Информационные системы
<<  Робототехника и искусственный интеллект Искусственный интеллект  >>
Картинок нет
Картинки из презентации «Обзор по искусственному интеллекту» к уроку информатики на тему «Информационные системы»

Автор: vagin. Чтобы познакомиться с картинкой полного размера, нажмите на её эскиз. Чтобы можно было использовать все картинки для урока информатики, скачайте бесплатно презентацию «Обзор по искусственному интеллекту.pps» со всеми картинками в zip-архиве размером 320 КБ.

Обзор по искусственному интеллекту

содержание презентации «Обзор по искусственному интеллекту.pps»
Сл Текст Сл Текст
1Обзор по искусственному интеллекту. 27резолюции, относится к методам
Доктор технических наук, профессор кафедры опровержения, т.е. для доказательства
Прикладной математики МЭИ(ТУ), лауреат общезначимости формулы А доказывается ее
премии Президента РФ в области противоречие, т.е. ¬А. Но если метод
образования, действительный член РАЕН резолюции работает с формулами,
Вагин Вадим Николаевич Прошло 50 лет с тех представленными в КНФ, то метод
пор, как… 1. аналитических таблиц оперирует с
2Оглавление. Спектр исследований в формулами, представленными в ДНФ. Вывод
области искусственного интеллекта осуществляется на бинарных деревья,
Логический (символьный) подход вершины которых отмечены формулами, причем
Эволюционистское и семиотическое вершина называется концевой, если она не
направления Системный подход Нейроподобные имеет потомков, простой, если она имеет
структуры Программы решения только одного потомка и дизъюнктивной,
интеллектуальных задач Системы, основанные если она имеет двух потомков. Каждая ветвь
на знаниях Интеллектуальное дерева представлена конъюнкцией формул, а
программирование Интеллектуальные системы само дерево – дизъюнкцией своих ветвей.
«Горячие точки» искусственного интеллекта Метод аналитических таблиц непротиворечив
Итоги и перспективы Российские медицинские и полон, что доказывается следующими
экспертные системы Кто есть кто в теоремами. Теорема. Если формула Х логики
искусственном интеллекте. 2. предикатов первого порядка доказуема
3Спектр исследований в области методом аналитических таблиц, то она
искусственного интеллекта. Начиная со общезначима. Отсюда очевидна
знаменитого Дартмутского семинара 1956 г. непротиворечивость этого метода для логики
в США, положившего начало самой научной предикатов первого порядка. Также легко
дисциплине искусственный интеллект (ИИ), в доказывается полнота метода аналитических
нем сразу зародилось два полярных таблиц для логики предикатов первого
направления: коннекционистское порядка. Теорема (о полноте). Если Х
(нейробионическое); логическое является общезначимой формулой логики
(символьное). С первым подходом связаны предикатов первого порядка, то она
имена У. МакКаллока, В. Питтса, Д. Хебба, доказуема методом аналитических таблиц,
Ф. Розенблатта, Г. фон Форстера, М. т.е. существует замкнутая таблица для ¬Х.
Арбиба, С. Пейперта и других учёных, 27.
которые заложили принципы «восходящего 28Экспертные системы. Если дедуктивные
проектирования» и локальной методы вывода на основе формальной логики,
самоорганизации в ИИ. В бывшем СССР как мы уже говорили, относятся к слабым
развитие этого подхода в 60-е и 70-е годы методам доказательства теорем, то сильные
было связано в первую очередь с работами методы решения задач, или методы,
И.А. Амосова и его школы. 3. основанные на знаниях, изучаются в
4Логический (символьный) подход. экспертных системах, которые применяют
Символьный подход предполагает знания специфичной предметной области.
моделирование мышления в виде операций над Цель исследований по экспертным системам
символами (сравнение, поиск, модификация и состоит в разработке программы
т.д.). Исходными элементами являются (устройств), которые при решении задач,
вербализуемые понятия предметной области, трудных для эксперта-человека, получают
а направление исследований есть движение результаты, не уступающие по качеству и
внутрь человеческой психики с выделением эффективности решениям, полученным
глубинных (подсознательных, интуитивных и экспертом. В большинстве случаев
неявных) структур опыта и мышления. экспертные системы решают
Согласно гипотезе А. Ньюэлла, необходимое трудно-формализуемые задачи или задачи, не
и достаточное условие для того, чтобы имеющие алгоритмического решения.
некоторая физическая система могла Экспертные системы решают следующие
проявлять интеллектуальность, состоит в задачи: интерпретация – выявление описаний
том, чтобы она являлась универсальной ситуации из наблюдений; прогнозирование –
системой формальных манипуляций над проектирование возможных последствий
конкретными символами (фактически это данной ситуации; диагностика – определение
условие эквивалентно определению машины причин неисправностей в сложных ситуациях
Тьюринга). 4. на основе наблюдаемых симптомов;
5Логический (символьный) подход проектирование – нахождение конфигурации
(продолжение). В логическом походе можно компонентов системы, которая удовлетворяет
выделить три направления. Часть целевым условиям и множеству проектных
специалистов считает, что можно найти свой ограничений; планирование – разработка
способ решения задач на ЭВМ, который даст последовательности действий для достижения
либо результат, подобный человеческому, множества целей при данных начальных
либо даже лучше его. Специалисты такого условиях и временных ограничениях;
типа неоднократно демонстрировали свое мониторинг – сравнение наблюдаемого
искусство по созданию программ такого поведения системы с её ожидаемым
рода. Другая часть специалистов считает, поведением; инструктирование – помощь в
что искусственный интеллект должен образовательном процессе по изучению
имитировать не решение отдельных (пусть и технической области; управление –
весьма творческих) задач. Ибо естественный управление поведением сложной среды. 28.
интеллект человека – это его способность 29Архитектура экспертной системы. В
при необходимости обучаться тому или иному режиме решения задач в общении с
виду творческой деятельности. Значит и экспертной системой участвует
программы, создаваемые в искусственном пользователь, которого интересует
интеллекте, должны быть ориентированы не результат и/или способ получения решения.
на решение конкретных задач, а на создание Следует отметить, что в зависимости от
для автоматического построения необходимых назначения экспертной системы пользователь
программ решения конкретных задач, когда в может либо не быть специалистом в данной
этом возникает необходимость. Третья часть проблемной области (в этом случае он, не
специалистов – это программисты, чьими умея получить ответ сам, обращается к
руками делают программы для решения задач экспертной системе за советом), либо быть
искусственного интеллекта. Они склонны специалистом (в этом случае пользователь
рассматривать область своей деятельности, может и сам получить результат, но
как новый виток развития программирования. обращается к экспертной системе с целью
Они считают, что средства, разрабатываемые ускорить процесс получения результата или
для написания программ решения с целью возложить на экспертную систему
интеллектуальных задач, в конце концов, рутинную работу). 29.
есть средства, позволяющие по описанию 30Методы вывода в экспертных системах.
задачи на профессиональном естественном Поиск в пространстве состояний
языке построить нужную программу на характеризует решение задачи как процесс
основании тех стандартных программных нахождения пути решения от исходного
модулей, которые хранятся в памяти машины. состояния к целевому. Задача алгоритма
5. писка состоит в нахождение допустимого
6Эволюционистское и семиотическое пути в пространстве состояний, где
направления. Эволюционистское направление допустимый путь – это путь из вершины
в ИИ характеризуется моделированием множества начальных состояний задачи в
эволюционного процесса, связанного с вершину из множества целевых состояний.
идеями выживания, мутации и естественного Определив направление поиска (от данных
отбора. Его основной лозунг – или от цели), алгоритм поиска должен
«моделировать процесс эволюции в ИИ по определить порядок исследований состояний
аналогии с эволюцией человека и его дерева или графа. Рассмотрим два возможных
интеллекта». Наиболее популярной ныне варианта последовательности обхода вершин
разновидностью эволюционных моделей графа: поиск в глубину (depth-first) и
оказались генетические алгоритмы. поиск в ширину (breadth-first). Эвристики
Семиотическое направление в ИИ, и разработка алгоритмов для эвристического
выделившееся из символьного подхода, поиска в течение длительного времени
основано на переходе от формальных систем остаются основным объектом исследования в
к семиотическим и установлении проблемах искусственного интеллекта.
соответствия между базовыми структурами в Эвристика может привести алгоритм поиска к
семиотике (треугольник Фреге) и в ИИ субоптимальному решению или не найти
(фрейм). Здесь центральной проблемой решения вообще. Эвристические алгоритмы
является создание адекватной ситуационной состоят из двух частей: эвристической меры
модели внешнего мира. 6. и алгоритма, который использует её для
7Системный подход. В настоящее время поиска в пространстве состояний. Одним из
всё большее распространение получает наиболее эффективных эвристических
системный подход в ИИ с его алгоритмов поиска является «жадный»
интеграционистскими, синергетическими алгоритм (best first). Оценочная функция
тенденциями, включая интеграцию различных имеет вид: f(n) = g(n) + h(n), где в
точек зрения на ИИ и объединение различных качестве g(n) выбрана стоимость пути на
моделей внутреннего представления внешней графе поиска от начальной вершины к
среды. Интеграция важнейших атрибутов вершине n, которая получается в результате
интеллекта производится с целью получения суммирования стоимостей дуг, вычисленных
нелинейных, эмергентных эффектов благодаря на пути от начальной вершины к вершине n.
взаимной компенсации недостатков и h(n) – эвристическая функция, определяемая
развитию преимуществ отдельных моделей в спецификой проблемной области (например,
интегрированной структуре. Выделим эвристическая оценка расстояния от вершины
следующие направления исследований в n до цели). 30.
области ИИ: нейроподобные структуры; 31Ретроспективный анализ экспертных
программы решения интеллектуальных задач; систем и инструментальных средств для их
системы, основанные на знаниях; построения. Промышленная экспертная
интеллектуальное программирование; система DENDRAL. Системы MYCIN, TEIRESIAS,
интеллектуальные системы; эволюционистское EMYCIN. Областью приложения системы MYCIN
(генетические алгоритмы); семиотическое является медицина. Система решает задачи
моделирование. 7. постановки диагноза и определения методов
8Нейроподобные структуры. 8. лечения инфекционных заболеваний крови
9Программы решения интеллектуальных Система ДИАГЕН. Разработана для
задач. 9. диагностики наследственных болезней, свыше
10Системы, основанные на знаниях. 10. 15 лет эксплуатируется в нескольких
11Интеллектуальное программирование. 11. десятках медицинских учреждений России.
12Интеллектуальные системы. 12. База знаний системы включала 1200
13«Горячие точки» искусственного синдромов моногенной и хромосомной
интеллекта. Параллелизм в логическом природы, проявляющихся клинически в
выводе Экспертные системы и вывод в детском возрасте и описываемых более чем
условиях неопределённости Аргументация и 1500 признаками. Экспертная система ДИН.
абдуктивный вывод Квазиаксиоматические Экспертная система ВЕСТ-СИНДРОМ.
системы и системы правдоподобного вывода Экспертная система для диагностики
Машинное обучение и индуктивный вывода судорожных состояний (эпилепсии). Системы
Мягкие вычисления Нечёткая логика и PROSPECTOR и KAS. Областью применения
приближённые рассуждения Нейронные сети системы является геология. Коммерческая
Генетические алгоритмы Системы когнитивной экспертная система R1. Областью применения
графики Агентно-ориентированное и R1 является вычислительная техника. На
распределённое решение проблем Понимание основании заказа пользователя система
естественного языка. 13. выбирает требуемую ему конфигурацию
14Итоги и перспективы. Автономное вычислительной системы VAX-11/780 фирмы
планирование и составление расписаний. DEC. Инструментальная коммерческая система
Работающая на удалении в сотни миллионов OPS5. Инструментальная система CLIPS.
километров от Земли программа Remote Agent Инструментальный комплекс G2. G2 является
агентства NASA стала первой бортовой мощным инструментальным комплексом,
автономной программой планирования, предназначенным для работы со сложными
предназначенной для управления процессами системами поддержки принятия решений
составления расписания операций для реального времени (СППР РВ). 31.
космического аппарата. Ведение игр. 32Немонотонные рассуждения. Немонотонные
Программа Deep Blue компании IBM стала модальные логики оперируют с неполным,
первой компьютерной программой, которой неточным, зачастую противоречивым,
удалось победить чемпиона мира в шахматном динамически изменяющимся знанием.
матче, после того, как она обыграла Гарри Рассуждения здравого смысла часто не
Каспарова со счётом 3.5 : 2.5 в монотонны, т.е. оказываются
показательном матче. Автономное предположительными, правдоподобными и
управление. Система компьютерного зрения должны подвергаться пересмотру (ревизии).
Alvinn была обучена вождению автомобиля, Такие рассуждения неточны и
придерживаясь определённой полосы пересматриваемы по самой своей природе или
движения. В университете СМИ эта система из-за той информации, на основании которой
была размещена в микроавтобусе, они построены. Главной функцией модальной
управляемом компьютером NavLab, и логики является формализация модальностей
использовалась для проезда по США. На «необходимости» и «возможности». Другим ее
протяжении 2850 миль (4586,6 км) система применением является моделирование и
обеспечивала рулевое управление анализ парадигм «убеждения» и «знания».
автомобилем в течение 98% времени. Для этого различные логические системы
Диагностика. Медицинские диагностические используют формальные языки с модальными
программы, основанные на вероятностном операторами «убеждения» и «знания». В
анализе, сумели достичь уровня опытного рамках логик убеждения и знания оператор ?
врача в нескольких областях медицины. принимает соответственно значения
Планирование снабжения. Во время кризиса в «предполагается» и «известно».
Персидском заливе в 1991 г. в армии США Двойственный ему оператор ? принимает
была развёрнута система DART (Dynamic соответственно значения «противоположное
Analysis and Replanning) для обеспечения не предполагается» и «противоположное
автоматизированного планирования поставок неизвестно». Немонотонные логики
и составления графиков перевозок. Работа Мак-Дермотта и Дойла являются
этой системы охватывала одновременно до универсальными аксиоматическими системами,
50000 автомобилей, единиц груза и людей. рамки которых аналогичны модальным
Робототехника. Многие хирурги теперь системам необходимости и возможности,
используют роботов-ассистентов в пополненные правилом вывода выполнимых
микрохирургии. Понимание естественного утверждений. Автоэпистемические логики
языка и решение задач. Программа Proverb – (АЭЛ) имеют своим предметом формализацию
это компьютерная программа, которая решает интроспективных (т.е. зависящих от
кроссворды намного лучше, чем большинство текущего состояния знаний агента) и
людей. 14. идеально разумных рассуждений об исходном
15Итоги и перспективы (продолжение). множестве предположений. Логики умолчаний,
Рассуждения, основанные на прецедентах введенные и развитые Рейтером для
(CBR), – один из наиболее перспективных формализации рассуждений, являющихся всего
подходов в искусственном интеллекте, лишь выполнимыми. Логики Рейтера
внедрение которого приведет к отличаются от модальных подходов одним
значительному прогрессу в ряде областей, а важным аспектом: вместо расширения
прорыва в этом направлении следует ожидать логического языка и представления
в ближайшие 3-5 лет. Рассуждения о умолчаний в языке, умолчания используются
пространстве – не очень новая, но бурно как дополнительные правила вывода,
развивающаяся сейчас область индуцируя так называемые расширения
искусственного интеллекта, имеет всё классических логических теорий. 32.
возрастающее прикладное значение в связи с 33Аргументация и абдуктивный вывод.
работами по созданию автономных мобильных Абдукция – это процесс формирования
устройств, анализу изображений (в объясняющей гипотезы. Точнее, при заданной
частности, аэрофотоснимков), задачами теории и наблюдении, предложенном для
синтеза текстовых описаний по объяснения, абдуктивный вывод должен
изображениям. С помощью методов машинного определить одно или более наилучших
обучения и автоматического формирования объяснений наблюдения на основе заданной
гипотез можно будет решить ряд полезных теории. Термин «абдукция» впервые ввел
практических задач – от обнаружения американский философ Пирс. На сегодняшний
закономерностей в данных до повышения день теория аргументации проявила себя как
степени адаптивности и «уровня интеллекта» мощное средство моделирования различных
различных технических устройств. Подходы, форм правдоподобного вывода. Основная идея
основанные на технологии интеллектуальных аргументационного вывода состоит в том,
агентов надо признать одними из наиболее что утверждению можно доверять, если оно
перспективных при разработке больших может быть аргументированно защищено от
программных продуктов, в том числе средств атак аргументов. Как оказалось, теория
управления крупными и сложными системами аргументации может успешно применяться и
(телекоммуникационные системы, для организации абдуктивного вывода.
распределённые производства, системы Абдукция предназначена для поиска
управления войсками, транспортом, сетями, объяснений или причин наблюдаемых явлений
распределённый поиск информации). Следует или фактов. Соответствующий вывод имеет
ожидать всё большего влияния идей и форму (в теории вывода Пирса): наблюдается
методов искусственного интеллекта на удивительный факт С (то есть этот факт не
машинный анализ текстов на естественном следует из наших знаний о мире); если бы А
языке. Это влияние, скорее всего, коснётся было бы истинным, то С могло бы произойти
семантического анализа и связанных с ним (А – объясняющая гипотеза); следовательно,
методов синтаксического анализа – в этой можно предположить, что А истинно.
области оно проявится в учёте модели мира Заметим, что в искусственном интеллекте до
на заключительных стадиях семантического последнего времени работы по абдукции и
анализа и использовании знаний о индукции велись независимо. Но,
предметной области и ситуативной по-видимому, перспективным является
информации для уменьшения переборов. К рассмотрение абдукции, индукции и дедукции
одному из наиболее важных и перспективных в рамках одной системы. При этом абдукция
направлений в искусственном интеллекте используется для получения гипотез,
следует сегодня отнести задачи объясняющих наблюдения. Дедукция позволяет
автоматического планирования поведения. выполнять вывод с использованием этих
15. гипотез и получать некоторые предсказания.
16Российские медицинские экспертные А с помощью индукции на основе этих
системы. Российский государственный предсказаний можно определить общие
медицинский университет (РГМУ), кафедра правила и оценить, насколько они
Медицинской кибернетики и информатики согласуются с реальностью. 33.
КСИФИ-01 - автоматизированная система 34Машинное обучение и индуктивный вывод.
функциональной диагностики КОМПАС-01 - Индуктивный вывод, или обобщение, основан
автоматизированная система постоянного на построении некоторого общего правила
интенсивного наблюдения РЕПРОКОД - (закона) на основании конечного числа
экспертная консультативно-диагностическая наблюдаемых фактов. Индуктивные выводы,
информационная система по эндокринным которые делает человек, достаточно тесно
нарушениям репродуктивной системы женщин связаны со статистическими моделями;
НЕФРЭКС-1 - экспертная система достоверность таких выводов в значительной
дифференциальной диагностики заболеваний степени зависит от полноты того набора
почек у детей Диакомс - электропунктурная фактов, которой он пользуется при
экспресс-диагностика и мониторинг формировании гипотез. Может ли компьютер
состояния здоровья человека Мегафарм выполнять аналогичную функцию – строить
холдинг «Post Modern Technology» МЕДИАЛОГ новые гипотезы на основе наблюдаемых
- медицинская информационная система фактов? Ответ на этот вопрос дает раздел
Инновационное бюро ЭКСПЕРТ Экспертная искусственного интеллекта, решающий задачи
система оценки боли на основе индукции и обобщения. Изучение и
«Модифицированного вербально-цветового компьютерное моделирование процесса
болевого теста» Санкт-Петербургский обучения является предметом исследования в
государственный университет ЛОНГИТЮД - области искусственного интеллекта,
экспертная система индивидуального называемой машинным обучением (Machine
сопровожде-ния развития ребёнка. 16. Learning). Одним из практически ценных при
17Российские медицинские экспертные поиске индуктивных закономерностей
системы (продолжение). Научно-медицинский является добыча (анализ) знаний из баз
центр «РАДИКС» СМОЛ-Эксперт - данных (Data Mining). Дальнейшим развитием
психодиагностическая программа «Качество этого направления стала разработка средств
Жизни» - экспертная психодиагностическая обнаружения знаний, представленных в базах
система «ПсихоНевролог» – уникальная данных в неявной форме (Knowledge
компьютерная программа для лечения больных Discovery in Databases). Такие средства и
с пограничными психическими нарушениями системы могут быть применены в машинном
САН (Самочувствие, Активность, Настроение) обучении, распознавании образов, при
- экспертная психодиагностическая система извлечении знаний для экспертных систем, и
СМОЛ-Скрининг - психодиагностическая многих других задачах искусственного
программа Экспертная психодиагностическая интеллекта. Имеются различные подходы к
система «Тест Межличностных Отношений» решению задачи об отнесении объекта к
Экспертная психодиагностическая система некоторому классу. Самым простым вариантом
«Тест Спилбергера STAI» Институт системы, решающей задачу распознавания,
программных систем (ИПС) РАН. являются системы без обучения. В таких
Исследовательский центр искусственного системах заранее известны классы, к
интеллекта (ИЦИИ) Экспертная система которым могут относиться предъявляемые
«Санитарно-лабораторная экспертиза объекты, а также критерии отнесения
продуктов питания» Прототип объекта к классу. Более сложными являются
интегрированной экспертной системы системы с обучением. В системах с
«Поддержка принятия решений по оказанию обучением не задан алгоритм разделения
первой медицинской помощи в условиях предъявляемых объектов на классы. Процесс
массовых катастроф» Институт Системного создания и оптимизации такого алгоритма и
Программирования РАН Спутник Врача - называется обучением. Для обучения
система информационной поддержки врачебных используется определенный набор объектов,
решений Recipe Soft: Медицинские программы называемый далее обучающим множеством или
Консилиум - экспертная система медицинской обучающей выборкой. 34.
диагностики Экспертная система 35Мягкие вычисления. Термин «мягкие
«Диагностика коматозных состояний» вычисления» (soft computing), введённый
Экспертная система «Электрокардиография». ещё в 1994г. американским учёным Л. Заде,
17. интерпретируется следующей формулой:
18Кто есть кто в искусственном мягкие вычисления = нечёткие системы +
интеллекте. 18. Вычислительный центр РАН нейронные сети + генетические алгоритмы.
Научная школа Журавлёва Ю.И., академика Нечёткая логика и приближённые
РАН Научная школа Поспелова Д.А., д.т.н., рассуждения. Нечёткая логика возникла как
профессора, академика РАЕН, лауреата обобщение двузначной логики. Истинностное
премии фон Неймана Институт системного значение высказываний нечёткой логики
анализа РАН Научная группа зам. директора принадлежит интервалу [0, 1], либо
ИСА РАН, президента Российской Ассоциации некоторой лингвистической шкале. Она
Искусственного Интеллекта (РАИИ), оперирует с высказываниями типа:
д.ф.-м.н., профессора Осипова Г.С. Научная «возможно, что этот чай горячий», «скорее
группа зав. отделом теории и методов всего, мой брат высокий», «может быть, на
принятия решений, д.т.н., с.н.с. улице морозно». Эти высказывания
Петровского А.Б. ВИНИТИ РАН Научная школа характеризуются наличием нечётких понятий,
д.т.н., профессора Финна В.К. Российский называемых лингвистическим переменными.
НИИ искусственного интеллекта Научная Лингвистические переменные определяются на
группа генерального директора фирмы множестве, называемом множеством
«Интелли Тех (Интеллектуальных высказываний, и им присваиваются
Технологии)», к.ф.-м.н. Нариньяни А.С. лингвистические значения. Под
Российский НИИ информационных технологий и приближёнными рассуждениями понимается
систем автоматизированного проектирования процесс, при котором из не-чётких посылок
(РОСНИИ ИТ и АП) Научная группа зам. получаются некоторые следствия, возможно,
директора РОСНИИ ИТ и АП, академика РАЕН, также нечёткие. Приближённые рассуждения
лауреата премии Президента РФ в области лежат в основе способности человека
образования, д.т.н., профессора Попова понимать естественный язык, играть в игры,
Э.В. Институт программных систем РАН (ИПС требующие умственных усилий, в общем,
РАН), Переславль-Залесский. Научная группа принимать решения в сложной и не полностью
директора информационного центра определённой среде. 35.
искусственного интеллекта к.т.н. Куршева 36Нейронные сети. Искусственные
Е.П. Московский энергетический институт нейронные сети являются технологией
(Технический университет) (МЭИ(ТУ)) обработки информации, вдохновлённой
Научная группа лауреата премии Президента изучением мозга и нервной системы.
РФ в области образования, академика РАЕН, Развитие нейронных сетей пережило взлёты и
почётного профессора Таганрогского падения. Первый пик активизации этих
государственного радиотехнического исследований приходится на 40-ые годы
университета, д.т.н., профессора Вагина прошлого столетия и обусловлен пионерской
В.Н. Московский государственный работой МакКаллока и Питтса. Второй возник
технический университет им. Н.Э. Баумана в 60-х годах благодаря теореме сходимости
(МГТУ) Научная группа к.т.н., доцента персептрона Розенблатта и работе Минского
Тарасова В.Б. Институт проблем передачи и Пейперта, указавшей ограниченные
информации РАН (ИППИ РАН) Научная группа возможности простейшего персептрона.
вице-президента РАИИ, постоянного члена Результаты Минского и Пейперта погасили
Европейского координационного совета по энтузиазм большинства исследователей,
искусственному интеллекту, академика РАЕН, особенно тех, кто работал в области
д.т.н., в.н.с. Стефанюка В.Л. Таганрогский вычислительных наук. Возникшее в
государственный радиотехнический исследованиях по нейронным сетям затишье
университет (ТГРТУ) Научная группа продлилось почти 20 лет. С начала 80-х
заслуженного деятеля науки РФ, академика годов нейронные сети вновь привлекли
РАЕН, проректора по научной работе ТГРТУ, интерес исследователей, что связано с
д.т.н., профессора Курейчика В.М. энергетическим подходом Хопфилда и
19Кто есть кто в искусственном алгоритмом обратного распространения для
интеллекте (продолжение). Московский обучения многослойного персептрона
государственный университет экономики, (многослойной сети прямого
статистики и информатики Научная группа распространения) впервые предложенного
лауреата премии Президента РФ в области Вербосом и независимо разработанного рядом
образования, д.т.н., профессора Тельнова других авторов. Алгоритм получил
Ю.Ф. Институт математики СО РФН им. С.Л. известность благодаря Румельхарту. Большое
Соболева Научная группа зав. отделом значение для развития нейронных сетей
информатики, д.т.н., профессора Загоруйко имели работы Кохонена по
Н.Г. Институт автоматики и процессов самоорганизующимся картам. Проблемы,
управления ДВО РАН Научная группа зав. решаемые в контексте искусственных
отделом экспертных систем д.ф.-м.н., нейронных сетей: Классификация образов.
профессора Клещёва А.С. Институт проблем Кластеризация/категоризация. Аппроксимация
управления РАН Научная группа зав. функций. Предсказание/прогноз.
лабораторией «Методы интеллектуализации Оптимизация. Управление. 36.
дискретных процессов и систем управления», 37Генетические алгоритмы. История
председателя Научного Совета РАИИ, д.т.н., эволюционных вычислений характеризуется
профессора Кузнецова О.П. Научная группа развитием ряда независимых моделей.
д.т.н., профессора, заслуженного деятеля Первыми моделями были генетические
науки и техники РФ Трахтенгерца Э.А. алгоритмы и классификационные системы.
Институт оптико-нейронных технологий РАН Эволюционные вычисления – это бионическое
Научная группа д.ф.-м.н., профессора направление, которое использует принципы,
Редько В.Г. Ульяновский государственный существующие в природе, но упрощённые до
технический университет Научная группа такой степени, чтобы их можно было
зав. кафедрой «Информационные системы», реализовать в компьютерных моделях.
д.т.н., профессора Ярушкиной Н.Г. Основные принципы генетических алгоритмов
Санкт-Петербургский институт информатики и были сформулированы Дж. Холландом.
автоматизации РАН Научная группа зав. Генетические алгоритмы – это адаптивные
лабораторией интеллектуальных систем, методы поиска, которые в последнее время
заслуженного деятеля науки РФ, д.т.н., часто используются для решения задач
профессора Городецкого В.И. Казанский функциональной и структурной оптимизации.
государственный технологический Генетическими они называются потому, что
университет Научная группа руководителя строятся на принципах эволюции
лаборатории экспертных систем при кафедре биологических организмов Ч. Дарвина.
информатики и прикладной математики, Популяции развиваются в течение нескольких
д.т.н., профессора Батыршина И.З. МНИИ поколений, подчиняясь зонам естественного
педиатрии и детской хирургии Научная отбора, т.е. по принципу «выживает
группа руководителя Медицинского центра наиболее приспособленный» (survival of the
новых информационных технологий, д.м.н., fittest). Генетический алгоритм решения
профессора Кобринского Б.А. Томский задачи включает три стадии, первая из
государственный архитектурно-строительный которых предполагает представление
университет Научная группа зав. кафедрой отдельных потенциальных решений в
Прикладной математики, д.ф.-м.н., специальном виде, удобном для выполнения
профессора Янковской А.Е. 19. эволюционных операций изменения и отбора.
20Приложение. 20. Зачастую таким представлением являются
21Представление знаний. Данные – это обычные битовые строки. На второй стадии
факты, характеризующие объекты, процессы и реализуются скрещивание и мутации,
явления предметной области, а также их присущие биологическим формам жизни, в
свойства. Как считает Д.А. Поспелов, не результате которых появляется новое
существует никакой объективной границы для поколение особей с рекомбинированными
смены термина «данные» на термин «знания». свойствами своих родителей. И, наконец, на
Он выделил шесть этапов для усложнения третьей стадии на основе некоторого
данных и превращения их в знания. критерия отбора (fitness function)
Внутренняя интерпретируемость выбираются «лучшие» формы жизни, т.е.
Структурированность Связность Шкалирование наиболее точно соответствующие решению
Семантическая метрика Наличие активности. данной проблемы. Эти особи отбираются для
21. выживания и воспроизведения, т.е. для
22Знание как обоснованное истинное формирования новых поколений потенциальных
убеждение. В области ИИ этот ключевой решений. В конечном счете, некоторое
термин мы будем употреблять как следующую поколение особей и станет решением
метафору: знание – это обоснованное исходной задачи. 37.
истинное убеждение (вера). Интересно 38Агентно-ориентированное и
отметить, что до появления вычислительных распределённое решение проблем. Первый
машин, задолго до эры искусственного рабочий семинар по распределённому
интеллекта в Большой энциклопедии (под искусственному интеллекту (РИИ) состоялся
ред. С.Н. Южакова, СПБ, т. 9, 1902 г.) в Массачусетском технологическом институте
было дано следующее определение этого в 1980 г. и был посвящён вопросам,
термина. «Знание в объективном смысле то связанным с интеллектуальным решением
же, что истинное знание (познание), в задач системами, состоящими из множества
субъективном – убеждение в его истине по решателей. Исследователей РИИ не
реальным причинам. В первом отношении оно интересовали вопросы параллелизма низкого
противополагается заблуждению, как уровня типа распределённой обработки на
неистинному знанию, во втором – вере, нескольких машинах или распараллеливания
мнению». 22. сложных алгоритмов. Они хотели выяснить,
23Не-факторы знания. Данные и знание, как распределённые решатели можно
описывающие сущности и связи какой-либо эффективно скоординировать для
проблемной области, как правило, неполны, интеллектуального решения проблем.
противоречивы, немонотонны, неточны, Фактически это было началом эры
неопределенны и нечетки. В классической распределённой обработки в искусственном
логике предикатов первого порядка интеллекте с использованием и координацией
отношение выводимости удовлетворяет исполнителей (actor) и демонов (demon) и
следующим свойствам: рефлексивности: А1, разработкой систем классной доски.
А2, …, An ? Ai, i = , т.е. вывод Различные группы исследователей по-разному
заключения, идентичного одной из посылок, определяют такие понятия как
есть общезначимая операция; «мультиагентная система»,
транзитивности: если А1, А2, …, An ? В1 и «агентно-ориентированная система»,
А1, А2, …, An, В1 ? В2, то А1, А2, …, An ? «агент». Будем считать, что мультиагентная
В2, т.е. промежуточные результаты можно система – это вычислительная программа,
использовать для вывода заключения В2; блоки решения задач (решатели) которой
монотонности: если А1, А2, …, An ? В1, то расположены в некоторой среде, и каждый из
А1, А2, …, An, {F} ? В1, где {F} – них способен к гибким, автономным и
множество добавочных утверждений, т.е. социально организованным действиям,
добавочно введенные утверждения не направленным (либо нет) на
отменяют ранее выведенное утверждение В1. предопределённые реалии или цели. Таким
К сожалению, свойство монотонности не образом, четырьмя свойствами
выполняется для динамических проблемных интеллектуальной агентной системы,
областей, БЗ которых содержит неполную, включающей программные решатели задач,
неточную и динамически изменяющуюся являются ситуативность, автономность,
информацию. Довольно очевидно, что для гибкость и социальность. Мультиагентные
таких пересматриваемых рассуждений системы очень хорошо подходят для решения
логическая система должна быть проблем, включающих большое количество
немонотонной. Это значит, что методов решения и точек зрения. В этих
пересматриваемые рассуждения не являются в областях мультиагентные системы имеют
классическом смысле общезначимыми, и если преимущества распределённого и
заключение В выводимо из посылок А1, А2, конкурентного решения проблем, в том числе
…, An, существует модель для {А1, А2, …, за счёт реализации сложных схем
An} ? {F}, не подтверждающая В. 23. взаимодействия. Примеры взаимодействия
24Модели представления знаний. показывают совместные действия по
Логические модели. Эти модели опираются на достижению общей цели. 38.
представление всех знаний в виде 39Области использования
синтаксически правильных формул какой-либо агентно-ориентированного решения задач.
формальной логической системы. Сетевые Производство. Производственная область
модели. В основе моделей этого типа лежит может моделироваться как иерархия рабочих
конструкция, называемая семантической областей. Такими рабочими областями могут
сетью. Сетевые модели формально можно быть штукатурные, малярные работы, сборки
задать в виде H = <I, C1, С2, …, Cn, и т.п. Эти рабочие области затем можно
?>. Здесь I есть множество сгруппировать в производственные
информационных единиц; C1, С2, …, Cn – подсистемы. Каждая из подсистем
множество типов связей между функционирует внутри некоторого
информационными единицами. Отображение ? производственного процесса. Впоследствии
задаёт между информационными единицами, эти подсистемы можно объединить в фабрику.
входящими в I, связи из заданного набора Автоматическое управление. Поскольку
типов связей. Концептуальные графы. К контроллеры процессов обычно являются
сетевым моделям относятся также автономными, реактивными и зачастую
концептуальные графы, предложенные Дж. распределёнными системами, не удивительно,
Сова. Фреймовые модели. Фреймовые модели что агентные модели приобретают в этой
часто рассматриваются как разновидность области важное значение. Существуют
сетевых моделей. В отличие от других исследования по управлению транспортными
моделей во фреймовых моделях фиксируется системами, управлению космическими
жёсткая структура информационных единиц, аппаратами, электронно-лучевыми
которая называется протофреймом. ускорителями и другие. Телекоммуникации.
Продукционные модели. Здесь используются Телекоммуникационные системы являются
некоторые элементы логических и сетевых большими распределёнными сетями,
моделей. Из логических моделей состоящими из взаимодействующих
заимствована идея правил вывода, которые компонентов, которые требуют мониторинга и
здесь называются продукциями, а из сетевых управления в реальном времени.
моделей – описание знаний в виде Агентно-ориентированные системы
семантической сети. В результате использовались для сетевого управления и
применения правил вывода к фрагментам менеджмента, передачи информации и
сетевого описания происходит трансформация обслуживания. Информационный менеджмент.
семантической сети за счёт смены её Агентные системы могут обеспечить
фрагментов, наращивания сети и исключения интеллектуальный информационные
из неё ненужных фрагментов. Вывод в менеджмент, особенно в Internet. Двумя
продукционных моделях называется выводом критическими агентными задачами являются
на знаниях. В общем виде под продукцией фильтрация данных – получение из всей
понимается выражение следующего вида: (i) доступной информации лишь той небольшой
Q; P; A ? B; N. 24. порции, которая действительно нужна, и
25Достоверный вывод. Под рассуждением сбор информации – задача накопления и
понимается построение последовательности определения приоритетов среди отобранных
аргументов, вынуждающих принятие порций информации. Электронная коммерция.
некоторого утверждения, которое и является Коммерция является областью, подходящей
целью рассуждения. Особенностями для агентных моделей. Например,
рассуждения, отличающими его от современные программы могут принимать
логического вывода, и в частности, от решения по многим покупкам и продажам на
доказательства, в стандартном понимании основании большого количества разнородной
являются: Открытость множества возможных и распределённой информации. 39.
аргументов; использование 40Понимание естественного языка.
метатеоретических, и в частности, Понимание языка – это не просто передача
металогических средств, с помощью которых слов. Оно требует знаний о целях
осуществляется управление логическими говорящего, контекста, а также о данной
выводами, применяемыми в процессе предметной области. Программы, реализующие
рассуждения; использование не только понимание естественного языка, требуют
правил достоверного вывода, но и правил представления этих знаний и предположений.
правдоподобного вывода. Автоматические При их создании необходимо учитывать такие
рассуждения на основе формальной логики аспекты, как немонотонность, изменение
относятся к слабым (weak) методам убеждений, иносказательность, возможность
доказательства теорем, и чисто обучения, планирование и практическая
синтаксические методы управления поиском сложность человеческих взаимоотношений.
не способны обрабатывать огромное Понимание естественных языков связано (как
пространство поиска при решении задач минимум) с тремя вопросами. Во-первых,
практической сложности. Поэтому предполагается большой объём человеческих
альтернативой являются неформальные методы знаний. Язык описывает взаимосвязи в
поиска, ad hoc стратегии, эвристики и сложном реальном мире, с которыми должна
рассуждения здравого смысла, которые быть знакома любая система, претендующая
человек использует при решении проблем. на понимание языка. Во-вторых, язык имеет
Принцип резолюции Основная идея принципа некоторую структуру: слова состоят из
резолюции заключается в проверке, содержит фонем, и, в свою очередь, составляют
ли множество дизъюнктов S пустой (ложный) предложения и фразы. Порядок следования
дизъюнкт ?. Если это так, то S фонем, слов и предложений не является
невыполнимо. Если S не содержит ?, то случайным. Без корректного использования
следующие шаги заключаются в выводе новых этих компонентов общение невозможно.
дизъюнктов до тех пор, пока не будет В-третьих, языковые конструкции – это
получен ? (что всегда будет иметь место продукт некоторого агента – человека или
для невыполнимого S). Таким образом, компьютера. Агенты внедрены в сложную
принцип резолюции рассматривается как среду и развиваются в направлениях,
правило вывода, с помощью которого определённых их индивидуальностью и
порождаются новые дизъюнкты из S. 25. социумом. Для применения программ
26Параллелизм в дедуктивном выводе. При понимания естественного языка можно
классификации параллелизма дедуктивного использовать технологию World Wide Web, в
вывода будем различать: параллелизм на частности, резюмировать интересные
уровне термов (parallelism at the term материалы из Web. Так, при нахождении
level); параллелизм на уровне дизъюнктов информации, например, по ключевым словам
(parallelism at the clause level); или с помощью других более сложных
параллелизм на уровне поиска (parallelism механизмов поиска, система извлечения
at the search level). Типы параллелизма в информации (information extraction system)
дедуктивном выводе. 26. должна получить на вход текст и
27Вывод на аналитических таблицах. Метод прореферировать его с учётом заданной
аналитических таблиц (или метод наперёд сферы интересов или предметной
семантических таблиц, или метод Хинтикка) области. Она должна найти полезную
является эффективной процедурой информацию, связанную с этой предметной
доказательства теорем, как для логики областью и закодировать её в виде, удобном
высказывания, так и для логики предикатов для представления конечному пользователю
первого порядка. Он, как и метод или сохранения в структурированной БД. 40.
Обзор по искусственному интеллекту.pps
http://900igr.net/kartinka/informatika/obzor-po-iskusstvennomu-intellektu-161567.html
cсылка на страницу

Обзор по искусственному интеллекту

другие презентации на тему «Обзор по искусственному интеллекту»

«Первый искусственный спутник Земли» - История создания первого спутника связана с работой над ракетой как таковой. На рассвете 3 октября 1957 года ракета, состыкованная со спутником, была бережно вывезена из монтажно-испытательного корпуса. За прошедшие 55 лет на околоземные орбиты была запущена не одна тысяча космических аппаратов. Преодолев земное притяженье, Ракета от Земли оторвалась…

«Искусственный отбор Дарвин» - Изменчивость – способность организма приобретать новые признаки и свойства. Выведение селекционерами 150 пород голубей, множества пород собак, сортов капусты… Растения. Методы селекции. Селекция – наука о создании новых и улучшении существующих пород и сортов. Животные. Искусственный отбор – процесс создания новых пород животных и сортов культурных растений путём систематического отбора и размножения особей с определёнными, ценными для человека признаками и свойствами.

«Искусственные водоёмы» - Водохранилище- искусственный водоём. Обращение Президента Российской Федерации. Каршинский оросительный канал (Туркмения). Пруд – небольшой искусственный водоём. Каналы: Цели урока: Загрязнение стоковыми водами. Последствия создания водохранилища. Загрязнение нефтепродуктами. Имени Москвы; Волго-Балтийский; Беломорско-Балтийский; Волго-Донской;

«Искусственный интеллект» - В задачнике имеется 500 задач разного содержания. 23. Интеллектуальный исполнитель. Компьютер НЕ фон-Неймановской архитектуры. Информационная технология (ИТ) - смена эпох. Один из видов систем искусственного интеллекта – экспертные системы. Как создать интеллектуальную систему на компьютере? В компьютерные экспертные системы закладываются знания такого уровня.

«Подготовка обзора» - ГОСТ 7.1-2003 Библиографическая запись. Что такое определение? Пример анализа определений объектов на основе разных источников. В последнем случае часто подаётся с подстаканником. Список литературы. Виды определений. Кружка - сосуд для питья в виде стакана с ручкой. План. Технология подготовки обзора.

«Искусственное дыхание» - Искусственное дыхание методом «рот в рот», «рот в нос». Теоретическая подготовка. Практическое занятие № 10. «Мероприятия при проведении искусственной вентиляции легких. Констатация клинической смерти требует проведения немедленных и активных лечебных мероприятий на месте происшествия. На уроке: - техника восстановления проходимости дыхательных путей, - практика искусственное дыхание методом «рот в рот», «рот в нос».

Информационные системы

22 презентации об информационных системах
Урок

Информатика

130 тем
Картинки
900igr.net > Презентации по информатике > Информационные системы > Обзор по искусственному интеллекту