Система интеллектуальная

В такой ситуации выработка оптимального решения возможна только с применением интеллектуальных вычислительных систем. Применяя логические правила вывода, смысловую информацию представляют в виде семантических сетей, фреймовых структур и т. д., в результате чего строится машинная база знаний экспертной системы, с которой должен работать исследователь и разработчик контактно-каталитического процесса. [c.124]

Многоуровневый иерархический подход с позиций современного системного анализа к построению математических моделей позволяет предсказывать условия протекания процесса в аппаратах любого типа, размера и мощности, так как построенные таким образом модели и коэффициенты этих моделей позволяют корректно учесть изменения масштаба как отдельных зон, так и реактора в целом. Конечно, данный подход весьма непрост в исполнении. Чтобы сделать его доступным для широкого круга специалистов, необходимо сразу взять ориентацию на использование интеллектуальных вычислительных комплексов, которые должны выполнять значительную часть интеллектуальной деятельности по выработке и принятию промежуточных решений. Спрашивается, каков конкретный характер этих промежуточных решений Наглядные примеры логически обоснованных шагов принятия решений, позволяющих целенаправленно переходить от структурных схем к конкретным математическим моделям реакторов с неподвижным слоем катализатора, содержатся, например, в работе [4]. Построенные в ней математические модели в виде блоков функциональных операторов гетерогенно-каталитического процесса совместно с дополнительными условиями представлены как закономерные логические следствия продвижения ЛПР по сложной сети логических выводов с четким обоснованием принимаемых решений на каждом промежуточном этапе. Каждый частный случай математической модели контактного аппарата, приводимый в [4], сопровождается четко определенной системой физических допущений и ограничений, поэтому итоговые математические модели являются не только адекватными объекту, но обладают большой прогнозирующей способностью. Приведенная в работе [4] логика принятия промежуточных решений при синтезе математических описаний гетеро- [c.224]

УеЬ-Сервер оснащен системой интеллектуального поиска информации по запросу в виде ключевого слова. [c.160]

Современные возможности использования ЭВМ в химии и химической технологии не исчерпываются ни системами АСУ, ни информационными системами. Вычислительная техника все шире проникает в химию, и некоторые авторитеты (например, лауреат Нобелевской премии Р. Малликен) считают, что уже наступило время, когда химики должны направляться не в лабораторию, а к вычислительным машинам. Возможно, что это мнение особенно привлекательно для тех, кто занимается квантовой химией, но уже сейчас есть немало энтузиастов, считающих, что информационные системы интеллектуальной поддержки могут оказаться исключительно полезными как в проверке новых научных гипотез, так и в разработке принципиально новых химико-технологических процессов. Именно поэтому диагностика, информатика и математическое моделирование рассматриваются как важнейшие разделы современной химической технологии наряду с макрокинетикой, теорией химических реакторов и химическим материаловедением. [c.221]

Проблемы расчета, моделирования и оптимизации нестационарных процессов гетерогенного катализа в силу своей исключительной сложности требуют разработки специальных подходов и стратегий анализа, рассчитанных на использование как современной вычислительной техники, так и техники новых поколений ЭВМ, новых форм организации интеллектуального труда исследователя, работающего в интерактивном режиме с ЭВМ в человеко-машинных системах с развитой базой знаний. [c.18]

Знания и данные. Функционирование интеллектуальной системы обеспечивается интеллектуальным банком данных, который является ее обязательным компонентом и условно разделяется на базу знаний (БЗ) и базу данных (БД). Четкой границы между понятиями знание и данные нет. Например, данные несут в себе определенные знания. Можно сказать, что БЗ есть совокупность сведений о свойствах предметной области (ПО), а БД — о состоянии ПО. В отличие от данных, которые всегда пассивны, для знаний характерны активность и связность. Активность про- [c.41]

Продукционные модели представления знаний — это множество правил вида ЕСЛИ... (условие применимости) ТО... (простое действие), содержащее левую и правую части. Если левая часть — посылка, а правая — заключение, то мы имеем дело с элементарным логическим актом. Если левая часть — ситуация, а правая — действие, то такая продукция может описывать процесс управления. В диагностике левая часть продукции — симптом правая — диагноз. Подобного рода продукции присущи всем областям знания и сферам деятельности. Например, в области химической технологии это правило может звучать так ЕСЛИ протекающая реакция является экзотермической, И следующая реакция требует более низкой температуры, ТО добавить теплообменник к маршруту технологического потока . Часто правила применяются не на отдельных этапах, а в цепочках индукции или дедукции Например, ЕСЛИ А и В ТОГДА С ЕСЛИ С ИЛИ D ТОГДА Е ЕСЛИ В ТОГДА F ЕСЛИ Е И F ТОГДА G. Значения одних продукций могут входить в условия других, в результата могут образовываться сложные логические цепочки. Вывод может быть прямым (от условия к заключению) или обратным — от гипотетического заключения назад к фактам, которые могли бы обусловить его. Одна и та же форма ЕСЛИ—ТО используется для обоих видов логического вывода прямое построение цепочки действует со стороны оператора ЕСЛИ, а обратное — со стороны оператора ТО. Реализация прямого и обратного логического вывода в интеллектуальных системах возлагается на специальную программу-планировщик [30—34]. [c.43]

В этой работе авторы поставили перед собой задачу построения элементов интеллектуальной системы, позволяющей преодолеть смысловой барьер между пользователем ЭВМ (химио-технологом, т. е. специалистом экстра-класса в своей узкой области) и матема-тиком-программистом. Проблема состояла в том, как при моделировании процесса на ЭВМ сохранить первичную, наиболее ценную содержательную физико-химическую информацию о процессе, которой обладает специалист в своей области, и как с наименьшими потерями этой информации оперативно преобразовать ее в форму строгих количественных соотношений. В работе [9] была сделана попытка создать своеобразный смысловой транслятор, облегчающий исследователю переводить его понятия о физикохимической сущности процессов в форму строгих математических описаний. Этот смысловой транслятор основан на диаграммной технике, позволяющей любое физическое, химическое, механическое, электрическое, магнитное явление и их произвольное сочетание представлять в виде соответствующего диаграммного образа, несущего в себе строгий математический смысл. Построенная на этой основе, реализованная на ЭВМ и действующая в настоящее время система формализации знаний позволяет 1) предоставить возможность исследователю-пользователю формулировать описание процесса не в форме точных математических постановок, [c.225]

Современные интеллектуальные системы автоматизации программирования, особенно ориентированные на использование в многопроцессорных ЭВМ, включают в себя действия по конструированию подходяш,ей конфигурации алгоритма и вычислительной схемы, оптимизации и реализации их в виде системы или пакета программ. Эти действия возможны лишь прп наличии в системах автоматизации программирования развитой техники аналитических преобразований с алгоритмами и программами. [c.248]

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]

Итак, возникает задача создания принципов построения систем комплексного диалогового интерфейса в интеллектуальных САПР промышленного катализа. Рассмотрим схему построения одного из возможных вариантов такой системы, ряд элементов которой в настоящее время реализован и успешно функционирует [25]. [c.266]

Стадия полного автоматического управления предусматривает получение всей информации от системы (автоматическое получение и выдачу всех команд управления). При этом оператору отводится не только роль наблюдателя за ходом управляющего процесса, но оставляется возможность вмешательства в процесс для проверки его исполнения и внесения корректив. Для перехода стадии на 2, 3 и особенно 4 необходимы совершенствование методов оперативного принятия решений, разработка информационного базиса этих методов, использование интеллектуальных систем. [c.343]

Система принятия решений с интеллектуальными механизмами автоматического поиска решений (СПРИНТ). Анализ состояния выработки и принятия решений в системе СПРИНТ заключается в последовательном решении следующих задач определения состояния объекта и среды управления (задача наблюдения состояния) отнесения каждого из состояний к одному из заданных [c.343]

Роботы третьего поколения снабжены системами искусственного интеллекта, их иногда называют интеллектуальными [c.312]

При организации работы интеллектуальной системы принятия решений в режиме оперативного управления предусматривается наличие двух контуров выводов рекомендаций — быстрого и медленного . В быстром контуре система использует метод поиска на экспертных моделях, описанных языком логики предикатов первого порядка. Метод основан на процедуре поиска резольвент. Последнюю в системе реализует дедуктивный решатель, входящий в состав планировщика-интерпретатора. Эта процедура позволяет быстро оценивать ситуации и выводить качественные решения. Медленный контур использует только вычислительные модели. Незапланированные флюктуации режима, аварийные [c.347]

Башлыков A.A. Реализация интеллектуальной системы управления энергообъединением СПРИНТ // Энергетика и электрификация. Сер. Средства и системы управления в энергетике Экспресс-информ. 1978. № И. С. 4-9. [c.372]

По способу управления роботы принято делить на программные, адаптивные и интеллектуальные. Таким образом, в принятой в СССР и европейских странах системах классификации к роботам не относятся различные непрограммируемые манипуляционные устройства. [c.313]

Особое внимание нами уделено разработке оригинальных диалоговых алгоритмов выполнения интеллектуальных операций второй-третьей стадий, требующих творческого участия лица, принимающего решение (ЛПР). При разработке диалогового алгоритма генерация структуры ХТС в качестве проблемной области рассматривается определенная подотрасль промышленности, выпускающая заданные целевые продукты. Для проблемной области создаются интеллектуальный банк знаний и банк данных, которые образуют информационное обеспечение интеллектуализированной системы генерации структур неоднородных ХТС (рис. 5.2). [c.138]

Автоматизация программирования. Предметом автоматизации программирования является поиск методов уменьшения интеллектуальной сложности решения задач за счет переложения части технологического цикла разработки модели на ЭВМ. В качестве примера способов приближения к этой цели можно отметить идеи, связанные с алгоритмическими языками, модульным структурным программированием и интеллектуальными ППП [3]. Первая из них связана с выработкой универсальной системы понятий для задания алгоритмов и реализации этой системы в рамках алгоритмического языка. Этот подход находит практическую реализацию в создании проблемно-ориентированных языков высокого уровня (типа ЛИСП, СИМУЛА и т. д.) и позволяет существенно упростить переход от алгоритма к программе по сравнению с машинными и машинно-ориентированными языками. [c.259]

Интеллектуальное развитие информационной системы определяется, во-первых, ее способностью упорядочивать массив сведений по степеням их существенности, во-вторых, способностью системы извлекать нз массива все возможные сведения как следствия, выведенные посредством логики, которая выбрана адекватно рассматриваемой ситуации (ср. приведенные выше замечания о полезности неклассических логик), в-третьих, способностью информационной системы к рефлексии , т. е. к оценке хранимых и извлекаемых из нее сведений как истинных, ложных, неопределенных или бессмысленных, что возможно при наличии метаязыка обработки сведений. В-четвертых, высокое интеллектуальное развитие информационной системы определяется ее способностью формировать новые типы вопросов в оувет на получение новой информации из внешнего мира (т. е. при условии расширения массива сведений), а также выбором исходных нетривиальных вопросов, на которые умеет отвечать информационная система. Разумеется, интеллектуально развитые в этом смысле информационные системы — дело будущего, но важность эротетической логики в разработке таких систем понятна уже и теперь. [c.11]

Системный анализ можно рассматривать как взаимодействие двух систем — причинно-следственной системы (объекта исследования) и программно-целевой системы принятия решений, реализуемой ЛПР (исследователем, разработчиком, проектировщиком). Любое научное исследование можно рассматривать как взаимодействие двух систем 1) объекта исследования, формализуемого в виде сложной причинно-следственной системы связей между явлениями природы 2) субъекта-исследователя, принимающего решения, совокупность которых формализуется в виде сложной программноцелевой системы принятия решений. Иерархичность структуры причинно-следственной системы обусловливает то, что на каждом уровне иерархия ФХС лицо, принимающее решение, ставит конкретную частную цель для данного уровня, достижение которой требует реализации определенного этапа общей процедуры принятия решений. Иерархичность строения ФХС влечет за собой иерархичность структуры программно-целевой системы принятия решений. Однако если структура связей на разных уровнях иерархии ФХС может резко различаться, то структура ППР в основе своей сохраняется независимо от того, какой уровнь иерархии ФХС является объектом исследования. Это обстоятельство поясняет рис. 1.2. Успех в решении глобальной проблемы, очевидно, зависит от того, насколько эффективно удалось организовать взаимодействие указанных двух систем в процессе решения проблемы на каждом промежуточном этапе. Уровень взаимодействия этих двух систем, естественно, повышается с применением ЭВМ. Тогда машина используется не просто как арифмометр, а как интеллектуальный собеседник [21]. [c.36]

Разработка интеллектуальных систем, основанных на знаниях. Речь идет о создании так называемого интеллектуального интерфейса, включающего в себя средства общения, базу знаний, программу-планировщик и позволяющего конечному пользователю решать широкий круг творческих задач, не выходя за пределы языка своей предметной области. Различают три типа интеллектуальных систем, основанных на знаниях интеллектуальные информационно-поисковые системы (ИИПС), расчетно-логические системы (РЛС) и экспертные системы (ЭС). ИИПС позволяют конечному пользователю со своего рабочего места осуществлять поиск в базе знаний необходимой информации, обращаясь, если нужно, в библиотечные сети. РЛС позволяют решать проектные, плановые, научные и управленческие задачи по их постановкам и исходным данным независимо от сложности математических моделей. ЭС позволяют с помощью накопленных в ЭВМ знаний о предметной области интерпретировать результаты наблюдений, осуществлять диагностику технических, биологических, социальных систем, принимать решения и формулировать планы действий, прогнозировать поведение сложных систем, проектировать и конструировать технические системы, организовывать обучение, осуществлять контроль и управление, в том числе в условиях, когда математические модели трудно использовать [30, 35—41]. [c.44]

Реализация такого подхода требует разработки специализированной системы математического обеспечения интеллектуального уровня, которую можно назвать автоматизированной системой построения математической модели ХТП (АСПММ) или модуля ХТП (АСПМ). [c.219]

В связи с этим в настоящее время большое внимание уделяется автоматизации разработки моделей, унификации вычислительных методов и моделей, в частности созданию моделирующих систем, интеллектуальных пакетов прикладных программ. Модели и системы все больше ориентируются на широкого потребителя и снабжаются средствами диагностики и взаимообмена. Предметом автоматизации, моделирования и программирования является попек методов уменьшения интеллектуальной сложности решения задач за счет переложения части технологического цикла разработки модели на ЭВМ. В качестве примера способов приближения к этой цели можно отметить идеи, связанные с алгоритмическими языками, модульным п структурным программированием и интеллектуальными пакетами прикладных программ (ИППП) [58]. [c.247]

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]

В общей стратегии системного анализа проектирование промышленного гетерогенно-каталитического агрегата является основной целевой акцией, которой подчинена вся процедура принятия решений при анализе и моделировании каталитического процесса на всех уровнях его иерархии. Реализация этой генеральной заключительной акции требует переработки огромного объема накопленной в процессе исследования информации, ее переработки, фильтрации и выработки в результате оптимального проектного решения. Гарантированный успех в решении этих задач обеспечивается не просто автоматизацией процедур проектирования с привлечением вычислительной техники, а использованием развитой интеллектуальной системы проектирования, обладающей способностью на основе мощной базы знаний и функционирования экспертных подсистем активно участвовать в творческом процессе проектирования совместно с проектировщиком-пользовате-лем. Рассмотрим общие вопросы организации интеллектуальных САПР [1]. [c.255]

Проектирование промышленного контактно-каталитического агрегата включает в себя значительную долю элементов творческого процессса, который не может быть полностью формализован. Поэтому современная система автоматизированного проектирования (САПР) должна быть ориентирована на работу в режиме диалога с проектировщиком-человеком при активном использовании банка интеллектуальных знаний. Такой диалог возникает в ситуациях, которые не поддаются формализации или их формализация недостаточно эффективна. Режим интеллектуального диалога проектировщик—ЭВМ важен и потому, что оценивание большинства конструкторских разработок промышленного реактора производится проектировщиком сразу по нескольким критериям технологическим, экономическим, энергетическим, экологическим и т. п. Ясно, что при таком оценивании роль опыта, интуиции проектировщика приобретает исключительно важное значение. Выбор оптимальной конструкции контактного агрегата происходит в режиме диалога ЛПР—ЭВМ, в процессе которого в систему поступает дополнительная неформальная информация от лица, принимающего решение [24]. [c.266]

Система комплексного диалогового интерфейса (СКДИ), о которой пойдет речь, будет связующим звеном между проекти-ровщиком-пользователем и вычислительным комплексом и фактически превращает традиционную САПР в интеллектуальную экспертную систему (ЭС) оптимального проектирования технологического оборудования. [c.266]

Формализация процессов выработки и принятия решений оператором. До сих пор подходы к формализации процессов принятия человеко-машинных решений при управлении сложными объектами базировались в основном на теоретико-игровом, семиотическом принципах, методах теории идентификации и планирования эксперимента [206]. К недостаткам таких методов применительно к системам принятия решений можно отнести трудоемкость априорного исследования всех вариантов поведения сложных объектов управления, качественный характер получаемых решений при семиотическом подходе, непредставимость оперативной статистики по реакциям объекта на управляющие воздействия в реальном масштабе времени и т. п. На этом фоне особенно перспективна концепция человеко-машинного управления. Человеко-машинные системы обладают собственными знаниями , что позволяет (автоматически или путем общения с человеком) находить управляющие решения или вырабатывать и обосновывать логические факты, не заложенные априори, вести диалог с ЛПР. Такие человеко-машинные системы принято относить к классу систем принятия решений с интеллектуальным механизмом автоматического поиска (СПРИНТ). [c.343]

Техническая реализация системы СПРИНТ основывается на использовании современных автоматизированных спстем диспетчерского управления (АСДУ), которые имеют телемеханические системы, оперативно-измерительные и оперативно-вычислительные комплексы [209]. При этом функции распознавания, поиска и принятия решений реализуется на оперативно-вычислительном комплексе, а функции сбора информации, ее первичной обработки и хранения — на оперативно-измерительном комплексе функции телеизмерений и телесигнализации осуществляются телемеханической системой. Организация взаимодействия всех составляющих АСДУ производится в следующем порядке. Телемеханическая система периодически опрашивает датчики и передает их показания в оперативно-измерительный комплекс. Полученный вектор телеизмерений и телесигналов обрабатывается в оперативно-измерительном комплексе за время следующего цикла телеизмерений и передается в оперативно-вычислительный комплекс. Полученная информация о текущем состоянии технологического агрегата и положении органов управления записывается в базу информации интеллектуальной системы принятия решений, размещенную в этом же комплексе. [c.347]

Роботы с системой искусственного интеллекта обладают способностью осуществлять обработку логической информации и принимать соответствующие решения. В основе интеллектуальных роботов лежат различные логические системы, главным образом дедуктивные (теория доказательств), что приближает функции интеллектуальных роботов к наиболее сложным функциям человека, в частности — функциям, выполняемым лицом, принимающим решение. Роботы с системой искусственного интеллекта имеют наиболее сложную систему управления, и на данном этапе они еще не получили широкого распространения в производстве. Воздействие на внешние объекты роботы осуществляют при помощи рабочих органов, в качестве которых мсгут применяться различного рода захваты или рабочий ин- [c.313]

АСПХИМ — это человеко-машинная система, ведущая роль в которой принадлежит высококвалифицированным проектировщикам, решающим творческие интеллектуальные задачи проектирования в режиме диалога с ЗВМ. Диалог с ЭВМ проектировщики осуществляют при помощи комплекса технических устройств ввода-вывода информации и благодаря наличию специального программ но-м атем атическо го О беспечени я. [c.12]

Разработка БД ведется в основном но двум направлениям. Это банки в системах искусственного интеллекта как модели но переработке информации и банки как самостоятельные программные комплексы в АСУ, САПР и т. д. Первое направление связано с общей проблемой искусственного интеллекта , и его разработки в значительной степени носят теоретический характер в области представления знаний — выработке концепций о том, как описывать реальный мир [8]. Прикладное значение этих работ весьма широкое, начиная от автоматизации проектирования и до интеллектуальных систем, способных восприни-Л1ать информацию на естественном языке, анализировать ее, делать прогнозирующие выводы. Применительно к проблеме автоматизации программирования задача заключается в поиске способов уменьшения сложности решения задачи на ЭВМ за счет возложения отдельных частей технологического цикла разработки модели на программное обеспечение [9]. Второе направление пи разработке БД обычно преследует цель создания специализированных банков по отдельным отраслям промышленности. Основное внимание при этом делается на разработку прикладных программ при упрощенной логической структуре. [c.190]

Научная сессия в УГНТУ проводится по тематике Принципы авто-маттироаанного управления, методы и интеллектуальные системы обеспечения надежности и безопасности сложных химико-технологических систем е химической, нефтеперерабатывающей, нефтехимической и биохимической промышленности с заслушиванием секционных докладов по следующим научным направлениям [c.3]

Разработана структура гибридной экспертной системы исходя из особенностей процесса как объекта управления и экспертного анализа. Выбран перечень задач, подлежащих решению в процессе функционирования системы определены информационные и логические связи между ними определены категории лиц, взаимодействующих с системой в процессе разработки и эксплуатации. Большое значение при получении истинного семантического решения в системах, основанных на знаниях, играет достоверность исходной информации, полученной от экспертов и заполняющей базу знаний. При решении задач оперативного управления в условиях возникновения нештатной ситуации на процессе лицо, принимающее решения, получает консультацию в режиме естественного языка-, вследствие высокой психологической нагрузки в составе системы реализован интеллектуальный советчик оператора. Для удобств пользователя и в соответствии с эргономическими требованиями результать работы системы отображены в виде динамически изменяющейся мнемосхемь процесса. В состав Г для управления процессами коксования входят маши на логического вывода, математическая модель, блок оптимизации, базы зна НИИ, правил, данных, редактор базы знаний, блок оценки достоверности экс пертных знаний, блок объяснения решений, интеллектуальный интерфейс [c.60]

Структура алгоритмического обеспечения ГЭС сформирована исходя из структуры, алгоритма функционирования и МПЗ, принятых в системе, с учетом специфических особешосгей исходной 1шформащш (возможной неполноты и нечеткости). Алгоритмическое обеспечение ГЭС для управления процессами коксования включает следующие группы алгоритмов функционирования ма-шины логического вьшода математической модели (материального, теплового и гидравлического балансов) оптимизации комбинированным методом система управления базой система управления базами знаний и правил сбора и оценки достоверности экспертных знаний блока объяснений интеллектуального интерфейса прогнозирования возникновения нештатной ситуации консультации в режимах ограниченно-естественного языка и советчика оператора внесения управляющих воздействий. [c.61]

Таким образом, разработанная система синтеза тренажеров может быть применена для создания систем обучения производственного управленческого персонала потенциально-опасных химических производств. Система позволяет достаточно быстро создавать программное обеспечение интеллектуальных тренажеров процессов. Использование разработанной системы синтеза также предоставляет возможность перенесения в короткие сроки уже существующих тренажерных комплексов, работающих под управлением ОС П08 в среду Утс1о У5. [c.197]

Экспертные системы с середины 1980-х годов стали широко разрабатываться и практически использоваться для решения неформализованных задач в различных сферах творческой деятельности человека — физика, химия, химическая технология, военное дело, вычислительная техника, геология, информатика, медицина, метеорология, сельское хозяйство и юриспруденция. Экспертные системы (ЭС) являются наиболее значительным результатом практической реализации теории искугственного интеллекта (ИИ), зародившейся в середине 1950-х годов. Интерес к теории ИИ и к созданию ЭС во всем мире существенно возрос после того, как Япония объявила в 1979 г. о проекте создания ЭВМ пятого поколения, обладающих возможностью интеллектуального диалога с непрограммирующими пользователями. Об этом прежде всего свидетельствуют значительные ассигнования на разработку ЭС в США, Японии и в странах Европейского Сообщества, выделяемые с середины 1980-х годов. [c.9]

Справочник химика 21

Химия и химическая технология