Перейти к основному содержимому

Инженерия знаний


Кафедра автоматики и процессов управления
Для зачисления на курс требуется приглашение

Направленность курса

Область AI (Artificial Intelligence) значительно изменилась за последние годы и, по словам Питера Норвига, американского ученого в области вычислительной техники и интеллектуальных систем, вероятно, продолжает это делать.

«Ни один настоящий ученый не скажет, что занимается ИИ (Искусственный Интеллект)» – это уже слова Т.А. Гавриловой, д.т.н., профессора, председателя СПб отделения Российской ассоциации искусственного интеллекта.

Общая направленность курса Инженерии знаний – знакомство с историей возникновения, становления, современного развития ИИ и интеллектуальных систем.

Идеальный курс, по мнению зарубежных ученых, охватывает поиск, представление знаний и рассуждения, а также машинное обучение. Ориентируясь на эти направления наш курс Инженерии знаний включает три теоретических раздела и три практических.

Статус курса

  1. Ознакомительный курс. Включает представление основных направлений развития искусственного интеллекта и методов инженерии знаний. Краткая история развития интеллектуальных систем. Методы работы со знаниями. Развитие первых экспертных систем. Ученые в области искусственного интеллекта. Разработки ИИ в США, Японии, России.

    Предназначен для краткого знакомства интересующихся с тематикой Инженерии знаний.

  2. Базовый курс. Включает рассмотрение систем, основанных на методах работы со знаниями. Модели представления знаний, построение экспертных систем. Языки искусственного интеллекта. Основы онтологического моделирования. Средства построения онтологий областей знаний. Методы машинного обучения. Предназначен для обучения бакалавров по направлениям «Информационные системы и технологии» (профиль «Информационные системы и технологии в бизнесе»), «Управление в технических системах» (профиль «Управление и информатика в технических системах»).

  3. Расширенный курс. Предполагает углубленное изучение технологий работы со знаниями, изучение методов аналитики, создание практических систем анализа данных на примерах синтетических наборов данных.

    Предназначен для обучающихся по магистерским программам «Управление и информационные технологии в технических системах», «Управление IT проектами и продуктами» и для аспирантов.

Определяющие направления курса

После изучения базового курса становятся понятными определяющие направления в ИИ, названные «Большой тройкой: поиск, представление знаний и рассуждения».

Одно из направлений, развивающихся с начала развития ИИ – а начало развития ИИ относится к 1956 году, – году проведения первой конференции по ИИ в Дартмутском колледже, это машинное обучение.

Именно Дартмутская конференция стимулировала развитие целого профессионального сообщества и новых лабораторий, изучающих интеллектуальные системы.

Отметим и отечественные достижения. В начале 1950-х в МГУ состоялся семинар под руководством академика Алексея Андреевича Ляпунова, советского математика, одного из основателей российской кибернетики. Семинар собрал математиков, лингвистов, философов, его назвали просто — «Автоматы и мышление». Идея была такая: раз машина так быстро считает, давайте научим ее так же быстро делать что-нибудь разумное. Переводить с одного языка на другой. Или играть в шахматы (Т.А. Гаврилова).

Справедливости ради заметим, семинар в МГУ состоялся немного раньше, чем в Дартмутском колледже!

Область применения машинного обучения – это автоматическое извлечение алгоритмов и выявление скрытых факторов и взаимодействий между ними из данных с тем, чтобы обрабатывать данные и превращать их в полезный продукт в виде знаний.

Подход, развиваемый с начала 90–х годов, называется агентно-ориентированным подходом, в основе которого используются интеллектуальные программные агенты. Около десятой части ученых-исследователей ИИ рассматривают ИИ как создание целевых агентов.

Курс включает знакомство с основными этапами развития Web mining – применения методов и алгоритмов Data Mining для обнаружения и поиска зависимостей среди многообразия данных и информации.

Значительная практическая часть курса посвящена онтологическому моделированию.

Терминология ИИ

В английском названии ИИ – Artificial intelligence, «artificial» – действительно «искусственный», но «intelligence» – не «интеллект», потому, что «интеллект» он и есть, строго говоря, intellect. А «intelligence» – это способность рассуждать разумно. ИИ (так сейчас принято называть это направление в научном сообществе) – направление информатики, которое пытается научить машину моделировать разумные вещи (Т.А. Гаврилова).

А еще, как отмечают ученые, занимающиеся проблемами ИИ, по исследованию Питера Норвига, к ИИ относится производство программного обеспечения.

В результате изучения курса студенты будут обладать базовыми навыками, а также навыками более системными критически оценивать инструменты и методы, существующие или находящихся на переднем крае направления инженерии знаний.

Ссылки на источники

Абстракт частично подготовлен по материалам д.т.н., проф. Гавриловой Т.А.

Команда курса

Course Staff Image #1

Котова Елена Евгеньевна

Кандидат технических наук, доцент кафедры

Автоматики и процессов управления

E-mail: eekotova@etu.ru

Членство в научных ассоциациях и организациях:

Область научных интересов:

Моделирование процессов обучения, методы онтологического инжиниринга, знание-ориентированные информационные системы, процесс деятельности человека в образовательной среде в условиях информационной нагрузки, познавательные процессы, когнитивные стили, стили учебной деятельности, когнитивная нагрузка, интеллектуальная поддержка процессов обучения в среде E-learning, интерактивные технологии обучения, blended learning, instructional design, Learning management system (LMS), Learning Content Management Systems (LCMS).

Course Staff Image #1

Амельченко Евгений Олегович

Ассистент курса

Студент кафедры Автоматики и процессов управления

E-mail: eoamelchenko@stud.etu.ru

Course Staff Image #1

Устинов Евгений Олегович

Ассистент курса

Студент кафедры Автоматики и процессов управления

  1. Номер курса

    KI
  2. Начало курса

  3. Занятия заканчиваются

  4. Оценка сложности

    всего 108 час. (2 час./нед. самост.)
  5. Зачетные единицы

    всего 3 зет (0,05 зет/нед. самост.)
  6. Число недель

    14