A Система Blackboard - это подход искусственного интеллекта, основанный на архитектурной модели доски, где общая база знаний, «классная доска», итеративно обновляется разнородной группой специализированных источников знаний, начиная со спецификации проблемы и заканчивая решением. Каждый источник знаний обновляет классную доску частичным решением, когда его внутренние ограничения соответствуют состоянию доски. Таким образом, специалисты вместе работают над решением проблемы. Модель доски изначально была разработана как способ решения сложных, плохо определенных проблем, где решение - это сумма его частей.
Следующий сценарий представляет собой простую метафору, которая дает некоторое представление о том, как работает классная доска:
Группа специалистов сидит в комнате с большой классной доской. Они работают в команде, чтобы найти решение проблемы, используя доску в качестве рабочего места для совместной разработки решения.
Сеанс начинается, когда спецификации проблемы записываются на доске. Все специалисты смотрят на доску в поисках возможности применить свои знания в разработке решения. Когда кто-то пишет на доске что-то, что позволяет другому специалисту применить свой опыт, второй специалист записывает свой вклад на доске, надеясь, что тогда другие специалисты смогут применить свой опыт. Этот процесс добавления материалов на доску продолжается до тех пор, пока проблема не будет решена.
Приложение системы «черная доска» состоит из трех основных компонентов
Система «классная доска» - это центральное пространство в многоагентной системе. Он используется для описания мира как коммуникационной платформы для агентов. Чтобы реализовать классную доску в компьютерной программе, необходима машиносчитываемая нотация , в которой могут храниться факты. Одна из попыток сделать это - это база данных SQL, другой вариант - Learnable Task Modeling Language (LTML) . Синтаксис языка планирования LTML аналогичен PDDL, но добавляет дополнительные функции, такие как структуры управления и модели OWL-S. LTML был разработан в 2007 году как часть гораздо более крупного проекта под названием POIROT (), который представляет собой структуру Обучение на демонстрациях для интеллектуального анализа процессов. В POIROT трассировки плана и гипотез хранятся в синтаксисе LTML для создания семантических веб-сервисов.
Вот небольшой пример: пользователь-человек выполняет рабочий процесс в компьютерной игре. Он нажимает несколько кнопок и взаимодействует с игровым движком. Пока он это делает, создается трассировка плана. Это означает, что действия пользователя сохраняются в файле журнала. Файл журнала преобразуется в машиночитаемую нотацию, которая обогащается семантическими атрибутами . Результатом является текстовый файл в синтаксисе LTML, который помещается на доску. Агенты (программы в системе Blackboard) могут анализировать синтаксис LTML.
Известными примерами ранних академических систем классной доски являются система распознавания речи и проекты Copycat и Numbo Дугласа Хофштадтера.
Более свежие примеры включают в себя развернутые реальные приложения, такие как компонент PLAN системы управления полетами для RADARSAT-1, спутника наблюдения Земля, разработанного Канадой для мониторинга изменений окружающей среды и природных ресурсов Земли.
Программное обеспечение GTXImage CAD от GTX Corporation было разработано в начале 1990-х с использованием набора базовых правил и нейронных сетей в качестве специалистов, работающих с системой «классная доска».
Adobe Acrobat Capture (производство прекращено) использовала систему Blackboard для декомпозиции и распознавания страниц изображений для понимания объектов, текста и шрифтов на странице. Эта функция в настоящее время встроена в розничную версию Adobe Acrobat как «Распознавание текста OCR». Подробная информация об аналогичной доске OCR для текста фарси находится в открытом доступе.
Системы Blackboard обычно используются во многих военных системах C4ISTAR для обнаружения и отслеживания объектов.
Системы Blackboard были популярны до AI Winter и, как и большинство символических моделей AI, вышли из моды в этот период. Наряду с другими моделями было осознано, что первоначальные успехи не очень хорошо масштабировались с реальными проблемами на доступных компьютерах того времени. Большинство проблем, связанных с использованием классных досок, по своей сути NP-трудны, поэтому не поддавайтесь разрешению с помощью любого алгоритма в пределе большого размера. В тот же период статистическое распознавание образов стало доминирующим, в первую очередь с помощью простых скрытых марковских моделей, превосходящих по эффективности символические подходы, например, в области распознавания речи.
Системы, похожие на Blackboard, были созданы в современных байесовских настройках машинного обучения с использованием агентов для добавления и удаления байесовских сеть узлов. В этих системах «байесовской классной доски» эвристика может приобретать более строгие вероятностные значения как предложение и принятие в выборке метрополиса Гастингс через пространство возможных структур. И наоборот, используя эти сопоставления, существующие сэмплеры Метрополиса-Гастингса над структурными пространствами теперь можно рассматривать как формы систем классной доски, даже если они не называются таковыми авторами. Такие сэмплеры обычно встречаются в алгоритмах музыкальной транскрипции, например.
Системы Blackboard также использовались для создания крупномасштабных интеллектуальных систем для аннотирования медиаконтента, автоматизируя части традиционных социальных наук. исследование. В этой области проблема интеграции различных алгоритмов ИИ в единую интеллектуальную систему возникает спонтанно, когда классные доски предоставляют способ для сбора распределенных, модульных алгоритмов обработки естественного языка, каждый из которых аннотирует данные в центральном пространстве., без необходимости координировать их поведение.