Архитектура интеллектуальных систем

План лекции

1. Понятие интеллектуальных систем

2. Классификация интеллектуальных систем

3. Архитектура ИИС: общие принципы

4. Компоненты интеллектуальной системы

5. База знаний и механизм вывода

6. Архитектуры экспертных систем

7. Многоагентные интеллектуальные системы

8. Примеры и современные тенденции

1. Понятие интеллектуальных систем

Интеллектуальная информационная система (ИИС) — это программная система, способная решать задачи, традиционно требующие человеческого интеллекта: анализ, распознавание, принятие решений, обучение.

Ключевые признаки ИИС:

• Способность к рассуждению и логическому выводу
• Обучение на основе опыта или данных
• Адаптация к изменяющимся условиям
• Работа с нечёткой или неполной информацией
• Способность объяснять принятые решения

Отличия ИИС от обычных информационных систем

2. Классификация интеллектуальных систем

Классификация: по степени автономности

Классификация: по архитектуре

Символьные системы (Symbolic AI):

• Экспертные системы, системы на основе правил
• Явное представление знаний в виде фактов и правил
• Логический вывод (Prolog, CLIPS)

Подключённые системы (Connectionist AI):

• Нейронные сети, глубокое обучение
• Неявное представление знаний в весах
• Обучение на данных (PyTorch, TensorFlow)

Гибридные системы:

• Нейросимволический ИИ
• Комбинация логического вывода и машинного обучения

3. Архитектура ИИС: общие принципы

Архитектура ИИС — это структура организации компонентов системы, определяющая способы представления знаний, обработки информации и взаимодействия с пользователем.

Основные принципы:

• Модульность — разделение на независимые компоненты
• Открытость — возможность расширения и модификации
• Чёткое разделение знаний и механизма вывода
• Интерактивность — диалог с пользователем
• Объяснимость — способность обосновать результат

Общая архитектура ИИС

4. Компоненты интеллектуальной системы

База знаний

База знаний (БЗ) — ядро интеллектуальной системы, содержащее формализованные знания о предметной области.

Типы знаний:

• Факты — утверждения о состоянии мира (например, «температура = 38.5»)
• Правила — логические связи между фактами (например, «ЕСЛИ температура > 38, ТО есть лихорадка»)
• Онтологии — иерархия понятий и связей между ними
• Прецеденты — примеры решений из прошлого (Case-Based Reasoning)

Модели представления знаний

Механизм вывода

Механизм вывода (inference engine) — компонент, который применяет правила к фактам для получения новых знаний или решений.

Стратегии вывода:

• Прямой вывод (forward chaining) — от данных к заключению

  • Имеются факты → применять правила → получить новые факты

• Обратный вывод (backward chaining) — от гипотезы к данным

  • Строим гипотезу → проверяем правила → запрашиваем данные

Прямой и обратный вывод: сравнение

5. База знаний и механизм вывода: пример

База знаний (медицинская диагностика):

Правило 1: ЕСЛИ температура > 38 И кашель ТО подозрение_грипп
Правило 2: ЕСЛИ подозрение_грипп И боли_в_мышцах ТО диагноз_грипп
Правило 3: ЕСЛИ температура > 38 И сыпь ТО подозрение_корь

Прямой вывод: температура = 39, кашель = да, боли = да
→ подозрение_грипп → диагноз_грипп ✓

Обратный вывод: цель: диагноз_корь?
→ проверить Правило 3 → температура > 38? → да → сыпь? → нет → гипотеза отклонена

6. Архитектуры экспертных систем

Экспертная система (ЭС) — ИИС, которая воспроизводит рассуждения эксперта-человека в узкой предметной области.

Классические архитектуры:

1. Модель «чистой» ЭС (MYCIN, DENDRAL)
2. Архитектура с чёрной доской (Blackboard)
3. Архитектура на основе фреймов
4. Гибридные архитектуры

Модель «чистой» экспертной системы

Архитектура «чёрная доска» (Blackboard)

Применение: распознавание речи, компьютерное зрение, военные системы.

Архитектура на основе фреймов

Фрейм — структура данных для описания стереотипной ситуации или объекта.

ФРЕЙМ: Пациент
├── ИМЯ: «Иванов И.И.»           [слот-значение]
├── ВОЗРАСТ: 35                   [слот-значение]
├── СИМПТОМЫ: [лихорадка, кашель] [слот-список]
├── ДИАГНОЗ: <не заполнен>        [слот по умолчанию]
└── ДИАГНОЗ → наследует из ФРЕЙМА: Заболевание

Механизмы:

• Наследование — дочерние фреймы наследуют свойства родительских
• Демоны — процедуры, активируемые при изменении слота
• Аккаунты — альтернативные значения для слота

7. Многоагентные интеллектуальные системы

Интеллектуальный агент — сущность, которая воспринимает окружающую среду и действует в ней для достижения целей.

Типы агентов:

• Реактивные — реагируют на стимулы среды (простые правила)
• Проактивные — инициируют действия для достижения цели
• Социальные — взаимодействуют с другими агентами

Многоагентная система (МАС) — группа агентов, взаимодействующих для совместного решения задачи.

Архитектура многоагентной системы

Примеры: умный дом, автоматическая торговля, распределённая логистика.

8. Современные тенденции

Современный стек ИИС

Модули дисциплины

Курс охватывает все ключевые компоненты ИИС:

• Модуль 1 (лекции 1–3) — архитектура и проектирование ИИС
• Модуль 2 (лекции 4–9) — методы оптимизации (основа принятия решений)
• Модуль 3 (лекции 10–13) — функциональное программирование (инструмент реализации)
• Модуль 4 (лекции 14–17) — машинное обучение
• Модуль 5 (лекции 18–21) — базы знаний и логическое программирование

Заключение

Ключевые выводы лекции

Вопросы для самоконтроля

1. Что такое интеллектуальная информационная система? Перечислите её ключевые признаки.
2. Чем ИИС отличается от обычной информационной системы?
3. Какие типы архитектур ИИС вы знаете?
4. Что такое база знаний? Перечислите модели представления знаний.
5. Чем прямой вывод отличается от обратного?
6. Опишите архитектуру «чистой» экспертной системы.
7. В чём суть архитектуры «чёрная доска»?
8. Что такое интеллектуальный агент и многоагентная система?

Рекомендуемые ресурсы