Технологии искусственного интеллекта

Понятие искусственного интеллекта
Методы искусственного интеллекта
Условия достижения интеллектуальности

Технологии искусственного интеллекта

1

Понятие искусственного интеллекта

Термин интеллект (intelligence) происходит от латинского intellectus – что означает ум, рассудок, разум; мыслительные с пособности человека. Соответственно искусственный интеллект (artificial intelligence) – ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий

2

Методы искусственного интеллекта

3

Можно выделить две научные школы с разными подходами к проблеме ИИ:
конвенционный ИИ - используются методы машинного самообучения, основанные на формализме и статистическом анализе
вычислительный ИИ подразумевает итеративную разработку и обучение

4

Методы конвенционного ИИ реализуются в следующих подходах и системах:
Экспертные системы
Рассуждение по аналогии (Case-based reasoning).
Байесовские сети доверия.
Поведенческий подход

Основные методы вычислительного ИИ:
Нейронные сети.
Нечеткие системы.
Эволюционные вычисления

5

Экспертная система (ЭС) – компьютерная программа, способная заменить специалиста-эксперта в решении проблемной ситуации. ЭС начали разрабатываться исследователями ИИ в 1970-х годах, а в 1980-х получили коммерческое подкрепление

6

Задачи, решаемые при помощи экспертных систем, чаще всего относятся к одной из следующих областей:
Интерпретация данных
Диагностика
Мониторинг
Проектирование
Прогнозирование
Планирование
Обучение

7

CBR-системы представляют собой реализацию методологии искусственного интеллекта, применяемую при построении компьютеризированных консультационных систем, которые базируются на накопленном опыте

8

Байесовская сеть – это вероятностная модель, представляющая собой множество переменных и их вероятностных зависимостей. Например, байесовская сеть может быть использована для вычисления вероятности того, чем болен пациент по наличию или отсутствию ряда симптомов, основываясь на данных о зависимости между симптомами и болезнями

9

Нейронная сеть (НС) – это распределенный параллельный процессор, состоящий из элементарных единиц обработки информации, накапливающих экспериментальные знания и предоставляющих их для последующей обработки

10

11

12

Использование нейронных сетей обеспечивает следующие полезные свойства систем:
Нелинейность.
Адаптивность.
Контекстная информация.
Отказоустойчивость.

13

Представим некоторые проблемы, решаемые применением нейронных сетей:
Классификация образов.
Кластеризация/категоризация
Аппроксимация функций.
Предсказание/прогноз.
Оптимизация.
Ассоциативная память

14

Нечеткая логика оказала сильное влияние на другие парадигмы искусственного интеллекта. Объединение ее принципов с методами иных направлений породило такие новые направления, как:
Нечеткие нейронные сети
Адаптивные нечеткие системы
Нечеткие запросы
Нечеткие ассоциативные правила
Нечеткие когнитивные карты
Нечеткая кластеризация

15

Генетические алгоритмы служат, главным образом, для поиска решений в очень больших, сложных пространствах поиска, и применяются для решения следующих задач:
Оптимизация функций
Разнообразные задачи на графах (задача коммивояжера, раскраска, нахождение паросочетаний)
Настройка и обучение нейронной сети
Задачи компоновки
Составление расписаний
Игровые стратегии
Аппроксимация функций
Искусственная жизнь
Биоинформатика

Условия достижения интеллектуальности

16

Существует ряд гипотез, среди которых можно выделить следующие:
Гипотеза Ньюэлла-Саймона
Тест Тьюринга