Модели и методы искусственного интеллекта

Рассмотрены основные этапы и направления развития искусственного интеллекта, особенности 
построения систем, основанных на знаниях, принципы функционирования и технология разработки 
экспертных систем, основные стратегии поиска 
решений в задачах искусственного интеллекта, 
а также методы представления и использования 
знаний: продукционный, фреймовый подходы, семантические сети, формальные логические модели, методы обработки нечётких знаний.

Т. Г. Пенькова, Ю. В. Вайнштейн
МОДЕЛИ  И  МЕТОДЫ 
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Учебное пособие

ИНСТИТУТ КОСМИЧЕСКИХ И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Оглавление 

1 

Министерство науки и высшего образования Российской Федерации 
Сибирский федеральный университет 
Институт вычислительного моделирования СО РАН 
 
 
 
 
 
 
 
 
Т. Г. Пенькова, Ю. В. Вайнштейн 
 
 
 
МОДЕЛИ  И  МЕТОДЫ  
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 
 
 
 
Учебное пособие 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Красноярск 
СФУ 
2019 

Модели и методы искусственного интеллекта 
 

2 

УДК 004.89(07) 
ББК 32.813я73 
        П256 
 
 
 
Р е ц е н з е н т ы: 
Л. Ф. Ноженкова, доктор технических наук, профессор, главный научный сотрудник Института вычислительного моделирования Сибирского 
отделения Российской академии наук; 
Г. М. Рудакова, кандидат физико-математических наук, профессор 
кафедры информационно-управляющих систем Сибирского государственного университета науки и технологии им. академика М. Ф. Решетнёва 
 
 
 
 
 
 
 
 
Пенькова, Т. Г. 
П256           Модели и методы искусственного интеллекта : учеб. пособие /  
Т. Г. Пенькова, Ю. В. Вайнштейн. – Красноярск : Сиб. федер. ун-т, 
2019. – 116 с. 
ISBN 978-5-7638-4043-8 
 
Рассмотрены основные этапы и направления развития искусственного 
интеллекта, особенности построения систем, основанных на знаниях, принципы 
функционирования и технология разработки экспертных систем, основные стратегии поиска решений в задачах искусственного интеллекта, а также методы 
представления и использования знаний: продукционный, фреймовый подходы, 
семантические сети, формальные логические модели, методы обработки нечётких знаний.  
Предназначено студентам направлений 09.03.04 «Программная инженерия», 09.03.02 «Информационные системы и технологии», 27.03.03 «Системный 
анализ и управление». 
 
 
Электронный вариант издания см.: 
http://catalog.sfu-kras.ru 
УДК 004.89(07) 
ББК 32.813я73 
 
ISBN 978-5-7638-4043-8                                                           © Сибирский федеральный  
                                                                                                         университет, 2019 

Оглавление 

3 

 
ОГЛАВЛЕНИЕ 
 
 
СПИСОК  СОКРАЩЕНИЙ ................................................................................ 4 
ВВЕДЕНИЕ .......................................................................................................... 5 
1. ОСНОВНЫЕ  ПОНЯТИЯ  ИСКУССТВЕННОГО  ИНТЕЛЛЕКТА .......... 7 
1.1. Понятие искусственного интеллекта ..................................................... 7 
1.2. История развития и основные направления  
       искусственного интеллекта .................................................................... 8 
1.3. Знания и их свойства ............................................................................. 20 
Контрольные вопросы и задания ................................................................ 22 
2. ЭКСПЕРТНЫЕ СИСТЕМЫ ......................................................................... 23 
2.1. Структура и принципы функционирования экспертных систем ...... 23 
2.2. Классификация и область применения экспертных систем .............. 26 
2.3. Технология разработки экспертных систем ........................................ 28 
Контрольные вопросы и задания ................................................................ 33 
3. ПОИСК  В  ПРОСТРАНСТВЕ  СОСТОЯНИЙ .......................................... 34 
3.1. Пространство состояний ....................................................................... 34 
3.2. Методы полного перебора .................................................................... 37 
3.3. Методы эвристического поиска ........................................................... 41 
Контрольные вопросы и задания ................................................................ 53 
4. ПРЕДСТАВЛЕНИЕ  ЗНАНИЙ .................................................................... 54 
4.1. Продукционная модель ......................................................................... 54 
4.2. Семантические сети ............................................................................... 62 
4.3. Фреймы ................................................................................................... 66 
4.4. Формальные логические модели .......................................................... 72 
Контрольные вопросы и задания ................................................................ 83 
5. ПРЕДСТАВЛЕНИЕ  НЕЧЁТКИХ  ЗНАНИЙ ............................................. 85 
5.1. Методы представления ненадёжных знаний ...................................... 85 
5.2. Методы представления размытых знаний и нечёткий вывод ........... 90 
Контрольные вопросы и задания ................................................................ 98 
ЗАКЛЮЧЕНИЕ ................................................................................................. 99 
БИБЛИОГРАФИЧЕСКИЙ  СПИСОК .......................................................... 100 
ПРИЛОЖЕНИЕ. Задачи и упражнения ........................................................ 102 

Модели и методы искусственного интеллекта 
 

4 

 
СПИСОК  СОКРАЩЕНИЙ 
 
 
БЗ 
– База знаний 
ИИ 
– Искусственный интеллект 
ИПС РАН 
– Институт программных систем Российской академии наук 
ИСА РАН 
– Институт системного анализа Российской академии наук 
КНФ 
– Конъюнктивная нормальная форма 
КУ 
– Коэффициент уверенности 
МВ 
– Машина вывода 
МИФИ 
– Национальный исследовательский ядерный университет 
«МИФИ» 
ОР 
– Блок объяснения решений 
ПЗ 
– Блок приобретения знаний 
РГГУ 
– Российский государственный гуманитарный университет 
РП 
– Рабочая память 
СПб ГПУ 
– Санкт-Петербургский политехнический университет Петра Великого 
СУБД 
– Системы управления базами данных 
ЭВМ 
– Электронно-вычислительная машина 
ЭС 
– Экспертная система 
ЯПЗ 
– Язык представления знаний 
 

Введение 

5 

 
ВВЕДЕНИЕ 
 
 
Искусственный интеллект – одна из современных и стремительно 
развивающихся областей информатики, занимающаяся разработкой интеллектуальных компьютерных систем. Модели и методы искусственного интеллекта – дисциплина, изучающая основы теории представления знаний 
в системах искусственного интеллекта. Данная учебная дисциплина обеспечивает повышение профессиональной компетентности в сфере интеллектуальных технологий, способствует расширению профессионального 
кругозора и умению ориентироваться в тенденциях и направлениях развития современных информационных технологий, позволяет сформировать 
систему знаний, умений и практических навыков, необходимых для научноисследовательской, аналитической, проектной и технологической деятельности.  
Данное учебное пособие состоит из пяти глав. В первой главе даётся 
понятие искусственного интеллекта; рассматривается история развития 
и основные направления искусственного интеллекта; описаны основные 
гипотезы существования искусственного интеллекта: тест А.Тьюринга, 
мысленный эксперимент Дж. Сёрля, гипотеза Ньюэлла-Саймона; вводится 
понятие знаний, определяются их основные типы и свойства, принципы 
решения задач с применением знаний. 
Во второй главе внимание уделяется технологическим аспектам проектирования интеллектуальных систем, основанных на знаниях; рассматривается понятие экспертных систем, их структура и особенности функционирования; даётся классификация и описание области применения экспертных систем; представлена технология их разработки, стадии и этапы 
создания, включая разработку прототипа. 
В третьей главе рассмотрены стратегии поиска решений задач искусственного интеллекта в пространстве состояний; описаны методы полного 
перебора: стратегия поиска в ширину и глубину, методы эвристического 
поиска: алгоритм А*, стратегия первого уровня, метод минимакса, процедура альфа-бета отсечения. Принципы управления поиском рассматриваются на примере решения практических задач. 
В четвертой главе даётся описание основных классических моделей 
представления знаний в системах искусственного интеллекта; рассматриваются продукционная модель, фреймовый подход и семантические сети, 
используемые для моделирования человеческого образа мышления при 

Модели и методы искусственного интеллекта 
 

6 

решении многих задач, построения экспертных систем и других приложений искусственного интеллекта; логические методы представления знаний; 
естественные дедуктивные системы и системы, основанные на методе резолюции; даётся понятие формальной системы, определяются базовые 
элементы логики предикатов первого порядка как наиболее часто используемой в инженерии знаний формальной системы. Для каждой модели 
представления знаний приводятся основные теоретические положения, 
примеры построения баз знаний и организации логического вывода для 
решения интеллектуальных задач. 
Пятая глава посвящена методам представления и использования нечётких знаний; даётся понятие ненадёжных знаний, рассматриваются наиболее известные методы их обработки: метод К. Нейлора, коэффициенты 
уверенности Шортлиффа; механизм организации нечёткого вывода; вводится 
понятие размытых знаний, определяются понятия нечёткого множества 
и нечёткого отношения. Возможности и принципы методов демонстрируются на практических примерах.  

1. Основные понятия искусственного интеллекта 

7 

 
1. ОСНОВНЫЕ  ПОНЯТИЯ 
ИСКУССТВЕННОГО  ИНТЕЛЛЕКТА 
 
 
1.1. Понятие искусственного интеллекта 
 
Понятие «искусственный интеллект» (ИИ) можно определить как 
область компьютерной науки, занимающейся автоматизацией разумного 
(интеллектуального) поведения. В основе данного определения лежит понятие интеллектуального поведения, или интеллекта. Термин «интеллект» 
происходит от латинского intellectus, что означает ум, рассудок, разум, 
мыслительные способности человека.  
На первых этапах развития данной области понятие ИИ определяли 
как модель естественного интеллекта. Однако проблема реальности создания ИИ в данном толковании послужила предметом многих и долгих 
дискуссий, что в итоге замедлило развитие всего направления в целом.  
Постепенно «идеализированное» определение уступило место более 
прагматичному: ИИ нужен для того, чтобы решать полезные человеку задачи или заменить его в трудных условиях. В 1969 г. Р. Бенерджи сформулировал определение, которое на сегодняшний день остаётся основополагающим для специалистов в области искусственного интеллекта: ИИ – это 
направление исследований, целью которого является создание машин, способных решать такие задачи, с которыми до сих пор мог справиться 
только человек.  
В настоящее время ИИ всё чаще интерпретируется как свойство автоматических систем брать на себя отдельные функции интеллекта человека. При этом для создания даже самой простой модели, реализующей ИИ, 
применяются знания многих наук. Поэтому в более широком смысле ИИ 
представляет собой совокупность моделей, методов и технологий для решения плохо формализуемых (интеллектуальных) задач. Другими словами, 
ИИ – это способность к мышлению, которая воспроизведена с помощью 
искусственных носителей.  
Обобщая понятия ИИ, можно представить структурную формулу интеллекта следующим образом: Интеллект = носитель + знания + способы 
мышления + обучение  решение интеллектуальных задач. Моделирование отдельных структурных элементов приведённой формулы на разных 
этапах исторического развития порождало различные парадигмы ИИ.  

Модели и методы искусственного интеллекта 
 

8 

1.2. История развития и основные направления 
искусственного интеллекта 
 
1.2.1. Гипотезы существования искусственного интеллекта 

История ИИ как нового научного направления начинается в середине 
XX в. К этому времени уже было сформировано множество предпосылок 
для его зарождения. Среди философов давно шли споры о природе человека и процессе познания мира: с точки зрения дуализма, мысль не является 
материальной, и поэтому разум нельзя объяснить с помощью физических 
понятий; материализм утверждает, что разум можно понять физически как 
комбинацию единиц и нулей, оставляя возможность существования разумов, 
созданных искусственно. Нейрофизиологи и психологи разработали ряд 
теорий относительно работы человеческого мозга и мышления. Математики 
задавались вопросами оптимальных расчётов и представления знаний 
о мире в формализованном виде. И наконец зародился фундамент теории 
вычислений – теория алгоритмов, созданы первые компьютеры. Возможности машин в плане скорости вычислений оказались больше человеческих, поэтому появился естественный вопрос о границах возможностей 
компьютеров в плане уровня развития человека. 
 
Тест А. Тьюринга 
Одним из первых, кто задался целью понять, может ли машина 
мыслить, был английский ученый Алан Тьюринг. В 1950 г. в философском 
журнале «Mind» он опубликовал статью «Вычислительные машины и разум» 
(англ. Computing Machinery and Intelligence), в которой описал способ, 
с помощью которого можно определить момент, когда машина в плане разумности сравняется с человеком. Процедура получила название «Тест 
Тьюринга». В основе теста лежит имитационная игра: человек (эксперт) 
взаимодействует с одним компьютером и одним человеком. На основании 
ответов на вопросы он должен определить, с кем он разговаривает:             
с человеком или компьютерной программой. Задача компьютерной программы – ввести в заблуждение, заставив сделать неверный выбор. Участники игры не видят друг друга. Если эксперт не может отличить ответы 
человека и машины, считается, что машина прошла тест. Общение ведётся 
в режиме «только текст» через фиксированные промежутки времени.  
Широкую известность получили две программы, одни из первых   
успешно прошедшие тест Тьюринга: ELIZA, 1966 г. – виртуальный собеседник, имитирующий поведение психотерапевта, и PARRY, 1972 г. – программа, моделирующая поведение параноидального шизофреника. Обе 
программы реализуют схожий подход: анализируют введенные пользователем комментарии на наличие ключевых слов, по которым применяются 

1. Основные понятия искусственного интеллекта 

9 

правила, возвращающие комментарий или предложение-результат. В первом 
случае программе удалось ввести в заблуждение обычных пользователей: они 
были уверены, что общаются с реально существующим специалистом; во втором – команде психиатров, изучавших стенограммы бесед, не удалось точно 
определить, кто из «пациентов» – человек, а кто – компьютерная программа.  
При этом следует заметить, что эксперименты не являлись в полной 
мере тестами Тьюринга, так как для вынесения решения тест требует, чтобы вопросы можно было задавать в интерактивном режиме вместо чтения 
стенограммы беседы, но в то время интерактивные компьютеры были в 
новинку. Ведь только через 15 лет персональные компьютеры перестанут 
быть чем-то сверхъестественным, а через 20 лет люди познакомятся с естественно-языковыми сервисами. Сегодня мы также можем встретить различные варианты теста, например, КАПЧА – тест «распознавания разума», 
который используется для того, чтобы определить, кем является пользователь: человеком или компьютером. Несмотря на то, что прошло более        
50 лет, тест Тьюринга благодаря простоте и универсальности не потерял 
значимости. Однако в настоящее время исследователи не стремятся          
решить задачу прохождения теста Тьюринга, считая, что важнее изучить 
основополагающие принципы интеллекта, чем продублировать один из его 
носителей. В частности, проблему «искусственного полета» удалось успешно решить лишь после того, как исследователи перестали имитировать 
птиц и приступили к изучению аэродинамики. 
 
Мысленный эксперимент «китайская комната»  
В 1980 г. американский ученый Джон Сёрль в своей статье «Разум, 
мозг и программы» (англ. Minds, Brains, and Programs) выдвинул аргумент 
против теста Тьюринга, известный как мысленный эксперимент «китайская 
комната». Суть его описывается следующим образом: возьмём, какой-нибудь 
язык, которого вы не понимаете, например, китайский. Текст, написанный по-китайски, я воспринимаю как набор бессмысленных символов.          
Теперь предположим, что человека, не знающего китайский, поместили 
в комнату, в которой расставлены корзинки, полные китайских иероглифов. 
Допустим также, что человеку дали учебник на родном языке, в котором 
приводятся правила сочетания символов китайского языка, причем их 
можно применять, зная лишь форму символов.  
Например, правила могут гласить: возьмите такой-то иероглиф            
из корзинки номер один и поместите его рядом с таким-то иероглифом  
из корзинки номер два. Теперь представим, что находящиеся за дверью 
комнаты люди, понимающие китайский язык, передают в комнату наборы 
символов и что в ответ человек, манипулируя согласно правилам символами, 
передаёт обратно другие наборы символов. В данном случае книга правил