Штучний інтелект

найрізноманітнішими методами, це може бути і НС, і набір логічних правил, і будь-яка інша модель. Після цього ми вмикаємо комп’ютер і він, на основі перевірки моделей відбирає найкращі з них, і по цих моделях за найрізноманітнішими правилами генеруються нові моделі. Серед еволюційних алгоритмів класичним вважається генетичний алгоритм. Імітаційний підхід. Цей підхід є класичним для кібернетики з одним із її базових понять чорний ящик. Об’єкт, поведінка якого імітується, якраз і являє собою „чорний ящик”. Для нас не важливо, які моделі в нього всередині і як він функціонує, головне, щоби наша модель в аналогічних ситуаціях поводила себе без змін. Таким чином тут моделюється інша властивість людини — здатність копіювати те, що роблять інші, без поділу на елементарні операції і формального опису дій. Часто ця властивість економить багато часу об’єкту, особливо на початку його життя.

В рамках гібридних інтелектуальних систем намагаються об’єднати ці напрямки. Експертні правила висновків можуть генеруватися нейронними мережами, а породжуючі правила отримують з допомогою статистичного вивчення. Багатообіцяючий новий підхід, який ще називають підсилення інтелекту, розглядають досягнення ШІ в процесі еволюційної розробки як поточний ефект підсилення людського інтелекту технологіями.

Напрямки досліджень

Аналізуючи історію ШІ, можна виділити такий обширний напрям як моделювання міркувань. Багато років розвиток цієї науки просувався саме цим шляхом, і зараз це одна з найбільш розвинених областей в сучасному ШІ. Моделювання міркувань має на увазі створення символьних систем, на вході яких поставлена деяка задача, а на виході очікується її розв’язок. Як правило, запропонована задача уже формалізована, тобто переведена в математичну форму, але або не має алгоритму розв’язання, або цей алгоритм за складний, трудомісткий і т. д

В цей напрям входять: доведення теорем, прийняття рішень і [теорія ігор], планування і диспетчеризація, прогнозування.

Таким чином, на перший план виходить інженерія знань, яка об’єднує задачі отримання знань з простої інформації, їх систематизацію і використання. Досягнення в цій області зачіпають майже всі інші напрями дослідження ШІ. Тут також необхідно відмітити дві важливі під області. Перша з них — машинне навчання — стосується процесу самостійного отримання знань інтелектуальною системою в процесі її роботи. Друга пов’язана з створенням експертних систем — програм, які використовують спеціалізовані бази знань для отримання достовірних висновків по довільній проблемі.

Великі і цікаві досягнення є в області моделювання біологічних систем. Сюди можна віднести кілька незалежних напрямків. Нейронні мережі використовуються для розв’язання нечітких і складних проблем, таких як розпізнавання геометричних фігур чи кластеризація об’єктів. Генетичний підхід заснований на ідеї, що деякий алгоритм може стати більш ефективним, якщо відбере кращі характеристики у інших алгоритмів («батьків»). Відносно новий підхід, де ставиться задача створення автономної програми — агента, котрий співпрацює з навколишнім середовищем, називається агентний підхід. А якщо належним чином заставити велику кількість «не дуже інтелектуальних» агентів співпрацювати разом, то можна отримати «мурашиний» інтелект.

Задачі розпізнавання об’єктів вже частково розв’язуються в рамках інших напрямків. Сюди відносяться розпізнавання символів, рукописного тексту, мови, аналіз текстів. Особливо слід згадати комп’ютерне бачення, яке пов’язане з машинним навчанням та робототехнікою.

У загальному, робототехніка і штучний інтелект часто асоціюються одне з одним. Інтеграцію цих двох наук, створення інтелектуальних роботів, можна вважати ще одним напрямом ШІ.

1 2 3 4 5 6 7