Создаем искусственный интеллект. Урок 1. Что такое ИИ и с чем его едят? (предикаты, квантартор, продукционные системы, семантические сети)

Исчисления высказываний. Высказывание - это предложение, которое может быть либо истинным, либо ложным. В базе знаний они связаны операторами "И", "ИЛИ", "НЕ", "Импликация". Импликация - это высказывание типа "если А то Б". Недостаток такого способа представления знаний состоит в том, в данной модели рассматриваются логические связи между утверждениями, но не анализируется структура самого утверждения. Поэтому, в исчислении высказываний нельзя установить связь между тем, о чем идет речь (объект) и тем, что сообщается о данном объекте (предикат).

Исчисления предикатов. В отличии от исчислений высказываний в исчислении предикатов рассматриваются логические связи между различными элементами утверждений. Предикатом называется неоднородная логическая функция от любого числа аргументов. Аргументы называются предметными переменными, а их конкретные значения предметными постоянными. Предметные переменные и предметные постоянные назваться термами. Если все переменные предиката заменить предметными постоянными, то получиться 0-мерный предикат или высказывание (будет иметь значение либо "ложь", либо "истина"). К логике предикатов так же есть такое понятие, как квантатор. Квантаторы - это знаки, которые в сочетании с переменными дают возможность утверждать, что для всех или некоторых объектов предметной области выполняется определенное свойство или отношение. Бывают квантаторы общности (все слоны имеют хобот, здесь все - квантатор общности) и существования (некоторые слоны  самки).

Продукционные системы. Продукционная система представляет из себя совокупность правил продукции. Правило продукция - это правило типа "если <условие> тогда <результат>".  Пример: "Если листья на деревьях желтые, то наступила осень".

Семантические сети. Семантическая сеть представляет из себя граф, вершины которого есть объекты (понятия, сущности) предметной области, а дуги - отношения между ними. Например: Слон имеет хобот. Слон и хобот - объекты, вершины графа, а имеет - отношения между этими двумя объектами. Если добавить в базу знаний утверждение "Слон - это разновидность млекопитающих", то получится еще одна вершина, "млекопитающие", связанная с  объектом "слон" отношением AKO (a kind of, разновидность чего либо...) См. рисунок:

Фреймовые модели. Фреймовая модель является частным случаем семантической сети. Фрейм представляет из себя фрагмент семантической сети, предназначенный для описания какого либо объекта со всей совокупностью присущих ему свойств. в качестве свойств фрейма могут быть различные данные, в том числе и другие фреймы.

Нейросети. Математически, модель нейрона можно выразить формулой y=f(x₁,x₂,...,x_n-1,x_n). Где y - выходной сигнал нейрона, x₁,x₂,...,x_n-1,x_n - входные сигналы нейрона. Чаще всего в качестве выходной функции используют сумму аргументов, помноженных на весовые коэффициенты. Кроме того, в нейронных сетях могут так применяться различные нелинейные функции преобразования. Сама нейронная сеть представляет из себя совокупность связанных нейронов. Такую систему представления знаний можно, например, использовать в распознавании образов (как вариант - распознавание различных фигур на графике котировок ценных бумаг).