Среди множества направлений искусственного интеллекта есть несколько ведущих, которые в настоящее время вызывают наибольший интерес у исследователей и практиков. Опишем их чуть подробнее.
1. Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems)
Это основное направление в области разработки систем искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем. В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.
2. Программное обеспечение систем ИИ (software engineering for Al)
В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач, в которых традиционно упор делается на преобладание логической и символьной обработки над вычислительными процедурами.
Эти языки ориентированы на символьную обработку информации - LISP, PROLOG, SMALLTALK, РЕФАЛ и др. Помимо этого создаются пакеты прикладных программ, ориентированные на промышленную разработку интеллектуальных систем, или программные инструментарии искусственного интеллекта, например КЕЕ, ART, G2.
|
|
Достаточно популярно также создание так называемых пустых экспертных систем или "оболочек" - KAPPA, EXSYS, Ml, ЭКО и др., базы знаний которых можно наполнять конкретными знаниями, создавая различные прикладные системы.
3. Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing)
Начиная с 50-х годов одной из популярных тем исследований в области ИИ является компьютерная лингвистика, и, в частности, машинный перевод (МП). Идея машинного перевода оказалась совсем не так проста, как казалось первым исследователям и разработчикам.
Уже первая программа в области естественно-языковых (ЕЯ) интерфейсов - переводчик с английского на русский язык - продемонстрировала неэффективность первоначального подхода, основанного на пословном переводе.
Однако еще долго разработчики пытались создать программы на основе морфологического анализа. Неплодотворность такого подхода связана с очевидным фактом: человек может перевести текст только на основе понимания его смысла и в контексте предшествующей информации, или контекста.
В дальнейшем системы МП усложнялись и в настоящее время используется несколько более сложных моделей:
- применение так называемых "языков-посредников" или языков смысла, в результате происходит дополнительная трансляция "исходный язык оригинала - язык смысла - язык перевода";
- ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных текстовых базах данных;
- структурный подход, включающий последовательный анализ и синтез естественно-языковых сообщений. Традиционно такой подход предполагает наличие нескольких фаз анализа:
- Морфологический анализ - анализ слов в тексте.
- Синтаксический анализ - разбор состава предложений и грамматических связей между словами.
- Семантический анализ - анализ смысла составных частей каждого предложения на основе некоторой предметно-ориентированной базы знаний.
- Прагматический анализ - анализ смысла предложений в реальном контексте на основе собственной базы знаний.
|
|