Inteligencja - zdolność rozwiązywania problemów, przed którymi się staje. Zdolność ta zależy od: biologicznego potencji mózgu, stymulującego umysł system pojęć.
Sztuczna inteligencja - nauka o maszynach realizujących zadania, które wymagają inteligencji wtedy, gdy są wykonywane przez człowieka. II wersja - dziedzina informatyki dotycząca metod i technik wnioskowania symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy stosowanej podczas takiego wnioskowania.
Maszyna inteligentna - wtedy gdy zewnętrzny obserwator nie jest wstanie odróżnić jej odpowiedzi od odpowiedzi człowieka mogącego zastępować maszynę tzw. test Turinga.
System doradczy - program komputerowy przeznaczony do rozwiązywania specjalistycznych zadań, które wymagają profesjonalnej wiedzy i doświadczenia w stosowaniu tej wiedzy.
Systemy statyczne - wspomagają poszukiwania rozwiązania w stałym otoczeniu.
Systemy dynamiczne - działają w zmieniającym się otoczeniu i przeznaczone do realizacji zadań w ograniczonym czasie.
System doradczy - główne elementy: użytkownik, sterowanie diagramem, układ objaśniający lub wnioskujący, baza wiedzy (układ aktualizacji wiedzy, konstruktor systemu - specjalista - inne systemy) lub danych (dane stałe > dokumentacja obiektu, dane zmienne > układ pomiarowy - inne systemy).
Reprezentacja wiedzy: proceduralna - polega na określeniu zbioru procedur, których działanie reprezentuje wiedze o dziedzinie, deklaratywna - polega na określeniu zbioru specyficznych dla rozpatrywanej dziedziny faktów, reguł.
Baza wiedzy - zawiera zbiory faktów oraz zbiory wyraźnie określonych reguł.
Techniki reprezentowania wiedzy: zapis stwierdzeń, zastosowanie logiki - rachunek zdań, systemy regałowe, sieci semantyczne, ramy, modele obliczeniowe.
Stwierdzenie x, że atrybut o nazwie A i wartości V przysługuje obiektowi O, zapisane jest w postaci trójki uporządkowanej: x=<O, A, V> lub <O(x), A(x), V(x), w(x), t(x), b(x)>; gdzie: w - waga stwierdzona, t - czas, b - ocena stopnia prawdziwości lub stopnia przekonania o prawdziwości wypowiedzi <O,A,V>.
Reguły - if przesłanka (może być wyrazem złożonym z prostych zadań logicznych połączonych funktorami „and”, „or”), then konkluzja. Reguła if, then umożliwia deklaratywną reprezentację wiedzy (reguła wnioskowania).
Rachunek zdań i predykatów. Języki sztuczne charakteryzują się tym, że: są stworzone przez człowieka w ściśle określonych celach, wyrażenia językowe mają znaczenia ustalone przez wyraźnie przyjętą konwencję. Język zdań nie posługuje się zdaniami zapisanymi w języku neutralnym lecz zmiennymi zdaniowymi oraz spójnikami reprezentującym dane zdanie. Zmienne zdaniowe przyjmują konkretne wartości logiczne: prawda lub fałsz, a zdania zapisywane za pomocą tych zmiennych może być uznawane za prawdziwe lub fałszywe.
Spójniki logiczne: ~ lub ¬ negacja, ^ koniunkcja, v alternatywa, → implikacja, ↔ równoważność.
Tautologia - tautologiami klasycznego rachunku zdań nazywamy takie formuły zapisane w języku tego rachunku, które są schematami wyłącznie prawdziwych zdań. Tautologie są schematami zdań, których wartość logiczna zawsze jest prawdą.
Predykant (argument) - nazwa reprezentująca jakąś własność lub relacje.
Rachunek predykatów jest rozszerzeniem rachunku zdań, polegającym na uwzględnieniu budowy zdań prostych oraz na dodatkowym wprowadzeniu kwantyfikatorów: V lub ^.
Sieci semantyczne - opisują relacje występujące między stwierdzeniami, ułatwiając przeprowadzenie skutecznego wnioskowania. Relacje te są określone na iloczynach kartezjańskich następujących zbiorów: zbiór aktywów O = {O}; zbiór atrybutów (nazw cech) A = {A}; zbiór wartości cech V = {V}.
Sieć stwierdzeń jest pewnego rodzaju grafem, którego węzłami są stwierdzenia, a gałęziami relacje. Węzłom mogą być przypisane wagi określające np. stopnie przekonania o słuszności tych stwierdzeń. Uogólnioną postacią sieci stwierdzeń jest sieć semantyczna.
Rama - forma reprezentacji wiedzy zarówno deklaratywnej i proceduralnej. Rama jest strukturą opisującą dany obiekt i składa się z podstruktur - slotów. Każdy slot reprezentuje pewną wartość albo cechę obiektu, opisywanego przez ramę. Slot dzieli się na fasety. Każda rama, slot i faseta musi mieć swoją nazwę. W ramie nie mogą występować dwa sloty o tej samej nazwie, podobnie w slocie nie mogą się znajdować dwie fasety o tej samej nazwie. Typy i wartości faset mogą być liczbowe, tekstowe, piktogramowe oraz kolejnymi ramami.
Metoda przeszukiwania - najczęściej stosowana metoda rozwiązywania problemów.
Czynności wykonywane przy rozwiązywaniu zadań można klasyfikować jako poszukiwanie lub konstruowanie obiektów o danej charakterystyce. Rozwiązanie zadania jest często wyznaczane przez przeszukiwanie zbioru wszystkich możliwych stanów, zwanego przestrzenią przeszukiwania. Zasady generowania obiektów nazwane są operatorami.
Dla opisu zadania istotne są następujące wymagania: sposób reprezentacji każdego z obiektów przestrzeni przeszukiwania (kod); metody obliczeniowe pozwalające wygenerować kod kolejnego stanu na podstawie kodu danego stanu (operatory); metody wyboru operatorów spośród zestawu możliwych do zastosowania, czyli strategie sterowania.
Strategia w głąb. Nazwa strategii pochodzi od kolejności przeszukiwania grafu. Pojedyncza droga badana jest tak długo, aż jej ostatni element nie zostanie określony jako węzeł celu lub końcowy. Przeszukiwanie prowadzone jest zawsze od ostatnio sprawdzonego węzła, którego nie wszystkie gałęzie były jeszcze rozwijane.
Główną operacją strategii w głąb jest ekspansja węzłów, tzn. generowanie wszystkich ich potomków.
Strategia w głąb może być nieskuteczna, gdy zostanie zastosowana dla grafów o dużej głębokości. Często metoda ta jest uzupełniania mechanizmem kontroli ograniczenia głębokości.
Strategia wszerz, przyznaje wyższy priorytet węzłom o mniejszej głębokości. Główną operacją strategii tej jest ekspansja węzłów. Wady - duże wymagania pamięciowe. Rzadko stosowana strategia do rozwiązywania dużych problemów i przeszukiwania dużych grafów.
Przeszukiwanie heurystyczne. Przyjmuje się, że rozwiązywany problem daje się opisać za pomocą stanów operatorów. Operatory zastosowane do stanów generują nowe stany. Stany początkowe i operatory tworzą graf stanów (przestrzeni stanów). Metoda przeszukiwania heurystycznego polega na poszukiwaniu żądanego stanu spełniającego zadane warunki.
Heurystyka: praktyczna strategia poprawiająca efektywność rozwiązywania złożonych problemów; prowadzi do rozwiązania wzdłuż najkrótszej, najbardziej prawdopodobnej drogi, omijając mniej obiecujące ścieżki; podaje proste kryterium wyboru kierunków postępowania; powinna umożliwić uniknięcie badania tzw. ślepych uliczek i wcześniejsze wykorzystanie zdobytych w trakcie badania informacji.
Strategia z powracaniem, jest modyfikacją strategii przeszukiwania w głąb. Ekspansja badanego węzła, jest zastąpiona jego rozszerzeniem, czyli generowaniem potomka.
Dla danego węzła generowany jest tylko jeden potomek i jeżeli ten nowy węzeł nie spełnia kryterium celu lub końcowego, to jest dalej rozszerzany. Jeżeli po kolejnych rozszerzeniach kolejny węzeł nie spełnia kryterium końca przeszukiwanego grafu lub nie można dla niego wygenerować nowego potomka, to następuje powrót do najbliższego przodka, dla którego jest możliwe wygenerowanie potomków. Zalety: oszczędność pamięci, gwarancja przebadania wszystkich węzłów.
Strategia zachłanna polega na ekspansji węzłów. Po jej wykonaniu badane są nowe węzły i najbardziej obiecujący z nich jest wybierany do dalszej ekspansji. W problemach szukania drogi możliwe są różne metryki: najkrótsza odległość Euklidesowa; odległość Manhattan, poruszanie się tylko po prostych poziomych i pionowych. Zalety: prostota algorytmu obliczeniowego. Wady: brak możliwości powrotu do kierunków przeszukiwania, które na pewnym etapie były lokalnie gorsze. W najgorszym przypadku, może to doprowadzić do rozwiązania nie spełniającego kryterium celu.
Strategia najpierw najlepszy wykorzystuje pewną informację heurystyczną związaną z rozwiązanym problemem do zminimalizowania kosztów przeszukiwania. Do tego celu stosuje się pewną funkcję heurystyczną, która wyraża ocenę węzła ze względu na następujące kryteria: zbieżność, czyli osiągnięcia celu; najmniejszego kosztu drogi wyznaczonej od węzła początkowego, przez węzeł w, do węzła końcowego; najmniejszej złożoności obliczeniowej procesu przeszukiwania. Do dalszego rozszerzenia wybierany jest najlepszy węzeł spośród wszystkich węzłów rozpatrywanych do tej pory, niezależnie od ich położenia w grafie. Przyjmuje się, że węzeł najbardziej obiecujący ma najmniejszą wartość funkcji heurystycznej. Unika ekspansji stanów, dla których dotychczasowa ścieżka jest już kosztowna.
Bazy danych. System zarządzania bazą danych zapewnia: wyszukiwanie informacji drogą udostępniania tzw. kwerend (wybierających, funkcjonalnych, krzyżowych oraz dodawania lub usuwania nowych rekordów i tabel); przetwarzania danych; dodawania danych; wymianę danych eksport/import. Można wyróżnić następujące systemy baz danych: hierarchiczne (wszystkie dane są ze sobą powiązane); relacyjne (dane są uporządkowane i przechowywane w formie tabel. Tabele są połączone ze sobą logicznymi zależnościami - relacjami); zorientowane obiektowo (informacje są reprezentowane w postaci obiektów, na które składają się kombinacje danych oraz skojarzone z nimi procedury); rozproszone (dane są przechowywane w różnych miejscach); o otwartych powiązaniach (charakteryzują się standardowym protokołem dostępu do danych umożliwiającym swobodna wymianę danych).
Model danych to zbiór ogólnych zasad posługiwania się danymi i obejmują: definicję danych (zbiór reguł określających strukturę danych); operowanie danymi (zbiór reguł dotyczących procesu dostępu do danych i ich modyfikacji); integralność danych (zbiór reguł określających, które stany bazy danych są poprawne).
Model hierarchiczny - schemat pojęciowy przedstawiany jest w postaci grafu stanowiącą strukturę drzewiastą, w której wszystkie powiązania wyznaczają kierunek od następnika do poprzednika. Zalety: łatwość zastosowania, bardzo duża szybkość działania. Wady: ścisłe reguły dotyczące relacji, wstawianie i kasowanie danych może okazać się bardzo skomplikowane; dostęp do niższych warstw jest możliwy tylko poprzez warstwy nadrzędne; trudności w modelowaniu relacji typu wiele-do-wielu.
Model sieciowy - schemat pojęciowy zostaje przedstawiony w postaci grafu zorientowanego, którego wierzchołki reprezentują zbiory podobnych obiektów. Wady: bardzo złożony i skomplikowany w użyciu model danych; bardzo trudne w nawigacji; trudność w implementacji strukturalnych zmian.
Model relacyjny - opiera się na pojęciu relacji, będącej podzbiorem iloczynu kartezjańskiego. W modelu tym dane miały być przechowywane w prostych plikach liniowych, które to pliki nazywane są relacjami bądź tabelami. Tabele są dwuwymiarowymi tablicami składającymi się z wierszy i kolumn.
Niezależność danych pozwala na modyfikowanie struktury danych bez wpływu na istniejące programy. Tabele nie są ze sobą połączone na sztywno. Można dodawać kolumny, tabele mogą być dołączone do bazy danych, a nowe relacje mogą być tworzone bez konieczności wprowadzania istotnych zmian do tabel.
Schematy wnioskowania - w systemach doradczych rozumowanie jest oparte na logice matematycznej. Rozumowanie, może być rozpatrywane między innymi jako formuły rachunku predykatów.
Wnioskowanie dedukcyjne (niezawodne) - gdy realizowane jest zgodnie z prawami logiki formalnej, tzn. że konkluzja wynika logicznie z przesłanek.
Modus ponens. Podstawowym schematem wnioskowania jest modus ponens, oznaczający, że jeżeli uznano implikacje (p→q) oraz uznano przesłankę p, to należy uznać konkluzję q.
Schematy wnioskowania dedukcyjnego. Zastosowanie: wnioskowanie w przód (na podstawie danych); wnioskowanie wstecz (weryfikacja hipotez). Wnioski: stosując schematy wnioskowania dedukcyjnego otrzymujemy zawsze z prawdziwych przesłanek prawdziwe konkluzje. Wychodząc z fałszywych przesłanek, otrzymuje się fałszywe lub prawdziwe konkluzje.
Wnioskowanie redukcyjne - takie wnioskowanie kiedy zakłada się, że przesłanka wynika z konkluzji. Jeżeli implikacja (p→q) jest prawdziwa i zdanie p jest fałszywe, to zdanie q jest fałszywe. Wnioskowanie redukcyjne - nie jest realizowane zgodnie z prawami logiki formalnej i dlatego też nie jest ono niezawodne.
Strategie wybór reguł. Aby zastosować określoną regułę ze zbioru możliwych do uaktywnienia, korzysta się z metod sterowania wnioskowaniem.
Strategia świeżości - określenie reguły, która z pośród wybranych do oceny została najpóźniej dołączona do pewnego obszaru pamięci przechowującego reguły.
Strategia blokowania - eliminuje te reguły, które wcześniej w procesie wnioskowania były już wykorzystane (chroni przed pętlą nieskończoną).
Strategia specyficzności - uwzględnienie różnej liczby przesłanek w regułach. Preferowane są reguły o większej liczbie przesłanek.
Wyróżnia się dwie klasy działań wykonywanych przez interpretator reguł: wnioskowanie progresywne, wstępujące - w przód - podążanie od przesłanek do konkluzji; wnioskowanie regresywne, zastępujące - wstecz - mając konkluzje, staramy się znaleźć przesłanki ją potwierdzające.
Wnioskowanie wstecz polega na wykazaniu prawdziwości hipotezy głównej na podstawie prawdziwości przesłanek.
Jeżeli nie wiemy, czy jakaś przesłanka jest prawdziwa, to traktujemy tą przesłankę jako nową hipotezę i próbujemy ją wykazać. Jeżeli zostanie znaleziona taka reguła, której wszystkie przesłanki są prawdziwe, to konkluzja tej reguły jest prawdziwa. Na podstawie tej konkluzji dowodzi się następną regułę, której przesłanka nie była poprzednio znana.
W przypadku wnioskowania na podstawie informacji niepewnej, bądź niedokładnej można stosować: teorię rozumowania rozmytego; współczynniki pewności CF; teorię prawdopodobieństwa - model Bayes'a.
Defuzyfikacja (wyostrzenie) - czynność polegająca na przekształceniu zbioru rozmytego w pewną wartość liczbową (metoda maksimum funkcji przynależności i metoda wyznaczania środka ciężkości).
Rozumowanie z użyciem współczynnika pewności CF. Wnioskowanie przybliżone jest procesem, które polega na stosowaniu: dokładnych reguł i przybliżonych przesłanek (stwierdzeń); przybliżonych reguł i dokładnych przesłanek; przybliżonych reguł i przybliżonych przesłanek.
Dla potrzeb systemów stosujących wnioskowanie przybliżone należy ustalić sposób określania niepewności: stwierdzeń przybliżonych; przybliżonych reguł wnioskowania; przesłanek złożonych z kilku stwierdzeń przybliżonych; konkluzji wynikających z przybliżonych przesłanek i przybliżonych reguł; konkluzji wyznaczonej za pomocą kilku niezależnych reguł przybliżonych.