Лабораторный практикум по интеллектуальным информационным системам

Данная задача взята из книги Д.Мичи и Р.Джонстона «Компьютер – творец» (c.205-208), в которой она приводится в качестве примера задачи, решаемой методами искусственного интеллекта. Авторами этой задачи являются Рышард Михальски и Джеймс Ларсон.
Суть этой задачи сводится к тому, чтобы выработать правила, обеспечивающие идентификацию железнодорожных составов и прогнозирование направления их следования на основе их формализованных или вербальных описаний.
Выбор данной задачи не накладывает ограничений на выводы, полученные в результате ее исследования. Это обусловлено тем, что она имеет ряд характерных особенностей, наблюдающихся в подобных задачах в самых различных предметных областях. Поэтому ее с полным основанием можно рассматривать как типовую для широкого класса задач идентификации и прогнозирования.
Эти особенности состоят в следующем:
1. Рассматривается ряд объектов, имеющих сложную многоуровневую структуру признаков.
2. Для каждого из этих объектов известно, к каким обобщенным категориям (классам) он относится.
3. Необходимо сформировать модель, обеспечивающую как идентификацию объектов, так и определение их принадлежности к обобщенным классам.
Если признаки и классы относятся к одному времени, то имеет место задача идентификации (распознавания). Если же признаки (факторы, причины) относятся к прошлому, а классы, характеризующие состояния объектов, – к будущему, то это задача прогнозирования. Математически эти задачи не отличаются.
Существуют различные подходы к решению данной задачи, отличающиеся способами формализации предметной области, объектов обучающей выборки и синтеза математической модели.
В данной работе мы исследуется два основных подхода:
1. «Классический», основанный на изучении объектов предметной области экспертами (когнитивный анализ), выделении признаков объектов и формировании описательных шкал и градаций, которым соответствуют уникальные коды.
2. «Лингвистический», в котором вербальные описания объектов предметной области на естественном языке используются для автоматизированной формализации предметной области, формирования обучающей выборки и синтеза модели.
Кратко рассмотрим реализацию обоих этих подходов в интеллектуальной технологии «Эйдос» [81]. Исходные данные к задаче представлены в графической форме (рисунок 1).

Рисунок 1. Примеры поездов, идущих на запад и на восток

Железнодорожный состав является сложным объектом, имеющим несколько иерархических уровней и допускающим, соответственно, несколько уровней описания. Некоторые из этих уровней приведены в таблице 3.
Можно, например, описывать составы с использованием шкал только 2-го или только 3-го уровней. Возможны и смешанные варианты.
1-й вариант соответствует представлению о том, что на запад или восток идут не составы, а отдельные вагоны (отличающиеся типом и грузом), а состав идет туда же, куда и большинство вагонов.