-
Notifications
You must be signed in to change notification settings - Fork 7
exam18 5
Реферат к лекции 18 (34) Аналитические и экспертные системы
Выполнила: Селукова Вера
Проверила: Воронина Анна
Искусственный интеллект (ИИ; англ. artificial intelligence, AI) — это свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека; наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. Основные свойства ИИ — это понимание языка, обучение и способность мыслить и, что немаловажно, действовать.
ИИ – это комплекс родственных технологий и процессов, развивающихся качественно и стремительно, например:
- обработка текста на естественном языке;
- машинное обучение;
- экспертные системы;
- виртуальные агенты (чат-боты и виртуальные помощники);
- системы рекомендаций.
- Отсутствие человеческой ошибки
- Нулевые риски
- Круглосуточная доступность
- У ИИ-машин нет эмоций
- ИИ-машины могут быстро принимать решения
- ИИ-машины несут большие затраты
- ИИ-машинам не хватает творчества
- ИИ-машины могут убить рабочие места
- ИИ-машинам нужен человек из-за отсутствия эмоций
- ИИ-машины не понимают этики
Выделяют два направления развития ИИ:
- Усиление интеллекта, то есть решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека.
- Сильный и слабый искусственный интеллект, то есть создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.
И можно выделить два основных подхода к разработке ИИ:
- Нисходящий (англ. Top-Down AI), семиотический — создание экспертных систем, баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и т. д.
- Восходящий (англ. Bottom-Up AI), биологический — изучение нейронных сетей и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как нейрокомпьютер или биокомпьютер.
На данный момент можно выделить 4 подхода к построению систем ИИ:
-
Логический подход — основан на моделировании рассуждений. Теоретической основой служит логика. Данный подход больше похож на мышление человека, поскольку он на вопросы редко отвечает только да или нет.
-
Структурный подход — это построение искусственного интеллекта путем моделирования структуры человеческого мозга. Основной моделируемой структурной единицей в перцептронах является нейрон. Позднее возникли и другие коннекционисткие модели, которые большинству известны под термином нейронные сети (НС) и их реализации — нейрокомпьютеры. Эти модели различаются по строению отдельных нейронов, по топологии связей между ними и по алгоритмам обучения. Среди наиболее известных сейчас вариантов НС можно назвать НС с обратным распространением ошибки, сети Кохонена, сети Хопфилда, стохастические нейронные сети. В более широком смысле такой подход известен как Коннективизм.
-
Эволюционный подход — при построении систем ИИ по данному подходу основное внимание уделяется построению начальной модели, и правилам, по которым она может изменяться (эволюционировать). Причем модель может быть составлена по самым различным методам, это может быть и НС и набор логических правил и любая другая модель. После этого мы включаем компьютер и он, на основании проверки моделей отбирает самые лучшие из них, на основании которых по самым различным правилам генерируются новые модели. Среди эволюционных алгоритмов классическим считается генетический алгоритм.
-
Имитационный подход — является классическим для кибернетики с одним из ее базовых понятий черный ящик. Черный ящик – это устройство, программный модуль или набор данных, информация о внутренней структуре которого отсутствует полностью, но известны спецификации входных и выходных данных. Объект, поведение которого имитируется, как раз и представляет собой черный ящик. Нам не важно, что у него и у модели внутри и как он функционирует, главное, чтобы наша модель в аналогичных ситуациях вела себя точно так же. Таким образом здесь моделируется другое свойство человека – способность копировать то, что делают другие, без разложения на элементарные операции и формального описания действий. Зачастую эта способность экономит человеку массу времени, особенно в начале его жизни.
- Финансы.
- Алгоритмическая торговля.
- Исследования рынка и интеллектуальный анализ данных.
- Управление личными финансами.
- Управление финансовым портфелем.
- Андеррайтинг.
- Банкинг.
- Военное дело.
- Спецслужбы (Интернет-цензура).
- Тяжелая промышленность.
- Медицина.
- Управление человеческими ресурсами и рекрутинг(https://ru.wikipedia.org/wiki/Подбор_персонала).
- Музыка.
- Новости, издательство и писательство.
- Онлайн и телефонные службы поддержки клиентов.
- Техническое обслуживание телекоммуникаций.
- Развлечение и игры.
- Транспорт.
Машинное обучение (англ. machine learning, ML) — это класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение за счет применения решений множества сходных задач.
Различают два типа обучения:
- Обучение по прецедентам, или индуктивное обучение, основано на выявлении эмпирических закономерностей в данных.
- Дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний.