Интеллектуальные информационные системы вопросы к экзамену

1. Основные
   понятия искусственного интеллекта.

2. Философские
   аспекты проблемы систем искусственного
   интеллекта (возможность существования,
   безопасность, полезность).

3. История
   развития систем искусственного
   интеллекта.

4. Основные
   подходы к построению систем искусственного
   интеллекта.

5. Архитектура
   и основные составные части систем
   искусственного интеллекта.

6. Структура
   и функции интеллектуальных информационных
   систем.

7. Разновидности
   интеллектуальных информационных
   систем.

8. Понятие
   образа. Проблема обучения распознаванию
   образов.

9. Геометрический
   и структурный подходы к распознаванию
   образов.

10. Гипотеза
    компактности представления образов.

11. Обучение
    и самообучение. Адаптация и обучение
    (основные понятия и проблемы).

12. Персептроны.
    Назначение, обобщенная схема, виды
    персептронов, принципы работы.

13. Основные
    теоремы о персептронах. Достоинства и
    недостатки персептонных систем.

14. Нейронные
    сети, основные понятия. История
    исследований в области нейронных сетей.

15. Модель
    нейронной сети с обратным распространением
    ошибки (back propagation).

16. Самообучаемые
    нейронные сети.

17. Нейронная
    сеть Хопфилда. Назначение, архитектура,
    принципы работы, достоинства и недостатки.

18. Нейронная
    сеть Хемминга. Назначение, архитектура,
    принципы работы, достоинства и недостатки.

19. Метод
    потенциальных функций при расчете
    параметров нейронных сетей.

20. Метод
    наименьших квадратов при расчете
    параметров нейронных сетей.

21. Общая
    схема построения алгоритмов метода
    группового учета аргументов (МГУА).

22. Метод
    ковариационно-квадратичного моделирования
    нейронных сетей.

23. Метод
    предельных упрощений.

24. Выбор
    коллективов решающих правил при расчете
    коэффициентов нейронных сетей.

25. Кластерный
    анализ структуры многомерных образов.

26. Классификационные
    процедуры иерархического типа.

27. Общая
    характеристика алгоритмических моделей
    реализации неформальных процедур,
    недостатки алгоритмического подхода.

28. Продукционные
    модели реализации неформальных процедур.
    Назначение, преимущества и недостатки
    классических продукционных моделей.

29. Режим
    возвратов при использовании продукционных
    моделей.

30. Продукционные
    системы с логическим выводом, назначение,
    преимущества и недостатки.

31. Продукционные
    системы с исключениями, их преимущества.

32. История
    возникновения и развития языка
    логического программирования «Пролог».
    Области применения Пролога. Преимущества
    и недостатки языка Пролог.

33. Хорновские
    дизъюнкты. Принцип резолюций. Алгоритм
    унификации.

34. Процедура
    доказательства теорем методом резолюций
    для хорновских дизъюнктов.

35. Основные
    понятия Пролога. Предложения: факты и
    правила. Цели внутренние и внешние.
    Отношения (предикаты). Переменные
    свободные и связанные. Анонимная
    переменная.

36. Процедура
    отсечения. «Зеленые» и «красные»
    отсечения.

37. Семантические
    модели Пролога: декларативная и
    процедурная.

38. Рекурсия.
    Достоинства и недостатки рекурсии.
    Хвостовая рекурсия. Организация циклов
    на основе рекурсии. Вычисление факториала.

39. Структура
    программы на Прологе.

40. Домены:
    стандартные, списковые, составные.
    Альтернативные домены.

41. Управление
    выполнением программ на Прологе.

42. Метод
    поиска в глубину. Откат после неудачи.
    Отсечение и откат. Метод поиска,
    определяемый пользователем.

43. Списки.
    Рекурсивное определение списка. Операции
    над списками.

44. Сортировка
    списков. Нахождение суммы элементов
    списка, среднего и минимального значений;
    алгоритмы сортировки списков: пузырьковый,
    выбором, вставкой, слиянием, быстрая
    сортировка.

45. Реализация
    множеств в Прологе. Операции над
    множествами: превращение списка во
    множество, принадлежность элемента
    множеству, объединение, пересечение,
    разность, включение, дополнение.

46. Применение
    Пролога в области искусственного
    интеллекта.

47. Основные направления
    развития интеллектуальных информационных
    систем.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

• #
• #
• #
• #
• #
• #
• #
• #
• #
• #
• #

Предложите, как улучшить StudyLib

(Для жалоб на нарушения авторских прав, используйте

другую форму
)

Вопросы по ИИС для ГОС 4 курс

1. Что такое искусственный
   интеллект? Основные этапы развития научной области ИИ.
2. Тест Тьюринга. Основные
   особенности интеллектуальной программы. Полный тест Тьюринга.
3. Основные и дополнительные
   направления исследований в области ИИ. Современные достижения в области
   ИИ.
4. Понятие СОЗ – система,
   основанная на знаниях. Соотношение СОЗ и интеллектуальных систем. Базы
   данных и базы знаний. 
5. Классификация ИИС.
6. Экспертные системы.
   Характеристика первых экспертных систем Mycin и Dendral.
7. Данные и знания. Информация. Основные понятия.
8. Системы, основанные на знаниях. Экспертные системы.
9. Особенности знаний и их отличие от данных. Декларативные и
   процедурные знания.
10. Понятие данных, информации,
    знаний. Трансформация знаний и данных при их обработке на ЭВМ.
11.  Структура экспертной системы. Основные разработчики
    экспертных систем.
12.  Классификация экспертных систем.
13.  Технология и этапы проектирования экспертной системы.
14.  Понятие синтаксиса и семантики Языка представления
    знаний. Синтаксис и семантика логической программы.
15.  Обратный логический вывод в системе логического
    программирования Пролог (на основе обобщенного правила Modus Ponens).
16.  Структура данных — списки. Построение дерева поиска
    решений логической программы.
17. Синтаксис и семантика логической программы.
18. Унификация и ее использование в системе логического
    программирования.
19.  Представление знаний. Правила продукций. Продукционные
    экспертные системы.
20. Представление знаний в логике высказываний. Синтаксис и
    семантика пропозициональной логики.
21. Понятие логического следствия в логике высказываний.
    Теорема дедукции и ее смысл.
22.  Прямой логический вывод в продукционных ЭС на основе
    правила Modus Ponens.
23.  Обратный логический вывод в продукционных ЭС на основе
    правила Modus Ponens.
24. Построение дерева вывода системой Пролог. На собственном
    примере.
25. Обобщенное правило Modus Ponens и его использование в
    системах логического вывода.
26.  Семантические сети. Основные типы отношений в
    семантических сетях. Механизм наследования.
27. Использование семантических сетей для анализа смысла
    предложений. Типы отношений.
28. Хорновские базы знаний. Основные особенности и
    преимущества.
29.  Правила построения семантических сетей для представления
    знаний. .
30.  Вывод в семантических сетях. Механизм наследования.
31.  Теория фреймов. Структура фрейма. Слоты и присоединенные
    процедуры.
32.  Теория фреймов. Механизм вывода на фреймах. Роль
    процедурной компоненты (процедуры-демоны, служебные процедуры).
33.  Теория фреймов. Системы фреймов. Фрейм – визуальный
    образ.
34. Теория фреймов. Системы фреймов. Фрейм –сценарий.
35. Реализация фреймовой модели представления знаний на
    примере решения задачи Эйнштейна
36. Способ формализации фреймов-сценариев.
37. Механизмы приспособления фрейма к реальной ситуации.
38.  Механизм вероятностного вывода на основе правила Байеса и
    коэффициентов уверенности.
39. Стохастический подход к описанию неопределенности.
    Байесовские рассуждения.
40.  Основные понятия теории нечетких множеств. Операции над
    нечеткими множествами.
41.  Нечеткий подход к описанию неопределенности. Понятия
    нечеткой и лингвистической переменной.
42.  Основные понятия нечеткой логики. Нечеткие высказывания и
    предикаты.
43. Понятие онтологии. Классификация онтологий.
44. Структура онтологического инжиниринга. Редакторы
    онтологий.
45. Методология формирований онтологий в редакторе Protégé. Последовательность
    создания онтологий.

Авдеенко Т.В.

Вопросы к экзамену по курсу «Интеллектуальные информационные системы»

1. Определение искусственного интеллекта.

Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) — наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

2. Тест Тьюринга.

Тест Тьюринга сравнивает способности предположительно разумной машины со способностями человека — лучшим и единственным стандартом разумного поведения. В тесте, который Тьюринг назвал «имитационной игрой», машину и ее человеческого соперника (следователя) помешают в разные комнаты, отделенные от комнаты, в которой находится «имитатор». Следователь не должен видеть их или говорить с ними напрямую — он сообщается с ними исключительно с помощью текстового устройства, например, компьютерного терминала. Следователь должен отличить компьютер от человека исключительно на основе их ответов на вопросы, задаваемые через это устройство. Если же следователь не может отличить машину от человека, тогда, утверждает Тьюринг, машину можно считать разумной.

Изолируя следователя от машины и другого человека, тест исключает предвзятое отношение — на решение следователя не будет влиять вид машины или ее электронный голос. Следователь волен задавать любые вопросы, не важно, насколько окольные или косвенные, пытаясь раскрыть «личность» компьютера. Например, следователь может попросить обоих подопытных осуществить довольно сложный арифметический подсчет, предполагая, что компьютер скорее даст верный ответ, чем человек. Чтобы обмануть эту стратегию, компьютер должен знать, когда ему следует выдать ошибочное число, чтобы показаться человеком. Чтобы обнаружить человеческое поведение на основе эмоциональной природы, следователь может попросить обоих субъектов высказаться по поводу стихотворения или картины. Компьютер в таком случае должен знать об эмоциональном складе человеческих существ.

Этот тест имеет следующие важные особенности.

1. Дает объективное понятие об интеллекте, т.е. реакции заведомо разумного существа на определенный набор вопросов. Таким образом, вводится стандарт для определения интеллекта, который предотвращает неминуемые дебаты об «истинности» его природы.

2. Препятствует заведению нас в тупик сбивающими с толку и пока безответными вопросами, такими как: должен ли компьютер использовать какие-то конкретные внутренние процессы, или же должна ли машина по-настоящему осознавать свои действия.

3. Исключает предвзятость в пользу живых существ, заставляя опрашивающего сфокусироваться исключительно на содержании ответов на вопросы.

Благодаря этим преимуществам, тест Тьюринга представляет собой хорошую основу для многих схем, которые используются на практике для испытания современных интеллектуальных программ. Программа, потенциально достигшая разумности в какой-либо предметной области, может быть испытана сравнением ее способностей по решению данного множества проблем со способностями человеческого эксперта. Этот метод испытания всего лишь вариация на тему теста Тьюринга, группу людей просят сравнить «вслепую» ответы компьютера и человека. Как видим, эта методика стала неотъемлемым инструментом как при разработке, так и при проверке современных экспертных систем.

Тест Тьюринга, несмотря на свою интуитивную притягательность, уязвим для многих оправданных нападок. Одно из наиболее слабых мест — пристрастие в пользу чисто символьных задач. Тест не затрагивает способностей, требующих навыков перцепции или ловкости рук, хотя подобные аспекты являются важными составляющими человеческого интеллекта. Иногда же, напротив, тест Тьюринга обвиняют в попытках втиснуть машинный интеллект в форму интеллекта человеческого. Быть может, машинный интеллект просто настолько отличается от человеческого, что проверять его человеческими критериями — фундаментальная ошибка? Нужна ли нам, в самом деле, машина, которая бы решала математические задачи так же медленно и неточно, как человек’? Не должна ли разумная машина извлекать выгоду из своих преимуществ, таких как большая, быстрая, надежная память, и не пытаться сымитировать человеческое познание? На самом деле, многие современные практики ИИ говорят, что разработка систем, которые бы выдерживали всесторонний тест Тьюринга, — это ошибка, отвлекающая нас от более важных, насущных задач: разработки универсальных теорий, объясняющих механизмы интеллекта люден и машин и применение этих теорий к проектированию инструментов для решения конкретных практических проблем. Все же тест Тьюринга представляется нам важной составляющей в тестировании и «аттестации» современных интеллектуальных программ.

Тьюринг также затронул проблему осуществимости построения интеллектуальной программы на базе цифрового компьютера Размышляя в терминах конкретной вычислительной модели (электронной цифровой машины с дискретными состояниями), он сделал несколько хорошо обоснованных предположении касательно ее объема памяти, сложности программы и основных принципов проектирования такой системы. Наконец, он рассмотрел множество моральных, философских и научных возражений возможности создания такой программы средствами современной технологии. Отсылаем читателя к статье Тьюринга за познавательным и все еще актуальным изложением сути споров о возможностях интеллектуальных машин.

Два возражения, приведенных Тьюрингом, стоит рассмотреть детально. «Возражение леди Лавлейс». впервые сформулированное Адой Лавлейс, сводится к тому, что компьютеры могут делать лишь то, что им укажут, и, следовательно, не могут выполнять оригинальные (читай: разумные) действия. Однако экспертные системы, особенно в области диагностики, могут формулировать выводы, которые не были заложены в них разработчиками. Многие исследователи считают, что творческие способности можно реализовать программно.

Другое возражение «аргумент естественности поведения», связано с невозможностью другое создания набора правил, которые бы говорили индивидууму, что в точности нужно делать при каждом возможном стечении обстоятельств. Действительно, гибкость, позволяющая биологическому разуму реагировать практически на бесконечное количество различных ситуаций приемлемым, если даже и не оптимальным образом – отличительная черта разумного поведения. Справедливо замечание, что управляющая логика, используемая в большинстве традиционных компьютерных программ, не проявляет великой гибкости или силы воображения, но неверно, что все программы должны писаться подобным образом. Большая часть работ в сфере ИИ за последние 25 лет была направлена на обработку таких языков программирования и моделей, призванных устранить упомянутый недостаток, как продукционные системы, объектные системы, сетевые представления и другие модели, обсуждаемые в этой книге.

Современные программы ИИ обычно состоят из набора модульных компонентов, или правил поведения, которые не выполняются в жестко заданном порядке, а активизируются по мере надобности в зависимости от структуры конкретной задачи. Системы обнаружения совпадений позволяют применять общие правила к целому диапазону задач. Эти системы необычайно гибки, что позволяет относительно маленьким программам проявлять разнообразное поведение в широких пределах, реагируя на различные задачи и ситуации.

Можно ли довести гибкость таких программ до уровня живых организмов, все еще предмет жарких споров. Нобелевский лауреат Герберт Саймон сказал, что большей частью своеобразие и изменчивость поведения, присущие живым существам, возникли скорее благодаря сложности их окружающей среды, чем благодаря сложности их внутренних «программ». В Саймон описывает муравья, петляющего по неровной, пересеченной поверхности. Хотя путь муравья кажется довольно сложным, Саймон утверждает, что цель муравья очень проста- вернуться как можно скорее в колонию. Изгибы и повороты его пути вызваны встречаемыми препятствиями. Саймон заключает, что:

«Муравей, рассматриваемый в качестве проявляющей разумное поведение системы, на самом деле очень прост. Кажущаяся сложность его поведения в большей степени отражает сложность среды, в которой он существует».

Поделитесь с Вашими друзьями: