Основні напрямки розвитку штучного інтелекту

На сучасному етапі розвитку суспільства більшість відносно простих, рутинних операцій з переробки інформації вже автоматизована, і тому подальше збільшення ефективності праці пов’язано з автоматизацією інтелектуальної діяльності. Інтелектуальна діяльність — це дії лю­дей, що призводять до отримання бажаного результату у ситуаціях, коли алгоритм вирішення проблеми відсутній.

Інтелектуальні задачі - задачі, для розв’язання яких невідомий алгоритм (нехай навіть і дуже складний), виконання якого завжди призводить до результату. Так, приміром, для гри у шахи, медичної діагностики або перекладу тексту іншою мовою не знайдено чітких алгоритмів, проте значна кількість людей досить успішно ці задачі виконують, використовуючи власний досвід та знання, що отримані від інших людей.

Термін “штучний інтелект” почали використовувати у 1956 році. Штучний інтелект (ШІ) - це наукова дисципліна, мета якої - автоматизувати інтелектуальну діяльність людини. Ця наука виникла у 50-х роках XX сторіччя на базі кібернетики, лінгвістики, психології та теорії програмування внаслідок загальної спрямованості наукової й інженерної думки на автоматизацію інтелектуальної діяльності, тобто на рішення складних інтелектуальних задач, що вважалися прерогативою людини, за допомогою технічних засобів.

Характерні риси задач штучного інтелекту:

· задача не визначена у числовій формі і потребує символьного подання;

· задача строго не формалізована;

· алгоритм вирішення задачі невідомий (хоч, можливо, й існує) або занадто складний (і тому не може використовуватися через обмеженість відповідних ресурсів);

· дані для задачі непевні та нечіткі;

· простір рішень має велику розмірність;

· відсутня точно визначена цільової функції для рішення, яке потрібно знайти.

Існує два основні підходи у дослідженні ШІ:

· біонічний, що розглядає проблеми штучного відтворення структур та процесів, що лежать в основі процесу рішення задач людиною та характерні для її мозку. Нейроінформатика намагається за допомогою моделювання окремих нейронів і складених із них схем відтворити психофізіологічну діяльність людського мозку з метою створення штучного розуму;

· функціональний, що полягає у відтворенні за допомогою існуючих моделей комп’ютерів окремих функцій людського інтелекту - класифікації, розпізнавання образів, логічного виведення, навчання і прийняття рішень, спілкування природними мовами.

Основні періоди історії розробок систем ШІ:

· 60-ті - спроби змоделювати основні інтелектуальні процеси, що властиві людині: вільний діалог, доказ тверджень, різноманітні інтелектуальні ігри (подібні шахам), створення віршів, музичних творів тощо;

· 70-ті роки - розроблення підходів до формального подання знань, спроби звести інтелектуальну діяльність до формальних перетворень символів;

· 80-ті роки - розроблення спеціалізованих інтелектуальних систем, що мають прикладне значення (експертних систем);

· 90-ті роки - роботи зі створення ЕОМ 5-го покоління та програмного забезпечення для них.

Основні напрямки ШІ:

I. Розпізнавання образів(pattern recognition).

2. Автоматичний доказ теорем.

3. Ігри, що характеризуються скінченною кількістю ситуацій і чіткими правилами, із самого початку досліджень з ШІ привернули до себе увагу як полігон для застосування нових методів. Інтелектуальні системи швидко досягли і перевершили рівень людини середніх здібностей, проте рівень найкращих спеціалістів не досягнуто дотепер.

4. Розв’язання задач, що зустрічаються в повсякденному житті та потребують винахідливості і здатності до узагальнення.

5. Розуміння природної мови - задача аналізу і генерації текстів, їх внутрішнього подання, виявлення знань, необхідних для розуміння текстів.

6. Виявлення і подання знань спеціалістів певної предметної області в експертних системах.

7. Машинне навчання(machine learning) ставить задачу автоматичного здобуття та формування знань на основі аналізу та узагальнення даних. Цей напрямок ШІ зараз активно розвивається. З ним тісно пов’язані системи аналізу даних (data mining) та дослідження знань (knowledge discovery).

8. Інтелектуальні роботи- електротехнічні пристрої, що призначені для автоматизації фізичної праці людини. У цьому напрямку широко використовуються теоретичні розробки, пов’язані з програмними агентами. Основна проблема робототехніки полягає в плануванні рухів та управлінні маніпуляторами з ціллю реалізації запланованих дій.

Нейронні мережі

Нейробіонічний підхід до проблеми ШІ ґрунтується на використанні принципів роботи мозку для конструювання інтелектуальних систем. Основу нейрокомп’ютерів становлять нейронні мережі - ієрархічно організовані паралельні з'єднання адаптивних елементів - нейронів, поєднаних один з одним каналами обміну інформацією для спільної роботи, що забезпечують взаємодію з об'єктами реального світу так само, як і біологічна нервова система.

Основні відмінності нейрокомп’ютеравід звичайної ЕОМ:

· паралельна робота великої кількості простих обчислювальних пристроїв, що забезпечує величезну швидкодію;

· здатність до навчання шляхом настроювання параметрів мережі;

· висока відмовостійкість і перешкодостійкість мережі;

· проста будова окремих нейронів, що дозволяє використовувати нові фізичні принципи обробки інформації для апаратної реалізації нейромереж.

Нейрон— елементарний перетворювальний елемент, складова частина нейромережі, у свою чергу, складається з елементів трьох типів - синапсів, суматора і нелінійного перетворювача.

Розв’язання задачі на нейрокомп'ютері принципово відрізняється від розв’язання тієї ж задачі на звичайній ЕОМ. Нейрокомп'ютеру «показують» вхідні дані задачі і результат, що відповідає цим даним. Нейрокомп'ютер має сам побудувати алгоритм рішення цієї задачі, щоб видати відповідь, що збігається з правильною. Природно очікувати, що чим більше різних пар “вхідні дані-результат” отримує нейрокомп'ютер, тим адекватнішу модель задачі він сформулює. Більше того, якщо після етапу навчання нейрокомп'ютеру надати вхідні дані, яких він раніш не зустрічав, то він теж має знаходити правильні результати. У цьому й полягає здатність нейрокомп'ютера до узагальнення.

Класифікація методів навчання нейронних мереж:

· За способом використання вчителя:

§ З вчителем. Мережа отримує приклади вхідних даних і результуючі дані, що мають бути сформовані в процесі обробки вхідної інформації. Обробивши вхідні дані, мережа порівнює отриманий нею результат з бажаним. Якщо вони не збігаються, то мережа здійснює корекцію вагових коефіцієнтів.

§ З послідовним підкріпленням знань. У цьому разі мережу не повідомляють, які результуючі дані вона має сформувати, але виставляють оцінку тим результатам, які бути сформовані мережею в результаті обробки вхідних даних.

§ Без вчителя. Мережа самостійно виробляє правила навчання шляхом знаходження оціночних ознак серед вхідних даних.

· За використанням елементів випадковості:

§ Детерміновані методи, в яких крок за кроком здійснюється процедура корекції ваг мережі, що базується на використанні поточних значень, вхідної та вихідної інформації.

§ Стохастичні методи, що базуються на використанні випадкових змін ваг у процесі навчання.

Не нашли, что искали? Воспользуйтесь поиском: