которые делают ЭВМ доступной для пользователей, не подготовленных в программном отношении. С помощью программно-аппаратных средств искусственного интеллекта создается специальный интерфейс, позволяющий конечному пользователю непосредственно общаться с ЭВМ на понятном ему языке его предметной области. Традиционный процесс постановки и решения задачи на ЭВМ включает четыре процедуры (рис. 1.З.). Первая процедура заключается в содержательной формулировке задачи в терминах предметной области, т. е. на профессиональном языке конечного пользователя. Вторая процедура — математическая постановка задачи, т. е. формулировка на языке математика, при этом необходимо перейти от не-форма.тьного языка пользователя к строгой формальной записи [c.40]

Представление знаний — одна из основных проблем искусственного интеллекта. Центральное место в этой проблеме занимает выбор модели представления знаний, т. е. решение вопроса о том, в какой форме в памяти ЭВМ должны быть представлены знания, как эти знания целесообразно организовать, чтобы ЭВМ могла наилучшим образом воспользоваться ими при решении различного рода интеллектуальных задач. Существуют различные модели представления знаний — сетевые, продукционные, логические. Сетевые модели распадаются на семантические сети, сети Петри, систему Перт, функциональные сети. Логические модели делятся на дедуктивные, индуктивные и абдуктивные модели, модели нечеткого вывода, псевдофизических логик и т. п. [28—32]. [c.42]

Таким образом, в рамках 3G DENDRAL были реализованы достаточно мощные методы решения сложных комбинаторных задач, основанные на использовании знаний о предметной области и результатах, полученных в искусственном интеллекте. В настоящее время исследования в этом проекте развиваются в двух основных направлениях разработка специальных исполнительных программ для анализа молекулярных структур и исследование некоторых проблем естественного вывода методами искусственного интеллекта. [c.53]

Проект DENDRAL был первым проектом в области 9G, Может быть, поэтому в рамках этого проекта впервые была осознана и проблема накопления знаний — одна из самых важных и сложных проблем в области 3G и, по-видимому, всего искусственного интеллекта. [c.53]

Процедура принятия решений при подборе состава катализаторов для проведения некоторой новой, сравнительно мало изученной реакции отличается тем, что в этом случае класс1шеские методы распознавания оказываются недостаточными, и решение приходится искать на пути построения многоуровневых эвристических программ, в которых програл1мы распознавания используются в качестве подпрограмм [511. Процедура реализуется в диалоговом режиме ЛПР—ЭВМ и ориентирована на функционирование в виде системы искусственного интеллекта. Первый этап состоит в анализе первоначальной информации, получаемой из реферативных химических журналов, патентов, справочников [52], машинных информационных систем, экспертных оценок. В результате создаются общие представления о возможном круге катализаторов или добавок к ним для рассматриваемой реакции. [c.88]

Схема изложенной стратегии принятия решений в влде системы взаимодействия алгоритмов разного уровня приведена на рис. 2.11. Полная машинная реализация стратегий такого рода может быть осуществлена лишь в системе искусственного интеллекта. Тем не менее на основе комбинпрования ручного труда ЛПР и машинной обработки отдельных операций ЛПР данная [c.88]

Логпка взаимосвязи приемов представления и кодирования молекулярных структур каталитических систем искусственного интеллекта представлена схемой на рис. 2.12. [c.91]

Теоретико-информационные инварианты могут использоваться в качестве представления структуры в базах знаний каталитических систем искусственного интеллекта наряду с матрицами и их каноническими представлениями. Различные инварианты молекулярного графа представляют собой важные характеристики графа. РТнвариант графа — это теоретико-графовое свойство, сохраняющееся при изоморфизме [86]. Более точно [80] пусть Р — функция, относящая каждому графу С, некоторый элемент из множества М произвольной природы (элементы М чаще всего числа, векторы, матрицы, многочлены). Эту функцию будем называть инвариантом, если на изморфных графах ее значения совпадают, т. е. для любых [c.99]

По-видимому, самым моЩным подходом к разработке современных систем аналитических преобразований является четвертый подход, при котором используются развитая библиотека аналитических преобразований и принципы искусственного интеллекта. Подпрограммы из нее разрабатываются па языках высокого уровня и включают как средства символьных вычислений общего назначения, так и специальные функции. При таком подходе исходная информация и управляющая программа, в рамках которой задаются требуемые преобразования, пишутся на специальном входном языке, разрабатываемом вместе с системой аналитических преобразований. Важным преимуществом такого подхода является то, что конечный пользователь может сам расширять возможности системы аналитических преобразований, используя входной язык, а в тех случаях, когда это необходимо, и язык реализации системы аналитических преобразований. Как правило, четвертый подход используется при создании универсальных систем аналитических преобразований. Характерными примерами таких систем являются развитые системы аналитических преобразований REDU E-2 [65] и MA SYMA [66]. [c.250]

Как показывает анализ приведенных характеристик, наиболее мош,ной из рассмотренных систем аналитических преобразований является система MA SYMA [66]. Система аналитических преобразований MA SYMA в начале своей разработки практически не использовала идеи и методы искусственного интеллекта. Однако по мере своего развития необходимость в этом ош,уш,алась все больше и больше. И в первую очередь внедрения методов искусственного интеллекта и техники создания интеллектуальных систем потребовали две проблемы обучение пользователей системой аналитических преобразований MA SYMA и математические задачи с неизвестными алгоритмами решений. [c.252]

Система комплексного диалогового интерфейса с элементами искусственного интеллекта СКДИ САВАК [c.266]

Справочник химика 21

Химия и химическая технология