Modul 1 (1,5 studiepoeng): Introduksjon til økonomisk informatikk
Emne 1.1: Teoretisk grunnlag for økonomisk informatikk
Tema 1.2: Tekniske midler for informasjonsbehandling
Emne 1.3: Systemprogramvare
Emne 1.4: Tjenesteprogramvare og det grunnleggende om algoritmisering
Økonomisk informatikk og informasjon
1.1. Teoretisk grunnlag for økonomisk informatikk
1.1.2. Data, informasjon og kunnskap
Grunnleggende begreper om data, informasjon, kunnskap.
De grunnleggende begrepene som brukes i økonomisk informatikk inkluderer: data, informasjon og kunnskap. Disse begrepene brukes ofte om hverandre, men det er grunnleggende forskjeller mellom begrepene.
Begrepet data kommer fra ordet data – fakta, og informasjon (informatio) betyr forklaring, presentasjon, d.v.s. informasjon eller melding.
Data er en samling av informasjon registrert på et bestemt medium i en form som er egnet for permanent lagring, overføring og behandling. Transformasjon og behandling av data gir informasjon.
Informasjon er resultatet av datatransformasjon og -analyse. Forskjellen mellom informasjon og data er at data er fast informasjon om hendelser og fenomener som er lagret på bestemte medier, og informasjon dukker opp som et resultat av databehandling ved løsning av spesifikke problemer. For eksempel lagrer databaser forskjellige data, og på en spesifikk forespørsel gir databasestyringssystemet den nødvendige informasjonen.
Det finnes andre definisjoner av informasjon, for eksempel er informasjon informasjon om objekter og fenomener i miljøet, deres parametere, egenskaper og tilstand, som reduserer graden av usikkerhet og ufullstendighet av kunnskap om dem.
Kunnskap- dette er behandlet informasjon registrert og verifisert av praksis, som er brukt og kan brukes gjentatte ganger for beslutningstaking.
Kunnskap er en type informasjon som er lagret i en kunnskapsbase og gjenspeiler kunnskapen til en spesialist innen et spesifikt fagområde. Kunnskap er intellektuell kapital.
Formell kunnskap kan være i form av dokumenter (standarder, normer) som regulerer beslutningstaking eller lærebøker, instruksjoner som beskriver løsning av problemer.
Uformell kunnskap er kunnskapen og erfaringen til spesialister innen et bestemt fagområde.
Det skal bemerkes at det ikke er noen universelle definisjoner av disse konseptene (data, informasjon, kunnskap), de tolkes på forskjellige måter.
Beslutninger tas på grunnlag av mottatt informasjon og tilgjengelig kunnskap.
Å ta avgjørelser- Dette er valget av det beste, på en måte, et løsningsalternativ fra settet av tillatte basert på tilgjengelig informasjon.
Forholdet mellom data, informasjon og kunnskap i beslutningsprosessen er vist i figuren.
Ris. 1.
For å løse problemet behandles de faste dataene på grunnlag av tilgjengelig kunnskap, deretter analyseres den innhentede informasjonen ved hjelp av den eksisterende kunnskapen. Basert på analysen foreslås alle mulige løsninger, og som et resultat av valget tas en på en måte beste beslutning. Løsningsresultater tilfører kunnskap.
Avhengig av bruksomfanget kan informasjonen være forskjellig: vitenskapelig, teknisk, ledelsesmessig, økonomisk, etc. For økonomisk informatikk er økonomisk informasjon av interesse.
Kunnskap og informasjon er viktige deler av livet vårt. Disse begrepene kan ikke identifiseres fullstendig med hverandre. La oss vurdere hva som menes med hver av dem og hvordan kunnskap skiller seg fra informasjon.
Definisjon
Kunnskap- systematiserte pålitelige ideer om objekter og virkelighetsfenomener. Kunnskap brukes av mennesker for rasjonell organisering av deres aktiviteter og for å løse nye problemer.
Informasjon- informasjon om konsepter, fakta, hendelser, etc., i overføring og mottak som personer eller spesielle enheter kan delta. Dyr kommuniserer spesiell informasjon til hverandre ved hjelp av signaler. Det er også genetisk informasjon som overføres fra en organisme til en annen.
Sammenligning
Den grunnleggende faktoren som gjør det mulig å identifisere forskjellen mellom kunnskap og informasjon er at kunnskap kun tilegnes gjennom subjektiv forståelse. Informasjon er uavhengig og når ikke alltid bevissthetsstadiet.
I den kognitive prosessen er kunnskap og informasjon på ulike stadier. For det første er det oppfatningen av informasjon som overføres av en bestemt kilde: en bok, Internett, en lærer ... Etter forståelse resulterer informasjonen i kunnskap. Den med kunnskap er i stand til å fylle rollen som en ny informasjonskilde.
Det er altså kun informasjon som overføres og mottas, men kunnskap kan ikke overføres. For å bli eier av kunnskap, må du oppfatte den nødvendige informasjonen og sende den gjennom din egen bevissthet.
For eksempel har en mattelærer kunnskap om faget sitt. Ved å forklare klassen måten å løse problemet på, overfører han ikke direkte kunnskap, men er en kilde til informasjon. Studentene vil kun kunne danne kunnskap når de ikke bare lytter til læreren, men også forstår, innser hva han prøver å formidle til dem.
Med tanke på hva som er forskjellen mellom kunnskap og informasjon, bør det bemerkes at det ikke kan være overskudd av kunnskap. Tross alt søker en person å forstå bare det som virkelig er viktig og nødvendig for ham. Informasjon kan flyte i overkant, folk føler seg ofte overmette med den. Av hele informasjonsvolumet brukes en liten del til å få kunnskap.
Det er kunnskap som er kriteriet for en persons utdannelse. Tross alt er det ikke nok bare å sette seg inn i informasjonen - det er nødvendig å gjøre mye mentalt arbeid.
Data og kunnskap
Informasjon
Data
Prosedyremessig deklarativ
Fagområde
Kunnskap
Logisk konklusjon
fakta Heuristikk
uttaksmekanisme, logisk konklusjon eller utgangsmaskin.
grensesnitt
Kunnskapsbase,
Uttaksmekanisme,
Brukergrensesnitt.
Konseptet med et formelt system
Grunnlaget for logiske modeller er konseptet med et formelt system definert av en firedobbel M = (T, P, EN, F).
Masse av T det er mange grunnleggende elementer av ulik karakter, for eksempel ord fra et begrenset vokabular. Det antas at det er en prosedyre P ( T) sjekke medlemskapet til et vilkårlig element i settet T.
Masse av P det er mange syntaksregler. Med deres hjelp fra elementene T danner syntaktisk korrekte uttrykk, for eksempel bygges syntaktisk korrekte uttrykk fra ordene i et begrenset vokabular. Det må være en prosedyre P ( R), som gjør det mulig å avgjøre om
noen uttrykk er syntaktisk korrekt.
I settet R en undergruppe av EN a priori sanne uttrykk (aksiomer). Det må være en prosedyre P ( EN) sjekke om et syntaktisk korrekt uttrykk tilhører et sett EN.
Masse av F det er mange semantiske slutningsregler. Bruker dem på elementer EN, kan du få nye syntaktisk korrekte uttrykk, som du igjen kan bruke reglene fra F... Dette er hvordan sett med trukket tilbake i dette formelle systemet av uttrykk. Hvis det er en prosedyre P ( F), som gjør det mulig å bestemme for ethvert syntaktisk korrekt uttrykk om det er deduserbart, så kalles det tilsvarende formelle systemet løselig.
For kunnskapen som inngår i kunnskapsgrunnlaget kan vi anta at settet EN danner alle informasjonsenheter som er lagt inn i kunnskapsbasen, og ved hjelp av slutningsregler utledes nye fra dem avledet kunnskap... Et formelt system er med andre ord en generator av ny kunnskap som danner et sett trukket tilbake i dette systemet kunnskap.
Denne modellen ligger til grunn for konstruksjonen til mange deduktiv IIS... I slike systemer er kunnskapsgrunnlaget beskrevet i form av setninger og teoriens aksiomer, og inferensmekanismen implementerer reglene for å konstruere nye setninger fra de eksisterende i kunnskapsbasen. Systemet mottar en beskrivelse av problemet på språket til denne teorien i form av en forespørsel (setning, teorem), som ikke er eksplisitt presentert i kunnskapsbasen. Prosessen med inferensmekanismen kalles beviset for forespørselen (teorem).
Bruken av logikk av ulike typer i konstruksjonen av syntaktiske og semantiske regler genererer logiske modeller av ulike typer.
Proposisjonskalkyle
Proposisjonskalkyle studerer setninger som enten kan være sanne eller usanne. Ikke hver setning er et utsagn. For eksempel gir det ingen mening å snakke om sannheten til spørrende setninger. Setninger er ikke utsagn der det ikke er enighet om hvorvidt disse setningene er sanne eller usanne. Tilsynelatende vil ikke alle være enige i utsagnet "matematisk logikk er et fascinerende emne."
Setningen «Det snødde» er heller ikke et utsagn, siden det for å bedømme sannheten er nødvendig med ytterligere informasjon om når og hvor det snødde.
Kombinere setninger ved å bruke koblinger som "og", "eller","Hvis da ...", kan du danne nye setninger.
Det er fem logiske koblinger som brukes i proposisjonskalkyle: negasjon, konjunksjon, disjunksjon, implikasjon og ekvivalens.
Konjunksjon (logisk OG) er sann bare hvis begge de konstituerende utsagnene er sanne.
Disjunksjon (logisk ELLER) er falsk bare når begge utsagnene er falske.
Implikasjonen (tilsvarer pakken " Hvis da ...») Den første operanden kalles premisset, og den andre kalles konklusjonen. En implikasjon er falsk bare når premisset er sant og konklusjonen er falsk.
Logisk operasjon ekvivalens tilsvarer pakken " da og bare da". Resultatet er ekte hvis begge utsagnene er enten sanne samtidig eller samtidig usanne.
Logisk negasjon utføres på ett utsagn. Utsagnet og dets negasjon har alltid motsatte sannhetsverdier.
Symbolene som brukes til å betegne utsagn kalles atomer.
Riktig konstruerte formler i proposisjonell logikk er rekursivt definert som følger:
1) et atom er en formel;
2) hvis EN og B- formler, så er formlene
og Ø EN, EN Ù B, EN Ú B, EN ® B, EN « B.
Her er buntene indikert med symbolene:
Ú - logisk ELLER(disjunksjon);
Ù - logisk OG(konjunksjon);
® - logisk BØR(implikasjon);
"- logisk TILSVARENDE(tilsvarende);
Ø - logisk negasjon.
Tolkning en formel kalles å tildele hvert atom som er inkludert i formelen en sannhetsverdi ( ekte eller Lyver).
Formel bestående av n forskjellige atomer, har 2 n ulike tolkninger.
Formelen som er sann for alle tolkninger kalles generelt gyldig(for eksempel, EN Ú Ø EN).
En formel som er usann i alle tolkninger kalles kontroversielle(for eksempel, EN ÙØ EN).
En formel som det er minst én tolkning for som den er sann, kalles overkommelig.
Tilsvarende formler kalles, hvis sannhetsverdier sammenfaller for alle tolkninger. Ekvivalente substitusjoner kan brukes til å transformere formler fra en form til en annen.
For transformasjoner av formler for proposisjonskalkylen brukes følgende ekvivalenser:
1) EN Ú Ø EN = ekte(ekte);
EN Ù Ø EN = falsk(Lyver);
2) den doble negasjonsregelen
Ø (Ø EN) = EN;
3) EN ® B = Ø EN Ú B;
4) EN « B = (EN ® B) Ù ( B ® EN);
5) lover for kommutativitet
EN Ú B = B Ú EN, EN Ù B = B Ù EN;
6) assosiativitetens lover
(EN Ú B) Ú C =EN Ú ( B Ú C), (EN Ù B) Ù C = EN Ù ( B Ù C);
7) distribusjonslover
EN Ú ( B Ù C) = (EN Ú B) Ù ( EN Ú C), EN Ù ( B Ú C) = (EN Ù B) Ú ( EN Ù C);
8) de Morgans lover
Ø( EN Ú B) = Ø EN Ù Ø B, Ø( EN Ù B) = Ø EN Ú Ø B;
9) EN ® B = Ø B ® Ø EN.
Predikatregning
Apparatet til utsagnskalkylen tillater i mange tilfeller ikke en tilfredsstillende beskrivelse av fagområdet. En betydelig del av fagområdene kan beskrives ved hjelp av førsteordens predikatregning. For dette er følgende introdusert i betraktning:
a) konstanter som angir et individuelt objekt eller konsept;
b) variabler som til forskjellige tider kan betegne ulike objekter;
c) termer, hvor de enkleste er konstanter og variabler, og i et mer generelt tilfelle representert ved uttrykk av typen hvor er et funksjonelt symbol, og er termer;
d) predikater som brukes til å representere relasjoner mellom objekter i et bestemt emneområde;
e) kvantifiserere - et middel for å spesifisere kvantitative egenskaper ved fagområdet.
Predikat Er en logisk funksjon som kun tar sannhetsverdier" ekte" eller " Lyver».
Et predikat består av et predikatsymbol og det tilsvarende ordnede settet med termer som er dets argumenter. Predikatsymbol P brukes til å navngi relasjoner mellom objekter. Hvis han har n argumenter, heter det n-seng predikatsymbol.
Rekorden, som er den enkleste (atomiske) formelen, betyr at utsagnet er sant: objekter er relatert av P.
Bruke de samme logiske forbindelsene som i proposisjonskalkyle ( OG, ELLER, IKKE, BØR, TILSVARENDE), kan du bygge mer komplekse formler.
Formler bruker (universalitet) og (eksistens) kvantifiserere for å definere omfanget av variabler. Kvantifiserere lar en konstruere utsagn om et sett med objekter og formulere utsagn som er sanne for dette settet.
Predikatkalkulusformler (PPF-er er godt konstruerte formler) er definert rekursivt som følger:
1. atomet er en formel;
2.hvis EN og B Er formler, så er formlene og
Ø EN, EN Ù B, EN Ú B, EN ® B, EN « B;
3. hvis - er en formel, så er formler og og.
Tolkningen av formler i predikatkalkulus er tilordningen av verdiområder til alle konstanter, funksjonelle og predikatsymboler. Formel tolket på området D, tar på seg verdiene ekte eller Lyver etter følgende regler:
a) hvis verdiene til formlene er gitt EN og B, så sannhetsverdiene til formlene Ø EN, EN Ù B, EN Ú B, EN ® B, EN « B hentet fra sannhetstabeller som er gyldige for proposisjonskalkyle;
b) formelen får verdien ekte hvis for hver av D har betydningen ekte, ellers er verdien Lyver.
c) formelen får verdien ekte hvis minst en av D har betydningen ekte ellers er verdien falsk.
Formel EN det er logisk konsekvens formler hvis og bare hvis for enhver tolkning der formelen 
sant, formel EN er også sant.
I tillegg til formlene for ekvivalente transformasjoner gitt for proposisjonskalkylen, er følgende gyldige i predikatkalkulen:
Ø($ ) = () (Ø );
Ø() = () (Ø ).
Rammetyper
For kognitive formål skille mellom to typer rammer: ramme - prototype og ramme - eksempel. Ramme - prototype reflekterer kunnskap om abstrakte stereotype konsepter, som er klasser av noen konkrete objekter. Prototyprammer reflekterer intensjonelle kunnskap, dvs. generalisert kunnskap om lovene som er iboende i klassen av objekter som vurderes. Rammer - eksempler reflektere kunnskap om spesifikke fakta i fagområdet, eller den såkalte ekstensjonell kunnskap. Overgangen fra en rammeprototype til en rammeforekomst utføres når prosedyren for utpeking av rammeprototypen utføres under driften av slutningsmekanismen.
Som et eksempel kan du vurdere et forenklet rammediagram - prototypen til DATE-konseptet:
<ДАТА> (<МЕСЯЦ><имя>)(<ДЕНЬ><целые числа {1,2,…, 31}>)
(<ГОД><функция>)(<ДЕНЬ НЕДЕЛИ><перечень {ПНД,ВТР,…,ВСК}>
<функция>)
Navnet på rammen - prototype - DATO. I MONTH-sporet skrives NAME i stedet for verdien, dvs. sporverdien kan være et hvilket som helst bokstavelig uttrykk. Verdien av sporet DAY er heltall, og en liste over dem er gitt i sporet. ÅR-sporet indikerer en funksjon som kan implementere følgende handlinger. Hvis et år er spesifisert i inndatasetningen, legges det inn i verdifeltet til sporet i eksempelrammen; hvis det ikke er angitt årstall, fylles den manglende verdien ut med gjeldende år. Denne typen funksjoner kalles standardfunksjoner.
Sporet DAG I UKEN definerer også en funksjon som, når du behandler en inndatamelding, kalles opp automatisk for å se etter feil.
konsistensen av verdien for ukedagen spesifisert av brukeren, eller
angi denne verdien hvis brukeren ikke har spesifisert den.
En betongramme - et eksempel på en DATE-ramme kan se slik ut:
<ER EN DATO> (<МЕСЯЦ><ИЮНЬ>)(<ДЕНЬ><5>)
Merkelapp ER EN indikerer at denne rammen er en eksempelramme. Kun 2 plasser er fylt her. Resten kan beregnes ved hjelp av passende prosedyrer.
Prosedyrene som er inkludert i sporet er delt inn i to typer: prosedyrer - demoner og
prosedyrer er tjenere.
Prosedyrer - Demoner aktiveres automatisk hver gang data legges inn i den tilsvarende rammen - eksempel eller slettes fra den. For eksempel er prosedyren innebygd i DAY OF THE WEEK-sporet i eksemplet ovenfor en daemon-prosedyrerepresentant. Ved hjelp av prosedyrer av denne typen utføres alle rutineoperasjoner knyttet til vedlikehold av databaser og kunnskap.
Prosedyrer - Tjenere aktivert kun på forespørsel. Et eksempel på en slik prosedyre er en funksjon innebygd i YEAR-sporet i DATE-prototype-rammen, som kalles kun hvis brukeren ikke har spesifisert et år.
Ris. 4.6 Rammenettverk
per ramme Barn. Arv av "kjærlighet"-sporet fra Child-rammen.
Forespørsel 2. Hva er alderen på elevene?
Svar: 6-17 - verdien av "alder"-sporet er hentet fra Student-rammen. Verdien fra Child-rammen er ikke tatt, fordi verdien er angitt eksplisitt i selve "student"-rammen som spørsmålet stilles om.
Etter funksjonelt formål følgende typer rammer skilles ut:
Rammer er objekter (eksempel ovenfor);
Rammer - operasjoner (for eksempel rammen "prosessen for syntese av korrigeringsenheter", spor: modell, beregningsalgoritme, parametere, etc.);
Rammer - situasjoner (for eksempel rammen "Nøddrift av en analog sensor", spor: spenning, strøm, etc.);
Rammer - scenarier (for eksempel "Brannslokkingsramme", spor: brannsted, slokkemidler osv.).
Kunnsbrukes i språk FRL(Rammerepresentasjonsspråk) ,KRL(Kunnskapsrepresentasjonsspråk) og så videre.
Inferensfunksjoner
I innrammingsspråk er hovedoperasjonen mønstersøk... En prøve er en ramme der ikke alle strukturelle enheter er fylt, men bare de som de nødvendige rammene vil bli funnet med blant rammene som er lagret i systemminnet. En prøve kan for eksempel inneholde navnet på en ramme, samt navnet på et bestemt spor i rammen, som indikerer verdien av sporet. Dette mønsteret ser etter en ramme med det gitte navnet og den gitte verdien til sporet spesifisert i mønsteret i systemminnet. Eksemplet kan inneholde navnet på et bestemt spor og verdien. Deretter skal prosedyren for mønstersøk sikre at alle frames som inneholder et spor med samme navn og sporverdi som mønsteret, blir hentet. Til slutt kan noen logiske funksjoner gis på vegne av rammen, noen spornavn og sporverdier. Følgelig er inferens i et rammenettverk basert på matchingsoperasjonen.
Andre prosedyrer som er typiske for rammespråk er prosedyrer for å fylle spor med data, samt prosedyrer for å introdusere nye prototyperammer (dvs. ny kunnskap) i systemet og introdusere nye forbindelser mellom dem.
Tenk på et fragment av beskrivelsen fra "blokkenes verden" (fig. 4.7) i form av rammer på FRL-språket.
Ris. 4.7 "Blokker verden"
(ramme (Navn (Kube)) (lengde (NULL)) (bredde (HVIS-STANDARD (brukslengde))) (høyde (HVIS-STANDARD (brukslengde)))) (f rame (Navn (B 1)) (AKO (Kube)) (farge (rød)) (lengde(80))) (f rame (Navn (B 2)) (AKO (Kube)) (farge (grønn)) (lengde (65))))
Spor AKO indikerer at objekter B 1 og B 2 er en undertype av et objekt Kube og arver dens egenskaper, nemlig lengde = bredde = høyde. Prosedyre - demon HVIS-STANDARD fyller ut standard sporverdier.
La oss si at en robot får ordren "Ta den gule gjenstanden som støtter pyramiden." På språket for kunnskapsrepresentasjon er spørsmålet skrevet som følger:
(objekt X (farge (gul)) (hold Y (type (pyramide))))
Mønstertilpasningsprogrammet søker i kunnskapsbasen etter objektbeskrivelser:
(ramme (Navn (B 3)) (type (blokkere)) (farge (gul)) (størrelse (20 20 20)) (koordinere (20 50 0)) (holde (P 2)))
(ramme (Navn(P 2)) (type (pyramide)) ...)
Mottatt svar: X = B 3, Y = P 2, og en kommando gis til roboten ta(objekt B 3).
Fordelene med rammer som modell for å representere kunnskap er evnen til å strukturere kunnskapsbasen på grunn av egenskapene til hierarki og arv. Ulempen er kompleksiteten ved å organisere slutninger.
Foredrag. Grunnleggende om å bygge et produksjonssystem
Bruker meta-regler
Noen ganger, for å bestemme hvilken regel som skal aktiveres, er det ønskelig å bruke spesifikk kunnskap, i stedet for å følge en generell strategi for å løse konflikter. For dette formål inkluderer noen regeltolkere verktøy som lar programmereren formulere og introdusere meta-regler i programmet. Meta-regler definerer reglene for utvelgelsen av disse reglene fra listen over applikasjoner som bør vurderes først av alt, eller dessuten må følges.
Meta-regler lar deg begrense sirkelen av regler betydelig - kandidater basert på et eller annet kriterium eller endre prioriteringsrekkefølgen til reglene. Metaregler bruker ofte kunnskap fra et spesifikt fagområde. Et eksempel er følgende metaregel relatert til systemet
temaet medisinsk diagnostikk MYCIN.
METARULO 001
HVIS (1) infeksjonen tilhører klassen bekken-abscess, og
(2) det er regler i lokalene det er nevnt
enterobakterier, og
(3) det er regler i lokalene det er nevnt
gram-positiv farging,
TIL med en konfidens på 0,4 bør den første av de oppførte reglene prioriteres.
Foredrag. Grunnleggende begreper innen kunstig intelligens
Vitenskapsfeltet, kalt "kunstig intelligens", tar sikte på å identifisere de grunnleggende mekanismene som ligger til grunn for menneskelig aktivitet for å bruke dem til å løse spesifikke vitenskapelige og tekniske problemer. "Intelligente" systemer er designet for å fungere i miljøer der menneskelig tilstedeværelse er umulig eller livstruende. Disse enhetene vil måtte håndtere en rekke mulige situasjoner. Det er umulig å beskrive disse situasjonene på forhånd med en slik grad av detaljer og entydighet som gjør det mulig å legge ned hardkodede algoritmer for atferd i systemet som lages. Derfor må systemer bevæpnet med kunstig intelligens ha tilpasningsmekanismer som vil tillate dem å bygge programmer med hensiktsmessige aktiviteter for å løse oppgavene som er tildelt dem basert på den spesifikke situasjonen som for tiden utvikler seg i deres miljø.
Denne problemformuleringen gir forskerne spesielle oppgaver som ikke har oppstått tidligere i utformingen av tekniske systemer. Disse oppgavene inkluderer: beskrivelse av det rike ytre miljøet og dets refleksjon i systemet (denne oppgaven kalles); styring av kunnskapsbanken, påfylling av den, påvisning av motsetninger og mangel på kunnskap; oppfatning av det ytre miljøet ved hjelp av forskjellige typer reseptorer (visuelle, taktile, auditive, etc.); forståelse av naturlig språk, som fungerer som et universelt kommunikasjonsmiddel for en person; oppfatningen av trykt tekst og muntlig tale og transformasjonen av informasjonen i meldingene til form av kunnskapsrepresentasjon; aktivitetsplanlegging er en oppgave, hvis løsning vil tillate systemet å lage planer for å nå målet ved å bruke midlene til disposisjon; tilpasning og læring basert på akkumulert erfaring.
Dette er aktivitetsfeltet til spesialister innen kunstig intelligens-systemer. Det ligger i krysset mellom et bredt spekter av disipliner: programmering og psykologi, teknologi og lingvistikk, matematikk og fysiologi.
Så, teorien om kunstig intelligens er vitenskapen om kunnskap, hvordan man kan trekke den ut, representere den i kunstige systemer, behandle den i systemet og bruke den til å løse praktiske problemer. Med andre ord, systemene som er studert innenfor rammen av kunstig intelligens og skapt i hovedstrømmen av denne vitenskapen, er systemer hvis arbeid er avhengig av kunnskap som gjenspeiler semantikken og pragmatikken til den ytre verden der intelligente systemer opererer.
Derfor er hovedproblemene med kunstig intelligens representasjon og prosessering av kunnskap. Løsningen på disse problemene består både i utvikling av effektive modeller for representasjon av kunnskap, metoder for å skaffe ny kunnskap, og i å lage programmer og enheter som implementerer disse modellene og metodene.
Elementer av kunstig intelligens er mye brukt for å lage intelligent dataprogramvare, automatiserte kontrollsystemer (ACS), designautomatiseringssystemer (CAD), (ISS), databasestyringssystemer (DBMS), ekspertsystemer (ES), systembeslutningsstøtte (DSS), dvs tillate å øke intelligensnivået til de opprettede informasjonssystemene.
Prestasjoner innen kunstig intelligens brukes i industrien (oppdagelse og utvikling av felt, astronautikk, bilkonstruksjon, kjemi, etc.), i økonomi (finans, forsikring, etc.), i den ikke-industrielle sfæren (transport, medisin) , kommunikasjon etc.), i landbruket.
Verktøy for kunstig intelligens tillater utvikling av modeller og programmer for å løse problemer som ingen direkte og pålitelige løsningsmetoder er kjent for. Slike oppgaver tilhører feltet menneskelig kreativ aktivitet. Spesialister på kunstig intelligens utgjør slike vitenskapelige problemer som å bevise matematiske teoremer, diagnostisere sykdommer eller funksjonsfeil i utstyr, økonomisk analyse av forretningsenheter, syntetisere programmer basert på spesifikasjoner, forstå naturlig språktekst, analysere et bilde og identifisere innholdet, kontrollere en robot, etc.
Data og kunnskap
La oss gi definisjoner av de grunnleggende begrepene i den studerte disiplinen og vurdere forskjellene mellom begrepene "data" og "kunnskap".
Informasjon- et sett med informasjon oppfattet fra miljøet, sendt til miljøet eller lagret i informasjonssystemet (IS).
Data- spesifikk informasjon presentert i en formalisert form om objekter i fagområdet, deres egenskaper og relasjoner, som gjenspeiler hendelser og situasjoner i dette området.
Dataene presenteres i en form som lar deg automatisere deres innsamling, lagring og videre behandling. Data er en registrering av informasjon i passende form, egnet for lagring, overføring, behandling og mottak av ny informasjon.
Informasjonen som datamaskinen omhandler er delt inn i prosedyremessig og deklarativ.
Prosedyremessig informasjon presenteres av programmer som kjøres i prosessen med å løse problemer, og deklarativ- dataene som behandles av disse programmene.
Enhver intellektuell aktivitet er avhengig av kunnskap om fagområdet der oppgaver stilles og løses.
Fagområde kalles et sett med sammenhengende informasjon som er nødvendig og tilstrekkelig for å løse et visst sett med oppgaver. Kunnskap om fagområdet inkluderer beskrivelser av objekter, fenomener, fakta, samt forholdet mellom dem.
Kunnskap- dette er generalisert og formalisert informasjon om egenskapene og lovene til fagområdet, ved hjelp av hvilken prosessene med å løse problemer, transformere data og kunnskap i seg selv realiseres, og som brukes i prosessen med logisk slutning.
Logisk konklusjon– Dette er genereringen av nye utsagn (dommer) basert på de innledende fakta, aksiomer og slutningsregler.
Kunnskap fra synspunkt om oppgaver som skal løses innenfor et bestemt fagområde er delt inn i 2 store kategorier – fakta og heuristikk. Under fakta vanligvis forstår velkjent i dette fagområdet av sannheten, omstendigheter. Heuristikk- dette er empiriske algoritmer basert på uformelle hensyn som begrenser antall løsninger og sikrer hensiktsmessigheten i oppførselen til beslutningssystemet, uten å garantere at den beste løsningen oppnås. Slik kunnskap er basert på erfaringen til en spesialist (ekspert) innen et gitt fagområde.
Konseptet med en prosedyre for å få løsninger på problemer (kunnskapsbehandlingsstrategi) er assosiert med kunnskap om deigen. I IIS kalles denne prosedyren uttaksmekanisme, logisk konklusjon eller utgangsmaskin.
Kunnskapen som systemet arbeider med lagres i kunnskapsbasen (KB).
For å organisere interaksjon med IIS må den ha kommunikasjonsmidler med brukeren, dvs. grensesnitt... Grensesnittet gir arbeid med kunnskapsgrunnlag og slutningsmekanismen på et språk på et tilstrekkelig høyt nivå, nært fagspråket til spesialister innen fagområdet som IIS tilhører. I tillegg inkluderer funksjonene til grensesnittet støtte for brukerens dialog med systemet, som gjør at brukeren kan få forklaringer på systemets handlinger, delta i søket etter en løsning på problemet, og oppdatere og korrigere kunnskapsgrunnlaget. Dermed er hoveddelene av IIS:
Kunnskapsbase,
Uttaksmekanisme,
Brukergrensesnitt.
Egenskaper ved kunnskap som skiller den fra data
Eksempel... La familiebånd fungere som fagområde. Objektene for dette fagområdet er begreper som mor,
far, datter, mann, kvinne osv.
La fakta være kjent:
Victor er faren til Tanya.
Vladimir er faren til Victor.
På Prolog-språket er disse fakta beskrevet som følger:
far (viktor, tanya).
far (vladimir, viktor).
Her er "far" navnet på forholdet eller predikatet, og "seierherren", "tanya" og "vladimir" er konstanter.
La være X, Y, Z- variabler. Bruke variabler X og Z, i det generelle tilfellet, kan vi skrive relasjonen " X er faren Z»På prologspråk:
far ( X, Z).
Bruk av overordnet predikat og variabler X, Y, Z, vil vi formulere en ny relasjon "bestefar", nemlig:
Hvis X er faren Z og
Z er faren Y
deretter X er en bestefar Y.
Denne formen for registrering av forholdet "Hvis ... Da" kalles produksjonsregel, produkter eller rett og slett regel.
På Prolog-språket er bestefarforholdet skrevet som følger:
bestefar ( X, Y): - far ( X, Z), far ( Z, Y).
Tegnet ": -" tolkes som "Hvis".
På eksemplet med forholdet "bestefar" er det formulert et generelt mønster for å definere begrepet "bestefar" gjennom begrepet "far". Navnet "vladimir", tatt uavhengig av holdningen, indikerer ikke noe. Kanskje dette er navnet på en person eller navnet på en by. På samme måte behandles numeriske eller andre data på samme måte, for eksempel i en datafil. Det gitte, tatt sammen med relasjonen, definerer en eller annen mening og representerer dermed kunnskap.
La oss vurdere egenskapene til kunnskap, der de skiller seg fra data.
1. Tolkbarhet... Dataene som er lagret i datamaskinens minne kan bare tolkes av det tilsvarende programmet. Data uten program bærer ingen informasjon, mens kunnskap har tolkning, siden den inneholder både data og tilhørende navn, beskrivelser, relasjoner, dvs. sammen med dataene presenteres informasjonsstrukturer som ikke bare gjør det mulig å lagre kunnskap, men også bruke den.
Data
Informasjon
Dataoperasjoner
Under informasjonsprosessen konverteres data fra en type til en annen. Med utviklingen av vitenskapelig og teknologisk fremgang og den generelle komplikasjonen av forbindelser i det menneskelige samfunn, øker lønnskostnadene for databehandling jevnt (den konstante komplikasjonen av betingelsene for å styre produksjon og samfunn + det raske tempoet i fremveksten og implementeringen av nye transportører / lagring av data - en økning i datavolumet).
1. Samling- akkumulering av data for å sikre tilstrekkelig fullstendig informasjon for å ta en beslutning;
2. Formalisering- bringe data fra forskjellige kilder til samme form for å gjøre dem sammenlignbare med hverandre, det vil si for å øke deres tilgjengelighetsnivå;
3. Filtrering- siling ut "unødvendige" data, som ikke er nødvendig for å ta beslutninger; samtidig bør nivået av "støy" reduseres, og påliteligheten og tilstrekkeligheten til dataene bør øke;
4. Sortering- databestilling i henhold til et gitt kriterium for brukervennlighet; øker tilgjengeligheten av informasjon;
5. Gruppering- kombinere data på et gitt grunnlag for å forbedre brukervennligheten; øker tilgjengeligheten av informasjon;
6. Arkivering- organisering av datalagring i en praktisk og lett tilgjengelig form; tjener til å redusere de økonomiske kostnadene ved å lagre data og øker den generelle påliteligheten til informasjonsprosessen som helhet;
7. Beskyttelse- et sett med tiltak rettet mot å forhindre tap, reproduksjon og endring av data;
8. Transport- mottak og overføring (levering og levering) av data mellom eksterne deltakere i informasjonsprosessen; datakilden i informatikk kalles vanligvis en server, og en forbruker kalles en klient;
9. Transformasjon- overføring av data fra en form til en annen eller fra en struktur til en annen. Eksempel: endre medietype; bøker - papir, elektronisk form, mikrofilm. Behovet for flere transformasjoner av data oppstår også under transporten deres, spesielt hvis den utføres med midler som ikke er beregnet for transport av denne typen data.
2. Forholdet mellom begrepene "informasjon, data, kunnskap". Dikw modell
Det finnes ingen universelle definisjoner.
Kunnskap- i teorien om kunstig intelligens og ekspertsystemer - et sett med informasjons- og slutningsregler (fra et individ, samfunn eller et AI-system) om verden, egenskaper til objekter, mønstre av prosesser og fenomener, samt reglene for bruk dem for å ta avgjørelser. Hovedforskjellen mellom kunnskap og data ligger i deres struktur og aktivitet; opptreden av nye fakta i databasen eller etablering av nye forbindelser kan bli en kilde til endringer i beslutningstaking.
Data er en samling av informasjon registrert på et bestemt medium i en form som er egnet for permanent lagring, overføring og behandling. Transformasjon og behandling av data gir informasjon.
Informasjon er resultatet av datatransformasjon og -analyse. Forskjellen mellom informasjon og data er at data er fast informasjon om hendelser og fenomener som er lagret på bestemte medier, og informasjon dukker opp som et resultat av databehandling ved løsning av spesifikke problemer. For eksempel lagrer databaser forskjellige data, og på en spesifikk forespørsel gir databasestyringssystemet den nødvendige informasjonen.
Å løse problemet data behandlet på grunnlag av tilgjengelig kunnskap, informasjon analysert ved hjelp av kunnskap. Basert på analysen foreslås løsninger, det beste aksepteres, og kunnskap fylles på.
Beslutninger tas på grunnlag av mottatt informasjon og tilgjengelig kunnskap. Å ta avgjørelser- Dette er valget av det beste, på en måte, et løsningsalternativ fra settet av tillatte basert på tilgjengelig informasjon.
DIKW (engelsk data, informasjon, kunnskap, visdom - data, informasjon, kunnskap, visdom) er et informasjonshierarki, hvor hvert nivå legger til visse egenskaper til forrige nivå.
Selve modellen sporer sin opprinnelse til filosofen Mortimer Adlers verk, men for første gang i anvendelse på kunnskapsledelsesteori ble den formalisert av Nicolas Henri. Som et tillegg i 1989 foreslo Russell Ackoff en utvidelse av denne modellen med "forståelse"-laget: forståelse krever analyse og predestinasjon, slik at den plasseres mellom kunnskap og visdom. Når det gjelder den tidsmessige fordelingen av lag, angir han kortheten til informasjonens livssyklus sammenlignet med kunnskapens livssyklus; forståelse betraktes som uendelig, og visdom tas som konstant
Nederst er datalaget.
Informasjon legger til kontekst.
Kunnskap legger til "hvordan" (bruksmekanisme)
Wisdom legger til "når" (vilkår for bruk)
Konsept, struktur, klassifisering, funksjoner ved intelligente systemer.
Et system kalles intelligent hvis det implementerer 3 grunnleggende funksjoner:
1. Representasjon og bearbeiding av kunnskap.
2. Resonnement.
3. Kommunikasjon.
Bruker
Funksjonelle mekanismer Kunnskapsgrunnlag
Strukturell kunnskap er kunnskap om driftsmiljøet. Metologisk kunnskap - kunnskap om kunnskapens egenskaper.
1. Biokjemisk (alt relatert til hjernen);
2. Programmatisk og pragmatisk retning (skrive programmer som erstatter funksjoner).
1. Lokal (oppgave) tilnærming: for hver oppgave, spesielle programmer som oppnår resultater som ikke er verre enn en person.
2. En systematisk tilnærming basert på kunnskap - opprettelsen av automatiseringsverktøy, opprettelsen av selve programmene.
3. En tilnærming som bruker metoden for prosedyreprogrammering - opprettelsen av algoritmer på naturlige språk.
Hoveddelene av IIT:
1. Kunnskapsledelse.
2. Formelle språk og semantikk.
3. Kvantesemantikk.
4. Kognitiv modellering.
5. Konvergerende (konvergerende) beslutningsstøttesystemer.
6. Evolusjonære genetiske algoritmer.
7. Nevrale nettverk.
8. Maur- og immunalgoritmer.
9. Ekspertsystemer.
10. Uklare sett og beregninger.
11. Ikke-monotone logikker.
12. Aktive multi-agent systemer.
13. Naturlig språkkommunikasjon og oversettelse.
14. Mønstergjenkjenning, spille sjakk.
Kjennetegn på problemområder der bruk av IIS er nødvendig:
1. Kvaliteten og effektiviteten til beslutningstaking.
2. Uklare mål.
3. Kaos, svingninger og kvantisering av oppførselen til omgivelsene.
4. Mangfoldet av faktorer som er utskiftbare med hverandre.
5. Svak formaliserbarhet.
6. Det unike (ikke-stereotypiske) av situasjonen.
7. Latens (hemmelighold) av informasjon.
8. Avvikende gjennomføring av planer, samt viktigheten av små handlinger.
9. Beslutningslogikkens paradoks.
Ustabilitet, mangel på fokus, kaos i miljøet
Data, informasjon og kunnskapskonsept. Egenskaper til kunnskap og deres forskjell fra data.
Informasjon er:
· All informasjon mottatt og overført, lagret av ulike kilder;
· Dette er hele settet med informasjon om verden rundt oss, om alle slags prosesser som skjer i den, som kan oppfattes av levende organismer, elektroniske maskiner og andre informasjonssystemer;
Dette er viktig informasjon om noe, når presentasjonsformen deres også er informasjon, det vil si at den har en formateringsfunksjon i samsvar med sin egen natur;
· Dette er alt som kan suppleres med vår kunnskap og forutsetninger.
Data kalles informasjon av faktisk karakter som beskriver objekter, prosesser og fenomener i fagområdet, samt deres egenskaper. I prosessene med databehandling går data gjennom følgende stadier av transformasjon:
· Den opprinnelige formen for dataeksistens (resultater av observasjoner og målinger, tabeller, oppslagsverk, diagrammer, grafer, etc.);
· Presentasjon på spesielle språk av databeskrivelser beregnet på inndata og behandling av innledende data på en datamaskin;
· Databaser om maskindatabærere.
Kunnskap - i teorien om kunstig intelligens og ekspertsystemer - er et sett med informasjons- og slutningsregler (for et individ, samfunn eller et AI-system) om verden, egenskaper til objekter, mønstre av prosesser og fenomener, samt reglene for å bruke dem til å ta beslutninger. Hovedforskjellen mellom kunnskap og data ligger i deres struktur og aktivitet; opptreden av nye fakta i databasen eller etablering av nye forbindelser kan bli en kilde til endringer i beslutningstaking.
For å sette kunnskap inn i et informasjonssystem, må den representeres av visse datastrukturer som tilsvarer det valgte utviklingsmiljøet for et intelligent system. Derfor, når du utvikler et informasjonssystem, blir kunnskap først akkumulert og presentert, og på dette stadiet er deltakelsen til en person obligatorisk, og deretter er kunnskap representert av visse datastrukturer som er praktiske for lagring og behandling på en datamaskin.
Kunnskap om IP finnes i følgende former:
· Innledende kunnskap (regler hentet fra praktisk erfaring, matematiske og empiriske avhengigheter, som gjenspeiler de gjensidige relasjonene mellom fakta; mønstre og trender som beskriver endringen i fakta over tid; funksjoner, diagrammer, grafer, etc.);
· Beskrivelse av den innledende kunnskapen ved hjelp av den valgte (et sett med logiske formler eller produksjonsregler, et semantisk nettverk, rammehierarkier, etc.);
· Representasjon av kunnskap ved datastrukturer som er beregnet for lagring og behandling i en datamaskin;
· Kunnskapsbaser om datalagringsmedier.
Kunnskap er en mer kompleks kategori enn data. Kunnskap beskriver ikke bare individuelle fakta, men også relasjonene mellom dem, derfor kalles kunnskap noen ganger strukturerte data. Kunnskap er et resultat av en persons mentale aktivitet rettet mot å generalisere hans erfaring oppnådd som et resultat av praktisk aktivitet.
Kunnskap oppnås som et resultat av å bruke noen behandlingsmetoder på de første dataene, koble eksterne prosedyrer.
DATA + BEHANDLINGSPROSEDYRE = INFORMASJON
INFORMASJON + BEHANDLINGSPROSEDYRE = KUNNSKAP
Et karakteristisk trekk ved kunnskap er at den ikke finnes i det opprinnelige systemet. Kunnskap oppstår som et resultat av å sammenligne informasjonsenheter, finne og løse motsetninger mellom dem, d.v.s. kunnskap er aktiv, deres utseende eller mangel fører til implementering av noen handlinger eller fremveksten av ny kunnskap. Kunnskap skiller seg fra data i nærvær av følgende egenskaper.
Kunnskapsegenskaper (fra forelesninger):
· Intern tolkning (data + metodedata). Metodologisk - strukturerte data som representerer egenskapene til de beskrevne enhetene med det formål å identifisere, søke, vurdere, administrere
Tilstedeværelsen av forbindelser (intern, ekstern), strukturen til forbindelsen
Mulighet for skalering (vurdering av forholdet mellom informasjonsenheter) - kvantitativ
Tilstedeværelsen av en semantisk metrikk (midler for å vurdere dårlig formaliserte informasjonsenheter)
· Tilstedeværelsen av aktivitet (ufullstendighet, unøyaktighet oppmuntrer dem til å utvikle seg, etterfylle).
Klassifisering av kunnskap
Kunnskap- formen for eksistens og systematisering av resultatene av menneskelig kognitiv aktivitet. Kunnskap hjelper mennesker til rasjonelt å organisere sine aktiviteter og løse ulike problemer som oppstår i prosessen.
Kunnskap(i teorien om kunstig intelligens og ekspertsystemer) - et sett med informasjons- og slutningsregler (fra et individ, samfunn eller et AI-system) om verden, egenskaper til objekter, mønstre av prosesser og fenomener, samt reglene for bruke dem til å ta beslutninger.
Hovedforskjellen mellom kunnskap og data ligger i deres struktur og aktivitet; opptreden av nye fakta i databasen eller etablering av nye forbindelser kan bli en kilde til endringer i beslutningstaking.
Det finnes ulike typer kunnskap:
Vitenskapelig,
Ikke-vitenskapelig,
Vanlig-praktisk (vanlig, sunn fornuft),
Intuitiv,
Religiøse osv.
Vanlig praktisk kunnskap er usystematisk, ubegrunnet, uskreven. Vanlig kunnskap tjener som grunnlag for en persons orientering i verden rundt seg, grunnlaget for hans daglige oppførsel og framsyn, men inneholder vanligvis feil og motsetninger. Vitenskapelig kunnskap basert på rasjonalitet er preget av objektivitet og universalitet, og hevder å være av generell gyldighet. Dens oppgave er å beskrive, forklare og forutsi virkelighetens prosess og fenomen. Ikke-vitenskapelig kunnskap produseres av et visst intellektuelt fellesskap i henhold til standarder som skiller seg fra rasjonalistiske normer, og har sine egne kilder og erkjennelsesmidler.
Klassifisering av kunnskap
I. av natur. Kunnskap kan være deklarativ og prosedyremessig.
Deklarativ kunnskap inneholder bare en idé om strukturen til visse konsepter. Denne kunnskapen er nær data, fakta. For eksempel: en høyere utdanningsinstitusjon er et sett med fakulteter, og hvert fakultet er på sin side et sett med avdelinger. Prosedyremessig kunnskap er av aktiv karakter. De definerer ideer om midler og måter å skaffe ny kunnskap, testing av kunnskap. Dette er forskjellige typer algoritmer. For eksempel: en idédugnadsmetode for å finne nye ideer.
II. etter graden av vitenskaplighet. Kunnskap kan være vitenskapelig og ekstra-vitenskapelig.Vitenskapelig kunnskap kan være:
1) empirisk (basert på erfaring eller observasjon);
2) teoretisk (basert på analyse av abstrakte modeller, analogier, skjemaer som gjenspeiler strukturen og naturen til prosesser, dvs. generalisering av empiriske data).
Ekstravitenskapelig kunnskap kan være:
paravitenskapelig kunnskap - lære eller refleksjoner om fenomener, hvis forklaring ikke er overbevisende sett fra kriteriene for vitenskapelig karakter.
pseudovitenskapelig - bevisst utnytter formodninger og fordommer.
kvasi-vitenskapelig - de leter etter støttespillere og tilhengere, og stoler på metoder for vold og tvang. Kvasivitenskapelig kunnskap blomstrer som regel i forhold til en strengt hierarkisk vitenskap, hvor kritikk av makthavere er umulig, hvor det ideologiske regimet er stivt manifestert. (I Russlands historie er periodene med "kvasivitenskapens triumf" velkjent: Lysenkoisme; fiksisme, etc.)
antivitenskapelig - som utopiske og bevisst forvrengende ideer om virkeligheten.
pseudovitenskapelig - representere en intellektuell aktivitet som spekulerer på et sett med populære teorier (historier om eldgamle astronauter, om Bigfoot, om Loch Ness-monsteret)
hverdagspraktisk - levere elementær informasjon om naturen og den omkringliggende virkeligheten. Hverdagskunnskap inkluderer sunn fornuft, varsler, oppbyggelser, oppskrifter, personlig erfaring og tradisjoner. Selv om den fikser sannheten, gjør den det ikke systematisk og uten bevis.
personlig - avhengig av evnene til et bestemt emne og på egenskapene til hans intellektuelle kognitive aktivitet. Kollektiv kunnskap er generelt betydelig (transpersonlig), den forutsetter tilstedeværelsen av begreper, metoder, teknikker og konstruksjonsregler som er felles for hele systemet. III. etter sted
Tildele personlig(implisitt, skjult, men likevel uformalisert) kunnskap og formalisert(eksplisitt) kunnskap.
Implisitt kunnskap- kunnskap om personer som ennå ikke er formalisert og ikke kan overføres til andre personer.
Formalisert på noe språk (eksplisitt) kunnskap:
kunnskap i dokumenter;
kunnskap om CDer;
kunnskap om personlige datamaskiner;
kunnskap på Internett;
kunnskap i kunnskapsbaser;
kunnskap i ekspertsystemer, hentet fra den tause kunnskapen til menneskelige eksperter.
Kunnskapens særegne kjennetegn er fortsatt tvetydige i filosofien. I følge de fleste tenkere, for at noe skal anses som kunnskap, må det oppfylle tre kriterier:
a) være kontrollerbar,
b) være sann,
c) pålitelig.
Lignende informasjon.
