Искусственный интеллект


Сдавался/использовался	2001г.
	Загрузить архив:
	Файл: 015-0053.zip (58kb [zip], Скачиваний: 40) скачать

ВВЕДЕНИЕ.

Искусственный интеллект – самое молодое научное направление. Появление его было подготовлено развитием мощности вычислительных машин.

Искусственный интеллект занимает исключительное положение. Это связано со следующим:

1) часть функций программирования в настоящее время оказалось возможным передать машине. При этом общение с машиной происходит на языке, близком к разговорному. Для этого в ЭВМ закладывают огромную базу знаний, способы решения, процедуры синтеза, программы, а также средства общения, позволяющие пользователю легко общаться с ЭВМ.

2) В связи с внедрением ЭВМ во все сферы человеческой жизни становится возможным переход к безбумажной технологии обработки информации.

3) Если раньше производство ориентировалось на обязательное участие человека, то в настоящее время находят применение безлюдные технологии, основанные на роботизации и автоматизации системы управления.

4) Интеллектуальные системы в настоящее время начинают занимать ведущее положение в проектировании образцов изделий. Часть изделий невозможно спроектировать без их участия.

Системы, относящиеся к системам ИИ в настоящее время:

1) Экспертные системы. Первые системы, которые нашли широкое применение. Их элементы используются в системах проектирования, диагностики, управления и играх. Основаны на вводе знаний высококвалифицированных специалистов ( экспертов ) в ЭВМ и разработке специальной системы по их использованию.

2) Системы естественно - языкового общения ( подразумевается письменная речь ). Данные системы позволяют производить обработку связанных текстов по какой – либо тематике на естественном языке.

3) Системы речевого общения. Состоят из двух частей:

- системы восприятия речи

- системы воспроизведения речи.

4) Системы обработки визуальной информации. Находят применение в обработке аэрокосмических снимков, данных, поступающих с датчиков, роботов и автоматизированных систем.

5) Системы машинного перевода. Подразумеваются естественные языки человеческого общения.

6) Системы автоматического проектирования. Без этих систем не может обойтись ни одно крупное машиностроительное предприятие.

CИСТЕМЫ АВТОМАТИЧЕСКОГО ПРОЕКТИРОВАНИЯ.

В настоящее время в промышленности используется большое количество таких систем в машиностроении, строительстве, научных испытаниях, обучающих системах. Во всех этих системах производится обработка визуальной информации как в плоскости, так и в пространстве. Рассмотрим систему обработки плоскостной информации на базе интерактивной геометрии ИСАП “SPRUT”.

С помощью данной системы можно создавать свои собственные системы проектирования, используя программные инструменты, предоставляемые пакетами системы SPRUT”. Одним из таких пакетов является интерактивная геометрия SIGI. Она предназначена для определения на плоскости геометрических элементов в режиме диалога. Подсистема не требует ввода операторов с клавиатуры. Не требует знания языка геометрического процессора. Подсистема позволяет выполнять следующие функции:

1) определять элементарные геометрические объекты ( точка, прямая, окружность)

2) из этих объектов формировать составные объекты - контуры

3) производить модификацию объектов

4) обмен геометрической информацией между подсистемой SIGI и программой на языке монитора SPRUT

5) подготавливать исходный текст геометрических определений на языке геометрического процессора

6) осуществлять действия над геометрическими элементами ( удаление, просмотр, копирование, перемещение, экспортирование)

7) импортирование геометрических элементов из других систем: форматы DXF, DOC, DAT.

ДОПОЛНИТЕЛЬНЫЕ СРЕДСТВА .

1) многооконная интерактивная среда ( набор меню, набор пиктограмм подсказки )

2) механизм управления параметрами отображения графических элементов на дисплее ( масштабирование, смещение, задание нового рабочего окна )

3) развитая система подсказок позволяет в любой момент времени получить справку по текущей выполняемой функции и к любому элементу системы на русском языке.

ЭКСПЕРТНЫЕ СИСТЕМЫ.

Введение:

Экспертные системы составляют самую существенную часть систем искусственного интеллекта. Экспертная система обычно определяется как программа ЭВМ, моделирующая действия эксперта человека при решении задач в узкой предметной области: составление базы знаний и накопления их. В настоящее время появились области практической деятельности, в которых без элементов экспертных систем практически невозможно обойтись. Традиционная обработка данных не соответствует нашим схемам представления. Создание систем базы данных - это попытка задать представление логических связей между данными. Выполняемая экспертом обработка знаний строится на базе огромных запасов информации, представленных в самой различной форме. При этом часть информации может быть неполной. Процесс, с помощью которого эксперт обирает, синтезирует и преобразует исходные знания, часто непонятен. Если мы желаем автоматизировать этот процесс, то нам надо уметь представлять типичные подходы, применяемые экспертом при решении различных задач. Традиционные методы представления не справляются с подобной задачей.

ОБЩИЕ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

В ЭКСПЕРТНЫХ СИСТЕМАХ.

При представлении знаний реальные объекты группируются на классы:

Иванов , Петров … - Личности (Класс )

Достоинства любой классификации в частичном решении проблемы переполнения памяти, так как в этом случае достаточно помнить характеристики класса, а не каждый объект в отдельности. Кроме классов определяют отношения между классами.

Знания об объектах и их взаимоотношениях позволяют провести классификацию объектов. Рассмотренный тип значений называют декларативными значениями. Второй тип значений - правила. Правила используются для представления какого - либо процесса обработки знаний.

Эксперты применяют правила и процедуры, непонятные для неспециалистов. Зачастую сам эксперт не в состоянии понять осознанный процесс обработки знаний.

Третий необходимый компонент представления знаний - управляющая структура. Она определяет способ применения различных правил, то есть какое правило должно применяться следующим

1) классы и отношения между классами

2) правила

3) управляющая структура.

ТИПЫ ЭКСПЕРТНЫХ СИСТЕМ.

По функциональному назначению экспертные системы можно разделить на следующие типы:

1) Мощные экспертные системы, рассчитанные на узкий круг пользователей ( системы управления сложным технологическим оборудованием, экспертные системы ПВО ). Такие системы обычно работают в реальном масштабе времени и являются очень дорогими.

2) Экспертные системы, рассчитанные на широкий круг пользователей. К ним можно отнести системы медицинской диагностики, сложные обучающие системы. База знаний этих систем стоит недешево , так как содержит уникальные знания, полученные от специалистов экспертов. Сбором знаний и формированием базы знаний занимается специалист по сбору знаний - инженер – когнитолог.

3) Экспертные системы с небольшим числом правил и сравнительно недорогих. Эти системы рассчитаны на массового потребителя (системы, облегчающие поиск неисправностей в аппаратуре ). Применение таких систем позволяет обойтись без высококвалифицированного персонала, уменьшить время поиска и устранения неисправностей. Базу знаний такой системы можно дополнять и изменять, не прибегая к помощи разработчиков системы. В них обычно используются знания из различных справочных пособий и технической документации.

4) Простые экспертные системы индивидуального использования. Часто изготавливаются самостоятельно. Применяются в ситуациях, чтобы облегчить повседневную работу. Пользователь, организовав правила в некоторую базу знаний, создает на ее основе свою экспертную систему. Такие системы находят применение в юриспруденции, коммерческой деятельности, ремонте несложной аппаратуре. Одна из таких систем, которая может быть .

НАЗНАЧЕНИЕ И ОСОБЕННОСТИ ЭКСПЕРТНЫХ СИСТЕМ .

Знания специалистов в конкретной области можно разделить на формализованные ( точные ) и неформализованные ( неточные ).

Неформализованные знания являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Они обычно представляют собой многообразие эвристических приемов и правил, не отражаемых в книгах.

Традиционно программирование в качестве основы для разработки программ используют алгоритм, то есть формализованные знания. Экспертные системы обладают следующими особенностями:

1) Алгоритм решения неизвестен заранее. Он строится самой экспертной системой в процессе решения.

2) Ясность получаемых решений, то есть способность экспертной системы объяснять получаемое решение.

3) Способность экспертной системы к анализу и объяснению своих действий.

4) Способность приобретения новых знаний от пользователя - эксперта, незнающего программирования.

5) Обеспечения дружественного естественного языка при общении с пользователем, благодаря которому экспертная система позволяет не только решать поставленные задачи, но и обучать решению соответствующих задач.

ЗНАНИЯ И ИХ ПРЕДСТАВЛЕНИЕ.

Если рассматривать знания с точки зрения решения задач, их удобно разделить на две большие категории: факты и эвристику.

Факты - это хорошо известные для данной предметной области обстоятельства, освещенные в учебниках и литературе.

Эвристика основывается на опыте специалиста. Сюда входят способы комплектования знаний, способы удаления бесполезных знаний, способы использования нечеткой информации.

Знания , кроме того, можно разбить на факты и правила. В данном случае под фактами понимаются значения типа: “А это “А” -определение”.

Они хранятся в базах данных. Под правилами подразумеваются знания типа : “Если…, то ….”. Кроме них существуют так называемые метазнания ( знания о знаниях ). Это понятие необходимо для управления базой знаний, логическим выводом и обучением. Знания обычно имеют классификацию, характерную не только для фактов, но и для правил. Обобщая знания, используемые в науке, их можно представить в следующей последовательности:

Процедурные (закрытые )

1) Конечный автомат.

2) Программа.

3) Скрипт ( сценарий ).

4) Сематическая сеть.

5) Фрейм ( прототип ).

6) Графы.

7) Формальная спецификация.

8) Исчисления предикатов.

9) Теоремы, правила записи.

10) Продукционные системы.

11) Предложения на естественном языке.

Декларативные (открытые ).

Скрипт – описание стереотипного сценария с участием определенных объектов. Обладает большими возможностями для описания динамических аспектов знаний.

Семантическая сеть – граф, объединяющий программы, скрипты и связи между ними. Имеет много общего с реляционными базами данных.

ИНСТРУМЕНТЫ ПОСТРОЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ.

В настоящее время существует очень много средств для построения экспертных систем. Они отличаются:

1) Способом представления знаний.

2) Механизмами получения решений.

3) Интерфейсами общения с пользователями.

4) Размерами разрабатываемых баз знаний.

5) Используемым оборудованием и его стоимостью.

Из средств, которые сейчас нашли применение, можно создать классификацию:

1) Символьные языки, ориентированные на создание экспертных систем и систем искусственного интеллекта ( LISP, SMALLTALK ). Содержит минимальные специальные средства для создания экспертных систем. С помощью них можно проводить обычное программирование.

2) Языки инженерных знаний ( языки высокого уровня, ориентированные на построение экспертных систем: PROLOG, OPS –5 ). Данные языки включают в себя, кроме способов представления знаний, встроенный механизм поиска и вывода. Требует привлечения инженера по знаниям и программиста.

3) Системы автоматической разработки экспертных систем , ориентированные на знания: ART, TIMM. Содержит несколько разнородных средств представления знаний, богатый набор организации интерфейсов, встроенный механизм вывода.

4) Оболочки экспертных систем: EMYCIN, ЭКСПЕРТ. Они составляют 50 - 60% всех экспертных систем. Трудозатраты по созданию на них конкретных систем минимальны, так как они представляют собой пустую экспертную систему. Необходимо, чтобы область знаний подходила к данной оболочке.

СТРУКТУРА ИДЕАЛЬНОЙ ЭКСПЕРТНОЙ СИСТЕМЫ.

База

знаний

Модуль

приобретения

знаний

Механизм

логического

вывода

Модуль

советов и

объяснений

Определение,

Модификация,

Дополнение

Замечания,

Объяснения

Ввод

данных

Пользовательский интерфейс

База знаний включает в себя правила и общие факты. Механизм логического вывода включает в себя рабочую память и механизм логического вывода. Рабочая память ( база данных ) используется для хранения промежуточных результатов. Экспертная система работает в двух режимах:

1) Режим приобретения знаний ( определение, модификация, дополнение ).

2) Режим решения задач. Используются пользователем экспертные системы. В этом режиме данные о задаче обрабатываются пользовательским интерфейсом и после соответствующей кодировки передаются в блоки экспертной системы.

Результаты обработки полученных данных поступают в модуль советов и объяснений и после перекодировки на язык, близкий к естественному, выдаются в виде советов, объяснений и замечаний. Если ответ не понятен пользователю, он может потребовать от экспертной системы объяснения его получения.

УЧАСТНИКИ СОЗДАНИЯ ЭКСПЕРТНОЙ СИСТЕМЫ.

Разработчик

инструмента

Средства

построения ЭС

Предметный

эксперт

Инженер по

знаниям

Конечный

пользователь

Клерки

ЭС

разрабатывает

Использует

спрашивает

Проверяет, расширяет

использует

Добавляют

информацию

Разрабатывает,

уточняет,

тестирует

В разработке экспертной системы участвуют представители следующих специальностей:

1) эксперт - специалист в конкретной предметной области

2) инженер по знаниям - специалист по разработке экспертных систем

3) программист – специалист по разработке инструментальных средств создания экспертной системы.

Эксперт определяет соответствующий круг знаний, обеспечивает их полноту и правильность введения экспертной системы.

Инженер по знаниям выявляет совместно с экспертом структурированность знаний, выбор инструментального средства, программирует стандартные функции, которые будут использоваться в правилах экспертной системы.

Программист разрабатывает инструментальные средства, содержащие все компоненты создания экспертных систем. Осуществляет сопряжение экспертных систем с пользователем. В использовании экспертных систем участвуют специалисты:

1) Конечный пользователь.

2) Клерк.

Конечный пользователь имеет возможность только использования экспертных систем. Клерки могут добавлять , модифицировать базу знаний экспертной системы.

СПОСОБЫ ОПИСАНИЯ ЗНАНИЙ

При разработке экспертных систем наибольшее применение нашли следующие способы описания знаний:

- логические модели

- сетевые модели

- продукционные модели

- фреймовые модели

Логические модели. В основе их описания лежит формальная система с четырьмя элементами: М=< Т, Р, А, В > , где

Т – множество базовых элементов различной природы с соответствующими процедурами.

Р – множество синтаксических правил. С их помощью из элементов Т образуют синтаксически правильные совокупности. Процедура П(Р) определяет, является ли эта совокупность правильной.

А- подмножество множества Р, называемых аксиомами. Процедура П(А) дает ответ на вопрос о принадлежности к множеству А.

В – множество правил вывода. Применяя их к элементам А, можно получить новые синтаксически правильные совокупности, к которым можно применить эти правила снова. Процедура П(В) определяет для каждой синтаксически правильной совокупности, является ли она выводимой. Наиболее приемлем данный тип моделей для знаний типа геометрии.

В данной системе множество А вводится в базу знаний. В базу знаний вводятся также правила вывода. Используя данные базы знаний и условия поставленной задачи, можно определить, является ли поставленная задача синтаксически правильной совокупностью , то есть является ли она выводимой из данной базы знаний.

Сетевые модели. К сетевым моделям относятся знания, формально задаваемые в следующем виде: H= < I, C₁, C₂, …..C_n, G >, где

I – множество единиц информации.

C₁,……C_n - множество типов связи между информационными единицами.

G – задание связи из данного набора.

C_K

В зависимости от типа связи семантические сети подразделяют на:

· классифицирующие,

· функциональные,

· сценарии.

В классифицирующие сети вводят различные иерархические отношения между единицами информации. Такие отношения используются в биологии. Функциональные сети описывают процедуры вывода одних информационных единиц через другие. В сценариях используют казуальные отношения, то есть типа средства – результат, орудие – действие.

Продукционные модели. Данный тип модели является промежуточным между логическими и сетевыми моделями. Из логических моделей здесь заимствована идея правил вывода, которая называется продукцией, из сетевых - описание знаний в виде семантической сети. Данный тип представления знаний является сейчас наиболее широко используемым. При работе продукционные модели в результате применения правил вывода происходит трансформация семантической сети за счет смены фрагментов и исключения добавления элементов.

Фреймовые модели. Во фреймовых моделях жестко фиксируется структура представления информации, называемая протофреймом. Протофрейм – структурная единица информации, из которой порождаются другие типы информации. Он состоит из:

Имя фрейма

Имя слота ( значение слота)

Имя слота ( значение слота ).

ПРОДУКЦИОННЫЕ МОДЕЛИ.

Продукции наряду с фреймами являются наиболее популярными формами представления знаний. Продукции наиболее наглядно отражают знания, чем другие модели представления знаний. В общем виде продукция может быть представлена выражением следующего вида: i ; Q ; P ; A => B ; N , где:

I - имя продукции. В качестве имени может выступать порядковый номер или выражение из символов, отражающее суть данной продукции. Пример : покупка книг.

Q – элемент, характеризующий сферу применения. Он позволяет разделить знания на области, что экономит время поиска нужных знаний.

А => В - основной элемент продукции, называемый ядром. Под ним понимаются выражения типа: если А, то В. Сложная конструкция :

Если А , то В1 , иначе В2.

Р - условие применения ядра продукции. Обычно Р представляется логическим выражениям. Если выражение Р - ложно, то ядро не может быть исполнено.

Р А=>В

Наличие денег “ Если хочешь купить вещь Х, то

Заплати в кассу ее стоимость.”

N - описание постусловия продукции. Здесь описываются действия и процедуры, которые необходимо выполнить после реализации. Например: уменьшить количество вещей на складе после соответствующей покупки.

Все продукции объединяют в систему. В системе продукций должны быть специальные процедуры управления продукциями, с помощью которых производится выбор продукции и актуализация имеющихся продукций.

КЛАССИФИКАЦИЯ ЯДЕР ПРОДУКЦИИ.

Ядра продукции классифицируют различными способами. Прежде всего выделяются два типа: детерминированные и недетерминорованные.

В детерминированных ядрах соотношение А=>В выполняется с необходимостью.

В недетерминированных - если А, то возможно В с вероятностью Р.

Возможность может быть задана некоторой долей вероятности. Представим экспертную систему из трех частей:

Внешний мир

Рассуждающая

система

База знаний

1. A_W=> B_R(Вн.мир => Расс. с-ма)

2. A_W => B_K

3. A_K => B_W

4. A_R => B_K

5. A_K => B_R

1) В результате прихода внешнего сообщения изменится ход рассуждений экспертной системы.

2) Данная запись означает запоминание полученной информации внешнего мира в базе знаний.

3) Данная запись означает выдачу сообщения из базы знаний во внешний мир. Данное сообщение срабатывает при обнаружении противоречивой информации.

4) Передача факта информации из рассуждающей системы на хранение в базе знаний. Результат был получен рассуждающей системой.

5) Необходимость для рассуждения информации берется из базы знаний для обработки в рассуждаемую систему.

6) A_w=>B_w. Продукция непосредственного отклика. Рассуждающая система просто не успевает сработать. Она аналогична рефлексам живой природы.

7) A_R => B_W. Данный тип продукции описывает воздействия на внешний мир , которые порождаются в результате работы рассуждающей системы.

8) A_R => B_R. Внутренняя продукция рассуждающей системы. Описывает промежуточные шаги процесса выбора. При этом не влияют на ни на внешний мир, ни на базу знаний.

9) A_K => B_K. Процедура преобразования знаний. Рассуждающая система в данном случае используется в качестве инструмента преобразования.

УПРАВЛЕНИЕ СИСТЕМОЙ ПРОДУКЦИИ.

1. Если А, то В.

2. Если А₁ , то В₂ .

3. Если А , то С.

4. Если А , то D.

Обычно условия применимости выполняются сразу для нескольких продукций. В этом случае возникают проблемы выбора конкретной продукции для реализации. Возможно два пути решения данной проблемы: централизованный и децентрализованный.

При централизованном методе решение об актуализации принимается специальной системой управления. При децентрализованном - определяются складывающиеся в данный момент ситуации . рассмотрим несколько стратегий управления выбором продукции:

1. Принцип “ стопки книг ”. Основная идея состоит в том, что наиболее часто используемая продукция является наиболее полезной. Готовые продукции образуют “ стопку ”, в которой порядок определяется наибольшей частотой ее использования в прошлом. Подобный принцип управления удобен при оценке исполнения. Его целесообразно применять при относительной неуязвимости продукции друг от друга.

2. Принцип наиболее длинного условия.

Фронт Если А и В ,то С

Готовой { Если А или В , или К , то М

Продукции Если А , то L.

Принцип заключается в выборе той продукции, у которой наиболее длинное условие выполнения ядра. Он опирается на соображения здравого смысла. Частные правила, относящиеся к узкому классу ситуаций важнее общих правил. Принцип целесообразно применять в случаях, когда знвния и продукции хорошо структурированы и заданы соотношения “ частное – общее ”.

3. Принцип метапродукции. Основан на идее ввода в систему продукции управления продукциями, задача которых организовать выбор продукции из фронта готовых к актуализации.

4. Принцип “классной доски”. При реализации этого принципа в экспериментальной системе выделяют специальное рабочее поле – аналог классной доски. На этой доске параллельно выполняются процессы , находящие информацию, запускающую их, туда же они заносят результаты своей работы, которые могут быть полезны для других процессов. Однозначного выбора продукции часто не бывает, поэтому принцип “классной доски” может комбинироваться с другими методами, например, с принципом метапродукции.

5. Принцип приоритетного выбора. Связан с введением статистических и динамических приоритетов на продукции. Статистические приоритеты формируются заранее, а динамические в процессе работы.

6. Логический метод выбора. При этом методе существуют два типа управления системой продукции: прямой и обратный. В прямом случае поиск идет от левых частей продукции, то есть проверки условий А и их актуализации с последующим выбором ( восходящий тип ). Во втором случае поиск осуществляется по заключению продукции (нисходящий тип ).

7. Управление по именам. В этом случае продукциям задают специмена, которые обеспечивают сужение фронта готовой продукции.

ПРЕИМУЩЕСТВА И НЕДОСТАТКИ ПРОДУКЦИОННЫХ

СИСТЕМ.

Популярность продукционных моделей определяется следующими факторами:

Подавляющая часть человеческих знаний может быть представлена в виде продукций.
Системы продукции являются модульными. Удаление или добавление продукций приводит к изменению остальных продукций.
При необходимости системы продукций могут реализовывать сложные алгоритмы.
Наличие в продукциях указания на сферу применения позволяет эффективно реализовать память, сокращая время поиска необходимой информации.
Объединение систем продукций с сетевыми представлениями позволяет создавать мощные экспериментальные системы.
Параллельность и асинхронность работы системы продукций делает их наиболее подходящими для ЭВМ новой архитектуры ( наличие нескольких процессоров ).

Продукционные модели имеют два недостатка: при большом числе продукций ( > 1000 ) проверка непроворечивости становится сложнее ; неоднозначность выбора из фронта готовой продукции.

ЗАПОЛНЕНИЕ ЗНАНИЯМИ ОБОЛОЧКИ

ЭКСПЕРТНОЙ СИСТЕМЫ.

Для преобразования экспертных знаний в доступные для машины факты и правила их необходимо оформить в форме, доступной для оболочки экспертной системы. Для ввода информации в имеющуюся экспертную систему надо создать текст файла с именем rules, содержащий базу знаний в форме:

Вопросы
Разрешенных значений
Правил.

Порядок их написания не имеет значения.

Правила.

Правило1: Если

костюм официальный

То

надеть галстук = да

Правило2: ( составить 13 – 20 правил )

Разрешенные значения.

Разрешен ( костюм ) = официальный, деловой, спортивный, никакой.

Разрешен ( время ) = рабочий день, уикенд.

Вопрос.

Вопрос ( костюм ) = какой костюм наденете ?

Вопросы необходимы для уточнения задания экспертных систем.

СЕМАНТИЧЕСКИЕ СЕТИ .

Семантическая сеть – наиболее общая модель представления знаний об окружающем мире. В самом общем виде семантическую сеть можно представить в виде множества вершин, каждая из которых соответствует определенному понятию, факту или явлению. Между вершинами заданы различные отношения, изображаемые дугами. Дуги снабжены именами, описаниями, задающими семантику отношений. Вершины также помечены именами, содержащими нужную для понимания семантики информацию.

Иванов

студент

является

Можно считать, что каждая такая пара представляет простой шаг, дуга имеет направленность, выражающую факт отношения субъекта и объекта. Практический интерес имеет связь вида “является”, отражающая принадлежность к этому классу объектов. Эта связь позволяет классифицировать объекты по иерархии. Если связи отражают казуалльные отношения, то мы имеем дело с семантическими сетями, называемыми сценариями. Если отношения в сети таковы, что они связывают между собой аргументы и значения функций, то такие семантические сети принято называть вычислительными моделями. Кроме связи “ является ” часто используется связь “имеет”, которая указывает, что одно понятие представляет часть другого.

Иванов

тетрадь

листы

клеточки

имеет

Отношение “есть” служит для выражения, когда одно понятие является атрибутом другого. Различие между частными объектами и общими имеет решающее значение для семантических сетей.

< СМИТ1 >

< СМИТ2 >

СМИТ

Ключи от

входной двери

Голубые

глаза

Руководитель

40 лет

Производственный

отдел

служащий

Разрешение на

парковку машины

Может иметь

является

имя

является

имеет

работает

является

Может

иметь

Иногда вводят специальные связи, выражающие особые отношения.

“агент” – исполнитель или инициатор действия, выраженного глаголом.

“объект” – имя существительное, на которое распространяется действие или состояние, выраженное глаголом.

“местоположение” – место действия или состояние, выраженное глаголом

“датив” – лицо, к которомуимеет отношение действия или состояния, выраженное глаголом.

Пример: Смит 2 работал на Смит 1 с апреля 1972 года до мая 1983 г.

СМИТ

Работа

Май

1983

Апрель

1972

< СМИТ1 >

< СМИТ2 >

< работа >

до

от

действие

имя

агент

датив

ФРЕЙМЫ.

Представление знаний в форме фреймов ( прообразов ) впервые было разработано М. Мимским в 1975г. Фрейм относится к психологическим понятиям, касающихся нашего восприятия. По структуре он представляет собой иерархию отношений типа: “абсолютное – конкретное”. Сложные объекты представляются комбинацией нескольких фреймов, образующих фремовую сеть. На самом верхнем уровне фрейма представлена фиксированная информация – факт, который обычно считается истинным ( имя фрейма ). На последующих уровнях расположенно множество так называемых слотов, которые обязательно должны быть заполнены конкретными значениями и данными. В общем фрейм – единица представления знаний, заполненная в прошлом, детали которой могут быть изменены согласно текущей ситуации. В одной системы различные фреймы могут иметь одинаковые слоты. В одном фрейме одинаковых слотов не должно быть. Некоторые слоты фрейма обычно определяются значениями по умолчанию. Фреймовые системы связаны с информационно – поисковыми сетями. Если фрейм – кандидат не соответствует текущей проблеме, то он включается в другую сеть.

О С Н О В Н Ы Е С В О Й С Т В А Ф Р Е Й М О В

1. Базовый тип.

В этом типе запоминается только наиболее важные объекты данного предмета, на основании которого строятся фреймы.

2. Процесс сопоставления фреймов и объектов реальности.

При сопоставлении обязательно задаются цели сопоставления. При этом:

1) в начале выбирается базовый фрейм;

2) если в каком-то слоте возникает ошибка, то этому слоту (атрибуту) присваивается новое значение;

3) если не находится подходящего фрейма из данной системы, то добавляется новый, удовлетворяющий этой системе.

3. Необходимо сохранение иерархической структуры фреймов, что позволяет использовать информацию верхних структур фреймами нижних структур.

4. Для создания сложных систем создают межфреймовые сети, для чего используют указатели различия фреймов.

имеют покров

передвигаются слоты

едят

Животные . -базовый тип

Птицы .перья . Рыбы

крылья

Канарейка . поет

имеет желтый цвет

иерархическая структура фреймов

различие С т у л нет спинки

”Спинка” меньшие “большая длина”

размеры

нет

спинки

С т о л Т а б у р е т С п и н к и

С Е Т Ь Ф Р Е Й М О В

Иерархическая структура основывается на отношениях “абстрактной конкретности”. Кроме абстрактной конкретности при построении фреймов используют отношение “часть - целое”, которые позволяют, объекты нижнего уровня показать частью объектов верхнего уровня.

IS-A - “абстрактная конкретность”

PART-OF - “часть-целое”

В отношении PART-OF нельзя использовать наследование свойств или атрибутов. Если это необходимо, используют отношение IS-A.

О П И С А Н И Е Ф Р Е Й М О В

Имя слота

(атрибута)

Указатель

наследования

Указатель

атрибута слота

Значения

слота

Демон

Слот 1

Слот 2

- - -

Имя фрейма - уникальное имя в сети фреймов. Имя слота - уникальное имя во фрейме.

Указатель наследования показывают какую информацию об атрибутах слота из фреймов верхнего уровня наследуют слоты с теми же именами во фреймах нижнего уровня.

Принимаемое значение указателей наследования следующие:

U - уникальное имя

S - уникальное свой свойство

R - наследование с установлением границ

O - игнорируется наследование

Указатель атрибутов показывает, является ли данный слот типом данных или служит указателем другого фрейма.

Значение слота должно совпадать с указанным типом данных и при этом выполняться указанный тип наследования.

Демон - процедура, автоматически запускаемая при выполнении некоторого условия. Запуск осуществляется при обращении к соответствующему слоту.

Механизм выбора реализуется через присоединительную процедуру. Данный механизм позволяет описывать иерархическую сетевую программу управления выводом.

Кроме этой процедуры используют два способа управления:

- управление с помощью демона

- управление с помощью механизма наследования

Преимущества и недостатки фреймов систем:

1) фреймовское представление позволяет описывать и управлять сложными знаниями больших объемов на основе описания концептуальных объектов;

2) в целях увеличения гибкости системы, декларитивные и процедурные знания концептуальных объектов комбинируют;

3) при решении сложных проблем используют комбинации управления выводом.

При описании систем, которые невозможно представить в виде фреймов, описание с помощью продукционных систем усложнено или невозможно, используют семантические фреймовые сети.

ПРИОБРЕТЕНИЕ ЗНАНИЙ ПОД ЭКСПЕРТА

Первоначальные знания о проектируемой экспериментальной системе берутся из учебников, отчетов, опытных данных и т.д. Только после этого инженер по знаниям приступает к работе с экспертом.

Используемые при этом методы подразделяются:

1. Наблюдения на рабочем месте.

2. Интуитивный метод (когнитолог сам частично решает задачу).

3. Интервью - главный метод.

При этом используются подметоды:

1) обсуждение задач

2) описание задач

3) анализ задач

4) доводка системы (эксперт представляет несколько задач для проверки)

5) оценивание систем (оценка производится другим экспертом)

6) проверка системы ( сравнение с результатами работы другого эксперта системы)

ЭВОЛЮЦИЯ ЭКСПЕРИМЕНТАЛЬНОЙ СИСТЕМЫ

Пользователи требуют не просто высококачественной работы, они хотят чтобы система была быстрой, надежной, легкой в обращении, чтобы ее сообщения легко понимались, чтобы терпеливо прощала пользователю ошибки. Для создания такой системы необходимы несколько уровней разработки:

1) демонстрационный прототип

Система решает часть поставленных задач, указывая, что подход приемлем и система осуществима . (сроки разработки 3 месяца)

2) исследовательский прототип

Система демонстрирует внушающие доверия результаты по всей проблеме в целом, но обладает невысокой надежностью.

(срок разработки 1-2 года)

3) прототип опытной эксплуатации

Система проявляет высокое качество работы при достаточной надежности в условиях опытной эксплуатации.

(срок разработки 2-3 года)

4) промышленный прототип

Высокое качество работы и надежности в реальных условиях.

(2-4 года)

5) коммерческая система

Промышленный прототип систематически используемый в множестве систем.

(6 лет)

МЕТОДОЛОГИЯ ПОСТРОЕНИЯ

ЭКСПЕРИМЕНТАЛЬНОЙ СИСТЕМЫ

Построение эксплуатационной системы производится постепенно. Выделяют следующие основные этапы ее эволюции:

1. Идентификация - определение основных характеристик задачи.

2. Конкретизация - поиск понятий для представления знаний.

3. Формализация - разработка структур для организации знаний.

4. Реализация - формулировка правил, воплощение знания.

5. Испытание - оценка правил, в который воплощено знание.

6. Тестирование - испытание системы на всем комплексе решаемых задач.

Экспериментальная система эволюционирует переходя от простых задач к сложным, последовательно усложняя организацию и представление знаний. Время от времени происходит существенная реорганизация и перестройка всей архитектуры, когда появляется необходимость ввода новых свойств, которых нельзя достичь исходя из возможностей существующей системы.

Начало

ЭС

Идентификация Испытания

Тестирование

требования

завершение правила

переформулирование усовершенствования

Концептуализация Реализация

переконструирование

понятия

структура знаний

Формализация

Разработка всегда начинается с идентификации и кончается тестированием. Первоначально экспериментальную систему разрабатывают для какой-нибудь простейшей подзадачей, на основании которой определяют возможность разработки экспериментальной системы в целом. После чего, постепенно расширяют круг задач.

разраб. разраб.

ЭС ЭС ЭС

Количество шагов получения новой ЭС зависит в основном от квалификации разработчиков и выбранных инструментальных средств проектирования, увеличением количества разработчиков, ускорения разработки не произойдет (оптимально 5-6 человек). На этапе формализации выбирают язык построения ЭС (правила, сети, фреймы и т.д.).

В реализации производят написание программ требуемого содержания и формы. При переходе от опытной эксплуатации к тестированию производится расширение круга задач - включаются задачи под которые система в данный момент не проектировалась, но в первоначальном задании они указаны.

ОСОБЕННОСТИ РЕАЛИЗАЦИИ ЕСТЕСТВЕННЫХ ЯЗЫКОВЫХ СИСТЕМ (Е - Я)

В конце 60-х годов в системах ИИ сформировалось направление разработки ЕЯ-систем. Эти системы предназначены для разработки систем, реализующих процесс общения систем на естественном языке.

При разработке этих систем включаются значения следующих наук: - лингвистики

- психологии

- логики

- философии

При реализации этих систем этап взаимодействия человека через программиста отпадает.

Обобщенная система естественно языковой системы ЕЯ система, обеспечивающая взаимодействие конечного пользователя с ЭВМ должна обладать следующими обязательными функциями:

1. Ведение диалогов - определение структуры и роли системы в текущем шаге диалога.

2. Понимание - преобразование поступающих от пользователя высказываний с естественным языком в языке внутреннего представления.

3. Обработка высказываний - формулирование и определение знаний.

4. Генерация высказывания - формулирование выходных высказываний на естественном языке.

При реализации конкретных ЕЯ систем данные функции могут видоизменяться и дополняться. Любая ЕЯ система может быть представлена в виде 3-х компонентов:

- диалоговый компонент

- компонент понимания высказывания

- компонент генерации высказывания

Диалоговый компонент

Ведение Обработка и

диалога перехват иниц.

Компонент понимания высказывания Компонент генерации высказывания Анализ высказ. Интерпретация Интерпретация Синтез высказывания смысла высказывания

Ведение диалога выполняется по одной их 2-х схем:

1. Диалог ведет пользователь

2. Диалог ведет система

Диалоговый компонент.

Его можно рассматривать на 3-х уровнях:

1) общая структура - тип диалога и класс решаемых задач

2) тематическая структура - структура конкретной задачи

3) шаг диалога - взаимодействие участников в акте диалога

На уровне общей структуры действия ЕЯ системы задаются в виде последовательности этапов:

- инструктаж

- определение задачи

- решение задачи

- объяснение решения задачи

- выдача результатов решения и их оценка

- объяснение после решения задачи

- объяснение причин неудачи

Перечисленные задачи необязательно должны быть во всех конкретных шагах диалога.

ТЕМАТИЧЕСКАЯ СТРУКТУРА ДИАЛОГА

Обычно представляется в виде сценария. Способы задания сценария подразделяется на 3 класса.

1. Сценарии присутствуют в системе в начальном виде

2. Сценарии генерируются в системе в процессе решения

3. Смешанный способ

Готовый сценарий может задаваться в виде упорядоченного множества правил с параметрами, значения которых устанавливаются в ходе решения задачи.

Если сценарий генерируется, то диалоговый компонент включает специальный компонент - планирования, что позволяет естественным образом в процесс решения задач.

Шаг диалога состоит из действия и реакции и характеризуется следующими параметрами:

	Инициатор шага	Вид действия	Вид реакции	ограниченный выбор	однозначный выбор
1	Пользователь	Задание	Отчет	Неограничен	Неоднозначен
2	Пользователь	Команда	Выполнение команды	Ограниченный	Однозначный
3	Система	Простой вопрос	Ответ на вопрос	Фиксированный	Однозначный
4	Система	Вопрос с фик- сированной структурой ответа	Ответ в заданной структуре	Ограниченный	Однозначный
5	Система	Вопрос со свободной структурой	Произвольный ответ	Неограниченный	Неоднозначный
6	Система	Альтернативный вопрос	Выбор альтернативы	Ограниченный выбор	Однозначный

Задание предусматривает формулировку решаемой задачи и необходимых для ее решения параметров.

Команда обычно используется для перехвата инициативы или выполнения технологических действий: просмотр, распечатка.

Альтернативные вопросы и вопросы с фиксированной структурой применяется, когда на данном этапе возможно осуществить выбор в зависимости от реакции пользователя.

Вопросы со свободной структурой ответа не содержат никаких сведений относительно ожидаемых свойств ответа. Однозначность не гарантируется.

Для введения однозначности в данном случае вводиться операция перефразирования. Перефразирование заключается в переформулировании высказывания на естественном языке.

Иногда применяется способ изменения темы диалога, который заключается в уяснении нового термина машиной, используемого пользователем. При этом создаются поддиалоги из одного или нескольких шагов с последующим возвратом к исходному.

КОМПОНЕНТ ПОНИМАНИЯ ВЫСКАЗЫВАНИЙ

Данный компонент включает в себя анализ и интерпретацию высказывания. Анализ сводится к 3 составляющим:

1. Анализ слов

2. Анализ предложений

3. Анализ связанных текстов

Анализ слов сводится к морфологическому анализу и к обнаружению и исправлению орфографических ошибок.

Анализ предложений обычно сводится к синтаксическому и семантическому (знаки препинания) анализам и выполняется специальным функциональным блоком, называемым анализатором.

Анализ связанных текстов достигается лингвистическими и ситуационными средствами. На этом этапе решается зкадача выявления связей между предложениями.

На этапе интерпретации решаются две задачи:

- интерпретация высказываний без учета цели участников

- интерпретация с учетом целей участников диалога

При решении этих задач необходимо наличие общей точки зрения на рассматриваемый объект. Следствие многозначности интерпретаций - система генерирует подцели, помогающие выработать общую точку зрения.

КОМПОНЕНТ ГЕНЕРАЦИИ ВЫСКАЗЫВАНИЙ

Процесс генерации состоит из 2-х составляющих:

1. Генерация смысла высказывания

2. Синтез высказывания на естественном языке

Результатом выполнения 1-го этапа является внутреннее представление смысла генерируемого высказывания. При этом решаются следующие подзадачи:

- определяется информация, которая должна быть сообщена пользователю

- выделяются аспекты, интересующие пользователя

- разбивается сообщаемая информация на части в соответствии с будущими предложениями и устанавливается последовательность этих частей.

На втором этапе решаются следующие подзадачи:

- построение синтаксиса структуры отдельных предложений

- морфологический синтез словоформ

НАСТРОЙКА ЕСТЕСТВЕННЫХ ЯЗЫКОВ СИСТЕМЫ

Ограничение предметной области имеет принципиальное значение, т.к. позволяет наложить ограничения на лексику, сематику и синтез языка.

При этом ЕЯ система должна допускать возможность изменения своих знаний, зависящих от специфики рассматриваемой предметной области. Процесс извлечения знаний из некоторого источника и передача их ЕЯ системе называется приобретением знаний. Различают 2 способа приобретения знаний:

- настройка

- адаптация

Настройка применяется при начальном развертывании системы на конкретном объекте или при значительных ее изменениях.

Адаптация заключается в оперативном приобретении знаний ЕЯ системой в процессе решения задачи. Инициатором адаптации является система.

ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СИСТЕМЫ

РЕЧЕВОГО ОБЩЕНИЯ

Система искусственного интеллекта с элементами ЕЯ общения обычно предполагают качественное средство общения - письменную речь - в них решаются следующие основные задачи:

1. Текст - смысл

2. Смысл - текст

Перед системами речевого общения ставится задача создания преобразователей:

- текст - речевой сигнал

- речевой сигнал - текст

Первая называется синтезом речи. Вторая называется анализом и распознаванием речи.

В ЕЯ системе рассматривается орфография текста. В системе речевого общения - фонемный (слышимый) текст. Поэтому степень разработки систем речевого общения зависит от уровня разработки преобразователей:

- цепочка - фонем - речевой сигнал

- речевой сигнал - цепочка - фонем

Исследования в области систем речевого общения начаты в начале 60-х годов. Первые системы в конце 70-х гг. В настоящее время они находят применение в АСУ, САПР и в системах обучения.

ФОНЕТИЧЕСКАЯ И ИНТОНАЦИОННАЯ СТРУКТУРА РЕЧИ

Минимальная смысловая единица речи - фонема. В русском языке различают 42 фонемы: 6 гласных и 36 согласных. В английском языке 44 : 20 гласных и 24 согласных. Акустические характеристики каждой фонемы обусловлены артикуляционными особенностями ее образования : местом образования и способом образования.

В процессе речи в зависимости от условий соседства фонем изменяются их оттенки, появляются аллофонемы. Например: огрубление согласных перед гласными. Учет этих особенностей выявляет 480 гласных аллофон и 8880 согласных.

Смысловой единицей речи становятся фактически бесконечными, если учитывать интонацию и ударения в слове. Это очень важно. Часто в зависимости от интонационного оформления логически идентичные высказывания могут иметь различные значения:

КАЗНИТЬ НЕЛЬЗЯ ПОМИЛОВАТЬ

Кроме того, должен учитываться формируемый основной тон речи, интенсивность звука, длительность пауз. Для того произносимый текст разбивается на следующие элементы: фраза, синтагима, акцептная группа, фонетическое слово, каждое из этих единиц выделяется соответствующим ударением.

АКУСТИЧЕСКИЕ ХАРАКТЕРИСТИКИ

ФОНЕМ И ИХ МОДЕЛИРОВАНИЕ

Акустические характеристики тесно связаны с особенностями их образования. речевой аппарат человека состоит из 2-х параллельных каналов: речевого и носового, которые образуют единую акустическую систему. В настоящее время разработано уравнение, описывающие работу этой системы.

Уравнение Вебстера

S(x) - функция площади сечения голосового тракта вдоль оси распределения волн

x - ось распределения волн

p - давление, создаваемое в канале

c - скорость звука в среде распространения волн

По этой математической модели разработан ряд формальных моделей, которые используются для практической реализации. В них добавляется дополнительный канал, называемый фрикативный (шумовой).

ПОСТРОЕНИЕ СИСТЕМ РЕЧЕВОГО ОБЩЕНИЯ

В общем случае системы речевого общения строятся на базе специальных процессоров 2-х типов: анализаторов и синтезаторов.

Анализатор - это устройство, предназначенное для преобразования речевых сигналов с микрофона в последовательность цифровых кодов, с обязательным сохранением смысловых компонентов речи.

Анализаторы подразделяются на 2 класса:

- анализаторы сигналов

- анализаторы сообщений

В анализаторах сигналов учитываются акустические характеристики речевого сигнала без обращения к смыслу. В анализаторах речевого сообщения осуществляется сжатие информации за счет введения операции распознавания смысловых элементов речи (фразы, слова, фонемы), которые в свою очередь разделяются на анализаторы ограниченного словаря и универсальные.

Анализаторы ограниченного словаря ориентированы на распознавание заданных речевых сигналов. Распознавание осуществляется путем сопоставления эталонов команд с произнесенными и выбора наиболее схожего эталона.

Формирование эталона в большинстве случаев осуществляется в процессе обучения, с голоса диктора. Распознавание слитной речи этими анализаторами практически невозможно.

Универсальные анализаторы ориентированы на распознавание смысловых единиц речи - фонем, из которых в конечном счете составляется любое слово. Распознавание осуществляется лингвистическим процессором по правилам, заложенным в базу знаний.

Синтезаторы речи - устройство преобразования кодовой последовательности речи в непрерывный речевой сигнал. Синтезаторы делятся на 2 класса:

- синтезаторы ограниченного словаря (компиляторы)

- универсальные синтезаторы

В синтезаторах ограниченного словаря любое сложное речевое сообщение может быть получено путем соединения элементов речи.

При разработке универсальных синтезаторов стремятся получить функционирующую модель, адекватную языковым и акустическим системам. На входе у нее орфографический или фонемный текст в двоичных кодах, на выходе - звучащая речь. В базе знаний хранится следующая информация:

1) элементарные единицы речи

2) алгоритм правила и их модификация

ОСОБЕННОСТИ ПОСТРОЕНИЯ СИСТЕМ ПЕРЕРАБОТКИ

ВИЗУАЛЬНОЙ ИНФОРМАЦИИ

В настоящее время в различных областях науки и техники осуществляется потребность в переработке, анализе и отображении визуальной информации.

Здесь выделяют 3 основных типа задач:

1. Обработка изображений.

В этом случае исходными данными и результатом обработки является отображение.

обработка I

Изображение Изображение

анализ II синтез III

Описание

2. Анализ изображения заключается в распознавании, интерпретации и понимании изображения. Входными данными является изображение, а выходными - текст, описывающий это изображение.

3. Синтез изображений.

В этом случае на входе имеется описание (алгоритм построения), на выходе - построенное по входному алгоритму изображение.

На практике эти 3 задачи взаимосвязаны.

При обработке изображения производится преобразование изобразительной информации в другую изобразительную информацию с целью улучшения качества, выделения фрагментов, повышения контрастности и т.д.

К типичным задачам анализа относят распознавание рукописных и печатных знаков, дешифрацию аэрофотоснимков, анализ наблюдаемых сцен.

Синтез изображения отождествляется с машинной графикой. В настоящее время к ним относят системы визуальной имитации, системы САПР и системы компьютерного киноискусства.

АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ

Первоначально данные системы создавались как специализированные, в настоящее время они создаются на универсальных вычислительных машинах. Это интегрированные системы, их нельзя рассматривать вне Среды использования. Интегрирование средств означает также объединение в системе различных специальных и универсальных устройств, имеющих возможность параллельной обработки.

Современные АСОИЗ снабжены средствами визуализации данных, включая полутоновые изображения, стереоскопического и объемного изображения. При создании систем используют методы интегрирования средств обработки и интерпретации методов обработки. Интегрирование средств обработки означает - объединение в системе различных универсальных и специализированных устройств, имеющих возможность параллельной работы над данными, включая последние достижения в этой области: полутоновые, объемные, графические, стереоскопические устройства отображения.

Интеграция методов обработки означает наличие в системе функциональных подсистем для решения широкого круга задач и достижений результатов различными методами.

Ключевым звеном автоматизированной системы обработки изображений в настоящее время стали специальные многопроцессорные системы.

СИСТЕМЫ АНАЛИЗА ИЗОБРАЖЕНИЙ

Изображение Описание

Здесь выделяются 3 основных класса задач:

1) распознавание

2) содержательная интерпретация

3) получение справочной информации из архивов

В системах распознавания объектов решаются задачи локализации определяемых и измерение и принятие решения по полученным измерениям. Пример: система мед. диагностики по определению степени отклонения от нормы и локализации дефектов.

Сохранительная интерпретация изображений включает различные системы. Используется в интерпретации аэрофотоснимков и составлении карт местности.

Получение справочной информации производится из архивов видеоданных. Задачей этой подсистемы является выдача информации пользователю по наличию объектов определяемого на изображениях, хранящихся в архивах видеоданных. К этим системам относят системы картографии, метрологии, криминалистики и т.д. Упрощенная структура автоматизированной системы обработки изображаться может таким образом:

Пользователь Блок управления и

принятия решений

База знаний

Подсистема хра- Общая память Декларативные

нения и обр-ки знания

изображений

Процедурные

знания

Подсистема хранения и обработки изображения выполняет операции по поиску изображения используя видео- или текстовые запросы. В базе знаний хранятся формальные знания.

Декларативные знания отображают сведения об объектах, их основе, взаимном расположении и т.д. Процедурные знания показывают какие действия и в какой последовательности нужно предпринимать для достижения определенных условий. Область общей памяти обеспечивает передачу результатов работы всех подсистем.

Блок управления и принятия решений выполняет координирующие действия, т.е. определяет запросы пользователя в сложившейся ситуации, по которым определяют стратегию решения.

Процесс решения задачи является многоступенчатым: в начале выполняется предварительная сегментация изображений, далее производится анализ каждого из этих сегментов, после чего выдается промежуточное или окончательное решение по анализу информации, находящейся в общей памяти.

СИСТЕМЫ СИНТЕЗА ИЗОБРАЖЕНИЙ

Описание синтез Изображение

Системы синтеза изображения являются обязательным элементом сложных интеллектуальных систем (например, САПР). Это прежде всего связано с тем, что скорость переработки человеком информации, представленной в графическом виде, на порядок выше по сравнению со скоростью переработки алфавитно-цифрового набора.

Состав типичной системы синтеза изображения может быть представлена в следующем виде:

Устройство ввода Пользователь

информации

База Модель

знаний мира

Программа Устройство Банк

синтеза отображения видеоданных

изображений графической

Банк информации

данных

Устройство

получения

твердой

копии

Работа системы на основании базы знаний и банка данных и знания пользователя компилятор генерирует соответствующую модель мира. Затем эта модель преображается программой синтеза изображения в удобную для восприятия человеком форму, после чего эти формы выдаются на устройство отображения. Фрагменты необходимых блоков отображений берутся из банка видеоданных.

Пользователь через устройство ввода информации может дополнять базу знаний и банк данных, корректировать модель мира и программу синтеза изображений, а также производить операции над самими изображениями. По размерности модели мира подразделяются на двухмерные и 3-хмерные.

3-хмерные подразделяются на каркасные (проволочные, поверхностные и твердотелые). СПРУТ имеет каркасную модель.

В каркасных моделях хранятся лишь координаты вершин и соединяющие ребра.

В моделях поверхностного типа хранятся описания поверхностей, описывающих данный объект. В моделях сплошных тел объекты формируются посредством примитивов, в качестве которых используют простейшие 3-хмерные геометрические элементы (цилиндр, сфера, пирамида, элипсоид, тороид и т.д.).

По способу описания объектов модели подразделяются на:

- задающие объект в виде набора данных

- задающие объект в виде набора операций его построения

При создании модели мира используется база знаний и банк данных. База знаний вводит фактические законы и ограничения, действующие при создании объектов мира. Банк данных заполняет модель мира стандартными данными, необходимыми для ее работы. После чего специальная программа преобразует модель в массив чисел, соответствующих изображению.

Наиболее качественные изображения получают на специализированных графических станциях. Для синтеза 3-хмерных реальных изображений необходимы 32-разрядные компьютеры.