Probabil ați auzit de robotul care vine și îți dă o cutie de Cola când îi spui că ți-e sete. Probabil ați auzit și despre sistemul de recunoaștere a vorbirii care vă controlează aparate electrocasnice? Și probabil ați auzit de simulatoare de aeronave care pot ajuta la recrearea mediului real de zbor al unei aeronave?
În 1956, celebrul om de știință american John McCarthy a inventat termenul care se află în centrul tuturor acestor posibilități și al multor altele. Termenul inventat de el a fost „Inteligenta artificiala”. Inteligența artificială, sau pe scurt AI, este știința și ingineria care lucrează pentru a crea mașini inteligente, precum și programe de calculator inteligente, care sunt capabile să răspundă ca oamenii. Adică, crearea unor astfel de mașini capabile să sesizeze lumea din jurul lor, să înțeleagă conversațiile și să ia decizii similare cu alegerile umane. Inteligența artificială ne-a oferit totul, de la un scaner la roboți în viața reală.
Astăzi, domeniul inteligenței artificiale poate fi descris ca o ciorbă de informatică cognitivă, psihologie, lingvistică și matematică, în așteptarea unui fulger - o încercare de a pune în comun eforturile cercetătorilor și a resurselor, de a dezvolta noi abordări, de a folosi depozitele lumii de cunoștințe pentru a crea o scânteie, astfel încât aceasta să creeze uniforma noua viaţă.
În domeniul inteligenței artificiale, cultivăm mașina unui copil din copilărie până la vârsta adultă, astfel încât să creăm abordări complet noi ale învățării automate.
Ramuri ale inteligenței artificiale
John McCarthy a identificat unele dintre ramurile IA care sunt descrise mai jos. El a mai menționat că mai multe dintre ele nu au fost încă identificate.
Logica inteligenței artificiale: Programul AI trebuie să fie conștient de fapte și situații.
Recunoasterea formelor: Când un program face o observație, este de obicei programat să recunoască și să se potrivească cu un model. De exemplu, un sistem de recunoaștere a vorbirii sau un sistem de recunoaștere facială.
Performanţă: Trebuie să existe o modalitate de a prezenta fapte despre lume pe un dispozitiv AI. Pentru reprezentare se folosește limbajul matematic.
Concluzie: deducerea permite extragerea de fapte noi din faptele existente. Din unele fapte se pot deduce altele.
Planificare: un program de planificare începe cu fapte și o declarație de scop. Din acestea, programul generează o strategie pentru atingerea scopului.
Disponibilitate Bun simț și Raționament- Această zonă activă de cercetare și studiu a IA a apărut în anii 1950, dar rezultatul este încă departe de nivelul uman.
Epistemologie– aceasta este capacitatea dispozitivului de a învăța și de a dobândi cunoștințe. Vă permite să studiați tipurile de cunoștințe necesare pentru un anumit tip de sarcină.
Euristică este o modalitate de a încerca să găsiți ideea încorporată în program.
Programare genetică– crearea automată a unui program LISP (List Processing) care vă permite să rezolvați problema.
Instrumente folosite pentru a rezolva probleme complexe în crearea AI
În ultimele șase decenii, au fost dezvoltate diverse instrumente pentru a rezolva probleme complexe din domeniu informatică. Unii dintre ei sunt:
Căutare și optimizare
Cele mai multe probleme din IA pot fi rezolvate teoretic prin căutarea inteligentă a posibilelor soluții. Dar o simplă căutare exhaustivă este rareori utilă sau suficientă pentru majoritatea problemelor din lumea reală. În anii 1990, tipuri diferite Au devenit populare motoarele de căutare bazate pe optimizare. Pentru majoritatea problemelor, puteți face o ghicire și apoi vă puteți rafina interogarea. Au fost scriiți diverși algoritmi de optimizare pentru a ajuta procesul de căutare.
Logice
Logica permite studiul argumentelor. În AI este folosit pentru a reprezenta cunoștințe și, de asemenea, pentru a rezolva probleme. În cercetarea inteligenței artificiale sunt folosite diferite tipuri de logică. Logica de ordinul întâi folosește cuantificatori și predicate și ajută la reprezentarea faptelor și proprietăților acestora. Logica fuzzy este un fel de logică de ordinul întâi care permite cuiva să găsească adevărul unei afirmații care va fi reprezentată ca 1 (adevărat) sau 0 (fals).
Teoria probabilității
Probabilitatea este o modalitate de a exprima cunoștințele. Acest concept a primit un sens matematic în teoria probabilității, care este utilizat pe scară largă în AI.
Inteligența artificială și aplicațiile sale
Inteligența artificială este utilizată în prezent într-o gamă largă de domenii, inclusiv modelare, robotică, recunoaștere a vorbirii, finanțe și acțiuni, diagnosticare medicală, aviație, securitate, jocuri etc.
Să aruncăm o privire mai atentă asupra unora dintre domenii:
Jocuri Sferă: Există mașini pe care pot juca șah nivel profesional. AI este, de asemenea, aplicabilă la diverse jocuri video.
Recunoaștere a vorbirii: Calculatoarele și roboții care înțeleg limbajul la nivel uman au inteligență artificială încorporată în ele.
Simulatoare: Modelarea este o imitație a unui lucru real. Este folosit în multe contexte, de la jocuri video până la aviație. Simulatoarele includ simulatoare de zbor pentru ca piloții să se pregătească pentru pilotarea unei „dirigibile”.
Robotica: Roboții au devenit obișnuiți în multe industrii, deoarece roboții s-au dovedit a fi mai eficienți decât oamenii, în special în locurile de muncă repetitive în care oamenii tind să își piardă concentrarea.
Finanţa: Băncile și alte instituții financiare se bazează pe software inteligent care oferă o analiză precisă a datelor și ajută la realizarea de predicții pe baza acestor date.
Medicament: Sistemele de inteligență artificială sunt folosite în spitale pentru a gestiona programul pacienților, pentru a asigura rotația personalului și pentru a furniza informații medicale. O rețea neuronală artificială, care este un model matematic inspirat din structură și/sau aspecte functionale rețele neuronale biologice, ajută în medicină la stabilirea diagnosticului.
Inteligența artificială își găsește utilizare în diverse domenii și aplicații. Sisteme de securitate, sisteme de recunoaștere a textului și a vorbirii, extragerea datelor, filtrarea spam-ului prin e-mail și un număr mare de alte exemple. Un grup britanic de telecomunicații a folosit căutarea euristică într-o aplicație de planificare care programează munca a peste douăzeci de mii de ingineri. Inteligența artificială și-a găsit drum și în industria de camioane, unde au fost dezvoltate controlere cu logică neclară pentru transmisiile automate în mașini.
Provocări cu care se confruntă creatorii de inteligență artificială
În ultimele șase decenii, oamenii de știință au lucrat activ pentru a imita inteligența umană, dar creșterea a încetinit din cauza multor provocări în simularea inteligenței artificiale. Unele dintre aceste probleme sunt:
Bază de cunoștințe: numărul de fapte pe care o persoană le cunoaște este pur și simplu prea mare. Pregătirea unei baze de date care va conține toate cunoștințele despre această lume este o sarcină uriașă care necesită timp.
Deducție, raționament și rezolvare de probleme: AI trebuie să rezolve orice problemă pas cu pas. De obicei, oamenii rezolvă probleme pe baza judecăților intuitive și apoi creează un plan de acțiune, un program. Inteligența artificială face progrese lente pentru a imita metoda umană de rezolvare a problemelor.
Procesarea limbajului natural: Limbajul natural este limba pe care o vorbesc oamenii. Una dintre principalele provocări cu care se confruntă AI este recunoașterea și înțelegerea a ceea ce spun oamenii.
Planificare: Planificarea tinde să limiteze oamenii doar pentru că pot gândi. Abilitatea de a planifica și gândi ca un om este esențială pentru agenții inteligenți. La fel ca oamenii, ei trebuie să fie capabili să vizualizeze viitorul.
Aspecte pozitive ale utilizării AI
Putem vedea deja mici aplicații ale inteligenței artificiale în casele noastre. De exemplu, televizor inteligent, frigider inteligent etc. În viitor, IA va fi prezentă în fiecare casă. Inteligența artificială cu nanotehnologie sau alte tehnologii poate duce la apariția de noi industrii în domeniul științei. Cu siguranță, dezvoltarea inteligenței artificiale va face ca aceasta să devină parte a noastră Viata de zi cu zi. Oamenii sunt deja înlocuiți de roboți în unele locuri de muncă. În industria militară, inteligența artificială va face posibilă crearea diferitelor arme moderne, precum roboții, care vor reduce mortalitatea în caz de războaie.
Aspecte negative ale utilizării AI
Deși inteligența artificială are multe avantaje, există multe dezavantaje.
Pentru mai mult nivel de bază, utilizarea inteligenței artificiale în sarcinile de zi cu zi poate duce la lene din partea oamenilor, iar acest lucru poate duce la degradarea majorității oamenilor.
Utilizarea inteligenței artificiale și a nanotehnologiei în industria militară are cu siguranță multe aspecte pozitive, cum ar fi crearea unui scut de protecție ideal împotriva oricărui atac, dar există și o latură întunecată. Cu ajutorul inteligenței artificiale și al nanotehnologiei, vom putea crea arme foarte puternice și distructive, iar dacă sunt folosite cu neglijență, acestea pot duce la consecințe ireversibile.
Utilizarea masivă a inteligenței artificiale va duce la reducerea locurilor de muncă pentru oameni.
În plus, ritmul rapid de dezvoltare și aplicare a inteligenței artificiale și a roboticii ar putea împinge Pământul către un dezastru ecologic. Chiar și acum, risipa de componente de calculator și altele dispozitive electronice provoacă un mare rău planetei noastre.
Dacă dăm inteligență mașinilor, ele vor putea profita la maximum de ea. Mașinile cu inteligență vor deveni mai inteligente decât creatorii lor și acest lucru poate duce la rezultatul care a fost demonstrat în seria de filme Terminator.
Concluzie și aplicare viitoare
Inteligența artificială este un domeniu în care continuă multe cercetări. Inteligența artificială este o ramură a informaticii despre înțelegerea naturii inteligenței și construirea de sisteme informatice capabile de acțiuni inteligente. Chiar dacă oamenii au inteligență, nu sunt capabili să o folosească cât mai mult posibil. Mașinile vor putea folosi 100% din inteligența lor dacă le oferim această inteligență. Acesta este atât un avantaj, cât și un dezavantaj. Depindem de mașini pentru aproape toate aplicațiile din viață. Mașinile fac acum parte din viața noastră și sunt folosite peste tot. Așa că ar trebui să știm mai multe despre mașini și ar trebui să fim conștienți de viitor ce se poate întâmpla dacă le oferim inteligență. Inteligența artificială nu poate fi bună sau rea. Se schimbă pe măsură ce îl folosim.
Din momentul în care inteligența artificială a fost recunoscută ca domeniu științific, iar acest lucru s-a întâmplat la mijlocul anilor 50 ai secolului trecut, dezvoltatorii de sisteme inteligente au fost nevoiți să rezolve multe probleme. În mod convențional, toate sarcinile pot fi împărțite în mai multe clase: recunoașterea și traducerea limbajului uman, demonstrații automate de teoreme, crearea de programe de joc, recunoașterea imaginilor și creativitatea mașinii. Să luăm în considerare pe scurt esența fiecărei clase de probleme.
Demonstrarea teoremelor.
Demonstrarea automată a teoremei este cea mai veche aplicație a inteligenței artificiale. Au fost efectuate multe cercetări în acest domeniu, ducând la apariția algoritmilor de căutare formalizați și a limbajelor formale de reprezentare, cum ar fi PROLOG - un limbaj de programare logic și calculul predicatelor.
Demonstrațiile teoremelor automate sunt atractive deoarece se bazează pe generalitatea și rigoarea logicii. Logica într-un sistem formal implică posibilitatea automatizării, ceea ce înseamnă că dacă îți imaginezi o sarcină și este legată de aceasta Informații suplimentare sub forma unui set de axiome logice și cazuri speciale ale problemei - ca teoreme care necesită demonstrație, se poate obține o soluție la multe probleme. Pe acest principiu se bazează sistemele de justificare matematică și demonstrarea automată a teoremelor. În anii trecuți, s-au făcut încercări repetate de a scrie un program pentru demonstrarea automată a teoremei, dar nu a fost niciodată posibil să se creeze un sistem care să permită rezolvarea problemelor folosind o singură metodă. Orice sistem euristic relativ complex ar putea genera multe teoreme demonstrabile care erau irelevante, determinând ca programele să fie nevoite să le demonstreze până când a fost descoperită cea corectă. Acest lucru a condus la convingerea că spațiile mari pot fi tratate doar prin strategii informale adaptate unor situații specifice. În practică, această abordare s-a dovedit a fi destul de fructuoasă și a fost folosită, împreună cu altele, ca bază pentru sistemele expert.
În același timp, raționamentul bazat pe logica formală nu poate fi ignorat. O abordare formalizată vă permite să rezolvați multe probleme. În special, folosindu-l, puteți controla sisteme complexe, puteți verifica corectitudinea programelor de calculator, puteți proiecta și testa circuite logice. În plus, cercetătorii care dovedesc teoremele automate au dezvoltat euristici puternice care se bazează pe evaluarea formei sintactice a expresiilor logice. Ca urmare, a devenit posibilă reducerea nivelului de complexitate a spațiului de căutare fără a recurge la dezvoltarea unor strategii speciale.
Dovada automată a teoremelor este de interes pentru oamenii de știință și pentru că sistemul poate fi folosit și pentru probleme deosebit de complexe, deși nu fără intervenția umană. În zilele noastre, programele acționează adesea ca asistenți. Experții împart sarcina în mai multe subsarcini, apoi vin cu euristici pentru a sorta posibilele motive. Programul demonstrează apoi leme, testează ipoteze mai puțin semnificative și face completări la aspectele formale ale dovezii umane.
Recunoasterea formelor.
Recunoașterea modelelor este selectarea caracteristicilor esențiale care caracterizează datele sursă din setul general de caracteristici și, pe baza informațiilor primite, atribuirea datelor unei anumite clase.
Teoria recunoașterii modelelor este o ramură a informaticii ale cărei sarcini includ dezvoltarea fundamentelor și metodelor de identificare și clasificare a obiectelor (obiecte, procese, fenomene, situații, semnale etc.), fiecare dintre acestea fiind înzestrată cu un set de anumite semne și proprietăți. În practică, este necesar să se identifice obiectele destul de des. O situație tipică este recunoașterea culorii unui semafor și deciderea dacă este cazul acest moment traverseaza strada. Există și alte domenii în care este imposibil să faci fără recunoașterea obiectelor, de exemplu, digitizarea semnalelor analogice, afaceri militare, sisteme de securitate și așa mai departe, așa că astăzi oamenii de știință continuă să lucreze activ la crearea sistemelor de recunoaștere a imaginilor.
Lucrările se desfășoară în două direcții principale:
- · Explorarea, explicarea și modelarea abilităților de recunoaștere inerente ființelor vii.
- · Dezvoltarea unor fundamente teoretice și metodologice pentru crearea de dispozitive care să permită rezolvarea problemelor individuale în scopuri aplicate.
Problemele de recunoaștere sunt formulate folosind limbajul matematic. În timp ce teoria rețelelor neuronale artificiale se bazează pe obținerea de rezultate prin experimente, formularea problemelor de recunoaștere a modelelor nu are loc pe baza experimentului, ci pe baza demonstrațiilor matematice și a raționamentului logic.
Să luăm în considerare formularea clasică a unei astfel de probleme. Există multe obiecte cu privire la care clasificare ar trebui efectuată. Un set este format din submulțimi sau clase. Date: informații care descriu un set, informații despre clase și o descriere a unui singur obiect fără a indica apartenența acestuia la o anumită clasă. Sarcină: pe baza datelor disponibile, determinați cărei clase îi aparține obiectul.
Dacă problemele conțin imagini monocrome, acestea pot fi considerate funcții dintr-un avion. Funcția va reprezenta o înregistrare formală a imaginii și va exprima în fiecare punct o anumită caracteristică a acestei imagini - densitate optică, transparență, luminozitate etc. În acest caz, modelul setului de imagini va fi setul de funcții din plan. . Formularea problemei recunoașterii depinde de care ar trebui să fie etapele următoare recunoașterii.
Metodele de recunoaștere a modelelor includ experimente de F. Rosenblatt, care a introdus conceptul de model cerebral. Scopul experimentului este de a arăta cum apar fenomene psihologice într-un sistem fizic cu proprietăți funcționale și structură cunoscute. Omul de știință a descris cele mai simple experimente de recunoaștere, dar caracteristica lor este un algoritm de soluție nedeterministă.
Cel mai simplu experiment, pe baza căruia se pot obține informații semnificative din punct de vedere psihologic despre sistem, este următorul: perceptronul este prezentat cu o secvență de doi stimuli diferiți, la fiecare dintre care trebuie să reacționeze într-un fel, iar reacția trebuie fi diferit pentru stimuli diferiți. Scopurile unui astfel de experiment pot fi diferite. Experimentatorul poate fi confruntat cu sarcina de a studia posibilitatea discriminării spontane de către sistemul de stimuli prezentați fără intervenție externă sau, dimpotrivă, de a studia posibilitatea recunoașterii forțate. În al doilea caz, experimentatorul antrenează sistemul să clasifice diverse obiecte, dintre care pot fi mai mult de două. Experiența de învățare se desfășoară astfel: perceptronul este prezentat cu imagini, printre care se numără reprezentanți ai tuturor claselor care trebuie recunoscute. Răspunsul corect este întărit conform regulilor de modificare a memoriei. După aceasta, experimentatorul prezintă perceptronului un stimul de control și determină probabilitatea de a obține o reacție dată pentru imaginile unei clase date. Stimulul de control poate fi același cu unul dintre obiectele prezentate în secvența de antrenament sau diferit de toate obiectele prezentate. În funcție de aceasta, se obțin următoarele rezultate:
- · Dacă stimulul de control diferă de toți stimulii de antrenament prezentați anterior, atunci pe lângă discriminarea pură, experimentul examinează elemente de generalizare.
- · Dacă un stimul de control determină activarea unui anumit grup de elemente senzoriale care nu coincid cu niciunul dintre elementele activate sub influența stimulilor din aceeași clasă prezentate mai devreme, atunci experimentul examinează generalizarea pură și nu include un studiu de recunoaștere.
În ciuda faptului că perceptronii nu sunt capabili de generalizare pură, ei fac față în mod satisfăcător sarcinilor de recunoaștere, mai ales în cazurile în care sunt prezentate imagini pentru care perceptronul are deja o anumită experiență.
Recunoașterea vorbirii umane și traducerea automată.
Obiectivele pe termen lung ale inteligenței artificiale includ crearea de programe care să recunoască limbajul uman și să-l folosească pentru a construi fraze semnificative. Abilitatea de a înțelege și de a folosi limbajul natural este o trăsătură fundamentală a inteligenței umane. Automatizarea cu succes a acestei abilități ar îmbunătăți considerabil eficiența computerelor. Multe programe au fost scrise pentru a înțelege limbajul natural și au fost folosite cu succes în contexte limitate, dar încă nu există sisteme care să poată folosi limbajele naturale cu aceeași generalitate și flexibilitate ca și oamenii. Faptul este că procesul de înțelegere a limbajului natural nu se referă doar la simpla analiză a propozițiilor în componente și la căutarea semnificațiilor cuvintelor individuale în dicționare. Programele fac față cu succes acestei sarcini. Pentru a folosi vorbirea umană, aveți nevoie de cunoștințe extinse despre subiectul conversației, despre idiomuri legate de acesta, în plus, aveți nevoie de capacitatea de a înțelege ambiguitățile, omisiunile, profesionalismul, jargonul, expresiile colocviale și multe altele care sunt inerente vorbirii umane normale. .
Un exemplu este o conversație despre fotbal, în care sunt folosite cuvinte precum „atacant”, „pasă”, „pasă”, „lovitură liberă”, „apărător”, „atacant”, „căpitan” și altele. Fiecare dintre aceste cuvinte este caracterizat de un set de semnificații, iar individual cuvintele sunt destul de înțelese, dar o frază formată din ele va fi de neînțeles pentru oricine nu este pasionat de fotbal și nu știe nimic despre istoria, regulile și principiile acestui joc. . Astfel, înțelegerea și utilizarea limbajului uman necesită un corp de cunoștințe de bază, iar una dintre principalele provocări în automatizarea înțelegerii și utilizării limbajului uman natural este colectarea și sistematizarea unor astfel de cunoștințe.
Deoarece semnificațiile semantice sunt utilizate pe scară largă în inteligența artificială, oamenii de știință au dezvoltat o serie de metode care le permit să fie structurate într-o oarecare măsură. Cu toate acestea, cea mai mare parte a muncii se desfășoară în domenii problematice care sunt bine înțelese și specializate. Un exemplu este tehnica „microworld”. Unul dintre primele programe în care a fost folosit a fost programul SHRDLU, dezvoltat de Terry Winograd, care este unul dintre sistemele de înțelegere a vorbirii umane. Capacitățile programului erau destul de limitate și se ridicau la o „conversație” despre locația blocurilor Culori diferiteși formulare, precum și planificarea acțiunilor simple. Programul a oferit răspunsuri la întrebări precum „De ce culoare este piramida de pe blocul crucii?” și ar putea da instrucțiuni precum „Plasați blocul albastru pe cel roșu”. Astfel de probleme au fost adesea abordate de cercetătorii în inteligența artificială și mai târziu au devenit cunoscute sub numele de „lumea blocurilor”.
În ciuda faptului că programul SHRDLU a „conversat” cu succes despre locația blocurilor, nu a fost dotat cu capacitatea de a face abstracție de la această „microlume”. A folosit tehnici prea simple care nu au fost capabile să transmită organizarea semantică a disciplinelor de complexitate mai mare.
Lucrările curente în domeniul înțelegerii și aplicării limbilor naturale vizează în principal găsirea de formalisme de reprezentare suficient de generale care să poată fi adaptate la structurile specifice ale domeniilor date și aplicate la o gamă largă de aplicații. Majoritatea tehnicilor existente, care sunt modificări ale rețelelor semiotice, sunt cercetate și utilizate pentru a scrie programe capabile să recunoască limbajul natural în domenii înguste. În același timp, capacitățile moderne nu ne permit să creăm un program universal capabil să înțeleagă vorbirea umană în toată diversitatea ei.
Printre varietatea de probleme de recunoaștere a modelelor, se pot distinge următoarele:
- · Clasificarea documentelor
- · Identificarea zăcămintelor minerale
- Recunoașterea imaginii
- · Recunoașterea codurilor de bare
- · Recunoașterea caracterelor
- · Recunoaștere a vorbirii
- · Recunoaștere facială
- · Recunoașterea numerelor de înmatriculare
Inteligența artificială în programele de jocuri.
Inteligența artificială pentru jocuri include nu numai metode tradiționale de inteligență artificială, ci și algoritmi din informatică în general, grafică pe computer, robotică și teoria controlului. Modul în care este implementat AI afectează nu numai cerințele de sistem, ci și bugetul jocului, așa că dezvoltatorii trebuie să echilibreze încercând să se asigure că inteligența artificială a jocului este creată la un cost minim, fiind în același timp interesantă și nesolicitantă. asupra resurselor. Aceasta are o abordare complet diferită de inteligența artificială tradițională. În special, emulările, înșelăciunile și diversele simplificări sunt utilizate pe scară largă. Exemplu: o caracteristică a shooter-urilor la persoana întâi este capacitatea roboților de a se mișca cu precizie și ținti instantaneu, dar, în același timp, o persoană nu are o singură șansă, astfel încât abilitățile roboților sunt reduse artificial. Totodată, punctele de control sunt plasate la nivel astfel încât roboții să poată acționa ca o echipă, să pună ambuscade, etc imagine inteligență artificială
În jocurile pe calculator controlate de inteligența artificială a jocurilor, sunt prezente următoarele categorii de personaje:
- · mobs - personaje cu nivel scăzut inteligență, ostilă jucătorului uman. Jucătorii distrug mulțimi pentru a trece teritoriul, pentru a obține artefacte și puncte de experiență.
- · personaje non-jucatoare - de obicei aceste personaje sunt prietenoase sau neutre cu jucatorul.
- · roboții sunt personaje ostile față de jucători și sunt cel mai greu de programat. Capacitățile lor se apropie de cele ale personajelor din joc. În orice moment, un număr de roboți acționează împotriva jucătorului.
În cadrul unui joc pe calculator, există multe domenii în care se utilizează o mare varietate de algoritmi euristici pentru inteligența artificială a jocurilor. Jocul AI este cel mai larg folosit ca o modalitate de a controla personajele non-jucatoare. O altă metodă, nu mai puțin obișnuită de control, este scripting-ul. O altă utilizare evidentă a jocului AI, în special în jocurile de strategie în timp real, este identificarea căii sau o metodă pentru a determina modul în care un personaj non-jucător poate ajunge de la un punct pe hartă la altul. În acest caz, trebuie să țineți cont de obstacole, de teren și de posibila „ceață de război”. De asemenea, echilibrarea dinamică a mafioților nu este completă fără utilizarea inteligenței artificiale. Multe jocuri au explorat conceptul de inteligență imprevizibilă. Acestea sunt jocuri precum Nintendogs, Black & White, Creatures și binecunoscuta jucărie Tamagotchi. În aceste jocuri, personajele sunt animale de companie, al căror comportament se modifică în funcție de acțiunile efectuate de jucător. Personajele par a fi capabile să învețe, când de fapt acțiunile lor sunt rezultatul alegerii dintr-un set limitat de decizii.
Mulți programatori de jocuri consideră că orice tehnică care creează iluzia inteligenței face parte din inteligența artificială a jocurilor. Cu toate acestea, această abordare nu este în întregime corectă, deoarece aceleași tehnici pot fi utilizate nu numai în motoarele AI de joc. De exemplu, atunci când se creează roboți, algoritmii sunt utilizați cu informații despre posibilele coliziuni viitoare introduse în aceștia, în urma cărora roboții dobândesc „aptitudinea” de a evita aceste coliziuni. Dar aceleași tehnici sunt o componentă importantă și necesară a unui motor fizic. Un alt exemplu: o componentă importantă a sistemului de direcționare al unui bot sunt datele de apă, iar aceleași date sunt utilizate pe scară largă în motorul grafic pentru randare. Ultimul exemplu este scripting-ul. Acest instrument poate fi folosit cu succes în toate aspectele dezvoltării jocului, dar cel mai adesea este considerat una dintre modalitățile de a controla acțiunile personajelor care nu sunt jucători.
Potrivit puriștilor, expresia „inteligență artificială de joc” nu are dreptul să existe, deoarece este o exagerare. Argumentul lor principal este că IA pentru jocuri folosește doar unele domenii ale științei inteligenței artificiale clasice. De asemenea, trebuie luat în considerare faptul că obiectivele AI sunt de a crea sisteme de auto-învățare și chiar de a crea inteligență artificială capabilă să raționeze, în timp ce aceasta este adesea limitată la euristică și un set de câteva reguli generale, care sunt suficiente pentru a crea un joc bun și oferă jucătorului impresii vii și senzația de joc.
În prezent, dezvoltatorii de jocuri pe computer își manifestă interes pentru IA academică, iar comunitatea academică, la rândul ei, devine interesată de jocurile pe calculator. Acest lucru ridică întrebarea în ce măsură jocurile și IA clasică diferă unele de altele. În același timp, inteligența artificială pentru jocuri este încă considerată una dintre subramurile inteligenței clasice. Acest lucru se datorează faptului că inteligența artificială are diverse domenii de aplicare care diferă unele de altele. Dacă vorbim despre inteligența de joc, o diferență importantă aici este posibilitatea înșelăciunii pentru a rezolva anumite probleme în mod „legal”. Pe de o parte, dezavantajul înșelăciunii este că deseori duce la un comportament nerealist al personajului și din acest motiv nu poate fi folosit întotdeauna. Pe de altă parte, însăși posibilitatea unei astfel de înșelăciuni servește ca o diferență importantă între AI de joc.
O altă sarcină interesantă a inteligenței artificiale este să înveți un computer să joace șah. Oamenii de știință din întreaga lume s-au angajat în rezolvarea acesteia. Particularitatea acestei sarcini este că demonstrarea abilităților logice ale computerului este posibilă numai în prezența unui adversar real. Prima astfel de demonstrație a avut loc în 1974 la Stockholm, unde a avut loc Campionatul Mondial de șah între programele de șah. Programul „Kaissa”, creat de oamenii de știință sovietici de la Institutul de Probleme de Management al Academiei de Științe a URSS, situat la Moscova, a câștigat această competiție.
Inteligența artificială în creativitatea mașinilor.
Natura inteligenței umane nu a fost încă studiată suficient, iar gradul în care natura creativității umane a fost studiată este și mai puțin. Cu toate acestea, un domeniu al inteligenței artificiale este creativitatea mașinilor. Calculatoarele moderne creează lucrări muzicale, literare și artistice, iar industria jocurilor pe calculator și a filmului au folosit mult timp imagini realiste create de mașini. Programele existente creează diverse imagini care pot fi ușor percepute și înțelese de oameni. Acest lucru este deosebit de important atunci când vine vorba de cunoștințe intuitive, a căror verificare formală ar necesita un efort mental considerabil. Astfel, problemele muzicale sunt rezolvate cu succes folosind un limbaj de programare, dintre care unul este limbajul CSound. Software-ul special cu care sunt create lucrări muzicale este reprezentat de programe de compoziție algoritmică, sisteme de compoziție interactive, sisteme de sinteză și procesare a sunetului.
Sistem expert.
Dezvoltarea sistemelor expert moderne a fost realizată de cercetători încă de la începutul anilor 1970, iar la începutul anilor 1980 sistemele expert au început să fie dezvoltate pe o bază comercială. Prototipurile de sisteme experte, propuse în 1832 de omul de știință rus S. N. Korsakov, erau dispozitive mecanice numite „mașini inteligente”, care au făcut posibilă găsirea unei soluții bazate pe condiții date. De exemplu, au fost analizate simptomele unei boli observate la un pacient, iar pe baza rezultatelor acestei analize au fost propuse cele mai potrivite medicamente.
Informatica ia in considerare sistemele expert impreuna cu bazele de cunostinte. Sistemele sunt modele de comportament expert bazate pe aplicarea procedurilor decizionale și a concluziilor logice. Bazele de cunoștințe sunt considerate ca un set de reguli de inferență logică și fapte care au legătură directă cu domeniul de activitate ales.
La sfârșitul secolului trecut, s-a dezvoltat un anumit concept de sisteme expert, profund axat pe interfața om-mașină bazată pe text, care era general acceptat la acea vreme. În prezent, acest concept a trecut printr-o criză gravă, aparent din cauza faptului că în aplicațiile utilizator interfața text a fost înlocuită cu una grafică. În plus, modelul de date relaționale și perspectiva „clasică” a construirii sistemelor expert nu se potrivesc bine între ele. În consecință, organizarea bazelor de cunoștințe ale sistemelor expert nu poate fi realizată în mod eficient, cel puțin folosind sistemele moderne de gestionare a bazelor de date industriale. Sursele literare și online oferă multe exemple de sisteme expert numite „obișnuite” sau „cunoscute”. De fapt, toate aceste sisteme expert au fost create în anii 80 ai secolului trecut și, până acum, fie au încetat să mai existe, fie sunt iremediabil depășite și există datorită câtorva entuziaști. Pe de altă parte, dezvoltatorii de produse software moderne își numesc adesea creațiile sisteme expert. Asemenea afirmații nu sunt altceva decât un truc de marketing, deoarece în realitate aceste produse nu sunt sisteme expert (un exemplu ar fi oricare dintre sistemele de referință juridice informatice). Entuziaștii încearcă să combine abordările pentru crearea unei interfețe cu utilizatorul cu abordări „clasice” pentru crearea de sisteme expert. Totuși, aceste încercări se reflectă în proiecte precum CLIPS.NET, CLIPS Java Native Interface și altele companii mari Companiile de software nu se grăbesc să finanțeze astfel de proiecte și, din acest motiv, evoluțiile nu avansează dincolo de etapa experimentală.
Varietatea domeniilor în care sistemele bazate pe cunoștințe pot fi utilizate pot fi împărțite în clase: diagnosticare medicală, planificare, prognoză, monitorizare și control, instruire, interpretare, diagnosticare a defecțiunilor în echipamentele electrice și mecanice, instruire. Să ne uităm la fiecare dintre aceste clase mai detaliat.
a) Sisteme de diagnostic medical.
Cu ajutorul unor astfel de sisteme, ele determină modul în care diferitele tulburări ale activității corpului și ale acestora motive posibile. Cel mai cunoscut sistem de diagnosticare este MYCIN. Este utilizat pentru a diagnostica meningita și infecții bacteriene, precum și pentru a monitoriza starea pacienților care au aceste boli. Prima versiune a sistemului a fost dezvoltată în anii '70. Astăzi, capacitățile sale s-au extins semnificativ: sistemul face diagnostice la același nivel profesional ca un specialist medical și poate fi utilizat în diverse domenii ale medicinei.
b) Sisteme predictive.
Sistemele sunt concepute pentru a prezice evenimente sau rezultatele evenimentelor pe baza datelor disponibile care caracterizează situația sau starea curentă a unui obiect. Astfel, programul „Cucerirea Wall Street-ului”, care folosește în activitatea sa metode statistice algoritmi, este capabil să analizeze condițiile pieței și să dezvolte un plan de investiții de capital. Programul folosește algoritmi și proceduri de programare tradițională, deci nu poate fi clasificat ca un sistem bazat pe cunoștințe. Deja astăzi există programe care pot prezice fluxul de pasageri, recoltele și vremea prin analiza datelor disponibile. Astfel de programe sunt destul de simple, iar unele dintre ele pot fi folosite pe computere personale obișnuite. Cu toate acestea, încă nu există sisteme experte care ar putea, pe baza datelor privind condițiile pieței, să sugereze cum să se mărească capitalul.
c) Planificarea.
Sistemele de planificare sunt concepute pentru a rezolva probleme cu un număr mare de variabile pentru a obține rezultate specifice. Pentru prima dată în sfera comercială, astfel de sisteme au fost folosite de compania Informat din Damasc. Conducerea companiei a dispus instalarea a 13 posturi în holul biroului, care a efectuat consultatii gratuite pentru cumpărătorii care doresc să cumpere un computer. Aparatele ne-au ajutat să facem alegerea care se potrivea cel mai bine bugetului și dorințelor cumpărătorului. Sistemele experte au fost, de asemenea, folosite de Boeing în scopuri precum repararea elicopterelor, identificarea cauzelor defecțiunii motoarelor de aeronave și proiectarea stațiilor spațiale. DEC a creat sistemul expert XCON, care este capabil să identifice și să reconfigureze sistemele informatice VAX pe baza cerințelor clienților. DEC dezvoltă în prezent un sistem XSEL mai puternic, care include baza de cunoștințe XCON. Scopul creării sistemului este de a ajuta consumatorii să aleagă un sistem de calcul cu configurația necesară. Diferența dintre XSEL și XCON este că este interactiv.
d) Interpretare.
Sistemele interpretative sunt capabile să tragă concluzii pe baza rezultatelor observațiilor. Unul dintre cele mai cunoscute sisteme interpretative este sistemul PROSPECTOR. Funcționează folosind date bazate pe cunoștințele a nouă experți. Eficacitatea sistemului poate fi evaluată printr-un exemplu: folosind nouă metode de examinare diferite, sistemul a descoperit un zăcământ de minereu pe care niciun expert nu l-ar fi putut prevedea. Un alt sistem de tip interpretativ binecunoscut este HASP/SIAP. Folosește date de la sistemele de urmărire acustică și le folosește pentru a determina locația navelor în Oceanul Pacific și tipurile acestora.
e) Sisteme inteligente de control și management.
Sistemele experte sunt utilizate cu succes pentru control și management. Ei sunt capabili să analizeze datele primite din mai multe surse și să ia decizii pe baza rezultatelor analizei. Astfel de sisteme sunt capabile să efectueze monitorizarea medicală și să controleze mișcarea aeronavelor, în plus, sunt utilizate în centralele nucleare. De asemenea, ajută la reglementarea activităților financiare ale întreprinderii și la dezvoltarea de soluții în situații critice.
f) Diagnosticarea și depanarea echipamentelor electrice și mecanice.
Sistemele bazate pe cunoștințe sunt utilizate în cazuri precum:
reparații de locomotive diesel, automobile și alte dispozitive electrice și mecanice;
diagnosticarea și eliminarea erorilor și defecțiunilor în software și hardware de calculator.
și) Sisteme informatice Instruire.
Utilizarea sistemelor bazate pe cunoștințe în scopuri educaționale este destul de eficientă. Sistemul analizează comportamentul și activitatea obiectului și modifică baza de cunoștințe în conformitate cu informațiile primite. Cel mai simplu exemplu astfel de antrenament - joc pe calculator, în care nivelurile devin mai dificile pe măsură ce abilitățile jucătorului crește. Un sistem de instruire interesant - EURISCO - a fost dezvoltat de D. Lenat. Utilizează euristică simplă. Sistemul a fost aplicat într-un joc de simulare luptă. Esența jocului este de a determina compoziția optimă a flotilei, care ar putea provoca înfrângeri respectând multe reguli. Sistemul a făcut față cu succes acestei sarcini, inclusiv în flotilă o navă mică și mai multe nave capabile să efectueze un atac. Regulile jocului s-au schimbat în fiecare an, dar sistemul EURISCO a câștigat constant timp de trei ani.
Există multe sisteme expert care, pe baza conținutului lor de cunoștințe, pot fi clasificate în mai multe tipuri simultan. De exemplu, un sistem care realizează planificarea poate fi și un sistem de învățare. Este capabil să determine nivelul de cunoștințe al elevului și, pe baza acestor informații, să creeze un curriculum. Sistemele de control sunt utilizate pentru planificare, prognoză, diagnosticare și control. Sistemele concepute pentru a proteja o casă sau un apartament pot monitoriza schimbările care au loc în mediu, pot prezice evoluția situației și pot elabora un plan pentru acțiuni ulterioare. De exemplu, o fereastră s-a deschis și un hoț încearcă să intre în cameră prin ea, prin urmare, este necesar să suni la poliție.
Utilizarea pe scară largă a sistemelor expert a început în anii 1980, când au fost introduse pentru prima dată comercial. ES sunt utilizate în multe domenii, inclusiv în afaceri, știință, tehnologie, producție și alte industrii caracterizate printr-un domeniu foarte specific. În acest context, „bine definit” înseamnă că o persoană poate împărți cursul raționamentului în etape separate și în acest fel poate fi rezolvată orice problemă care se află în zona dată. Prin urmare, actiuni similare O poate face și un program de calculator. Este sigur să spunem că utilizarea capacităților inteligenței artificiale deschide posibilități infinite pentru umanitate.
Printre cele mai importante clase de sarcini care au fost propuse dezvoltatorilor de sisteme inteligente de la definirea inteligenței artificiale ca direcție științifică (de la mijlocul anilor 50 ai secolului XX), trebuie evidențiate următoarele: domenii ale inteligenței artificiale, care rezolvă probleme greu de formalizat: dovezi de teoreme, recunoaștere a imaginilor, traducere automată și înțelegere a vorbirii umane, programe de joc, creativitate automată, sisteme expert. Să luăm în considerare pe scurt esența lor.
Direcții ale inteligenței artificiale
Demonstrarea teoremelor. Studiul tehnicilor de demonstrare a teoremelor a jucat un rol important în dezvoltarea inteligenței artificiale. Multe probleme informale, de exemplu, diagnosticul medical, sunt rezolvate folosind abordări metodologice care au fost folosite pentru a automatiza demonstrarea teoremelor. Găsirea unei demonstrații a unei teoreme matematice necesită nu numai deducerea din ipoteze, ci și crearea de ipoteze intuitive despre care afirmații intermediare ar trebui dovedite pentru demonstrația generală a teoremei principale.
Recunoașterea imaginii. Utilizarea inteligenței artificiale pentru recunoașterea imaginilor a făcut posibilă crearea unor sisteme practic funcționale pentru identificarea obiectelor grafice bazate pe caracteristici similare. Orice caracteristici ale obiectelor care trebuie recunoscute pot fi considerate caracteristici. Caracteristicile trebuie să fie invariante față de orientarea, dimensiunea și forma obiectelor. Alfabetul caracteristicilor este format de dezvoltatorul sistemului. Calitatea recunoașterii depinde în mare măsură de cât de bine a fost dezvoltat alfabetul caracteristicilor. Recunoașterea constă în obținerea a priori a unui vector caracteristic pentru un obiect separat selectat în imagine și, apoi, determinarea căruia dintre standardele alfabetului caracteristici îi corespunde acest vector.
Traducere automată și înțelegere a vorbirii umane. Sarcina de a analiza propoziții în vorbirea umană folosind un dicționar este o sarcină tipică pentru sistemele de inteligență artificială. Pentru a rezolva această problemă a fost creat un limbaj intermediar care facilitează compararea frazelor din limbi diferite. Ulterior, acest limbaj intermediar s-a transformat într-un model semantic de reprezentare a semnificațiilor textelor de tradus. Evoluția modelului semantic a condus la crearea unui limbaj pentru reprezentarea internă a cunoștințelor. Ca urmare, sisteme moderne analizați texte și fraze în patru etape principale: analiza morfologică, analiză sintactică, semantică și pragmatică.
Programe de jocuri. Majoritatea programelor de jocuri se bazează pe câteva idei de bază ale inteligenței artificiale, cum ar fi iterația și auto-învățarea. Una dintre cele mai interesante probleme din domeniul programelor de joc care folosesc metode de inteligență artificială este învățarea unui computer să joace șah. A fost fondată încă din primele zile ale computerului, la sfârșitul anilor 50.
În șah, există anumite niveluri de îndemânare, grade de calitate a jocului, care pot oferi criterii clare de evaluare a creșterii intelectuale a sistemului. Prin urmare, șahul pe computer a fost studiat activ de oameni de știință din întreaga lume, iar rezultatele realizărilor lor sunt folosite în alte dezvoltări intelectuale care au o semnificație practică reală.
În 1974, campionatul mondial între programele de șah a avut loc pentru prima dată în cadrul congresului regulat IFIP (Federația Internațională a Prelucrării Informației) de la Stockholm. Câștigătorul acestei competiții a fost programul de șah „Kaissa”. A fost creat la Moscova, la Institutul de Probleme de Management al Academiei de Științe a URSS.
Creativitatea mașinii. Unul dintre domeniile de aplicare a inteligenței artificiale include sisteme software, capabil să creeze în mod independent muzică, poezie, povești, articole, diplome și chiar disertații. Astăzi există o întreagă clasă de limbaje de programare muzicală (de exemplu, limbajul C-Sound). Pentru diverse sarcini muzicale s-au creat programe speciale: sisteme de procesare a sunetului, sinteză a sunetului, sisteme interactive de compoziție, programe de compoziție algoritmică.
Sistem expert. Metodele inteligenței artificiale și-au găsit aplicație în crearea de sisteme automate de consultanță sau sisteme expert. Primele sisteme expert au fost dezvoltate ca instrumente de cercetare în anii 1960.
Erau sisteme de inteligență artificială concepute special pentru a rezolva probleme complexe într-un domeniu restrâns, cum ar fi diagnosticul medical al bolilor. Scopul clasic al acestei direcții a fost inițial acela de a crea un sistem de inteligență artificială de uz general, care să poată rezolva orice problemă fără cunoștințe specifice în domeniu. Din cauza resurselor de calcul limitate, această problemă s-a dovedit a fi prea complexă pentru a fi rezolvată cu un rezultat acceptabil.
Implementarea comercială a sistemelor expert a avut loc la începutul anilor 1980, iar de atunci sistemele expert au devenit larg răspândite. Ele sunt utilizate în afaceri, știință, tehnologie, producție și în multe alte domenii în care există un domeniu bine definit. Sensul principal al expresiei „bine definit” este că un expert uman este capabil să determine etapele raționamentului cu ajutorul cărora poate fi rezolvată orice problemă dintr-un anumit domeniu. Aceasta înseamnă că acțiuni similare pot fi efectuate de un program de calculator.
Acum putem spune cu încredere că utilizarea sistemelor de inteligență artificială deschide granițe largi.
Astăzi, sistemele expert sunt una dintre cele mai de succes aplicații ale tehnologiei inteligenței artificiale. Prin urmare, vă recomandăm să vă familiarizați cu.
MINISTERUL EDUCAŢIEI ŞI ŞTIINŢEI RF
Institutul Internațional „INFO-Rutenia”
LUCRARE DE CURS
Disciplina:
Cercetare sisteme de control
Tema: Domenii de aplicare a inteligenței artificiale în întreprindere
Balatskaya E.N.
Introducere
2. Inteligența artificială: domenii de aplicare
3. Inteligența artificială și perspectivele dezvoltării acesteia
Concluzie
Glosar
Introducere
Știința inteligenței artificiale datează de la mijlocul secolului al XX-lea. De atunci, oamenii de știință din multe laboratoare de cercetare au lucrat la crearea de computere care au capacitatea de a gândi la același nivel cu oamenii. La acea vreme, precondițiile pentru apariția inteligenței artificiale existau deja. Astfel, psihologii au creat un model al creierului uman și au studiat procesele gândirii. Matematicienii au creat teoria algoritmilor, care a devenit fundamentul teoriei matematice a calculelor, cunoștințele despre lume au fost ordonate și structurate, au fost rezolvate problemele calculelor optime și au fost create primele computere.
Noile mașini au fost capabile să efectueze calcule mult mai rapid decât oamenii, așa că oamenii de știință s-au gândit la posibilitatea de a crea computere care au atins nivelul de dezvoltare al oamenilor. În 1950, omul de știință englez Alan Turing a publicat articolul „Can a Machine Think?” În acest articol, el își propune să determine gradul de inteligență al unei mașini folosind un test pe care l-a dezvoltat, care mai târziu a devenit cunoscut sub numele de „testul Turing”.
Alți oameni de știință au lucrat și în domeniul creării AI, dar au trebuit să se confrunte cu o serie de probleme care nu au putut fi rezolvate în cadrul informaticii tradiționale. S-a dovedit că în primul rând ar trebui studiate mecanismele percepției senzoriale, asimilarea informațiilor, precum și natura limbajului. Sa dovedit a fi extrem de dificil să imitem activitatea creierului, deoarece aceasta ar necesita reproducerea muncii a miliarde de neuroni care interacționează între ei. Dar chiar mai mult sarcina dificilaÎn loc să imite activitatea creierului, s-a dovedit a fi studiul principiilor și mecanismelor funcționării acestuia. Această problemă, care s-a confruntat cu cercetătorii de inteligență, a atins latura teoretică a psihologiei. Oamenii de știință încă nu pot ajunge la un consens asupra a ceea ce este inteligența. Unii consideră că capacitatea de a rezolva probleme de mare complexitate este un semn al inteligenței; pentru alții, inteligența este, în primul rând, capacitatea de a învăța, generaliza și analiza informațiile; Alții cred că aceasta este capacitatea de a interacționa eficient cu lumea exterioară, capacitatea de a comunica, percepe și înțelege informațiile primite.
În această lucrare de curs, obiectul cercetării este inteligența artificială. Subiect de studiu - moduri posibile perfecţionarea şi dezvoltarea acesteia.
Scopul lucrării: identificarea domeniilor de activitate umană în care poate fi utilizată inteligența artificială.
Pe parcursul cercetării efectuate în cadrul acestei lucrări, se așteaptă să rezolve mai multe probleme:
) Luați în considerare istoria inteligenței artificiale;
) Identificați principalele obiective ale creării inteligenței artificiale;
) Să familiarizeze cititorul cu tipurile de aplicații ale inteligenței artificiale în lumea modernă;
) Explorează domenii promițătoare în care poate fi utilizată inteligența artificială;
) Luați în considerare cum ar putea arăta viitorul folosind inteligența artificială.
Lucrarea de curs prezentată poate fi de interes pentru oricine este interesat de istoria apariției și dezvoltării inteligenței artificiale, în plus, poate fi folosit ca ajutor didactic.
1. Sensul termenului „inteligență artificială”
Omenirea a auzit pentru prima dată despre inteligența artificială în urmă cu peste 50 de ani. S-a întâmplat la o conferință ținută în 1956 la Universitatea Dartmouth, unde John McCarthy a dat termenului o definiție clară și precisă. „Inteligenta artificiala este stiinta de a crea masini inteligente si programe de calculator. În scopul acestei științe, computerele sunt folosite ca mijloc de înțelegere a caracteristicilor inteligenței umane, în același timp, studiul AI nu ar trebui să se limiteze la utilizarea unor metode plauzibile din punct de vedere biologic.
Ca și alte științe aplicate, știința inteligenței artificiale este reprezentată de părți teoretice și experimentale. În practică, „Inteligenta artificială” ocupă o poziție intermediară între informatica și discipline precum psihologia cognitivă și comportamentală și neurofiziologia. În ceea ce privește baza teoretică, aceasta este servită de „Filosofia Inteligenței Artificiale”, dar până când nu există rezultate semnificative în acest domeniu, teoria nu are un sens independent. Cu toate acestea, deja acum este necesar să se facă distincția între știința inteligenței artificiale și alte discipline și tehnici teoretice (robotică, algoritmică, matematică, fiziologică), care au o semnificație independentă.
În prezent, dezvoltarea IA are loc în două direcții: neurocibernetica și cibernetica cutiei negre. Una dintre direcții - neurocibernetica, sau inteligența artificială, se bazează pe simularea muncii creier uman folosind sisteme de inteligență artificială cunoscute sub numele de rețele neuronale sau rețele neuronale. A doua direcție a AI - cibernetica cutiei negre, sau inteligența mașinilor, este angajată în căutarea și dezvoltarea algoritmilor pentru solutie eficienta sarcini intelectuale folosind modele computerizate existente. Pentru această direcție, principalul lucru nu este designul dispozitivului, ci principiul funcționării acestuia: reacția unei mașini „gânditoare” la influențele de intrare ar trebui să fie aceeași cu cea a creierului uman.
S-au scris multe cărți despre inteligența artificială, dar niciun autor nu oferă un răspuns clar la întrebarea ce face această știință. Majoritatea autorilor iau în considerare o singură definiție a IA, luând în considerare realizările științifice doar în lumină această definiție. Următoarea problemă se referă la natura inteligenței umane și statutul acesteia: în filosofie nu există încă un criteriu clar pentru ele. Nu există o abordare unică pentru a determina gradul de „inteligență” al unei mașini. Cu toate acestea, există multe ipoteze propuse în zorii inteligenței artificiale. Acesta este testul Turing, care a fost menționat mai sus, și ipoteza Newell-Simon și multe alte abordări ale dezvoltării IA, dintre care se pot distinge două principale:
semiotică sau de sus în jos: bazată pe crearea de baze de cunoștințe, sisteme de inferență și sisteme expert care simulează diverse procesele mentale nivel înalt, cum ar fi gândirea, emoțiile, vorbirea, creativitatea, raționamentul etc.
biologic, sau de jos în sus: se bazează pe crearea și studiul rețelelor neuronale care imită procesele creierului uman, precum și pe crearea de biocalculatoare, neurocalculatoare și alte sisteme de calcul similare.
A doua abordare depășește definiția lui John McCarthy, dar are același scop final, așa că există toate motivele pentru a o clasifica drept inteligență artificială.
În combinație cu psihologia cognitivă, epistemologia și neurofiziologia, inteligența artificială formează o altă știință - știința cognitivă. Epistemologia este direct legată de problemele AI, deoarece este o știință a cunoașterii (parte a filozofiei), iar filosofia, la rândul ei, joacă un rol important în inteligența artificială. Filosofii și inginerii AI rezolvă probleme similare: ambii caută cele mai bune moduri prezentarea și utilizarea informațiilor și cunoștințelor.
Modelarea cognitivă este o metodă propusă și testată mai întâi de Axelrod. Metoda este folosită pentru a lua decizii în situații prost definite. Se bazează pe modelare, pe baza cunoașterii ideilor subiective despre situația unuia sau mai multor experți. Modelul de credință al expertului este o hartă cognitivă (F, W). W este un set de relații cauză-efect între factorii situaționali, precum și multe metode de analiză a situației, F este toți factorii disponibili ai situației. În prezent, direcția principală de dezvoltare a modelării cognitive este îmbunătățirea aparatului de modelare și analiză a situației. În special, sunt dezvoltate diverse metode de predicție a situației și metode de rezolvare a problemelor inverse.
În informatică, problemele de inteligență artificială sunt rezolvate folosind proiectarea bazelor de cunoștințe și a sistemelor expert. Bazele de cunoștințe sunt o colecție de cunoștințe și reguli conform cărora informațiile pot fi procesate în mod semnificativ. În general, problemele inteligenței artificiale în informatică sunt studiate cu scopul de a crea sisteme de informare, funcționarea și îmbunătățirea acestora. Specialiștii în tehnologia informației sunt implicați în formarea dezvoltatorilor și utilizatorilor unor astfel de sisteme.
Este destul de firesc că încercările de a crea inteligență artificială au atras și continuă să atragă atenția oamenilor de știință filozofi. Apariția primelor sisteme intelectuale nu a putut decât să afecteze multe aspecte legate de cunoașterea umană, ordinea mondială și locul omului în lume. În mod convențional, toate problemele filozofice din acest domeniu pot fi împărțite în două grupe: posibilitatea de a crea inteligență artificială și etica inteligenței artificiale. În primul grup, majoritatea întrebărilor sunt dedicate posibilității și metodelor de creare a AI. Al doilea grup de probleme este legat de consecinte posibile apariția IA pentru întreaga umanitate. În același timp, în transumanism, crearea IA este considerată una dintre sarcinile primare cu care se confruntă umanitatea.
Oamenii de știință de la Institutul Singularity (SIAI), situat în Statele Unite, studiază în mod activ posibilitățile de riscuri globale care ar putea apărea ca urmare a creării inteligenței artificiale supraumane. Pentru a preveni astfel de riscuri, IA ar trebui programată pentru a fi prietenoasă cu oamenii. Filmul „I, Robot” atinge pe bună dreptate problema eticii inteligenței artificiale. Unii oameni de știință cred că legile roboticii pot încuraja „inteligența computerizată” să preia Pământul pentru a „proteja” populația de rău.
În ceea ce privește confesiunile religioase, majoritatea sunt destul de calmi cu privire la crearea IA. De exemplu, liderul spiritual al budiștilor, Dalai Lama, crede că conștiința bazată pe computer poate exista. Mișcarea religioasă raelită sprijină activ evoluțiile în acest domeniu. Alte denominațiuni abordează problemele legate de IA destul de rar pentru a justifica o poziție puternică.
Inteligența artificială: domenii de aplicare
Din momentul în care inteligența artificială a fost recunoscută ca domeniu științific, iar acest lucru s-a întâmplat la mijlocul anilor 50 ai secolului trecut, dezvoltatorii de sisteme inteligente au fost nevoiți să rezolve multe probleme. În mod convențional, toate sarcinile pot fi împărțite în mai multe clase: recunoașterea și traducerea limbajului uman, demonstrații automate de teoreme, crearea de programe de joc, recunoașterea imaginilor și creativitatea mașinii. Să luăm în considerare pe scurt esența fiecărei clase de probleme.
Demonstrarea teoremelor.
Demonstrarea automată a teoremei este cea mai veche aplicație a inteligenței artificiale. Au fost efectuate multe cercetări în acest domeniu, ducând la apariția algoritmilor de căutare formalizați și a limbajelor formale de reprezentare, cum ar fi PROLOG - un limbaj de programare logic și calculul predicatelor.
Demonstrațiile teoremelor automate sunt atractive deoarece se bazează pe generalitatea și rigoarea logicii. Logica într-un sistem formal implică posibilitatea automatizării, ceea ce înseamnă că dacă prezentați o problemă și informații suplimentare legate de aceasta ca un set de axiome logice, iar cazurile speciale ale problemei ca teoreme care necesită demonstrație, puteți obține o soluție pentru multe probleme. Pe acest principiu se bazează sistemele de justificare matematică și demonstrarea automată a teoremelor. În anii trecuți, s-au făcut încercări repetate de a scrie un program pentru demonstrarea automată a teoremei, dar nu a fost niciodată posibil să se creeze un sistem care să permită rezolvarea problemelor folosind o singură metodă. Orice sistem euristic relativ complex ar putea genera multe teoreme demonstrabile care erau irelevante, determinând ca programele să fie nevoite să le demonstreze până când a fost descoperită cea corectă. Acest lucru a condus la convingerea că spațiile mari pot fi tratate doar prin strategii informale adaptate unor situații specifice. În practică, această abordare s-a dovedit a fi destul de fructuoasă și a fost folosită, împreună cu altele, ca bază pentru sistemele expert.
În același timp, raționamentul bazat pe logica formală nu poate fi ignorat. O abordare formalizată vă permite să rezolvați multe probleme. În special, folosindu-l, puteți controla sisteme complexe, puteți verifica corectitudinea programelor de calculator, puteți proiecta și testa circuite logice. În plus, cercetătorii care dovedesc teoremele automate au dezvoltat euristici puternice care se bazează pe evaluarea formei sintactice a expresiilor logice. Ca urmare, a devenit posibilă reducerea nivelului de complexitate a spațiului de căutare fără a recurge la dezvoltarea unor strategii speciale.
Dovada automată a teoremelor este de interes pentru oamenii de știință și pentru că sistemul poate fi folosit și pentru probleme deosebit de complexe, deși nu fără intervenția umană. În zilele noastre, programele acționează adesea ca asistenți. Experții împart sarcina în mai multe subsarcini, apoi vin cu euristici pentru a sorta posibilele motive. Programul demonstrează apoi leme, testează ipoteze mai puțin semnificative și face completări la aspectele formale ale dovezii umane.
Recunoasterea formelor.
Recunoașterea modelelor este selectarea caracteristicilor esențiale care caracterizează datele sursă din setul general de caracteristici și, pe baza informațiilor primite, atribuirea datelor unei anumite clase.
Teoria recunoașterii modelelor este o ramură a informaticii ale cărei sarcini includ dezvoltarea fundamentelor și metodelor de identificare și clasificare a obiectelor (obiecte, procese, fenomene, situații, semnale etc.), fiecare dintre acestea fiind înzestrată cu un set de anumite semne și proprietăți. În practică, este necesar să se identifice obiectele destul de des. O situație tipică este recunoașterea culorii unui semafor și deciderea dacă traversați strada în acest moment. Există și alte domenii în care este imposibil să faci fără recunoașterea obiectelor, de exemplu, digitizarea semnalelor analogice, afaceri militare, sisteme de securitate și așa mai departe, așa că astăzi oamenii de știință continuă să lucreze activ la crearea sistemelor de recunoaștere a imaginilor.
Lucrările se desfășoară în două direcții principale:
Explorarea, explicarea și modelarea abilităților de discriminare inerente ființelor vii.
Dezvoltarea bazelor teoretice și metodologice pentru crearea de dispozitive care să permită rezolvarea problemelor individuale în scopuri aplicate.
Problemele de recunoaștere sunt formulate folosind limbajul matematic. În timp ce teoria rețelelor neuronale artificiale se bazează pe obținerea de rezultate prin experimente, formularea problemelor de recunoaștere a modelelor nu are loc pe baza experimentului, ci pe baza demonstrațiilor matematice și a raționamentului logic.
Să luăm în considerare formularea clasică a unei astfel de probleme. Există multe obiecte cu privire la care clasificare ar trebui efectuată. Un set este format din submulțimi sau clase. Date: informații care descriu un set, informații despre clase și o descriere a unui singur obiect fără a indica apartenența acestuia la o anumită clasă. Sarcină: pe baza datelor disponibile, determinați cărei clase îi aparține obiectul.
Dacă problemele conțin imagini monocrome, acestea pot fi considerate funcții dintr-un avion. Funcția va reprezenta o înregistrare formală a imaginii și va exprima în fiecare punct o anumită caracteristică a acestei imagini - densitate optică, transparență, luminozitate etc. În acest caz, modelul setului de imagini va fi setul de funcții din plan. . Formularea problemei recunoașterii depinde de care ar trebui să fie etapele următoare recunoașterii.
Metodele de recunoaștere a modelelor includ experimente de F. Rosenblatt, care a introdus conceptul de model cerebral. Scopul experimentului este de a arăta cum apar fenomene psihologice într-un sistem fizic cu proprietăți funcționale și structură cunoscute. Omul de știință a descris cele mai simple experimente de recunoaștere, dar caracteristica lor este un algoritm de soluție nedeterministă.
Cel mai simplu experiment, pe baza căruia se pot obține informații semnificative din punct de vedere psihologic despre sistem, este următorul: perceptronul este prezentat cu o secvență de doi stimuli diferiți, la fiecare dintre care trebuie să reacționeze într-un fel, iar reacția trebuie fi diferit pentru stimuli diferiți. Scopurile unui astfel de experiment pot fi diferite. Experimentatorul poate fi confruntat cu sarcina de a studia posibilitatea discriminării spontane de către sistemul de stimuli prezentați fără intervenție externă sau, dimpotrivă, de a studia posibilitatea recunoașterii forțate. În al doilea caz, experimentatorul antrenează sistemul să clasifice diverse obiecte, dintre care pot fi mai mult de două. Experiența de învățare se desfășoară astfel: perceptronul este prezentat cu imagini, printre care se numără reprezentanți ai tuturor claselor care trebuie recunoscute. Răspunsul corect este întărit conform regulilor de modificare a memoriei. După aceasta, experimentatorul prezintă perceptronului un stimul de control și determină probabilitatea de a obține o reacție dată pentru imaginile unei clase date. Stimulul de control poate fi același cu unul dintre obiectele prezentate în secvența de antrenament sau diferit de toate obiectele prezentate. În funcție de aceasta, se obțin următoarele rezultate:
Dacă stimulul de control diferă de toți stimulii de antrenament prezentați anterior, atunci pe lângă discriminarea pură, experimentul examinează elemente de generalizare.
Dacă un stimul de control determină activarea unui anumit grup de elemente senzoriale care nu coincid cu niciunul dintre elementele activate de stimuli din aceeași clasă prezentate mai devreme, atunci experimentul examinează generalizarea pură și nu implică un studiu de recunoaștere.
În ciuda faptului că perceptronii nu sunt capabili de generalizare pură, ei fac față în mod satisfăcător sarcinilor de recunoaștere, mai ales în cazurile în care sunt prezentate imagini pentru care perceptronul are deja o anumită experiență.
Recunoașterea vorbirii umane și traducerea automată.
Obiectivele pe termen lung ale inteligenței artificiale includ crearea de programe care să recunoască limbajul uman și să-l folosească pentru a construi fraze semnificative. Abilitatea de a înțelege și de a folosi limbajul natural este o trăsătură fundamentală a inteligenței umane. Automatizarea cu succes a acestei abilități ar îmbunătăți considerabil eficiența computerelor. Multe programe au fost scrise pentru a înțelege limbajul natural și au fost folosite cu succes în contexte limitate, dar încă nu există sisteme care să poată folosi limbajele naturale cu aceeași generalitate și flexibilitate ca și oamenii. Faptul este că procesul de înțelegere a limbajului natural nu se referă doar la simpla analiză a propozițiilor în componente și la căutarea semnificațiilor cuvintelor individuale în dicționare. Programele fac față cu succes acestei sarcini. Pentru a folosi vorbirea umană, aveți nevoie de cunoștințe extinse despre subiectul conversației, despre idiomuri legate de acesta, în plus, aveți nevoie de capacitatea de a înțelege ambiguitățile, omisiunile, profesionalismul, jargonul, expresiile colocviale și multe altele care sunt inerente vorbirii umane normale. .
Un exemplu este o conversație despre fotbal, în care sunt folosite cuvinte precum „atacant”, „pasă”, „pasă”, „lovitură liberă”, „apărător”, „atacant”, „căpitan” și altele. Fiecare dintre aceste cuvinte este caracterizat de un set de semnificații, iar individual cuvintele sunt destul de înțelese, dar o frază formată din ele va fi de neînțeles pentru oricine nu este pasionat de fotbal și nu știe nimic despre istoria, regulile și principiile acestui joc. . Astfel, înțelegerea și utilizarea limbajului uman necesită un corp de cunoștințe de bază, iar una dintre principalele provocări în automatizarea înțelegerii și utilizării limbajului uman natural este colectarea și sistematizarea unor astfel de cunoștințe.
Deoarece semnificațiile semantice sunt utilizate pe scară largă în inteligența artificială, oamenii de știință au dezvoltat o serie de metode care le permit să fie structurate într-o oarecare măsură. Cu toate acestea, cea mai mare parte a muncii se desfășoară în domenii problematice care sunt bine înțelese și specializate. Un exemplu este tehnica „microworld”. Unul dintre primele programe în care a fost folosit a fost programul SHRDLU, dezvoltat de Terry Winograd, care este unul dintre sistemele de înțelegere a vorbirii umane. Capacitățile programului erau destul de limitate și se ridicau la o „conversație” despre aranjarea blocurilor de diferite culori și forme, precum și planificarea acțiunilor simple. Programul a oferit răspunsuri la întrebări precum „De ce culoare este piramida de pe blocul crucii?” și ar putea da instrucțiuni precum „Plasați blocul albastru pe cel roșu”. Astfel de probleme au fost adesea abordate de cercetătorii în inteligența artificială și mai târziu au devenit cunoscute sub numele de „lumea blocurilor”.
În ciuda faptului că programul SHRDLU a „conversat” cu succes despre locația blocurilor, nu a fost dotat cu capacitatea de a face abstracție de la această „microlume”. A folosit tehnici prea simple care nu au fost capabile să transmită organizarea semantică a disciplinelor de complexitate mai mare.
Lucrările curente în domeniul înțelegerii și aplicării limbilor naturale vizează în principal găsirea de formalisme de reprezentare suficient de generale care să poată fi adaptate la structurile specifice ale domeniilor date și aplicate la o gamă largă de aplicații. Majoritatea tehnicilor existente, care sunt modificări ale rețelelor semiotice, sunt cercetate și utilizate pentru a scrie programe capabile să recunoască limbajul natural în domenii înguste. În același timp, capacitățile moderne nu ne permit să creăm un program universal capabil să înțeleagă vorbirea umană în toată diversitatea ei.
Printre varietatea de probleme de recunoaștere a modelelor, se pot distinge următoarele:
Identificarea zăcămintelor minerale
Recunoașterea imaginii
Recunoașterea codurilor de bare
Recunoașterea caracterelor
Recunoaștere a vorbirii
Recunoaștere facială
Recunoașterea numerelor de înmatriculare
Inteligența artificială în programele de jocuri.
Inteligența artificială pentru jocuri include nu numai metode tradiționale de inteligență artificială, ci și algoritmi din informatică în general, grafică pe computer, robotică și teoria controlului. Modul în care este implementat AI afectează nu numai cerințele de sistem, ci și bugetul jocului, așa că dezvoltatorii trebuie să echilibreze încercând să se asigure că inteligența artificială a jocului este creată la un cost minim, fiind în același timp interesantă și nesolicitantă. asupra resurselor. Aceasta are o abordare complet diferită de inteligența artificială tradițională. În special, emulările, înșelăciunile și diversele simplificări sunt utilizate pe scară largă. Exemplu: o caracteristică a shooter-urilor la persoana întâi este capacitatea roboților de a se mișca cu precizie și ținti instantaneu, dar, în același timp, o persoană nu are o singură șansă, astfel încât abilitățile roboților sunt reduse artificial. Totodată, punctele de control sunt amplasate la nivel astfel încât roboții să poată acționa ca o echipă, să pună ambuscade etc.
În jocurile pe calculator controlate de inteligența artificială a jocurilor, sunt prezente următoarele categorii de personaje:
mob-urile sunt personaje cu un nivel scăzut de inteligență, ostile jucătorului uman. Jucătorii distrug mulțimi pentru a trece teritoriul, pentru a obține artefacte și puncte de experiență.
personaje non-jucatoare - de obicei, aceste personaje sunt prietenoase sau neutre cu jucătorul.
roboții sunt personaje ostile față de jucători și sunt cel mai greu de programat. Capacitățile lor se apropie de cele ale personajelor din joc. În orice moment, un număr de roboți acționează împotriva jucătorului.
În cadrul unui joc pe calculator, există multe domenii în care se utilizează o mare varietate de algoritmi euristici pentru inteligența artificială a jocurilor. Jocul AI este cel mai larg folosit ca o modalitate de a controla personajele non-jucatoare. O altă metodă, nu mai puțin obișnuită de control, este scripting-ul. O altă utilizare evidentă a jocului AI, în special în jocurile de strategie în timp real, este identificarea căii sau o metodă pentru a determina modul în care un personaj non-jucător poate ajunge de la un punct pe hartă la altul. În acest caz, trebuie să țineți cont de obstacole, de teren și de posibila „ceață de război”. De asemenea, echilibrarea dinamică a mafioților nu este completă fără utilizarea inteligenței artificiale. Multe jocuri au explorat conceptul de inteligență imprevizibilă. Acestea sunt jocuri precum Nintendogs, Black & White, Creatures și binecunoscuta jucărie Tamagotchi. În aceste jocuri, personajele sunt animale de companie, al căror comportament se modifică în funcție de acțiunile efectuate de jucător. Personajele par a fi capabile să învețe, când de fapt acțiunile lor sunt rezultatul alegerii dintr-un set limitat de decizii.
Mulți programatori de jocuri consideră că orice tehnică care creează iluzia inteligenței face parte din inteligența artificială a jocurilor. Cu toate acestea, această abordare nu este în întregime corectă, deoarece aceleași tehnici pot fi utilizate nu numai în motoarele AI de joc. De exemplu, atunci când se creează roboți, algoritmii sunt utilizați cu informații despre posibilele coliziuni viitoare introduse în aceștia, în urma cărora roboții dobândesc „aptitudinea” de a evita aceste coliziuni. Dar aceleași tehnici sunt o componentă importantă și necesară a unui motor fizic. Un alt exemplu: o componentă importantă a sistemului de direcționare al unui bot sunt datele de apă, iar aceleași date sunt utilizate pe scară largă în motorul grafic pentru randare. Ultimul exemplu este scripting-ul. Acest instrument poate fi folosit cu succes în toate aspectele dezvoltării jocului, dar cel mai adesea este considerat una dintre modalitățile de a controla acțiunile personajelor care nu sunt jucători.
Potrivit puriștilor, expresia „inteligență artificială de joc” nu are dreptul să existe, deoarece este o exagerare. Argumentul lor principal este că IA pentru jocuri folosește doar unele domenii ale științei inteligenței artificiale clasice. De asemenea, trebuie luat în considerare faptul că obiectivele AI sunt de a crea sisteme de auto-învățare și chiar de a crea inteligență artificială capabilă să raționeze, în timp ce aceasta este adesea limitată la euristică și un set de câteva reguli generale, care sunt suficiente pentru a crea un joc bun și oferă jucătorului impresii vii și senzația de joc.
În prezent, dezvoltatorii de jocuri pe computer își manifestă interes pentru IA academică, iar comunitatea academică, la rândul ei, devine interesată de jocurile pe calculator. Acest lucru ridică întrebarea în ce măsură jocurile și IA clasică diferă unele de altele. În același timp, inteligența artificială pentru jocuri este încă considerată una dintre subramurile inteligenței clasice. Acest lucru se datorează faptului că inteligența artificială are diverse domenii de aplicare care diferă unele de altele. Dacă vorbim despre inteligența de joc, o diferență importantă aici este posibilitatea înșelăciunii pentru a rezolva anumite probleme în mod „legal”. Pe de o parte, dezavantajul înșelăciunii este că deseori duce la un comportament nerealist al personajului și din acest motiv nu poate fi folosit întotdeauna. Pe de altă parte, însăși posibilitatea unei astfel de înșelăciuni servește ca o diferență importantă între AI de joc.
O altă sarcină interesantă a inteligenței artificiale este să înveți un computer să joace șah. Oamenii de știință din întreaga lume s-au angajat în rezolvarea acesteia. Particularitatea acestei sarcini este că demonstrarea abilităților logice ale computerului este posibilă numai în prezența unui adversar real. Prima astfel de demonstrație a avut loc în 1974 la Stockholm, unde a avut loc Campionatul Mondial de șah între programele de șah. Programul „Kaissa”, creat de oamenii de știință sovietici de la Institutul de Probleme de Management al Academiei de Științe a URSS, situat la Moscova, a câștigat această competiție.
Inteligența artificială în creativitatea mașinilor.
Natura inteligenței umane nu a fost încă studiată suficient, iar gradul în care natura creativității umane a fost studiată este și mai puțin. Cu toate acestea, un domeniu al inteligenței artificiale este creativitatea mașinilor. Calculatoarele moderne creează lucrări muzicale, literare și artistice, iar industria jocurilor pe calculator și a filmului au folosit mult timp imagini realiste create de mașini. Programele existente creează diverse imagini care pot fi ușor percepute și înțelese de oameni. Acest lucru este deosebit de important atunci când vine vorba de cunoștințe intuitive, a căror verificare formală ar necesita un efort mental considerabil. Astfel, problemele muzicale sunt rezolvate cu succes folosind un limbaj de programare, dintre care unul este limbajul CSound. Software-ul special cu care sunt create lucrări muzicale este reprezentat de programe de compoziție algoritmică, sisteme de compoziție interactive, sisteme de sinteză și procesare a sunetului.
Sistem expert.
Dezvoltarea sistemelor expert moderne a fost realizată de cercetători încă de la începutul anilor 1970, iar la începutul anilor 1980 sistemele expert au început să fie dezvoltate pe o bază comercială. Prototipurile de sisteme experte, propuse în 1832 de omul de știință rus S. N. Korsakov, erau dispozitive mecanice numite „mașini inteligente”, care au făcut posibilă găsirea unei soluții bazate pe condiții date. De exemplu, au fost analizate simptomele unei boli observate la un pacient, iar pe baza rezultatelor acestei analize au fost propuse cele mai potrivite medicamente.
Informatica ia in considerare sistemele expert impreuna cu bazele de cunostinte. Sistemele sunt modele de comportament expert bazate pe aplicarea procedurilor decizionale și a concluziilor logice. Bazele de cunoștințe sunt considerate ca un set de reguli de inferență logică și fapte care au legătură directă cu domeniul de activitate ales.
La sfârșitul secolului trecut, s-a dezvoltat un anumit concept de sisteme expert, profund axat pe interfața om-mașină bazată pe text, care era general acceptat la acea vreme. În prezent, acest concept a trecut printr-o criză gravă, aparent din cauza faptului că în aplicațiile utilizator interfața text a fost înlocuită cu una grafică. În plus, modelul de date relaționale și perspectiva „clasică” a construirii sistemelor expert nu se potrivesc bine între ele. În consecință, organizarea bazelor de cunoștințe ale sistemelor expert nu poate fi realizată în mod eficient, cel puțin folosind sistemele moderne de gestionare a bazelor de date industriale. Sursele literare și online oferă multe exemple de sisteme expert numite „obișnuite” sau „cunoscute”. De fapt, toate aceste sisteme expert au fost create în anii 80 ai secolului trecut și, până acum, fie au încetat să mai existe, fie sunt iremediabil depășite și există datorită câtorva entuziaști. Pe de altă parte, dezvoltatorii de produse software moderne își numesc adesea creațiile sisteme expert. Asemenea afirmații nu sunt altceva decât un truc de marketing, deoarece în realitate aceste produse nu sunt sisteme expert (un exemplu ar fi oricare dintre sistemele de referință juridice informatice). Entuziaștii încearcă să combine abordările pentru crearea unei interfețe cu utilizatorul cu abordări „clasice” pentru crearea de sisteme expert. Aceste încercări se reflectă în proiecte precum CLIPS.NET, CLIPS Java Native Interface și altele, dar marile companii de software nu se grăbesc să finanțeze astfel de proiecte și din acest motiv evoluțiile nu avansează dincolo de etapa experimentală.
Varietatea domeniilor în care sistemele bazate pe cunoștințe pot fi utilizate pot fi împărțite în clase: diagnosticare medicală, planificare, prognoză, monitorizare și control, instruire, interpretare, diagnosticare a defecțiunilor în echipamentele electrice și mecanice, instruire. Să ne uităm la fiecare dintre aceste clase mai detaliat.
a) Sisteme de diagnostic medical.
Cu ajutorul unor astfel de sisteme, ele determină modul în care diferitele tulburări ale activității corpului și posibilele lor cauze sunt interconectate. Cel mai cunoscut sistem de diagnosticare este MYCIN. Este folosit pentru a diagnostica meningita și infecțiile bacteriene, precum și pentru a monitoriza starea pacienților care au aceste boli. Prima versiune a sistemului a fost dezvoltată în anii '70. Astăzi, capacitățile sale s-au extins semnificativ: sistemul face diagnostice la același nivel profesional ca un specialist medical și poate fi utilizat în diverse domenii ale medicinei.
b) Sisteme predictive.
Sistemele sunt concepute pentru a prezice evenimente sau rezultatele evenimentelor pe baza datelor disponibile care caracterizează situația sau starea curentă a unui obiect. Astfel, programul „Conquest of Wall Street”, care utilizează metode statistice ale algoritmilor în activitatea sa, este capabil să analizeze condițiile pieței și să dezvolte un plan de investiții. Programul folosește algoritmi și proceduri de programare tradițională, deci nu poate fi clasificat ca un sistem bazat pe cunoștințe. Deja astăzi există programe care pot prezice fluxul de pasageri, recoltele și vremea prin analiza datelor disponibile. Astfel de programe sunt destul de simple, iar unele dintre ele pot fi folosite pe computere personale obișnuite. Cu toate acestea, încă nu există sisteme experte care ar putea, pe baza datelor privind condițiile pieței, să sugereze cum să se mărească capitalul.
c) Planificarea.
Sistemele de planificare sunt concepute pentru a rezolva probleme cu un număr mare de variabile pentru a obține rezultate specifice. Pentru prima dată în sfera comercială, astfel de sisteme au fost folosite de compania Informat din Damasc. Conducerea companiei a dispus instalarea a 13 posturi in holul biroului, care asigura consultatii gratuite pentru clientii care doresc sa achizitioneze un calculator. Aparatele ne-au ajutat să facem alegerea care se potrivea cel mai bine bugetului și dorințelor cumpărătorului. Sistemele experte au fost, de asemenea, folosite de Boeing în scopuri precum repararea elicopterelor, identificarea cauzelor defecțiunii motoarelor de aeronave și proiectarea stațiilor spațiale. DEC a creat sistemul expert XCON, care este capabil să identifice și să reconfigureze sistemele informatice VAX pe baza cerințelor clienților. DEC dezvoltă în prezent un sistem XSEL mai puternic, care include baza de cunoștințe XCON. Scopul creării sistemului este de a ajuta consumatorii să aleagă un sistem de calcul cu configurația necesară. Diferența dintre XSEL și XCON este că este interactiv.
d) Interpretare.
Sistemele interpretative sunt capabile să tragă concluzii pe baza rezultatelor observațiilor. Unul dintre cele mai cunoscute sisteme interpretative este sistemul PROSPECTOR. Funcționează folosind date bazate pe cunoștințele a nouă experți. Eficacitatea sistemului poate fi evaluată printr-un exemplu: folosind nouă metode de examinare diferite, sistemul a descoperit un zăcământ de minereu pe care niciun expert nu l-ar fi putut prevedea. Un alt sistem de tip interpretativ binecunoscut este HASP/SIAP. Folosește date de la sistemele de urmărire acustică și le folosește pentru a determina locația navelor în Oceanul Pacific și tipurile acestora.
e) Sisteme inteligente de control și management.
Sistemele experte sunt utilizate cu succes pentru control și management. Ei sunt capabili să analizeze datele primite din mai multe surse și să ia decizii pe baza rezultatelor analizei. Astfel de sisteme sunt capabile să efectueze monitorizarea medicală și să controleze mișcarea aeronavelor, în plus, sunt utilizate în centralele nucleare. De asemenea, ajută la reglementarea activităților financiare ale întreprinderii și la dezvoltarea de soluții în situații critice.
f) Diagnosticarea și depanarea echipamentelor electrice și mecanice.
Sistemele bazate pe cunoștințe sunt utilizate în cazuri precum:
reparații de locomotive diesel, automobile și alte dispozitive electrice și mecanice;
diagnosticarea și eliminarea erorilor și defecțiunilor în software și hardware de calculator.
g) Sisteme de instruire pe calculator.
Utilizarea sistemelor bazate pe cunoștințe în scopuri educaționale este destul de eficientă. Sistemul analizează comportamentul și activitatea obiectului și modifică baza de cunoștințe în conformitate cu informațiile primite. Cel mai simplu exemplu de astfel de antrenament este un joc pe calculator în care nivelurile devin mai dificile pe măsură ce abilitățile jucătorului crește. Un sistem de instruire interesant - EURISCO - a fost dezvoltat de D. Lenat. Utilizează euristică simplă. Sistemul a fost folosit într-un joc care simulează operațiuni de luptă. Esența jocului este de a determina compoziția optimă a flotilei, care ar putea provoca înfrângeri respectând multe reguli. Sistemul a făcut față cu succes acestei sarcini, inclusiv în flotilă o navă mică și mai multe nave capabile să efectueze un atac. Regulile jocului s-au schimbat în fiecare an, dar sistemul EURISCO a câștigat constant timp de trei ani.
Există multe sisteme expert care, pe baza conținutului lor de cunoștințe, pot fi clasificate în mai multe tipuri simultan. De exemplu, un sistem care realizează planificarea poate fi și un sistem de învățare. Este capabil să determine nivelul de cunoștințe al elevului și, pe baza acestor informații, să creeze un curriculum. Sistemele de control sunt utilizate pentru planificare, prognoză, diagnosticare și control. Sistemele concepute pentru a proteja o casă sau un apartament pot monitoriza schimbările care au loc în mediu, pot prezice evoluția situației și pot elabora un plan pentru acțiuni ulterioare. De exemplu, o fereastră s-a deschis și un hoț încearcă să intre în cameră prin ea, prin urmare, este necesar să suni la poliție.
Utilizarea pe scară largă a sistemelor expert a început în anii 1980, când au fost introduse pentru prima dată comercial. ES sunt utilizate în multe domenii, inclusiv în afaceri, știință, tehnologie, producție și alte industrii caracterizate printr-un domeniu foarte specific. În acest context, „bine definit” înseamnă că o persoană poate împărți cursul raționamentului în etape separate și în acest fel poate fi rezolvată orice problemă care se află în zona dată. Prin urmare, un program de calculator poate efectua acțiuni similare. Este sigur să spunem că utilizarea capacităților inteligenței artificiale deschide posibilități infinite pentru umanitate.
Inteligența artificială și perspectivele dezvoltării acesteia
Romanul lui David Lodge Small World, despre lumea academică a criticii literare, descrie o scenă remarcabilă. Personajul principal se adresează unui grup de teoreticieni literari proeminenți cu întrebarea ce s-ar întâmpla dacă ar avea dreptate. Confuzia a apărut în rândul teoreticienilor. Nu erau de acord unul cu celălalt, dar niciunul dintre ei nu crezuse anterior că a discuta despre teorii irefutabile este o activitate lipsită de sens. Dacă ai întreba un sondaj similar oamenilor de știință care cercetează inteligența artificială, probabil că și aceștia ar fi confuzi. Ce s-ar întâmpla dacă ar reuși să-și atingă obiectivele? La urma urmei, computerele inteligente demonstrează deja realizări remarcabile și toată lumea înțelege că sunt mai utile decât mașinile care nu au inteligență. S-ar părea că nu este nimic de care să vă faceți griji. Dar există o serie de probleme etice care trebuie luate în considerare.
Calculatoarele inteligente sunt mai puternice decât cele neinteligente, dar este posibil să ne asigurăm că această putere este întotdeauna folosită numai pentru bine și nu pentru rău? Cercetătorii în inteligența artificială care și-au dedicat întreaga viață dezvoltării în acest domeniu trebuie să își înțeleagă responsabilitatea de a se asigura că rezultatele muncii lor au doar un impact pozitiv asupra umanității. Gradul acestei influențe este direct legat de gradul de inteligență artificială. Chiar și cele mai timpurii progrese făcute în acest domeniu au avut un impact semnificativ asupra modului în care este predată informatica și asupra dezvoltării software și hardware. Inteligența artificială a făcut posibilă crearea de motoare de căutare, roboți, sisteme eficiente de supraveghere în aer liber, sisteme de gestionare a inventarului, recunoaștere a vorbirii și o serie de alte aplicații fundamental noi.
Potrivit dezvoltatorilor, succesele de nivel mediu obținute în inteligența artificială pot avea un impact extraordinar asupra modului de viață al populației de pe întreaga planetă. Până acum, doar Internetul și comunicațiile prin telefonul celular au avut un impact atât de generalizat, iar gradul de influență al inteligenței artificiale a rămas nesemnificativ. Dar ne putem imagina cum apariția asistenților personali pentru acasă sau la birou va aduce beneficii omenirii și cum se va îmbunătăți calitatea vieții de zi cu zi odată cu aspectul lor, deși la început acest lucru poate implica o serie de probleme economice. În același timp, oportunitățile tehnologice care s-au deschis pentru umanitate pot duce la crearea de arme autonome, iar apariția acesteia, potrivit multora, este nedorită. În cele din urmă, este posibil ca succesul în crearea inteligenței artificiale care depășește mintea umană ar putea schimba radical viața umanității. Oamenii vor lucra, se vor relaxa și se vor distra altfel; ideile despre conștiință, inteligență și chiar viitorul umanității se vor schimba. Este ușor de înțeles că apariția unei inteligențe superioare poate cauza prejudicii grave libertății, autodeterminarii și existenței oamenilor. Cel puțin, toate aceste aspecte pot fi în pericol. Prin urmare, cercetările legate de inteligența artificială trebuie efectuate cu conștientizarea posibilelor consecințe ale acesteia.
Cum ar putea fi viitorul? În majoritatea romanelor științifico-fantastice, evoluția intrigii are loc nu în funcție de scenarii optimiste, ci pesimiste, poate doar pentru că astfel de lucrări sunt mai atractive pentru cititori. Dar, în realitate, cel mai probabil, totul va fi diferit. Dezvoltarea inteligenței artificiale are loc în același mod ca telefonia, aeronautica, echipamentele de inginerie, imprimarea și alte tehnologii revoluționare dezvoltate la vremea lor, a căror introducere a adus consecințe mai mult pozitive decât negative.
De asemenea, este de remarcat faptul că, în ciuda poveste scurta existența inteligenței artificiale, s-au înregistrat progrese semnificative în acest domeniu. Cu toate acestea, dacă omenirea ar putea privi în viitor, ar vedea cât de puțin s-a făcut în comparație cu ceea ce rămâne de făcut.
Concluzie
expert în inteligență artificială
Comunitatea științifică continuă să dezbată despre posibilitatea creării inteligenței artificiale. Potrivit multora, crearea IA va presupune o degradare a demnității umane. Vorbind despre capacitățile AI, nu trebuie să uităm de necesitatea dezvoltării și îmbunătățirii inteligenței umane.
Avantajele utilizării AI sunt că oferă un stimulent pentru progrese suplimentare și, de asemenea, crește foarte mult productivitatea muncii prin automatizarea producției. Dar cu toate avantajele, cibernetica are și unele dezavantaje, cărora omenirea ar trebui să le acorde cea mai mare atenție. Principalul dezavantaj este pericolul pe care îl poate provoca lucrul cu AI. O altă problemă este că oamenii pot pierde stimulentele de a fi creativi. Calculatoarele sunt folosite peste tot în artă și se pare că ele înlocuiesc oamenii din această zonă. Rămâne de sperat că munca creativă calificată va continua să fie atractivă pentru oameni și că cele mai bune lucrări muzicale, literare și artistice vor continua să fie create de oameni.
Există un alt grup de probleme, mai grave. Mașinile și programele moderne au capacitatea de a se adapta factorilor externi în schimbare, adică de a învăța. Foarte curând, mașinile vor fi dezvoltate cu un asemenea grad de adaptabilitate și fiabilitate care să permită oamenilor să nu se amestece în procesul de luare a deciziilor. Acest lucru poate duce la imposibilitatea oamenilor să acționeze în mod adecvat în cazul unei urgențe. de urgență. De asemenea, este posibil ca, în caz de urgență, o persoană să nu-și poată asuma funcții de conducere în momentul în care este necesar. Aceasta înseamnă că acum merită să ne gândim la introducerea unor limite în automatizarea proceselor, în special a celor asociate cu apariția unor probleme severe. Situații de urgență. În acest caz, persoana care controlează mașina de control va fi capabilă să reacționeze corect și să ia decizia potrivită pentru o anumită situație neprevăzută.
Astfel de situații pot apărea în sectorul transporturilor, energiei nucleare și forțelor de rachete. În acest din urmă caz, o greșeală poate duce la consecințe grave. Dar posibilitatea erorilor există întotdeauna și rămâne chiar și în cazul dublării și verificărilor multiple multiple. Aceasta înseamnă că un operator trebuie să fie prezent pentru a monitoriza mașina.
Este deja evident că oamenii vor trebui să rezolve constant probleme legate de inteligența artificială, așa cum apar acum și vor continua să apară în viitor.
Acest curs a examinat sarcinile inteligenței artificiale, istoria apariției acesteia, domeniile de aplicare și unele probleme legate de AI. Informațiile prezentate în această lucrare vor fi de interes pentru cei care sunt interesați tehnologii moderneși progrese legate de inteligența artificială. Obiectivele acestui curs au fost îndeplinite.
Glosar
Concept Definiție 1 Rețea neuronală artificială, model matematic construit pe principiul funcționării și organizării unei rețele neuronale biologice 2 Cibernetica, știința controlului, comunicării și procesării informației 3 Cognitologia este un domeniu de activitate asociat cu analiza cunoștințelor și asigurarea dezvoltării ulterioare a acesteia (cunoștințe) 4 Redarea, procesul de obținere a unei imagini folosind un model 5 Scriptarea, scrierea de scripturi (scripturi) în limbaje de programare interpretate
Lista surselor utilizate
Devyatkov V.V. Sisteme de inteligență artificială / Cap. ed. I. B. Fedorov. - M.: Editura MSTU im. N. E. Bauman, 2001. - 352 p. - (Informatica în universitate tehnica). - 3000 de exemplare.
Zhuravlev Yu.I. Despre abordarea algebrică a rezolvării problemelor de recunoaștere și clasificare // Probleme de cibernetică. - M.: Nauka, 1978, numărul. 33.
McCarthy D. Ce este inteligența artificială?, - M.: 2007.
Petrunin Yu. Yu., Ryazanov M. A., Savelyev A. V. Filosofia inteligenței artificiale în conceptele neuroștiinței. (Monografie științifică). - M.: MAKS Press, 2010.
Peter Jackson Introducere în sistemele expert. - Ed. a 3-a. - M.: Williams, 2001. - P. 624.
Russell S., Norvig P. Inteligența artificială: abordare modernă/ Per. din engleza şi ed. K. A. Ptitsyna. - Ed. a II-a. - M.: Williams, 2006. - 1408 p. - 3000 de exemplare.
Tu J., Gonzalez R. Principles of pattern recognition, - M.: 1978
Fain V.S. Identificarea imaginii, - M.: 1970
Întrebări de studiu
- Conceptul de inteligență artificială
- Instrumente SII
- Scopul și structura sistemelor expert
Inteligența artificială este o disciplină științifică care a apărut în anii 50 la intersecția dintre cibernetică, lingvistică, psihologie și programare.
Inteligența artificială are o istorie lungă. Chiar și Platon, Aristotel, Socrate, R. Descartes, G. Leibniz, J. Boole, apoi N. Wiener și mulți alți cercetători au căutat să descrie gândirea ca un set de operații, reguli și proceduri elementare.
Iată câteva definiții ale inteligenței artificiale publicate în diverse surse.
1. AI – simbol sisteme cibernetice, modelând unele aspecte ale activității intelectuale (rezonabile) umane: gândirea logică și analitică.
2. AI – capacitatea de robot sau computer să imite abilitățile umane folosite pentru rezolvarea problemelor, explorarea problemelor, raționamentul și auto-îmbunătățirea.
3. AI este o direcție științifică legată de dezvoltarea algoritmilorși programe pentru automatizarea activităților care necesită inteligență umană.
4. AI este una dintre domeniile informaticii, al cărei scop este dezvoltarea hardware și software, permițând unui utilizator non-programator să-și pună și să rezolve propriile probleme, considerate în mod tradițional intelectual, prin comunicarea cu un computer într-un subset limitat de limbaj natural.
De la începutul cercetărilor în domeniul IA, s-au distins două direcții:
AI se împarte în două direcții științifice: neurocibernetica (sau inteligența artificială) și cibernetica „cutie neagră” (sau inteligența mașinii).
Să ne amintim că cibernetica este știința controlului, comunicării și procesării informațiilor. Cibernetica studiază obiectele indiferent de natura lor materială (sisteme vii și nevii).
Prima direcție - neurocibernetica - se bazează pe modelarea hardware a funcționării creierului uman, a cărei bază este un număr mare (aproximativ 14 miliarde) de conexiuni și interacțiuni. celule nervoase– neuronii.
Sistemele de inteligență artificială care modelează funcționarea creierului se numesc rețele neuronale (sau rețele neuronale). Primele rețele neuronale au fost create la sfârșitul anilor 50 ai secolului XX de oamenii de știință americani G. Rosenblatt și P. McCulloch.
Pentru a doua direcție a AI - cibernetica „cutie neagră” - nu contează care este designul dispozitivului „gânditor”. Principalul lucru este că reacționează la influențele date de intrare în același mod ca și creierul uman.
Utilizatorii de computere se confruntă destul de des cu manifestări ale inteligenței artificiale. De exemplu, atunci când lucrați cu un editor de text, ortografia este verificată automat (și ținând cont de limba folosită). Când lucrați cu foi de calcul, nu trebuie să introduceți toate zilele săptămânii sau toate lunile anului. Este suficient să faci una sau două intrări, iar computerul va putea completa lista cu precizie. Folosind un microfon și un program special, puteți controla funcționarea programului cu vocea. Când formați Adresa de e-mail browserul încearcă să prezică adresa și să o adauge. Căutarea de informații în rețeaua globală folosind cuvinte cheie date implică și elemente AI. Când scanează text scris de mână, sistemele AI recunosc literele și cifrele.
Ideile AI sunt folosite în teoria jocului, de exemplu, pentru a crea un computer care să joace șah, dame, reversi și alte jocuri logice și strategice.
Folosind MM pentru a rezolva o problemă sinteza vorbirii iar problema inversă – analiza şi recunoaștere a vorbirii.În cele mai multe cazuri, AI este folosită pentru a găsi o metodă de rezolvare a unei probleme. Matematica este unul dintre principalele domenii de aplicare a metodelor AI. Matematica simbolică (algebra computerizată) este una dintre cele mai mari manifestări ale inteligenței artificiale.
Domeniul AI include probleme de recunoaștere a imaginii (optică și acustică). Identificarea amprentelor digitale și compararea fețelor umane sunt sarcini de recunoaștere a modelelor.
Sistemele experte construite pe idei AI acumulează experiența, cunoștințele și abilitățile specialiștilor (experților) pentru a le transfera oricărui utilizator de computer la momentul potrivit.
Dezvoltarea programelor inteligente diferă semnificativ de programarea convențională și se realizează prin construirea unui sistem de inteligență artificială.
Dacă un program obișnuit pentru PC poate fi reprezentat ca:
Program = Algoritm + Date
Apoi, următoarea structură este tipică pentru sistemele AI:
AII = Knowledge + Knowledge Processing Strategy
Principal semn distinctiv SII este munca de cunoaștere.
Spre deosebire de date, cunoașterea are următoarele proprietăți:
Interpretabilitate internă– alături de informații, KB prezintă structuri informaționale care permit nu numai stocarea cunoștințelor, ci și utilizarea acestora.
Structurat– obiectele complexe se descompun în altele mai simple și se stabilesc legături între ele.
Conexiunea- sunt afișate modele privind faptele, procesele, fenomenele și relațiile cauză-efect dintre acestea.
Activitate– cunoasterea presupune utilizarea cu scop a informatiei, capacitatea de a gestiona procesele informatice pentru rezolvarea anumitor probleme.
Toate aceste proprietăți ar trebui să asigure în cele din urmă capacitatea inteligenței artificiale de a simula raționamentul uman atunci când rezolvă probleme aplicate - conceptul de procedură pentru obținerea de soluții la probleme (strategia de procesare a cunoștințelor) este strâns legat de cunoaștere.
În sistemele de procesare a cunoștințelor, o astfel de procedură se numește mecanism de inferență, inferență logică sau motor de inferență. Principiile pentru construirea unui mecanism de inferență în AIS sunt determinate de modul în care sunt reprezentate cunoștințele și de tipul de raționament care este modelat.
Pentru a organiza interacțiunea cu AI, aceasta trebuie să aibă mijloace de comunicare cu utilizatorul, adică o interfață. Interfața asigură lucrul cu baza de cunoștințe și mecanismul de ieșire într-un limbaj de nivel destul de înalt, apropiat de limbajul profesional al specialiștilor din domeniul aplicat căruia îi aparține AIS.
În plus, funcțiile interfeței includ suport pentru dialogul utilizatorului cu sistemul, care permite utilizatorului să primească explicații despre acțiunile sistemului, să participe la căutarea unei soluții la problemă și să completeze și să corecteze baza de cunoștințe.
Principalele părți ale sistemelor bazate pe cunoștințe sunt:
2. Mecanism de ieșire
3. Interfata utilizator.
Fiecare dintre aceste părți poate fi aranjată diferit în diverse sisteme, aceste diferențe pot fi în detalii și principii. Cu toate acestea, toate SII se caracterizează prin modelarea raționamentului uman.
Cunoștințele pe care se bazează o persoană atunci când rezolvă o anumită problemă sunt foarte eterogene:
Cunoștințe conceptuale (set de concepte și relațiile lor)
Cunoștințe constructive (cunoștințe despre structura și interacțiunea părților diferitelor obiecte)
Cunoștințe procedurale (metode, algoritmi și programe pentru rezolvarea diverselor probleme).
Cunoașterea faptică (caracteristicile cantitative și calitative ale obiectelor, fenomenelor și elementelor acestora).
Particularitatea sistemelor de reprezentare a cunoștințelor este că modelează activitățile umane, adesea desfășurate informal. Modelele de reprezentare a cunoștințelor se ocupă de informațiile primite de la experți, care sunt adesea calitative și contradictorii. Pentru a fi prelucrate cu ajutorul unui computer, astfel de informații trebuie reduse la o formă formalizată fără ambiguitate. Știința logicii studiază metode de reprezentare formalizată a cunoștințelor.
În prezent, cercetarea în domeniul IA are următoarea orientare aplicativă:
Sistem expert
Demonstrarea automată a teoremei
Robotică
Recunoașterea modelelor etc.
Cea mai mare distribuție a fost realizată în crearea sistemelor electronice, care s-au răspândit și sunt utilizate în rezolvarea problemelor practice.
- Instrumente SII
Instrumentele utilizate pentru dezvoltarea AIS pot fi împărțite în mai multe tipuri:
Sisteme de programare în limbaje de nivel înalt;
Sisteme de programare în limbaje de reprezentare a cunoștințelor;
Învelișurile sistemelor de inteligență artificială sunt sisteme scheletice;
Instrumente pentru crearea automată a ES.
Sisteme de programare în limbaje de nivel înalt cel mai puțin concentrat pe rezolvarea problemelor AI. Ele nu conțin instrumente concepute pentru a reprezenta și procesa cunoștințele. Cu toate acestea, o pondere destul de mare, dar în scădere în timp, a AIS este dezvoltată folosind calculatoare nucleare tradiționale.
Sisteme de programare în limbaje de reprezentare a cunoștințelor au instrumente speciale concepute pentru a crea inteligență artificială. Acestea conțin propriile mijloace de reprezentare a cunoștințelor (în conformitate cu un model specific) și de susținere a inferenței logice. Dezvoltarea inteligenței artificiale folosind sisteme de programare în YaPL se bazează pe tehnologia de programare convențională. Cel mai folosit limbaj de programare logica este PROLOG.
Instrumente pentru crearea automată a ES sunt sisteme software flexibile care permit utilizarea mai multor modele de reprezentare a cunoștințelor, metode de inferență logică și tipuri de interfețe și conțin ajutoare crearea ES. Construirea unui SE folosind mijloacele luate în considerare constă în formalizarea cunoștințelor inițiale, înregistrarea acestora în limbajul de intrare pentru reprezentarea cunoștințelor și descrierea regulilor de inferență logică a deciziilor. Apoi, sistemul expert este plin de cunoștințe.
Cochilii sau ES goale Sunt ES gata făcute fără bază de cunoștințe. Exemple de shell-uri ES care au devenit utilizate pe scară largă sunt shell-ul străin EMYCIN și dezvoltarea internă a Expert-Micro, menită să creeze soluții ES pentru probleme de diagnostic. Tehnologia pentru crearea și utilizarea unui shell ES este aceea că cunoștințele din baza de cunoștințe sunt eliminate din sistemul expert finit, apoi baza de date este umplută cu cunoștințe orientate către alte aplicații. Avantajul shell-urilor este ușurința lor de utilizare - un specialist trebuie doar să umple shell-ul cu cunoștințe fără a crea programe. Dezavantajul utilizării shell-urilor este posibila discrepanță între shell-ul specific și ES aplicat dezvoltat cu ajutorul acestuia.
