Главная > Системы искусственного интеллекта
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

9.6. Учет характеристик

С детского возраста человек учится вырабатывать понятия и ставить им в соответствие названия: он знает, что такое игрушка, дерево, дом, человек... Каким образом мы можем соотносить с одним понятием различные примеры? Как выделяем мы характеристики этого понятия?

П. Уинстон написал программу (P. Winston. 1970), которая частично ответила на эти вопросы. С. Вере (S. Vere, 1979) предложил в 1979 г. более совершенный вариант программы, который описан ниже.

Программа П. Уинстона анализирует с помощью кинокамеры сцены, составленные из простых объектов: кубов, брусков, призм, пирамид. Вначале сцена обрабатывается с целью формирования некоторого разумного представления: каждый объект изолируется и отношения между объектами запоминаются с помощью размеченного графа, вершины которого соответствуют объектам.

Выделяются следующие отношения:

Сцена на рис. 9.12, а представлена графом на рис. 9.12, б. Система способна с помощью преподавателя различать понятия сцеиы, используя для этого ряд примеров и контрпримеров. Всякий опыт здесь в определенном смысле приближается к рассуждению по аналогии, используемому в сценах тестов на интеллектуальный коэффициент. Речь идет о поиске закона на основе первых предъявленных примеров. В гл. 3 мы видели, каким

образом часть этой работы может быть выполнена с помощью алгоритма унификации и как программа Т. Эванса решает такие тестовые задачи.

В системе П. Уинстона рассматривается последовательность сцен, которая начинается с некоторой типичной ситуации.

Рис. 9.12. Анализ и представление сцены.

Затем вводится важное изменение условий опыта: преподаватель может предлагать системе сцены, которые не являются подходящими примерами для усваиваемого понятия. Система обучается теперь, исходя одновременно как из примеров, так и контрпримеров.

Основной идеей здесь является использование “почти примеров”. Если предлагается ситуация, которая радикально отличается от всех других, то об ее использовании мало информации. Если же, напротив, ситуация близка к рассмотренным, система будет выявлять отличия от внутренней модели и отмечать их, постепенно усваивая существенные и второстепенные характеристики понятия.

Предположим, что сначала преподаватель предлагает следующую сцену:

Система воспринимает и описывает ее как два стоящих бруска, которые поддерживают один брусок, лежащий на них боком.

Если в качестве контрпримера дается следующая сцена:

то система отметит в соответствующем графе, что отношение поддержки является необходимым для изучаемого понятия. Если появляется третья сцена, которая опять является контрпримером,

программа добавляет на этот раз к внутреннему представлению отношение НЕ РЯДОМ для стоящих брусков. Если в дальнейшем дается пример, в котором лежащий брусок заменен на призму, производится обобщение: лежащим может быть любой объект с плоским основанием (чтобы его можно было поддерживать стоящими брусками). В результате понятие “арка” может быть усвоено в форме, представленной на рис. 9.13:

Рис. 9.13. Понятие арки.

В том случае когда соответствие между текущей сценой и моделью может быть установлено несколькими путями, решение принимается с помощью функции оценивания, которая вводит приоритеты для объектов и отношений.

Пределы применимости рассмотренной программы определяются двумя факторами. Во-первых, бедность рабочей среды. Зависимости, касающиеся только попарных отношений между объектами, весьма немногочисленны; их не намного больше, чем самих объектов. Контрпримеры наивны, и неизвестно, каким образом их можно “хорошо выбирать”. Во-вторых, исключительно эмпирический характер приобретения знаний: ничем не обеспечивается сходимость к результату через какое-то количество шагов. Наконец, как поступать при распознавании объекта, если в распоряжении имеется не одна, а тысяча моделей?

На самом деле такая система в пределе ни к чему не приходит и все модели для нее эквивалентны. Дело в том, что в памяти хранится последняя модель, а не примеры, которые привели к ее появлению, и поэтому нет возможности возвратиться назад. Например, когда добавляется отношение НЕ РЯДОМ, нельзя проверить, удовлетворяет ли оно всем предыдущим примерам. Поэтому при появлении противоречия нужно уметь обращаться к другим средствам, которые не применяются, если пользоваться функцией оценивания.

В программе С. Вере (S. Vere, 1979) факторы не играют большой роли.

1
Оглавление
email@scask.ru