Сайт викладача кафедри ІПІ ФІОТ Баклана Ігоря Всеволодовича

АННОТАЦІЯ ДИСЦИПІНИ "ІНЖЕНЕРІЯ ЗНАНЬ"

Представлення знань та міркування лежить в основі великого виклику штучного інтелекту: зрозуміти природу інтелекту та пізнання настільки добре, що комп’ютери можуть бути створені для виявлення людських здібностей. Уже в 1958 році Джон Маккарті розглядав системи штучного інтелекту, які могли б реалізовувати здоровий глузд. З цієї та інших ранніх робіт дослідники здобули переконання, що (штучний) інтелект можна формалізувати як символічне міркування з явними поданнями знань, і що основним завданням дослідження є з'ясувати, як представляти знання в комп'ютерах та використовувати їх алгоритмічно для вирішення проблем. П’ятдесят років потому курс оглядає значну кількість наукових та інженерних знань, що становлять область подання та міркування знань. Попередження були досягнуті на трьох фронтах. По-перше, дослідники досліджували загальні методи подання знань та міркувань, розглядаючи фундаментальні проблеми, що стосуються доменів програм. По-друге, дослідники розробили спеціалізовані методи подання знань та міркувань для управління основними сферами, такими як час, простір, причинно-наслідкові зв'язки та дії. По-третє, дослідники займалися важливими додатками представлення знань та міркувань, включаючи відповіді на запити, планування та семантичну павутину. Відповідно, книга розбита на три розділи, щоб охопити ці теми.

Дисципліна “Інженерія знань” базується на наступних дисциплінах - “Дискретна математика”, “Теорія ймовірностей”, “Функціональне програмування”, “Мультипарадигмене програмування”.

Частина I дисципліни “Інженерія знань” зосереджена на загальних методах представлення знань у системах штучного інтелекту. Він починається з попереднього досвіду класичної логіки та доведення теорем, потім звертається до нових підходів, які поширюють класичну логіку - наприклад, для обробки якісної або невизначеної інформації - та для покращення її обчислювальної придатності.

• Тема 1 містить основи багатьох наступних розділів, досліджуючи класичну логіку та методи автоматизованих міркувань.

• Тема 2 описує надзвичайний успіх вирішувачів, що задовольняють. Дослідники виявили, що цей тип автоматизованих міркувань можна використовувати для постійно зростаючого набору практичних застосувань, і що його можна зробити напрочуд ефективним.

• Розділ 3 оглядає дослідження в логіці опису, де пропонуються методи представлення та обґрунтування термінологічних знань. Логіка опису є ядром мови представлення семантичної мережі.

• Тема 4 описує програмування обмежень, потужну парадигму для вирішення комбінаторних завдань пошуку. Цей стиль подання знань та міркувань об’єднує широкий спектр методів від штучного інтелекту, досліджень операцій, алгоритмів та теорії графіків.

• У темі 5 розглядається робота над концептуальними графіками. Це структуроване подання забезпечує виразну мову та потужні методи міркування, які є важливими для таких програм, як Розуміння природної мови.

• Тема 6 вводить немонотонні логіки, які стосуються ускладнень, пов’язаних з обробкою винятків із загальних правил. Ці логіки називаються "немонотонними", оскільки вони описують втягнення інформації з бази знань, коли враховуються додаткові винятки.

• Тема 7 спирається на попередню, описуючи логіку набору відповідей, яка акуратно обробляє правила та винятки за замовчуванням, а також немонотонні міркування, що вони породжують. Ця форма логіки також підтримує міркування про причинно-наслідкові наслідки дій - ще одна ключова особливість здорового глузду.

• Тема 8 продовжує цю тему оглядом методів для перегляду переконань, тобто як агент змінює свою базу знань у світлі нової інформації, що суперечить попереднім переконанням.

• У темі 9 пояснюється роль якісних моделей безперервних систем. Ці моделі забезпечують ще одну ключову особливість здорового глузду: міркування з неповною інформацією. Ця форма міркувань може обчислювати, наприклад, можливі майбутні стани системи, що важливо для численних завдань, таких як діагностика та навчання.

• Тема 10 демонструє, що ці теорії та методики створюють основу для вирішення проблем, які використовують чітку модель поведінки систем для таких завдань, як проектування, тестування та діагностика. Засновані на першопринципах знань та механізмів умовиводу з формальною логічною основою, а не досвідом, прив'язаним до конкретних випадків та ситуацій, такі моделі, що вирішують проблеми, досягають компетенції та стійкості, необхідних для промислових застосувань методів подання знань та міркувань.

• Тема 11 стикається з неминучою проблемою невизначеності у реальних сферах і оглядає великі дослідження байєсівських мереж як методу моделювання та міркування з невизначеними переконаннями.

Частина II заглиблюється в особливі проблеми репрезентації та аргументування деяких основних сфер знань, включаючи час, простір, причинно-наслідкові зв'язки та дії. Ці виклики є всюдисущими в областях застосування, тому рішення повинні бути загальними та складовими.

• У темі 12 розглядаються способи представити часові аспекти постійно мінливого світу. У темі, яка повторюється у цьому розділі, це порушує різноманітні цікаві онтологічні проблеми - наприклад, чи слід моделювати час крапками чи інтервалами та на якому рівні деталізації - разом із прагматичними наслідками цих рішень.

• Тема 13 оглядає якісні подання простору, включаючи топологію, орієнтацію, форму, розмір та відстань, а також методи обґрунтування, відповідні кожному. Хоча жодна теорія не охоплює ці теми комплексно, дослідники створили потужний набір інструментів.

• Тема 14 спирається на два попередні розділи, а також на дослідження якісного моделювання для вирішення загальної проблеми фізичних міркувань. Розроблено дві важливі теорії доменів (для рідин і твердих предметів), і досліджено ключове питання переходу між альтернативними моделями.

• Тема 15 описує уявлення про знання та переконання агента, включаючи пропозиції про стан знань інших агентів (наприклад, "Том вважає, що Мері знає ..."). Ця робота приємно поширюється на обробку загальних та розподілених знань у межах спільноти агентів.

• У темі 16 розглядається довга історія „обчислення ситуації” - подання знань, призначеного для роботи з динамічними світами. Як вперше визначили Маккарті та Хейс, ситуація - це "повний стан Всесвіту в певний час". Оскільки ситуації - це об’єкти першого порядку, які можна кількісно визначити, ця система виявилася міцною основою для міркувань про зміни.

• Тема 17 описує обчислення подій як альтернативу обчисленню ситуації з деякими додатковими приємними функціями. Зокрема, обчислення подій полегшує представлення безперервних подій, недетермінованих ефектів, подій із тривалістю, ініційованих подій тощо.

• Тема 18 продовжує розробку мов подання, призначених для динамічних світів, вводячи логіку часових дій. Ця родина мов особливо добре підходить для міркувань про наполегливість, тобто особливості світу, які рухаються в часі, незмінними, поки дія не вплине на них. Це полегшує представлення недетермінованих дій, дій із тривалістю, одночасних дій та відстрочених ефектів від дій, частково завдяки використанню явного часу, і він щільно поєднує автоматизований планувальник з формалізмом.

• Тема 19 зосереджується на немонотонній причинно-наслідковій логіці, яка обробляє динамічні світи, використовуючи надійне рішення кадрової проблеми. Ця логіка починається з припущення, що все має причину: або попередня дія, або інерція (наполегливість). Це призводить до приємних формалізацій ключових питань, таких як наслідки, передбачувані передумови дій та одночасні взаємодіючі ефекти дій.

Частина III курсу “Інженерія знань” описує важливі програми подання знань та міркувань. Області застосування охоплюють широту штучного інтелекту, включаючи відповіді на запитання, семантичну мережу, планування, робототехніку та мультиагентні системи. Кожна заявка широко спирається на результати досліджень, описані в частинах I та II курсу.

• Тема 20 опитує дослідження систем відповідей на питання. Ці системи відповідають на запитання з урахуванням набору відповідних документів та, в деяких випадках, бази знань про здоровий глузд. Завдання системи полягає у виборі відповідних фрагментів тексту (завдання пошуку інформації), їх інтерпретації (завдання розуміння природної мови) та виведенні відповіді на запитання (аргументаційне завдання).

• У темі 21 розглядається прогрес у семантичній павутині: розширення всесвітньої павутини, в якому вміст виражається офіційною мовою, щоб дати можливість програмним агентам знаходити, інтегрувати та міркувати про це. Це породжує численні проблеми, зокрема масштабування методів подання знань до розміру Інтернету.

• Тема 22 описує досягнення автоматизованого планування, які роблять ці системи значно потужнішими, ніж “класичні планувальники” з перших років штучного інтелекту. Нова структура підтримує, наприклад, недетерміновані дії та часткову спостережливість, які є важливими атрибутами реальних доменів.

• Тема 23 розширює представлення знань та міркування в новому напрямку: когнітивна робототехніка. Проблема в цій програмі полягає в тому, що світ роботів є динамічним і не повністю відомим, що вимагає перегляду традиційних підходів до завдань ШІ, таких як планування, а також поєднання міркувань високого рівня з сприйняттям низького рівня.

• Тема 24 оглядає дослідження мультиагентних систем, в яких важливо, щоб кожен агент представляв та міркував про інших агентів у навколишньому середовищі. Це особливо складно, коли агенти мають різні, або ще гірше - суперечливі - цілі.

• Тема 25 описує засоби та прийоми інженерії знань: як набути знань, які можуть бути виражені у формалізмах, наданих в інших темах.

Разом ці 25 розділів, організованих у трьох розділах «Загальні методи», «Спеціалізовані представництва» та «Застосування», забезпечують унікальний огляд найкращих результатів, котрі досягла інженерія знань. Ми сподіваємось, що студенти, дослідники та практики у всіх сферах штучного інтелекту та когнітивної науки знайдуть цей курс корисним ресурсом.

Частина тем дисципліни може бути винесена на самостійне вивчення.