Первые исследования в области искусственного интеллекта

Реферат Купить готовую Узнать стоимостьмоей работы

Также работа систем искусственно интеллекта, характеризуется не просто наличием операций, программ, «целей», а оценочными функциями. И у искусственных систем есть своего рода «ценностные ориентации». Но специфику человеческой мотивационно-эмоциональной регуляции деятельности составляет использование не только константных, но и ситуативно возникающих и динамично меняющихся оценок. Работы… Читать ещё >

Первые исследования в области искусственного интеллекта (реферат, курсовая, диплом, контрольная)

Содержание

Введение
Что такое искусственный интеллект Истоки (с чего все начиналось) Основные направления исследований в ИИ
CBR

Моделирование рассуждений на основе ограничений Немонотонные модели рассуждений Рассуждения о действиях и изменениях Рассуждения с неопределенностью Приобретение знаний, машинное обучение и автоматическое порождение гипотез.

Два подхода к искусственному интеллекту

Заключение

Литература Приложение 1

Приложение 2

Иногда рассматриваются так называемые гибридные байесовские сети, с вершинами которых связаны как дискретные, так и непрерывные переменные. Байесовские сети часто применяются для моделирования технических систем.

Приобретение знаний, машинное обучение и автоматическое порождение гипотез.

Работы в области приобретения знаний интеллектуальными системами были и остаются важнейшим направлением теории и практики искусственного интеллекта. Целью этих работ является создание методологий, технологий и программных средств переноса знаний (или, как иногда говорят, компетентности), в базу знаний системы. При этом в качестве источников знаний выступают эксперты (т.е. высококвалифицированные специалисты предметных областей), тексты и данные, например, хранимые в базах данных. Соответственно, развиваются различные методы приобретения знаний.

Машинному обучению в мире уделяется большое внимание. Существует множество алгоритмов машинного обучения, среди самых распространенных — алгоритмы класса C4. Один из алгоритмов этого класса С4.5, является, по существу, алгоритмом декомпозиции и строит дерево решений. Исходной информацией для построения этого дерева является множество примеров. С каждой вершиной дерева ассоциируется наиболее (на текущем шаге) частотный класс примеров. На следующем шаге этот принцип рекурсивно применяется к текущей вершине, т. е. множество примеров, связанных с текущей вершиной также разбивается на подклассы. Алгоритм завершает свою работу либо при удовлетворении некоторого критерия либо при исчерпании подклассов (если они заданы).

Активно исследуются методы обучения причинам действий. Иногда говорят о так называемой теории действий, имея в виду ситуационное исчисление в духе Джона Мак

Карти. В этой теории причины действий и сами действия описываются в виде клаузальных структур (один из видов таких структур представляет собой импликацию, левая часть которой есть конъюнкция атомарных формул, а правая состоит из одной атомарной формулы).

Далее, методы индуктивного логического программирования модифицируются таким образом, чтобы быть применимыми к поиску таких структур. Когда такие структуры найдены, их можно использовать в языках логического программирования для рассуждений о действиях и их причинах.

Многие работы этого направления посвящены «нейронной парадигме». Нейросетевой подход используется в огромном количестве задач — для кластеризации информации из Интернета, автоматической генерации локальных каталогов, представления образов (в рекурсивных нейронных сетях). Среди активно изучаемых в последнее время тем — неоднородные нейронные модели с отношениями сходства. (Heterogeneous Neural Networks with similarity relation).

Это отношение сходства определяется на множестве входов и множестве состояний сети, а мерой сходства является скалярное произведение векторов либо эвклидово расстояние (где один вектор-вектор входов, а другой распределение весов нейронов, описывающих текущую ситуацию).

Работы по автоматическому порождению гипотез связаны, главным образом, с формализацией правдоподобных рассуждений, поиском зависимостей причинно-следственного типа между некоторыми сущностями. В качестве примеров можно привести порождение гипотез о свойствах химических соединений (прогноз биологических активностей), о возможных причинах дефектов (диагностика) и т. п.

Два подхода к искусственному интеллекту Технологии, применяемые в настоящее время в области искусственного интеллекта, можно отнести к двум обширным категориям:

явное моделирование с помощью слов и символов и неявное моделирование с помощью численных методов.

В первую категорию входят такие приемы, как рассуждения на базе правил, моделей, систем отсчета и конкретных ситуаций. В этой категории проблему можно смоделировать с использованием явно выраженных правил. Например:

Если давление (внутри сосуда) высоко, и выпускной клапан закрыт, значит выпускной клапан заклинило.

Можно составить более сложное правило, чтобы принять в расчет фактор неопределенности:

Если давление (внутри сосуда) высоко, и выпускной клапан закрыт, значит выпускной клапан, возможно, заклинило.

В своих узких областях применения подобные методы зарекомендовали себя неплохо, но они ограничены по самой своей природе. Эти методы пригодны для работы лишь с явно смоделированными ситуациями и не подходят для неизвестных ситуаций.

Численные подходы в какой-то мере преодолевают эти трудности. Компьютер получает возможность строить собственную модель на основе наблюдений и опыта. Так, способность уяснять связи на базе ряда примеров и затем использовать эти закономерности при анализе ранее не известных ситуаций демонстрируют нейронные сети. Подобный метод выявления ассоциаций особенно эффективен при классификации данных по категориям.

Подобрав для нейронной сети более точные параметры, мы могли бы добиться более впечатляющих результатов, но даже при всех очевидных погрешностях нейронная сеть в состоянии выводить некоторые обобщения из ограниченного набора примеров.

Интерес к нейронным сетям резко активизировался в 1985 году, после того как был найден эффективный алгоритм обучения. Но и нейронные сети пали жертвой завышенных ожиданий — видимо, потому, что само их название вызывает не имеющие ничего общего с реальностью ассоциации с искусственным мозгом.

С успехом применяются и другие приемы, такие, как генетические алгоритмы, искусственные иммунные системы и нечеткая логика. Все они проходят по категории искусственного интеллекта, но ни один из этих приемов не показывает признаков «интеллектуального поведения».

Заключение

В работах по искусственному интеллекту постоянно используется термин «цель». Анализ отношения средств к цели А. Ньюэлл и Г. Саймон называют в качестве одной из «эвристик». В психологической теории деятельности «цель» является конституирующим признаком действия в отличии от операций (и деятельности в целом). В то время как в искусственных системах «целью» называют некоторую конечную ситуацию к которой стремится система.

Между прочим, именно недостаточная изученность процесса целеобразования нашла свое отражение в формулировании «социального заказа» для психологии со стороны исследователей ИИ, и оказала существенное стимулирующее влияние психологической науки.

Информационная теория эмоций также в значительной степени питается аналогиями с работами систем ИИ. Кроме того, проблема волевого принятия решения в психологии в некоторых работах рассматривается как формальный процесс выбора одной из множества заданных альтернатив, опуская тем самым специфику волевых процессов.

Таким образом, все три традиционные области психологии — учения о познавательных, эмоциональных и волевых процессах оказались под влиянием работ по ИИ, что, по мнению О. К. Тихомирова привело к оформлению нового предмета психологии — как наука о переработке информации, научность этого определения достигалась за счет «технизации» психологического знания.

Таким образом, роль взаимодействия между исследованиями искусственного интеллекта и психологической наукой можно охарактеризовать как диалог, позволяющий если не решать, то хотя бы научиться задавать вопросы.

Литература

Винер Н. Кибернетика и общество. -М: ИЛ, 1958, с. 24

Осипов Г., Президент Российской ассоциации искусственного интеллекта, постоянный член Европейского координационного комитета по искусственному интеллекту (ECCAI), д.ф.-м.н., профессор., ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: СОСТОЯНИЕ ИССЛЕДОВАНИЙ И ВЗГЛЯД В БУДУЩЕЕ, с. 1 — 9

Газета «На грани невозможного» № 1(426)

Открытые системы #10/2003

Компьютерра, 2002 / № 30

Приложение 1

2 3 5 1 4 и

1 2 3 4 5 Табл. 1, 2

Приложение 2

Рис 1

Газета «На грани невозможного» № 1(426)

Компьютерра / Свежий номер / 2002 / № 30

Винер Н. Кибернетика и общество. -М: ИЛ, 1958, с. 24

Открытые системы #10/2003

Винер Н. Кибернетика и общество. -М: ИЛ, 1958, с. 29

Компьютерра / Свежий номер / 2002 / № 30

Показать весь текст

Список литературы

Винер Н. Кибернетика и общество. -М: ИЛ, 1958, с. 24
Осипов Г., Президент Российской ассоциации искусственного интеллекта, постоянный член Европейского координационного комитета по искусственному интеллекту (ECCAI), д.ф.-м.н., профессор., ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: СОСТОЯНИЕ ИССЛЕДОВАНИЙ И ВЗГЛЯД В БУДУЩЕЕ, с. 1 — 9
Газета «На грани невозможного» № 1(426)
Открытые системы #10/2003
Компьютерра, 2002 / № 30

Заполнить форму текущей работой

Купить готовую работу