Методи та системи ШІ by Margo Tolmach

МІНІСТЕРСТВО КУЛЬТУРИ УКРАЇНИ КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ КУЛЬТУРИ І МИСТЕЦТВ

МЕТОДИ ТА СИСТЕМИ ШТУЧНОГО ІНТЕЛЕКТУ Робоча навчальна програма для студентів напряму підготовки 6.050101 «Комп’ютерні науки»

КИЇВ – 2011

Укладач: Кузьменко Б. В., доктор технічних наук, професор Затверджено на засіданні кафедри комп’ютерних наук Протокол № 19 від 19 травня 2010 р. Рекомендовано до видання Головною вченою радою університету Протокол № 14 від 24 червня 2010 р.

ВСТУП Опис дисципліни та її предмета. «Методи та системи штучного інтелекту» належить до циклу професійно орієнтованих дисциплін напряму підготовки «Комп’ютерні науки» освітньо-кваліфікаційного рівня «бакалавр». Викладається на четвертому курсі в обсязі 144 год. (4 кредитів), підсумковим контролем знань є іспит. Сучасний етап розвитку науково-технічного прогресу ставить широке коло задач, які або важко, або неможливо формалізувати. Їх алгоритмічний розв’язок або не існує, або неможливий для сучасних умов, проте аналіз цих задач здійснюється за допомогою теорії і методів штучного інтелекту. Метою вивчення дисципліни є забезпечення систематичного вивчення всього спектру дисциплін з напряму «Комп’ютерні науки» і підготовка спеціалістів у галузі інформаційних систем, для чого необхідно мати достатні уявлення про загальні підходи та принципи штучного інтелекту, алгоритмічні основи їх реалізації. Предмет «Методи та системи штучного інтелекту» є прикладною дисципліною, його засоби базуються на аксіомах, евристичних методах, прийомах та алгоритмах. Він дає можливість вивчати все розмаїття властивостей об’єкта з врахуванням їх взаємодії та взаємозв’язку. Тобто предмет «Методи та системи штучного інтелекту» є прикладною науковою методологією, яка базується на системно організованих, структурно залежних, функціонально взаємодіючих евристичних процедурах, методичних прийомах, алгоритмічних, програмних та обчислювальних засобах, він забезпечує формування цілісних міждисциплінарних знань про об’єкт дослідження як про сукупність взаємозалежних процесів різного типу. Такі знання використовуються для прийняття рішень стосовно подальшого розвитку і поведінки об’єкта з урахуванням різних критеріїв та цілей, наявності ризиків, неповноти та недостовірності інформації. Дисципліна «Методи та системи штучного інтелекту» має завданням ознайомлення студентів з історією та тенденціями розвитку теорії штучного інтелекту та теорії систем, опанування системною методологією розробки та впровадження комп’ютерно-інформаційних систем, методами розв’язання відповідних проблем комп’ютерної галузі. В результаті визначення дисципліни студенти повинні знати: - принципи та цілі штучного інтелекту (ШІ); - поняття, властивості та складності систем штучного інтелекту; - призначення та функції системи штучного інтелекту; - поняття структури та потоків системи штучного інтелекту; - особливості класифікації систем штучного інтелекту; - сутність відношення між моделлю та реальністю у системах штучного інтелекту. Студенти повинні вміти: - застосовувати методологію систем штучного інтелекту в задачах комп’ютеризації задля синтезу системних управлінських рішень;

- використовувати методологію теорії штучного інтелекту при створенні автоматизованих систем управління складними системами; - розробляти структурні та функціональні, в тому числі і математичні, моделі систем штучного інтелекту; - використовувати формальні методи дослідження і моделювання систем штучного інтелекту в процесі розв’язування складних задач теорії і практики і аналізу з точки зору проектування і експлуатації об’єктів комп’ютеризованого управління. Дисципліна «Методи і системи штучного інтелекту» повинна забезпечити використання системної методології в навчальному процесі та наукових дослідженнях, якісне оформлення і підготовку курсових робіт, дипломних проектів та ін. СИСТЕМА ОЦІНЮВАННЯ ЗНАНЬ СТУДЕНТІВ Навчальна дисципліна «Методи і системи штучного інтелекту» оцінюється за модульно-рейтинговою системою. Вона складається з двох модулів. Результати навчальної діяльності студентів оцінюються за 100-бальною шкалою за накопичувальною системою. Форми поточного контролю: - виконання практичного завдання; - письмові відповіді; - реферати. Модульний контроль: результат вивчення кожного модуля складає підсумок всіх форм поточного контролю та виконання модульної контрольної роботи. Підсумковий контроль знань: іспит – проводиться у формі усної відповіді та виконання практичного завдання. Умови допуску студента до іспиту: - відсутність заборгованостей з практичних занять; - відсутність заборгованостей з модульних контрольних робіт; - позитивні рейтингові бали за кожний модуль. Підсумкова оцінка За результатами вивчення курсу студент отримує підсумкову оцінку за 100бальною системою, яка розраховується як сума оцінок з двох модулів (стартовий рейтинг) та оцінки за іспит за такою шкалою оцінювання: Курс IV, семестр 7

Максимальна оцінка в балах

Змістовий модуль 1 ( ЗМ1)

Змістовий модуль 2 ( ЗМ2 )

Іспит (КІ)

Разом (підсумкова оцінка - ПО)

100

Максимальна кількість балів за 1–2 модулі (стартовий рейтинг) – 70 балів. Розрахунок підсумкової оцінки: ПО = ЗМ1 + ЗМ2 + КІ

Студент має можливість накопичити максимальну кількість балів у межах кожного модуля, використовуючи різні способи набуття знань. Бальна система оцінювання різних форм навчання студента в межах кожного модуля № з/п

Назви виду роботи, способи набуття знань

Бали за 1 заняття

Бали за всі заняття (максимальні) Модуль 1

Модуль 2

4х1=4

8х1=8

до 4

4х4=16

6х4=24

до 1

3х1=3

3х3=1

до 2

2х1=2

до 5

5х1=5

Лекційні заняття: 1.

- відвідування, конспектування

до 1

Практичні заняття: 2.

- виконання практичного завдання Самостійна робота:

- письмові відповіді - реферат

Модульна контрольна робота Всього за модуль Іспит

до 30

Разом з дисципліни

30 30 + 40 + 30 = 100 балів

Трансформація рейтингової оцінки Сума набраних рейтингових балів при семестровому контролі переводиться в оцінки системи оцінювання ECTS. Система передбачає семибальну шкалу (A, B, C, D, E, FX, F) та подвійне (описове та статистичне) визначення цих оцінок. Підсумковий рейтинговий бал

Підсумкова оцінка за шкалою ECTS

91 – 100 84 – 90 76 – 83 66 – 75

A – відмінно B – дуже добре C – добре D – задовільно E – достатньо (задовольняє мінімальні критерії)

61 – 65

Традиційна екзаменаційна оцінка відмінно

Традиційна залікова оцінка

добре зараховано задовільно

21 – 60

FХ – незадовільно

незадовільно

не зараховано

0 – 20

F – незадовільно (потрібна додаткова робота)

не допущено

ТЕМАТИЧНИЙ ПЛАН для студентів денної форми навчання № з/п

1.1. .

1.2.

1.3

1.4.

2.1.

2.2.

2.3.

Види занять і розподіл годин Форми Назва теми Сам. Мод. контролю Лекц. Практ. роб. конт. МОДУЛЬ 1. ШТУЧНИЙ ІНТЕЛЕКТ, ЙОГО ВИТОКИ І ПРОБЛЕМИ, ІСТОРІЯ РОЗВИТКУ ТА ГАЛУЗІ ЗАСТОСУВАННЯ Конспект Основні поняття та історія Перевірка 16 2 2 12 розвитку штучного інтелекту практичних робіт Конспект Галузі застосування штучного Перевірка 18 2 2 14 інтелекту практичних робіт Конспект Закони правильного мислення. Перевірка Теорія алгоритмів. Ігри та 18 2 2 14 практичних рішення робіт Конспект Задачі та методи дискретної Перевірка оптимізації. Багатокритеріальні 18 2 2 14 практичних задачі робіт, реферат Модульна контрольна робота 2 2 МКР №1 Модульний Всього 72 8 8 54 2 контроль МОДУЛЬ 2. ФОРМАЛЬНІ МЕТОДИ У СИСТЕМАХ ШТУЧНОГО ІНТЕЛЕКТУ Декларативне та процедурне Конспект зображення знань. Семантичні Перевірка мережі. Фрейми та продукційні 22 4 4 14 практичних системи. Програмування робіт мовою Пролог Задачі класифікації, експертні Конспект системи (ЕС). Особливості Перевірка 22 4 4 14 експертних систем, приклади практичних та їх розробка робіт Обчислювальні моделі, задачі та синтез програм. Загальна Конспект характеристика та меню Перевірка 26 8 4 14 системи TK Solver (TKS). практичних Використання в теорії робіт, реферат штучного інтелекту Модульна контрольна робота 2 2 МКР №2 Модульний Всього 72 16 12 42 2 контроль Разом з дисципліни 144 24 20 96 4 ІСПИТ Всього годин

МОДУЛЬ 1. ШТУЧНИЙ ІНТЕЛЕКТ. ЙОГО ВИТОКИ І ПРОБЛЕМИ, ІСТОРІЯ РОЗВИТКУ ТА ГАЛУЗІ ЗАСТОСУВАННЯ ТЕМА 1.1. ОСНОВНІ ПОНЯТТЯ ТА ІСТОРІЯ РОЗВИТКУ ШТУЧНОГО ІНТЕЛЕКТУ Лекція

Основні поняття та історія розвитку штучного інтелекту. Штучний інтелект, як галузь комп’ютерної науки. Проблема визначення штучного інтелекту. Ідея створення штучної подоби людського розуму. Формальна аксіоматизація логічних міркувань. Містицизм та емпіризм, як засоби пояснення всесвіту. Формальна теорія графів та пошук у просторі станів. Роботи Ч. Беббіджа, А. Левлейс, Дж. Буля, Г. Фреге – перші практики штучного інтелекту. Розуміння фундаментальних принципів штучного інтелекту у ХХ ст. Штучний інтелект та поява цифрових обчислювальних машин. Формальне народження штучного інтелекту, роботи А. Тьюрінга. Комп’ютерні технології та стрибок у розвитку штучного інтелекту в 60-х роках ХХ ст. Виникнення мови Пролог в 70-х роках ХХ ст. Експертні системи на LISP та LISP - машини. Відродження нейронних мереж. Поява систем розпізнавання мови. Становлення нової епохи в розвитку штучного інтелекту (широкий діапазон технологій штучного інтелекту, сильний штучний інтелект). Створення системи Deep Spfce I (DSI). Практичне заняття Дослідження історії розвитку штучного інтелекту в Україні з використанням Інтернет - ресурсів Мета: отримати інформацію про становлення, розвиток і досягнення української науки і практики в галузі штучного інтелекту. Завдання 1. Увімкнути комп’ютер. 2. Скористатися пошуковою системою Інтернету. 3. Здійснити пошук інформації з теми: «Штучний інтелект в Україні, історія становлення і розвитку». 4. Ознайомитися із сутністю Інтернет - сайтів цієї тематики. 5. Записати висновки. Завдання для самостійної роботи 1. Охарактеризувати здобутки наукової школи академіка Глушкова В. М. в галузі штучного інтелекту.

2. Охарактеризувати розвиток цифрової обчислювальної техніки шляхом нарощування вбудованого штучного інтелекту. 3. Пояснити і охарактеризувати сутність та напрямки розвитку нейромережевих технологій в Україні та в галузі інформатики та обчислювальній техніці. Запитання для самоперевірки 1. Якими питаннями займається штучний інтелект як галузь комп’ютерної науки? 2. На чому базується штучний інтелект як частина інформатики? 3. До якої проблеми зводиться штучний інтелект, взагалі? 4. Яким є внесок Аристотеля в становлення штучного інтелекту як наукової дисципліни? 5. В роботах яких вчених міститься формальна аксіоматизація логічних міркувань? 6. За яких часів емпіризм прийшов на зміну містицизму? 7. В чому полягає сутність вчення Коперніка у розвитку сучасних уявлень про штучний інтелект? 8. Яким є внесок Лейбніца в розробку системи формальної логіки? 9. Яке значення має формальна теорія графів як основний концептуальний інструмент штучний інтелект? 10. Хто є авторами перших праць з практики штучного інтелекту? 11. Хто є автором формальної мови для опису мислення? 12. Хто вперше розробив мову специфікацій для описування числення предикатів (основ арифметики)? 13. В чому полягає сутність наукових праць Рассела та Уайтхеда? 14. В чому полягає сутність теорії посилань А. Тарського? 15. Які досягнення отримав штучний інтелект за роки Другої світової війни? 16. В чому полягає сутність основних робіт Н. Вінера? 17. В чому полягає сутність формального народження штучний інтелект? 18. Які події у розвитку штучного інтелекту відбулися у 60-ті роки ХХ ст.? 19. В яких галузях людської діяльності вперше застосовані експерті системи? 20. Якими роками знаменується епоха в розвитку слабкого штучного інтелекту? Література: 3, 8, 9. ТЕМА 1.2. ГАЛУЗІ ЗАСТОСУВАННЯ ШТУЧНОГО ІНТЕЛЕКТУ Лекція

Предмет уваги розробників штучного інтелекту. Проблема отримання знань. Пошук, як метод розв’язання проблеми. Ведення ігор. Евристика. Програми ведення ігор. Наявність суперника. Автоматичні міркування і доведення теорем. Автоматичне доведення теорем. Експертні системи. Система DENDRAL. Програма MYCIN. Програма PROSPECTOR. Програма INTERNIST. Програма Dipmeter Advisor.

Розуміння природних мов та семантичне моделювання. Програма SHRDLU. Моделювання роботи людського інтелекту. Методологія роботи людського розуму. Планування та робототехніка. Ієрархічна декомпозиція задачі. Робототехніка. Мови та середовища штучного інтелекту. Мови LISP та PROLOG. Пакети засобів трасування. Машинне навчання. Програма «автоматизований математик». Алгоритм ІДЗ. Система Meta-DENDRAL. Програма Hascer. Альтернативні уявлення: нейронні мережі та генетичні алгоритми. Схема нейрона. Традиційні програми штучного інтелекту. Генетичні алгоритми. Нейронні архітектури. Штучний інтелект і філософія. «Сприйняття» комп’ютером природної мови. Практичне заняття Вступ до генетичних алгоритмів Мета: ознайомитися з моделюванням еволюції як засобом розв’язання комп’ютерних проблем. Завдання 1. Ознайомитися з поняттям генетичного алгоритму, його роботою та етапами виконання. 2. Навести схему ініціалізації генетичного фонду. 3. Сформулювати сутність подальших етапів генетичного алгоритму. 4. Подати схеми оцінювання популяції, відбору хромосом на основі їх здоров’я, рекомбінації хромосом для нової популяції. 5. Проаналізувати ту частину генетичних операторів, які використовуються при розв’язуванні загальних задач. 6. Розв’язати приклад виконання генетичного алгоритму. Завдання для самостійної роботи 1. Пояснити сутність об’єктів, з якими працює генетичний алгоритм. 2. Пояснити сутність роботи теореми Холланда. 3. Пояснити сутність перехресного схрещування та мутації як прямих аналогів природних процесів. 4. Охарактеризувати необхідність оператора мутації. Запитання для самоперевірки 1. Які питання є предметом уваги розробників штучного інтелекту (ШІ)? 2. Що собою являє зображення знань? 3. В чому полягає сутність пошуку? 4. Що можуть породжувати ігри? 5. Що собою представляють евристики?

6. Що ставлять програми ведення ігор? 7. Хто є авторами системи Logic Theorist? 8. На чому базується привабливість автоматичного доведення теорем? 9. Чому зростає привабливість міркувань у теорії штучного інтелекту? 10. В чому полягають причини зростання інтересу до автоматичного доведення теорем? 11. Що собою представляє експертне знання? 12. Яким чином створюються експертні системи? 13. Що є довготерміновою метою штучного інтелекту в напрямку розуміння людської мови? 14. Що означає розуміння природної мови? 15. Які переваги має програма Віноградова SHRDLU? 16. Чому людський інтелект не у всіх випадках тотожний штучному інтелекту? 17. Що передбачає планування в галузі робототехніки? 18. В чому полягає робототехніка як напрям дослідження штучного інтелекту? 19. В чому полягає необхідність пакетів засобів трасування? 20. В чому полягає важливість машинного навчання? 21. Які задачі вирішує програма АМ (автоматизований математик)? 22. Для чого призначена система Teiresias? 23. З чого складається нейрон? 24. Яку роль відіграють генетичні оператори? 25. Яке призначення має механізм розуміння? Література: 1, 3 - 5, 8, 9. ТЕМА 1.3. ЗАКОНИ ПРАВИЛЬНОГО МИСЛЕННЯ. ТЕОРІЯ АЛГОРИТМІВ. ІГРИ ТА РІШЕННЯ Лекція Предмет і розуміння логіки. Математичний стиль мислення. Найважливіші принципи діалектичної логіки. Реальне і номінальне означення поняття. Зміст поняття. Зв’язок між обсягом та змістом. Висловлювання (судження). Основні типи висловлювань та їх призначення. Закони: тотожності, суперечності, виключного третього, достатньої підстави. Найпростіший тип міркування. Логічне виведення. Ознаки дедуктивного міркування. Безпосередні розумові висновки. Опосередковані висновки. Індуктивні міркування та висновки за аналогією. Числення висловлювань. Нечіткі множини та нечітка логіка. Предикати. Формальні теорії. Процедура резолюції. Формальні граматики. Теорія алгоритмів. Продукції як алгоритмічна система. Ігри та рішення. Практичне заняття Методи математичної та нечіткої логіки в теорії штучного інтелекту

Мета: навчитися використовувати методи математичної та нечіткої логіки при розв’язуванні задач теорії штучного інтелекту з використанням систем комп’ютерної математики MathCAD та MATLAB. Завдання 1. Завантажити програму комп’ютерної математики MathCAD. 2. Виконати найпростіші операції алгебри логіки використовуючи систему MathCAD. 3. Ознайомитися з основами теорії нечіткої логіки, виконати найпростіші нечіткі логічні операції. Завдання для самостійної роботи 1. Ознайомитися та засвоїти методику знаходження суми, різниці, добутку та частки двох трикутних нечітких чисел. 2. Ознайомитися та засвоїти методику знаходження суми, різниці, добутку та частки двох трапецієвидних нечітких чисел. Запитання для самоперевірки 1. Як визначається логіка в найпростішому розумінні? 2. В чому полягає математичний стиль мислення за О. Я. Хінчиним? 3. На чому будуються математична та символічна логіка? 4. Які існують типи означення? 5. В чому полягає сутність реального і номінального означень поняття? 6. Що означає зміст поняття? 7. В чому полягає зв’язок між обсягом і змістом? 8. Які існують типи висловлювань? 9. Які закони правильного мислення є основними? 10. Що є найпростішим типом міркування? 11. Які існують типи формальних логічних конструкцій? 12. Які типи суджень не мають обернення? 13. Що собою представляють силогізми? 14. Яку схему мають розумові висновки? 15. Що відображають індуктивні міркування від часткового до загального? 16. Що собою представляє неповна індукція? 17. Що здійснює числення висловлювань? 18. Що собою представляють скінченні автомати? 19. Що собою представляє нечітка (розмита) множина? 20. Що називається предикатом? 21. Що називають логічним висновком? 22. Які мови називаються формальними? 23. Що називається алгоритмом? 24. Що можна реалізувати продукційну систему Поста? 25. Що є характерним для фреймів-правил? 26. Чим видається розвиток гри в часі? 27. Які є підходи до прогнозування дій природи?

Література: 2, 3, 6 – 9. ТЕМА 1.4. ЗАДАЧІ ТА МЕТОДИ ДИСКРЕТНОЇ ОПТИМІЗАЦІЇ. БАГАТОКРИТЕРІАЛЬНІ ЗАДАЧІ Лекція Змінні задач прийняття рішень на дискретній множині альтернатив. Динамічне програмування. Шляхи розв’язку задач динамічного програмування. Принцип оптимальності. Прямий хід методу динамічного програмування. Застосування методів динамічного програмування. Метод віток та меж. Декомпозиція задачі на дерево під цілей. Метод «породження та перевірки». Узагальнення методу віток та меж. Найбільш успішне застосування методу віток та меж. Забезпечення механізму повернення. Сутність пошуку «у глибину». Пошук у факторизованому просторі. Багатокритеріальні задачі. Одночасна оптимізація за кількома цільовими функціями. Практичне заняття Використання методів оптимізації при розв’язуванні задач теорії прийняття рішень в теорії штучного інтелекту Мета: навчитися розв’язувати задачі пошуку локального екстремуму в системі комп’ютерної математики MathCAD. Завдання 1. Завантажити програму комп’ютерної математики MathCAD. 2. Розв’язати найпростіші задачі оптимізації, використовуючи систему комп’ютерної математики MathCAD. 3. Ознайомитися з основами теорії розв’язування задач на екстремум з використанням системи комп’ютерної математики MathCAD. Завдання для самостійної роботи 1. Засвоїти методи розв’язування задач на умовний екстремум з використанням системи комп’ютерної математики MathCAD. 2. Навчитися використовувати систему MathCAD при розв’язуванні задач знаходження екстремуму функції кількох змінних. 3. Написати реферат (теми додаються).

Запитання для самоперевірки 1. На чому базується динамічне програмування? 2. На чому базується принцип оптимальності Беллмана7 3. В чому полягає сутність прямого ходу методу динамічного програмування?

4. Для чого застосовуються методи динамічного програмування? 5. З чим пов’язане найуспішніше застосування методу віток та меж? Література: 3, 4, 6 - 9. МОДУЛЬНА КОНТРОЛЬНА РОБОТА № 1 Тести 1. Якими питаннями займається штучний інтелект, як галузь комп’ютерної науки? а) дослідженнями і оптимізацією розумової поведінки; б) раціоналізацією і автоматизацією розумової поведінки; в) дослідженням і автоматизацією розумової поведінки. 2. Що собою представляє розв’язання задачі? а) це процес пошуку шляху до розв’язку на графі станів; б) це процес пошуку шляху до розв’язку на просторі станів; в) це процес пошуку шляху до прогнозування на графі станів. 3. Що собою представляє тест Тьюрінга? а) це засіб упізнання розумності машини; б) це засіб дослідження розумності машини; в) це засіб визначення справності машини. 4. Яку галузь науки створив Н. Вінер? а) інформатику; б) кібернетику; в) біологію. 5. З чим пов’язаний стрибок у розвитку штучного інтелекту в 60-ті роки ХІХ ст.? а) прогресом у комп’ютерних технологіях; б) появою комп’ютерних технологій; в) появою комп’ютерних вірусів. 6. До якої проблеми належить зображення знань? а) отримання знань за допомогою формальної схеми комп’ютерних систем; б) отримання знань за допомогою формальної мови комп’ютерних алгоритмів; в) отримання знань за допомогою формальної мови комп’ютерних маніпуляцій. 7. Що собою представляє евристика? а) це - корисна стратегія, що дає вірний розв’язок задачі; б) це - корисна стратегія, здатна упустити вірний розв’язок задачі; в) це - корисна стратегія, що вказує на вірний розв’язок задачі. 8. На чому базується привабливість автоматичного доведення теорем? а) строгості і загальності логіки; б) деяких закономірностях логіки; в) строгості і загальності фізики.

9. На чому базується стратегія експертних систем? а) на знаннях людини-експерта; б) на знаннях людини-дослідника; в) на уміннях людини-експерта. 10. З чого складається нейрон? а) з дендритів і аксона; б) з аксонів і дендрита; в) з аксона і дендрита. МОДУЛЬ 2. ФОРМАЛЬНІ МЕТОДИ У СИСТЕМАХ ШТУЧНОГО ІНТЕЛЕКТУ ТЕМА 2.1. ДЕКЛАРАТИВНЕ ТА ПРОЦЕДУРНЕ ЗОБРАЖЕННЯ ЗНАНЬ. СЕМАНТИЧНІ МЕРЕЖІ. ФРЕЙМИ ТА ПРОДУКЦІЙНІ СИСТЕМИ. ПРОГРАМУВАННЯ МОВОЮ ПРОГЛОГ Лекція Знання як сукупність конкретних і узагальнених відомостей. Концептуальна модель. Інженерія знань. Розділення знань на факти і правила. Універсальні моделі зображення знань. Декларативне та процедурне зображення знань. Мови програмування штучного інтелекту. Семантичні мережі. Семантична мережа ПЕОМ. Фрейми та їх типи. Фреймові системи. Фреймова модель. Продукційні системи. Мови програмування, логічні програми. Мова ПРОЛОГ, її реалізації. Створення мови ПРОЛОГ, переваги реалізації на IBM PC. Розділи Прологпрограми. Типи даних у мові Пролог, документи. Арифметичні вирази у мові Пролог. Управління обчисленнями у мові Пролог. Відтинання. Рекурсивні обчислення. Початок виконання програми. Списки та бінарні дерева у мові Пролог. Застосування Прологу. Практична робота з використанням мови Пролог. Основні інструменти та методика роботи у мові Пролог. Робота з першою програмою, трасування, дослідження. Практичне заняття Елементи програмування мовою ПРОЛОГ Мета: ознайомитися і отримати навички програмування мовою Пролог. Завдання 1. Ознайомитися з основними поняттями мови ПРОЛОГ. 2. Ознайомитися із структурою ПРОЛОГ-програми, типами даних, доменом, предикатами та твердженнями. 3. Ознайомитися з арифметичними виразами, стандартними предикатами та цілями в мові ПРОЛОГ. 4. Скласти елементарні програми мовою ПРОЛОГ.

Завдання для самостійної роботи 1. Ознайомитися із розв’язком задачі обчислення факторіалу з використанням мови ПРОЛОГ. 2. Ознайомитися із розв’язком задачі обчислення суми ряду з використанням мови ПРОЛОГ. Запитання для самоперевірки 1. Що собою представляють знання? 2. Що таке інженерія знань? 3. Що собою представляють моделі зображення знань? 4. В чому полягає головна практична проблема штучного інтелекту? 5. В чому полягає різниця між декларативним та процедурним зображенням знань (ДЗб)? 6. В чому полягає основна перевага ДЗб? 7. Що собою представляє об’єктно-орієнтоване програмування? 8. Що собою представляють семантичні мережі (СМ)? 9. Як подаються у СМ структура та система залежностей? 10. Що означає поняття фрейму? 11. Яку належність мають фреймові системи? 12. Коли фреймова модель особливо ефективна? 13. Як виглядить структура продукційної системи? 14. В чому полягають переваги продукційних систем? 15. Яка модель мови ПРОЛОГ найбільш відома? 16. Хто є творцями мови ПРОЛОГ? 17. Яке призначення мають предикати мови ПРОЛОГ? 18. Що собою представляє система Турбо-ПРОЛОГ? 19. Які символи входять до складу мови ПРОЛОГ? 20. Які розділи містить ПРОЛОГ-програма? 21. Які існують типи тверджень? 22. З чого складається правило? 23. Як будуються арифметичні вирази у мові ПРОЛОГ? 24. Що таке декларативна семантика? 25. В чому полягає призначення відтинання? 26. Що собою представляє голова списку? 27. Які застосування в інформатиці має теорія графів? 28. Що собою представляє складання специфікацій? 29. Чим визначається цінність мови ПРОЛОГ? 30. Які слова вікна трасування є ключовими? Література: 2, 3, 6 – 9.

ТЕМА 2.2. ЗАДАЧІ КЛАСИФІКАЦІЇ, ЕКСПЕРТНІ СИСТЕМИ (ЕС). ОСОБЛИВОСТІ ЕКСПЕРТНИХ СИСТЕМ, ПРИКЛАДИ ТА ЇХ РОЗРОБКА Лекція Експертні системи як особливий клас систем штучного інтелекту. Предмет, задачі класифікації. Байєсівські правила. Центральна проблема логічного виведення. Склад системи MYCIN. Експертні системи, що найбільше застосовуються. Система EURISCO. Процес набуття знань. Мова Лісп та її команди. Робота з експертом. Фази розвитку експертних систем. Перевірка та ініціалізація портів. Особливість фази накопичення. Початкова фаза. Сценарій діагностики причин зависання. Випадок зависання ПЕОМ. Порожня експертна система. Guru моделі набуття знань. Порядок слідування речень у мові ПРОЛОГ. Динаміка експертних систем в країнах світу. Ринок експертних систем в Європі. Запитання для самоперевірки 1. Що включають до свого складу експертні системи? 2. Яке призначення мають експертні системи? 3. В чому полягає задача класифікації? 4. Що собою представляє розпізнавання образу? 5. На чому базуються байєсівські правила? 6. Що приймається за розв’язок за байєсівськими правилами? 7. Що є центральною проблемою логічного виведення? 8. На чому базуються правила входження об’єктів до певних класів? 9. Що є найбільш зручним для процесів розпізнавання та навчання? 10. Що намагаються насамперед визначити при розпізнаванні зорових образів? 11. Внаслідок чого ускладнюється задача розпізнавання деталей на зображеннях просторових об’єктів? 12. Які задачі розв’язуються за допомогою експертних систем? 13. Скільки продукційних правил містить MYCIN? 14. На що спирається система пояснення? 15. Що є основою мови Лісп? 16. Чим різняться Guru моделі набуття знань? 17. На чому базується робота з експертом? 18. Що відбувається у фазі накопичення даних в експертних системах? Література: 1, 2, 3, 6, 9.

ТЕМА 2.3. ОБЧИСЛЮВАЛЬНІ МОДЕЛІ, ЗАДАЧІ ТА СИНТЕЗ ПРОГРАМ. ЗАГАЛЬНА ХАРАКТЕРИСТИКА ТА МЕНЮ СИСТЕМИ TK SOLVER (TKS). ВИКОРИСТАННЯ В ТЕОРІЇ ШТУЧНОГО ІНТЕЛЕКТУ Лекція Інтелектуальні пакети прикладних програм (ППП). Ядро пакетів прикладних програм. Об’єкти та відношення між ними. Графічне зображення семантичної моделі. Відкрита програмна система TK Solver (TKS). Можливості TKS. Суміщення декларативного підходу з процедурними можливостями. Математичний апарат TKS. Реалізація системи як інтегрованого середовища. Команда Merge. Призначення пункту Commands. Зберігання вмісту всіх панелей поточної моделі. Прямий вирішувач. Спискові обчислення. Режим спискових обчислень. Обчислювальна модель в TKS. Зображення в TKS чисел. Побудова арифметичних виразів. Запис умовних операторів. Програмні відношення. Списки в TKS. Пари чисел та їх використання. Опис функцій користувача. Процедури-функції. Модельні функції. Функції-списки. Табличні функції. Інтервальні функції. Лінійна та кубічна інтерполяції. Інсталяція TKS. Нечітке число. Спосіб вираження та запису нечіткого числа. Практичне заняття Пролог та технологія програмування, практична робота в мові ПРОЛОГ Мета: ознайомитися з можливими застосуваннями мови ПРОЛОГ. Завдання 1. Ознайомитися з технологією програмування з використанням мови ПРОЛОГ. 2. Здійснення запуску системи введенням команди Prolog. 3. Засвоєння методики роботи в системі Prolog. Завдання для самостійної роботи 1. Ознайомитися з можливостями TKS в знаходженні інтегралів від тригонометричних функцій. 2. Ознайомитися з можливостями TKS щодо реалізації глобальних підстановок. 3. Написати реферат (теми додаються). Запитання для самоперевірки 1. Чим є інтелектуальні пакети прикладних програм з тачки зору штучного інтелекту? 2. Що таке ядро пакетів прикладних програм? 3. Чим є графічне зображення обчислювальної моделі? 4. Яким чином позначаються змінні та відношення? 5. Які можливості має відкрита програмна система TKS? 6. Яким чином реалізовано систему TKS? 7. Яким чином описується обчислювальна модель в розв’язувачі TKS? 8. В яких режимах здійснюється розв’язання задач, описаних в Rule Sheet?

9. В чому полягає розв’язок задачі в прямому та списковому режимах? 10. В чому полягає сутність обчислювальної моделі в TKS? 11. Як будуються арифметичні вирази в TKS? 12. Який вигляд мають арифметичні рівняння в TKS? 13. В чому полягає сутність програмних відношень? 14. Що собою представляє список в TKS? 15. Що потребує розв’язання складної задачі в TKS? 16. Як оголошується кожна процедура-функція в TKS? 17. В чому полягає сутність функцій-списків в TKS? 18. Яким чином здійснюється інсталяція TKS? 19. Як проглядаються інженерні та механічні додатки TKS? 20. В чому полягає сутність нечіткого числа? 21. Яке нечітке число називається нормальним? 22. В чому полягає сутність поняття «границя функції належності»? Література: 1, 2, 3, 8, 9. МОДУЛЬНА КОНТРОЛЬНА РОБОТА № 2 Тести 1. Що є ядром інтелектуального пакета прикладних програм? а) вирішувач; б) планувальник; в) упорядник. 2. Що суміщає відкрита програмна система? а) декларативний підхід з процедурними можливостями; б) декларативні можливості з процедурним підходом; в) декларативну сутність з процедурними обмеженнями. 3. Мінімум у скількох панелях слід описати поточну обчислювальну задачу для її появи в TKS? а) трьох; б) чотирьох; в) двох. 4. В скількох режимах може здійснюватися розв’язання задач на моделі, описаній в Rule Sheet? а)чотирьох; б) трьох; в) двох. 5. Сукупністю яких факторів є обчислювальна модель в TKS? а) об’єктів та відношень між ними; б) залежностей та відношень між ними; в) понять та відношень між ними. 6. Яку довжину повинно мати унікальне ім’я кожного об’єкта обчислювальної моделі? а) близько 2000 символів; б) близько 200 символів;

в) близько 20 символів. 7. Як називається послідовність значень числових чи символічних значень списку? а) елементами списку; б) основою списку; в) якістю списку. 8. Хто готує складання обчислювальних моделей для практичної роботи в системі TKS? а) програміст; б) користувач; в) адміністратор. 9. Чим характеризується нечітке число на дійсній прямій? а) функцією розподілу; б) функцією належності; в) функцією нечіткості. 10. Чому дорівнює максимальне значення належності нормального нечіткого числа? а) 0; б) 0,5; в) 1.

ТЕМИ РЕФЕРАТІВ 1. Історія розвитку штучного інтелекту на Україні. 2. Проблема визначення штучного інтелекту. 3. Формальна аксіоматизація логічних міркувань. 4. Формалізація теорії графів. 5. Фундаментальні принципи штучного інтелекту. 6. Створення штучних нейронних мереж. 7. Зображення знань та пошук - найбільш фундаментальні проблеми штучного інтелекту. 8. Ведення ігор як одна із задач теорії штучного інтелекту. 9. Автоматичне доведення теорем. 10. Система DENDRAL. 11. Програма MYCIN. 12. Програма PROSPECTOR. 13. Програма INTERNIST. 14. Розуміння природних мов та семантичне моделювання. 15. Програма Т. Вінограда SHRDLU. 16. Моделювання роботи людського інтелекту. 17. Робототехніка, як один з напрямів дослідження штучного інтелекту. 18. Система Meta-DENDRAL. 19. Генетичні алгоритми. 20. Філософські питання штучного інтелекту. 21. Математичний стиль мислення.

22. Логічні закони: тотожності, суперечності, виключного третього. 23. Основні закономірності логіки. 24. Формальні та алгоритмічні мови. 25. Продукційна система Поста. 26. Інженерія знань. 27. Семантичні мережі. 28. Основні реалізації мови ПРОЛОГ. 29. Система Турбо-ПРОЛОГ. 30. Управління обчисленнями у мові ПРОЛОГ. 31. Експертні системи як клас систем штучного інтелекту. 32. Ядро інтелектуального пакета прикладних програм. 33. Математичний апарат системи TK Solver. 34. Обчислювальна модель в TKS. 35. Операції над нечіткими числами. 36. Лінійне програмування. 37. Вбудовані функції системи MathCAD при розв’язуванні задач оптимізації. ПИТАННЯ ДО ІСПИТУ 1. Штучний інтелект як галузь комп’ютерної науки. 2. Проблема визначення штучного інтелекту. 3. Ідея створення штучної подоби людського розуму. 4. Формальна аксіоматизація логічних міркувань. 5. Формалізація теорії графів. 6. Розв’язання задачі як процес міркування. 7. Теорія посилань Тарського. 8. Тест Тьюрінга. 9. Мови IPL та LISP. 10. Слабкий та сильний штучний інтелект. 11. Експертне знання. 12. Система DENDRAL. 13. Програма MYCIN. 14. Програма PROSPECTOR. 15. Програма INTERNIST. 16. Програма Dipmeter Advisor. 17. Довготермінова мета штучного інтелекту. 18. Програма Т. Вінограда SHRDLU. 19. Моделювання роботи людського інтелекту. 20. Дослідження в галузі планування. 21. Робототехніка як напрям досліджень в галузі штучного інтелекту. 22. Мови та середовища штучного інтелекту. 23. Система Meta-DENDRAL. 24. Система Teiresias. 25. Програма Hacker. 26. Генетичні алгоритми.

27. Структурна схема нейрона. 28. Філософські проблеми штучного інтелекту. 29. Логіка як галузь науки. 30. Математичний стиль мислення. 31. Основні типи означення. 32. Реальне і номінальне означення поняття. 33. Зміст та об’єм поняття. 34. Відношення між порівнюваними поняттями. 35. Зв’язок між обсягом та змістом. 36. Атрибутивні висловлювання. 37. Найбільш важливі логічні закони. 38. Закон тотожності. 39. Закон суперечності. 40. Закон достатньої підстави. 41. Найпростіший тип міркувань. 42. Перевірка правильності виведення. 43. Логічне виведення. 44. Дедуктивні міркування. 45. Типи логічних конструкцій. 46. Складні висловлювання. 47. Розподілені терміни. 48. Обернення. 49. Менший термін силогізму. 50. Середній термін силогізму. 51. Контрапозиція. 52. Умовно-категоричне міркування. 53. Modus ponens. 54. Modus tollens. 55. Ponendo tollens. 56. Tollendo ponens. 57. Індуктивні міркування. 58. Повна індукція. 59. Єдина різниця, єдина схожість. 60. Єдиний залишок. 61. Нечіткі висновки. 62. Розумовий висновок за аналогією. 63. Практична необхідність числення висловлювань. 64. Застосування двійкової алгебри. 65. Таблиця істинності основних функцій. 66. Нечітка множина. 67. Міра належності в теорії нечітких множин. 68. Предикати. 69. Інтерпретація предикатів. 70. Позначення факту виведення. 71. Логічний висновок.

72. Формальні мови. 73. Практичне застосування теорії формальних граматик. 74. Трансформаційні граматики. 75. Поняття алгоритму. 76. Основні вимоги до алгоритмів. 77. Алгоритмічні мови. 78. Продукційна система Поста. 79. Фрейми-правила. 80. Людино-машинні системи. 81. Розвиток гри у часі. 82. Ігри супроти природи. 83. Динамічне програмування. 84. Розв’язування задач динамічного програмування. 85. Метод віток та меж. 86. Метод породження та перевірки. 87. Можливі узагальнення методу віток та меж. 88. Застосування методу віток та меж. 89. Пошук «у глибину». 90. Пошук у факторизованому просторі. 91. Багатокритеріальні задачі. 92. Знання як поняття. 93. Інженерія знань. 94. Поділ знань на факти і правила. 95. Універсальні моделі зображення знань. 96. Головна практична проблема штучного інтелекту. 97. Декларативне та процедурне зображення знань. 98. Основна перевага декларативного зображення знань. 99. Об’єктно-орієнтоване програмування. 100. Семантичні мережі - клас зображення знань. 101. Семантична мережа "ПЕОМ". 102. Концепція фреймів М. Мінського. 103. Фреймові системи. 104. Фреймова модель. 105. Переваги продукційних систем. 106. Реалізації мови ПРОЛОГ. 107. Творці ПРОЛОГУ. 108. Галузі застосування ПРОЛОГУ. 109. Вбудовані предикати мови ПРОЛОГ. 110. Система Турбо-ПРОЛОГ. 111. Розділи ПРОЛОГ-програми. 112. Типи даних у мові ПРОЛОГ. 113. Об’ява повних доменів. 114. Стандартні предикати. 115. Арифметичні вирази у мові ПРОЛОГ. 116. Зіставлення та перетворення.

117. Робота механізму повернення та управління. 118. Декларативна семантика. 119. Відтинання. 120. Рекурсивні обчислення. 121. Причина рекурсії у мові ПРОЛОГ. 122. Голова списку. 123. Теорія графів. 124. Операція проекції. 125. Дидактична цінність мови ПРОЛОГ. 126. Робота з файлами при використанні мови ПРОЛОГ. 127. Експертні системи. 128. Система MYCIN. 129. Експертні системи DENDRAL, PROSPECTOR, CADUCEUS, R1 130. Процес набуття знань. 131. Використання глибинних знань в створенні експертних систем. 132. Основа мови ЛІСП. 133. Робота з експертом. 134. Guru - моделі. 135. Ядро інтелектуального пакета прикладних програм. 136. Відкрита програмна система TK Solver (TKS). 137. Математичний апарат TKS. 138. Прямий та списковий режими розв’язування задач з використанням TKS. 139. Обчислювальна модель в TKS. 140. Опис функцій користувача у TKS. 141. Процедури-функції у TKS. 142. Інсталяція TKS. 143. Нечітке число на дійсній прямій. 144. Випукле нечітке число. 145. Нормальне нечітке число. 146. Принцип узагальнення як одно з основ операцій над нечіткими числами. 147. Границі функції належності. 148. Сума, різниця, добуток і частка двох нечітких чисел.

ПРИКЛАДИ ПРАКТИЧНИХ ЗАВДАНЬ ДО ІСПИТУ Зразок 1

Сформувати (в середовищі Amzi Prolog) базу знань про квартиру, яка містила б інформацію про кімнати (предикат room(.)) та речі, що знаходяться в кімнатах (предикат location(.,.))

desk, computer - в office; apple, crackers, broccoli - в kitchen і виконати запити, щодо наявності речей в кімнатах квартири. Зразок 2

desk, computer - в office; apple, crackers, broccoli - в kitchen, і створити правило, при запиті, що співпадає з його головою, у відповідь видавався б перелік всіх речей X, розміщених у кімнаті Place, причому назва кожної речі видавалася б у новому рядку. У голові правила використати предикат list_things(Place), а в тілі правила – предикати location(.,.), tab(2), write(.), nl, fail. МЕТОДИЧНІ РЕКОМЕНДАЦІЇ ДО ПІДГОТОВКИ ПРАКТИЧНОГО ЗАНЯТТЯ Практичне заняття, як одна із форм навчальних занять, розрахована на виконання студентами в електронному вигляді певної задачі з використанням ПК. На практичному занятті вони глибше опановують складні питання, беруть участь в їх колективному творчому обговоренні, оволодівають науковими методами аналізу певних явищ і проблем. Під час виконання практичної роботи створюються умови для перевірки та виявлення інтелектуального рівня студентів. Навчальні програми з переліком тем та питань дисципліни «Методи та системи штучного інтелекту» студенти отримують на першому практичному занятті. Для самостійного опанування тем предмета студенти можуть використовувати не тільки зазначений список основної літератури, а також інші джерела інформації, можливості Internet та додаткову літературу. На першому практичному занятті викладач вказує на основні теми предмета для практичного засвоєння, роз’яснює загальні положення, надає рекомендації з вивчення та опанування всіх розділів, загострює увагу на

найбільш важливих «вузлових» питаннях. На заключній практичній роботі розглядаються теми, які стали найбільш важкими для самостійного опанування. МЕТОДИЧНІ РЕКОМЕНДАЦІЇ ДО ВИКОНАННЯ САМОСТІЙНОЇ РОБОТИ Самостійна робота є однією із складових навчального процесу, на яку припадає значний обсяг навчального часу. При цьому студент є активним учасником навчального процесу, набуває навичок самоорганізації, самостійного пошуку інформації, прийняття рішень і т.ін. Правильна організація самостійної роботи дозволяє максимально індивідуалізувати навчання, підвищити ефективність навчального процесу в цілому. Самостійна робота студентів складається з роботи з літературою (доповнення конспектів лекцій, написання рефератів, ознайомлення з додатковою інформацією в мережі Інтернет) та роботи на персональному комп’ютері з певними програмними продуктами. Кожен студент повинен написати реферат або виконати індивідуальне завдання за погодженням із викладачем. Теми для самостійної роботи студентів (у тому числі, рефератів) та їх обсяг визначаються даною робочою програмою. Одним із видів самостійної роботи є опрацювання лекційного матеріалу, визначення головного у змісті лекції, засвоєння її основних моментів. Щоб зрозуміти і добре засвоїти лекційний матеріал, до кожної наступної теми слід ретельно готуватись: систематично опрацьовувати матеріал попередньої лекції, і, якщо це необхідно, опрацювати рекомендовану літературу, повторювати пройдений матеріал, на який лектор посилається при викладанні нового, якщо з певних причин лекція пропущена, її необхідно законспектувати і опрацювати самостійно, незрозумілі питання з’ясувати на консультації. Для ґрунтовного засвоєння першоджерел необхідно вдумливо конспектувати їх, вдаючись до різних видів запису (витяги, тези, цитати і т.ін.). Готуючись до відповіді, важливо, в першу чергу, визначити напрями наукових досліджень з певної проблеми та впровадження їх результатів у практику. Доцільно підготувати власні спостереження та висновки, обґрунтовуючи їх теоретичними положеннями та рекомендаціями. Особлива увага під час самостійної роботи повинна приділятись набуттю навичок практичної роботи на комп’ютерах з тими програмними продуктами, що вивчаються. Потрібно ознайомитись із основними теоретичними відомостями про програмний продукт за допомогою спеціальної літератури, лекційного та методичного матеріалу або довідкової системи програми. Після цього можна виконувати конкретні практичні завдання. Викладач систематично контролює самостійну роботу студентів: перевіряє конспекти першоджерел, виконання завдань практичних завдань, надає необхідну допомогу для активізації навчальної діяльності студентів. При вивченні дисципліни студенти можуть застосовувати наступні форми самостійної роботи:

- самостійне поглиблене вивчення матеріалу на основі конспекту лекцій, їхніх презентацій, рекомендованої й учбово-методичної літератури, періодичних видань по темах лекцій; - написання рефератів за переліком тем, запропонованих викладачем; - самостійна підготовка до практичних занять з використанням навчальних комп’ютерних програм; - підготовка до виконання тестів; - самостійна підготовка до іспиту, у тому числі з використанням навчальних комп’ютерних програм. Методи контролю: - тестування студентів перед виконанням практичних і лабораторних робіт, - опитування студентів під час захисту звітів по лабораторних роботах і на консультаціях, - проведення атестаційного контролю знань студентів під час іспиту. Необхідним елементом для самостійної роботи студентів є користування електронною бібліотекою університету на сайті КНУКіМ www.knukim.edu.ua. Окремою формою самостійної роботи студента є написання реферату. МЕТОДИЧНІ РЕКОМЕНДАЦІЇ ДО НАПИСАННЯ РЕФЕРАТУ Реферат (лат. referre - доповідати, повідомляти) підводить підсумок вивчення студентами як окремої теми, так і дисципліни в цілому. Обсяг реферату визначається специфікою досліджуваного питання і змістом матеріалів (документів), їх науковою цінністю та практичним значенням. Оптимальний обсяг реферату складає 10 -15 сторінок. Реферат має відповідати вимогам до оформлення рукопису кваліфікаційної роботи: вступ і висновки в сумі не повинні перевищувати 20% від її загального обсягу; текст друкується через 1,5 інтервали на одній сторінці стандартного аркуша з такими полями: ліве - 30 мм, праве - 15 мм, верхнє - 20 мм, нижнє - 20 мм; всі сторінки нумеруються: загальна нумерація починається з титульного листа, проте порядковий номер на ньому не ставиться. На титульному листі реферату вказуються: офіційна назва навчального закладу, факультету і кафедри; прізвище та ініціали автора реферату (абревіатура навчальної групи); повна назва теми; прізвище та ініціали наукового керівника, його науковий ступінь і вчене звання; місто, де знаходиться навчальний заклад та рік написання реферату. Після титульного листа подається зміст реферату з точною назвою кожного розділу (параграфу) і вказуванням його сторінок. Список використаних джерел складається з дотриманням загальновизнаних вимог до робіт, що готуються до друку. До списку використаних джерел мають бути включені лише безпосередньо використані в рефераті праці в алфавітному порядку авторів. Монографії і збірники, що не мають на титульному аркуші прізвища автора (авторів), включаються до загального списку за алфавітним розміщенням заголовку.

Тема реферату - це не просто повторення засвоєного матеріалу лекції або семінарського заняття. Вона повинна являти собою самостійне розроблення проблеми, достатньо чітко окресленої від інших. Неприпустиме поєднання декількох проблем або, навпаки, штучне виокремлення певної частини єдиного питання. Важливими критеріями при доборі теми реферату, є її актуальність, широка джерельна база, наявність необхідного фактичного матеріалу, а також достатнє її висвітлення в науково-методичній літературі, що передбачає, в першу чергу, ознайомлення із загальною концепцією автора праці та його висновками. Структура реферату: - титульний аркуш; - зміст (план); - вступ; - розділи (вони часто поділяються на параграфи); - висновки; - список використаних джерел; - додатки (у яких наводяться таблиці, схеми, діаграми тощо); - перелік умовних позначень. У вступі реферату обґрунтовується актуальність теми, її особливості, значущість з огляду на розвиток науки та практики або науково-методичної діяльності у сфері освіти. У вступі необхідно подати аналіз використаних джерел, назвавши при цьому авторів, які вивчали дану тематику, визначити сутність основних чинників, що вплинули та розвиток явища або процесу, що досліджується, на недостатньо досліджені питання, з’ясувавши причини їх слабкої аргументації. Основну частину реферату складають кілька розділів (що можуть бути розбиті на параграфи), логічно поєднані між собою. Виклад матеріалу в рефераті має бути логічним, послідовним, без повторень. Слід використовувати синтаксичні конструкції, характерні для стилю наукових документів, уникати складних граматичних зворотів, незвичних термінів і символів або пояснювати їх відразу, при першому згадуванні в тексті реферату. Терміни, окремі слова і словосполучення можна замінювати абревіатурами і сприйнятливими текстовими скороченнями, значення яких зрозуміле з контексту реферату. Неприпустимо використовувати цитати без посилання на автора. При цитуванні будь-якого фрагменту джерела недопустимі неточності. Взагалі, цитатами не слід зловживати. Якщо якийсь важливий документ потребує наведення його в тексті реферату в повному обсязі, то краще винести його в додатки. У рефераті необхідно визначити і викласти основні тенденції дослідження, підтвердити їх найтиповішими прикладами, відобразити сучасні ідеї та гіпотези, методики та методичні підходи до вивчення проблеми. Доцільно зупинитися на якомусь дискусійному моменті і спробувати проаналізувати

позиції сторін, приєднавшись до однієї з них, чи висловити власну думку на певну проблему та визначити перспективи її вирішення. Кожен розділ реферату повинен завершуватись короткими висновками, чіткими і лаконічними, де узагальнено оцінки та практичні рекомендації. Можна стисло вказати на перспективи подальшого дослідження даної проблеми. Реферат оцінюється за такими критеріями: актуальність; наукова та практична цінність; глибина розкриття теми, вирішення поставлених завдань; повнота використання рекомендованої літератури; обґрунтування висновків; грамотність; стиль викладу; оформлення реферату; обсяг виконаної роботи; завершеність дослідження. МЕТОДИЧНІ РЕКОМЕНДАЦІЇ ДО ВИКОНАННЯ МОДУЛЬНОЇ КОНТРОЛЬНОЇ РОБОТИ Організація проміжного контролю знань По завершенні вивчення кожного модуля студент виконує модульну контрольну роботу (далі МКР). Метою МКР є перевірка рівня засвоєння студентом теоретичного і практичного матеріалу модуля. Оцінка за МКР є оцінкою за модуль. Умови допуску до виконання МКР. До проведення МКР допускаються студенти, які виконали всі види робіт, що є обов’язковими складовими модуля. У випадку пропуску занять з поважних причин студент може відпрацювати матеріал теми на додатковому занятті згідно встановленого графіка. Студент, який не з’явився на МКР, у відомості зазначається «не з’явився» та йому виставляється 0 балів за модуль. Студент, який з поважної причини пропустив МКР, зобов’язаний надати відповідний документ та виконати МКР згідно встановленого кафедрою графіка. Порядок виконання МКР. Комплексна контрольна робота проводиться письмово на останньому практичному занятті у модулі відповідно встановленого графіка занять. Студент, який навчається за індивідуальним графіком, зобов’язаний скласти МКР у визначений деканатом час. Під час складання МКР студент не може користуватися додатковими матеріалами без дозволу викладача, у протилежному випадку, – він усувається від складання МКР, на роботі робиться відповідний запис, у заліково-екзаменаційну відомість виставляється 0 балів за МКР за модуль. Результати МКР та оцінка за модуль заносяться у заліково-екзаменаційну відомість у визначеній шкалі протягом трьох робочих днів після складання МКР. Результати МКР доводяться до відома студентів не пізніше трьох днів після складання. Студент, який не погоджується з оцінкою, має право звернутися до викладача та отримати обґрунтоване пояснення. У випадку незгоди з рішенням викладача студент може звернутись з письмовою апеляцією до завідувача кафедри в день оголошення результатів. Завідувач кафедри та викладач мають розглянути апеляцію у присутності студента протягом двох

днів з дня її подання та прийняти остаточне рішення щодо оцінки студента. У результаті апеляції оцінка не може бути зменшена. Якщо студент не звернувся з апеляцією у встановлений термін, то оцінка, виставлена викладачем, є остаточною. Умови перескладання МКР. Модульний контроль проводиться лише один раз. Студент має право один раз перескласти модуль, оцінений «незадовільно» у термін, визначений деканатом, як виняток, у випадку, коли був не допущений до написання МКР. Загальні вимоги: завдання для контрольних робіт розроблено згідно з робочою програмою; завдання до контрольної роботи видається та керується викладачем; зарахування контрольної роботи вважається виконаним, коли студент подає викладачу для перевірки письмову відповідь разом з виконаною практичною роботою. Питання, що включені до модульної контрольної роботи, оцінюються в діапазоні визначеному робочою програмою дисципліни. Структура кожного комплексу завдань для модульного контролю має ідентичну побудову і може включати такі види завдань: тестові завдання, теоретичне питання, що потребує розгорнутої відповіді, практичне завдання. Система нарахування балів визначена робочою програмою.

ЛІТЕРАТУРА 1. Братко И. Программирование на языке Пролог для искусственного интеллекта: пер. с англ. / И. Братко– М.: Мир, 1990. – 560 с. 2. Джонс М. Т. Программирование искусственного интеллекта в приложениях / М. Т. Джонс; пер. с англ. А. И. Осипов. – М.: ДМК Пресс, 2004. – 312 с.: ил. 3. Кузьменко Б. В. Системи штучного інтелекту: навчальний посібник / Б. В. Кузьменко, О. А. Чайковська. – К.: Альтерпрес, 2006. – 140 с. 4. Кузьменко Б. В. Сучасна теорія управління: навчальний посібник (конспект лекцій, ч. 2) / Б. В. Кузьменко, В. П. Лисенко. – К.: Видавничий центр НУБІП, 2009. – 180 с. 5. Кузьменко Б. В. Сучасна теорія управління: навчальний посібник (лабораторні роботи, ч. 2) / Б. В. Кузьменко. – К.: Видавничий центр НУБІП, 2010. – 55с. 6. Леоненков А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А. В. Леоненков. – СПб.: 2003. – 736 с.: ил. 7. Рыжиков Ю. И. Информатика. Лекции и практикум / Ю. И. Рыжиков. – СПб.: КОРОНАпринт, 2000. 8. Хант Э. Искусственный интеллект: пер. с англ. / Э. Хант. – М.: Мир, 1978. –560с. 9. Эндрю А. Искусственный интеллект: пер. с англ. / А. Эндрю – М.: Мир, 1985. – 264с.