Жасанды интеллект жүйелеріндегі қорытынды шығару механизмі
Inference engine
Жасанды интеллект жүйелеріндегі қорытынды шығару қозғалтқышы – білім базасын пайдаланып, жаңа ақпаратты логикалық ережелермен анықтайтын бағдарламалық компонент.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Жасанды интеллект жүйелерінің компоненті
Component of artificial intelligence systems
Жасанды интеллект саласында, тұжырымдау қозғалтқышы – жаңа ақпаратты қорыту үшін білім базасына логикалық ережелерді қолданатын интеллектуалды жүйенің бағдарламалық компоненті болып табылады. Алғашқы тұжырымдау қозғалтқыштары сарапшы жүйелердің құрамдас бөліктері болды. Типикалық сарапшы жүйесі білім базасы мен тұжырымдау қозғалтқышынан тұрады. Білім базасы әлем туралы фактілерді сақтайды. Тұжырымдау қозғалтқышы білім базасына логикалық ережелерді қолданып, жаңа білімді қорытады. Бұл процесс қайталанады, себебі білім базасындағы әрбір жаңа факті тұжырымдау қозғалтқышында қосымша ережелерді іске қосуы мүмкін. Тұжырымдау қозғалтқыштары негізінен екі режимнің бірінде жұмыс істейді: алға тізбектеу және артқа тізбектеу. Алға тізбектеу белгілі фактілерден басталып, жаңа фактілерді растайды. Артқа тізбектеу мақсаттардан басталады және мақсаттарға жету үшін қандай фактілерді растау керектігін анықтау үшін кері бағытта жұмыс істейді. Сонымен қатар, «тұжырымдау» ұғымы оқытылған нейрондық желілердің болжамдар немесе шешімдер жасау процесін де қамтиды. Осы контексте, «тұжырымдау қозғалтқышы» жүйенің нақты бір бөлігін, тіпті осы операцияларды орындайтын аппараттық құралды да білдіруі мүмкін. Осы типтегі тұжырымдау кескішті тану, табиғи тілді өңдеу және автономды көліктер сияқты әртүрлі қолдануларда маңызды рөл атқарады (бірақ олармен шектелмейді). Бұл қолданулардағы тұжырымдау кезеңі әдетте үлкен көлемдегі деректерді енгізумен және нақты уақыт өңдеу талаптарымен сипатталады.
In the field of artificial intelligence, an inference engine is a software component of an intelligent system that applies logical rules to the knowledge base to deduce new information. The first inference engines were components of expert systems. The typical expert system consisted of a knowledge base and an inference engine. The knowledge base stored facts about the world. The inference engine applied logical rules to the knowledge base and deduced new knowledge. This process would iterate as each new fact in the knowledge base could trigger additional rules in the inference engine. Inference engines work primarily in one of two modes either special rule or facts: forward chaining and backward chaining. Forward chaining starts with the known facts and asserts new facts. Backward chaining starts with goals, and works backward to determine what facts must be asserted so that the goals can be achieved. Additionally, the concept of 'inference' has expanded to include the process through which trained neural networks generate predictions or decisions. In this context, an 'inference engine' could refer to the specific part of the system, or even the hardware, that executes these operations. This type of inference plays a crucial role in various applications, including (but not limited to) image recognition, natural language processing, and autonomous vehicles. The inference phase in these applications is typically characterized by a high volume of data inputs and real time processing requirements.
Қолданылу
Ертедегі қорытындылау қозғалтқыштары негізінен алға қарай тізбектеуге бағытталған. Бұл жүйелер көбінесе Lisp бағдарламалау тілінде іске асырылды. Lisp символдық манипуляция жасауға жоғары қабілетті болғандықтан, ертедегі АИ зерттеулері үшін жиі қолданылатын платформа болды. Сонымен қатар, интерпретацияланған тіл ретінде ол күрделі бағдарламаларды түзетуге қолайлы, өнімді даму ортасын ұсынды. Бұл артықшылықтардың сөзсіз салдары Lisp бағдарламаларының сол кездегі компиляцияланған C сияқты тілдерге қарағанда баяу және тұрақсыз болуы болды. Осы алғашқы күндердегі кең таралған тәсіл – сарапшы жүйелік қолданбаны алып, сол жүйе үшін қолданылған қорытындылау қозғалтқышын басқа зерттеушілерге басқа сарапшы жүйелерді әзірлеу үшін пайдалана алатын қайта қолданылатын құрал ретінде қайта жаңарту болды. Мысалы, MYCIN медициналық диагностикаға арналған алғашқы сарапшы жүйе болды, ал EMYCIN – MYCIN-нен алынған және басқа зерттеушілерге қолжетімді етілген қорытындылау тетігі. Сарапшы жүйелер бизнес әлемінен үлкен қызығушылық тудырғандықтан, әртүрлі компаниялар, олардың көпшілігі белгілі АИ зерттеушілерінің бастамасымен немесе басшылығымен қорытындылау қозғалтқыштарының өнімдік нұсқаларын жасады. Мысалы, Intellicorp компаниясын бастапқыда Эдвард Файгенбаум басқарды. Бұл қорытындылау қозғалтқыштарының өнімдері де көбінесе бастапқыда Lisp-те әзірленді. Дегенмен, арзан және коммерциялық тұрғыдан тиімді платформаларға деген сұраныс жеке компьютерлік платформаларды ақырында өте танымал етті.
Early inference engines focused primarily on forward chaining. These systems were usually implemented in the Lisp programming language. Lisp was a frequent platform for early AI research due to its strong capability to do symbolic manipulation. Also, as an interpreted language it offered productive development environments appropriate to debugging complex programs. A necessary consequence of these benefits was that Lisp programs tended to be slower and less robust than compiled languages of the time such as C. A common approach in these early days was to take an expert system application and repackage the inference engine used for that system as a re usable tool other researchers could use for the development of other expert systems. For example, MYCIN was an early expert system for medical diagnosis and EMYCIN was an inference engine extrapolated from MYCIN and made available for other researchers. As expert systems prompted significant interest from the business world, various companies, many of them started or guided by prominent AI researchers created productized versions of inference engines. For example, Intellicorp was initially guided by Edward Feigenbaum. These inference engine products were also often developed in Lisp at first. However, demands for more affordable and commercially viable platforms eventually made personal computer platforms very popular.
Ашық кодты іске асырулар
ClipsRules және RefPerSys (CAIA мен Жак Питраның еңбектерінен шабыттандырылған). Frama C статикалық кодты талдау құралы да кейбір логикалық қорыту әдістерін пайдаланады.
ClipsRules and RefPerSys (inspired by CAIA and the work of Jacques Pitrat). The Frama C static source code analyzer also uses some inference engine techniques.