Искусственный интеллект. Методы исследования

1.

Искусственный интеллект.
Методы исследования
Выполнил:
Студент
филиала ГАПОУ «ИКЭСТ»
группы БД-15
курса 2
Петров Михаил

2.

Введение
Переработка информации в любых интеллектуальных системах
основывается на использовании фундаментального процесса –
обучения. Образы обладают характерными объективными
свойствами в том смысле, что разные распознающие системы,
обучающиеся на различном материале наблюдений, большей частью
одинаково и независимо друг от друга классифицируют одни и те же
объекты. Именно эта объективность образов позволяет людям всего
мира понимать друг друга.

3.

Логический подход
Основой для логического подхода служит булева алгебра и ее
логические операторы (в первую очередь, знакомый всем оператор
IF ["если"]). Например, правдивость логического высказывания
может принимать в нечетких системах, кроме обычных "да / нет"
(1 / 0), еще и промежуточные значения "не знаю" (0.5). Практически
каждая система ИИ, построенная на логическом принципе,
представляет собой машину доказательства теорем. Примером
практической реализации логических методов являются деревья
решений, которые реализуют в концентрированном виде процесс
"обучения" или синтеза решающего правила.

4.

Эволюционное моделирование
Общая схема алгоритма эволюции выглядит следующим образом:
задается исходная организация системы (в эволюционном
моделировании в этом качестве может фигурировать, например,
конечный детерминированный автомат Мили;
проводят случайные "мутации", т.е. изменяют случайным образом
текущий конечный автомат;
отбирают для дальнейшего "развития" ту организацию (тот
автомат), которая является "лучшей" в смысле некоторого
критерия, например, максимальной точности предсказания
последовательности значений макро-состояний экосистемы.
случайные
мутации
лучшая
организация
исходная
организация
системы

5.

Нейросетевое моделирование
В последние десять лет впечатляет феномен интереса к структурным
методам самоорганизации – нейросетевому моделированию, которое
успешно применяется в самых различных областях – бизнесе,
медицине, технике, геологии, физике, т.е. везде, где нужно решать
задачи прогнозирования, классификации или управления. Описаны
и широко распространяются нейросетевые расширения к
популярным пакетам прикладных программ, что делает процесс
проектирования интеллектуальных систем доступным любой
домохозяйке с персональным компьютером.

6.

Агентно-ориентированный подход
Подход основан на использовании интеллектуальных
(рациональных) агентов.
Согласно этому подходу, интеллект — это вычислительная
часть (планирование) способности достигать
поставленных перед интеллектуальной машиной целей.
Сама такая машина будет интеллектуальным агентом,
воспринимающим окружающий его мир с помощью
датчиков, и способной воздействовать на объекты
в окружающей среде с помощью
исполнительных механизмов.

7.

Символьный подход
Основная особенность символьных вычислений — создание новых
правил в процессе выполнения программы.
Тогда как возможности не интеллектуальных систем
завершаются как раз перед способностью хотя бы обозначать
вновь возникающие трудности.
Эту, скорее культурную проблему, отчасти решает
логическое программирование.