→ Пошук по сайту       Увійти / Зареєструватися
Знання Керування знаннями Технологии управления знаниями

Искусственный интеллект

 Определение

Искусственный интеллект можно определить как научную дисциплину, которая занимается автоматизацией разумного поведения.

Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) — наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

Цели и задачи

Целью исскуственного интеллекта является создание технических систем, способных решать задачи невычислительного характера и выполнять действия, требующие переработки содержательной ин­формации и считающиеся прерогативой человеческого мозга. К числу таких задач относятся, например, задачи на доказательство тео­рем, игровые задачи (скажем, при игре в шахматы), задачи по пере­воду с одного языка на другой, по сочинению музыки, распознаванию зрительных образов, решению сложных творческих про­блем науки и общественной практики. Одной из важных задач исскуственного интеллекта является создание интеллектуальных роботов, способных автоном­но совершать операции по достижению целей, поставленных че­ловеком, и вносить коррективы в свои действия.

Структура понятия

"Искусственный интеллект" складывается из нескольких основных положений и дисциплин, являющихся его основой. Более подробно это описано на рисунке предоставленном ниже. Изображение взято из [1]

Ниже приведены основные определения использованных на картинке терминов.

Нечёткая логика и теория нечётких множеств — раздел математики, являющийся обобщением классической логики и теории множеств. Понятие нечёткой логики было впервые введено профессором Лютфи Заде в 1965 году. В этой статье понятие множества было расширено допущением, что функция принадлежности элемента к множеству может принимать любые значения в интервале [0...1], а не только 0 или 1. Такие множества были названы нечёткими. Также автором были предложены различные логические операции над нечёткими множествами и предложено понятие лингвистической переменной, в качестве значений которой выступают нечёткие множества.

Искусственные нейронные сети (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса. Впоследствии, после разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.

Интеллектуальный агент — программа, самостоятельно выполняющая задание, указанное пользователем компьютера, в течение длительных промежутков времени. Интеллектуальные агенты используются для содействия оператору или сбора информации. Одним из примеров заданий, выполняемых агентами, может служить задача постоянного поиска и сбора необходимой информации в Интернете. Компьютерные вирусы, боты, поисковые роботы — всё это также можно отнести к интеллектуальным агентам. Хотя такие агенты имеют строгий алгоритм, «интеллектуальность» в этом контексте понимается как способность приспосабливаться и обучаться.

Экспертная система (ЭС, expert system) — компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.

Генетический алгоритм (англ. genetic algorithm) — это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию. Является разновидностью эволюционных вычислений. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе.

Модели и методы исследований

Символьное моделирование мыслительных процессов

Анализируя историю ИИ, можно выделить такое обширное направление как моделирование рассуждений. Долгие годы развитие этой науки двигалось именно по этому пути, и теперь это одна из самых развитых областей в современном ИИ. Моделирование рассуждений подразумевает создание символьных систем, на входе которых поставлена некая задача, а на выходе требуется её решение. Как правило, предлагаемая задача уже формализована, то есть переведена в математическую форму, но либо не имеет алгоритма решения, либо он слишком сложен, трудоёмок и т. п. В это направление входят: доказательство теорем, принятие решений и теория игр, планирование и диспетчеризация, прогнозирование.

Работа с естественными языками

Немаловажным направлением является обработка естественного языка, в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке. В частности, здесь ещё не решена проблема машинного перевода текстов с одного языка на другой. В современном мире большую роль играет разработка методов информационного поиска. По своей природе, оригинальный тест Тьюринга связан с этим направлением.

Накопление и использование знаний

Согласно мнению многих учёных, важным свойством интеллекта является способность к обучению. Таким образом, на первый план выходит инженерия знаний, объединяющая задачи получения знаний из простой информации, их систематизации и использования. Достижения в этой области затрагивают почти все остальные направления исследований ИИ. Здесь также нельзя не отметить две важные подобласти. Первая из них — машинное обучение — касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы. Второе связано с созданием экспертных систем — программ, использующих специализированные базы знаний для получения достоверных заключений по какой-либо проблеме.

К области машинного обучения относится большой класс задач на распознавание образов. Например, это распознавание символов, рукописного текста, речи, анализ текстов. Многие задачи успешно решаются с помощью биологического моделирования (см. след. пункт). Особо стоит упомянуть компьютерное зрение, которое связано ещё и с робототехникой.

Биологическое моделирование искусственного интеллекта

Отличается от понимания искусственного интеллекта по Джону Маккарти, когда исходят из положения о том, что искусственные системы не обязаны повторять в своей структуре и функционировании структуру и протекающие в ней процессы, присущие биологическим системам, сторонники данного подхода считают, что феномены человеческого поведения, его способность к обучению и адаптации, есть следствие именно биологической структуры и особенностей ее функционирования.

Сюда можно отнести несколько направлений. Нейронные сети используются для решения нечётких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов. Генетический подход основан на идее, что некий алгоритм может стать более эффективным, если позаимствует лучшие характеристики у других алгоритмов («родителей»). Относительно новый подход, где ставится задача создания автономной программы — агента, взаимодействующего с внешней средой, называется агентным подходом.

Перспективы развития

На данный момент в развитии искусственного интеллекта произошло разветвление на основные отрасли, которым уделяется основное внимание в виде материальных и интеллектуальных вложений. Изображение взято из [1]

Литература

  1. "Управление знаниями корпорации и реинжиниринг бизнеса" Абдикеев, Киселев. Основными ресурсами развития компаний во все большей мере становятся люди и знания, которыми они обладают, интеллектуальный капитал и растущая профессиональная компетенция кадров. Сегодня требуются новые методы развития организации, основанные на стыке гуманитарного и инженерного подходов, что позволит получить синергетический эффект от их взаимодействия. Этот подход базируется на современных достижениях информационных технологий, а именно когнитивных технологиях развития организации. Актуально развитие симбиоза концепции управления знаниями, реинжиниринга бизнес-процессов и когнитивной человеческой составляющей. Для менеджеров высшего звена, бизнес-аналитиков, слушателей программ МВА по направлениям "Стратегический менеджмент", "Антикризисное управление", студентов экономических вузов магистерского уровня, аспирантов и преподавателей в области корпоративного менеджмента и реинжиниринга бизнеса.
  2. "Модели и методы искусственного интеллекта. Применение в экономике." М.Г. Матвеев, А.С. Свиридов, Н.А. Алейникова. Представлены теоретические основы искусственного интеллекта: информационные аспекты, сведения о бинарной и нечеткой логике, а также методы и модели актуальных направлений искусственного интеллекта, экспертных систем, инженерии знаний, нейронных сетей и генетических алгоритмов. Подробно рассмотрены вопросы практической реализации интеллектуальных систем. Приведено множество примеров, иллюстрирующих разработку и применение рассматриваемых методов и моделей. Особое внимание уделено экономическим задачам.
  3. "Искусственный интеллект и интеллектуальные системы управления." И. М. Макаров, В. М. Лохин, С. В. Манько, М. П. Романов ; отв. ред. И. М. Макарова. Рассматривается новый, активно развивающийся класс интеллектуальных систем автоматического управления, построенных на технологии обработки знаний с позиций эффективного применения при решении задач управления в условиях неопределенности. Изложены основы построения интеллектуальных систем.
  4. "Искусственный интеллект : современный подход." С. Рассел, П. Норвиг. В книге представлены все современные достижения и изложены идеи, которые были сформулированы в исследованиях, проводившихся в течениe последних пятидесяти лет, а также собраны на протяжении двух тысячелетий в области знаний, ставших стимулом к развитию искусственного интеллекта как науки проектирования рациональных агентов.
  5. http://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%
    D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%
    D1%8B%D0%B9
    _%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%
    BB%D0%B5%D0%BA%D1%82
      Основной источник материала данной страницы.
  6. http://www.ai.obrazec.ru/articles.html Подборка статей посвященных искусственному интеллекту и смежным вопросам.
  7. http://www.gotai.net/documents-neural_networks.aspx Раздел посвященный нейронным сетям и всему, что связано с ними.
  8. http://www.gotai.net/documents-genetic_algorithms.aspx Данный раздел посвящен генетическим алгоритмам. Что такое генетические алгоритмы? По сути, это оптимизационные алгоритмы, относящиеся к классу эвристик. Данные алгоритмы позволяют исключить перебор всех вариантов и значительно сокращают время вычислений. Специфика работы этих алгоритмов сводится к имитации эволюционных процессов.
  9. http://www.gotai.net/implementations.aspx Здесь Вы найдете идеи и готовые решения по применению искусственного интеллекта и связанных теорий для решения тех или иных практических задач.
  10. http://www.gotai.net/documents-logic.aspx В этом разделе собраны материалы, так или иначе относящиеся к классическому способу моделирования систем ИИ, моделирования на основе различных логических аппаратов. Как правило, это материалы, связанные с экспертными системами, системами поддержки принятия решения и агентными системы.
  11. http://khpi-iip.mipk.kharkiv.edu/library/ai/conspai/12.html Тенденции развития AI 

По материалам сайта:
sites.google.com/site/upravlenieznaniami

загрузка...
Сторінки, близькі за змістом