36244

Системы искусственного интеллекта. Понятия и определения. Архитектура, классификация моделей

Доклад

Информатика, кибернетика и программирование

В этой информационной модели окружающей среды реальные объекты их свойства и отношения между ними не только отображаются и запоминаются но и как это отмечено в данном определении интеллекта могут мысленно целенаправленно преобразовываться . При этом существенно то что формирование модели внешней среды происходит в процессе обучения на опыте и адаптации к разнообразным обстоятельствам . Под структурным подходом мы подразумеваем попытки построения ИИ путем моделирования структуры человеческого мозга. Основной моделируемой структурной...

Русский

2013-09-21

38 KB

11 чел.

30. Системы искусственного интеллекта. Понятия и определения. Архитектура, классификация моделей.

Понятия и определения

Искусственный интеллект -  это, с одной стороны – интеллект, т.е. сфера интересов философии, логики, психологии, лингвистики, физиологии и т.д., а с другой стороны – искусственный, т.е. создаваемый человеком в рамках тех технологических средств, которыми он располагает в каждый момент своего исторического развития, в нашем случае -  с помощью средств современной  вычислительной техники.

Термин интеллект происходит от латинского intellectus - что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект (artificial intelligence) - ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.

Под интеллектом будем называть способность мозга решать (интеллектуальные) задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам.

Под термином "знания" подразумевается не только та информация, которая поступает в мозг через органы чувств. Такого типа знания чрезвычайно важны, но недостаточны для интеллектуальной деятельности. Дело в том, что объекты окружающей нас среды обладают свойством не только воздействовать на органы чувств, но и находиться друг с другом в определенных отношениях. Ясно, что для того, чтобы осуществлять в окружающей среде интеллектуальную деятельность (или хотя бы просто существовать), необходимо иметь в системе знаний модель этого мира. В этой информационной модели окружающей среды реальные объекты, их свойства и отношения между ними не только отображаются и запоминаются, но и, как это отмечено в данном определении интеллекта, могут мысленно "целенаправленно преобразовываться". При этом существенно то, что формирование модели внешней среды происходит "в процессе обучения на опыте и адаптации к разнообразным обстоятельствам".

Мы употребили термин интеллектуальная задача. Для того, чтобы пояснить, чем отличается интеллектуальная задача от просто задачи, необходимо ввести термин "алгоритм" - один из краеугольных терминов кибернетики.

Под алгоритмом понимают точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. Задачи, связанные с отысканием алгоритма решения класса задач определенного типа, будем называть интеллектуальными.

 Таким образом, мы можем перефразировать определение интеллекта как универсальный сверхалгоритм, который способен создавать алгоритмы решения конкретных задач.  

Деятельность мозга (обладающего интеллектом), направленную на решение интеллектуальных задач, мы будем называть мышлением, или интеллектуальной деятельностью.

Архитектура, классификация моделей

Существуют различные подходы к построению систем ИИ.

Рассмотрим логический подход. Основой для данного логического подхода служит Булева алгебра.

Практически каждая система ИИ, построенная на логическом принципе, представляет собой машину доказательства теорем. При этом исходные данные хранятся в базе данных в виде аксиом, правила логического вывода как отношения между ними. Кроме того, каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему Мощность такой системы определяется возможностями генератора целей и машиной доказательства теорем.

Под структурным подходом мы подразумеваем попытки построения ИИ путем моделирования структуры человеческого мозга. Основной моделируемой структурной единицей является нейрон.

Позднее возникли и другие модели, которые в простонародье обычно известны под термином "нейронные сети" (НС). Эти модели различаются по строению отдельных нейронов, по топологии связей между ними и по алгоритмам обучения. Среди наиболее известных сейчас вариантов НС можно назвать НС с обратным распространением ошибки, сети Хопфилда, стохастические нейронные сети.

Для моделей, построенных по мотивам человеческого мозга характерна не слишком большая выразительность, легкое распараллеливание алгоритмов, и связанная с этим высокая производительность параллельно реализованных НС. Также для таких сетей характерно одно свойство, которое очень сближает их с человеческим мозгом — нейронные сети работают даже при условии неполной информации об окружающей среде, то есть как и человек, они на вопросы могут отвечать не только "да" и "нет" но и "не знаю точно, но скорее да".

Эволюционный подход. При построении систем ИИ по данному подходу основное внимание уделяется построению начальной модели, и правилам, по которым она может изменяться (эволюционировать). Причем модель может быть составлена по самым различным методам, это может быть и НС и набор логических правил и любая другая модель. После этого мы включаем компьютер и он, на основании проверки моделей отбирает самые лучшие из них, на основании которых по самым различным правилам генерируются новые модели, из которых опять выбираются самые лучшие и т. д.

Еще один широко используемый подход к построению систем ИИ — имитационный. Данный подход является классическим для кибернетики с одним из ее базовых понятий — "черным ящиком" (ЧЯ). ЧЯ — устройство, программный модуль или набор данных, информация о внутренней структуре и содержании которых отсутствуют полностью, но известны спецификации входных и выходных данных. Объект, поведение которого имитируется, как раз и представляет собой такой "черный ящик". Здесь моделируется другое свойство человека — способность копировать то, что делают другие, не вдаваясь в подробности, зачем это нужно.

Зачастую эта способность экономит ему массу времени, особенно в начале его жизни. Основным недостатком имитационного подхода также является низкая информационная способность большинства моделей, построенных с его помощью.


 

А также другие работы, которые могут Вас заинтересовать

80266. ПІДГОТОВКА ПІД-ПРИЛАДУ МОДЕЛЮВАННЯ ЗМІНИ ТЕМПЕРАТУРИ - SIMULATED TEMPERATURE 681.5 KB
  Підготовка під приладу Моделювання зміни температури Simulted Temperture. Віртуальний прилад що моделює зміну температури: а контрольна панель; б блоксхема приладу. Vi для моделювання зміни температури починається з контрольної панелі на яку слід вивести дев’ять задавачів зміни температури об’єднавши їх у одномірний масив рисунок 7.
80267. Основні функції для підготовки віртуального приладу дослідження температури 322.5 KB
  Основні функції для підготовки віртуального приладу дослідження температури Для виведення функції Rdio Button на контрольну панель Controls ModernClssic Boolen 12 Boolen Rdio Button.– Меню для виведення функції Rdio Button на контрольну панель Вигляд функції Rdio Button яку названо Шкала температур на контрольній і функціональній панелі показано на рисунку 7.8 Функція Rdio Button яку названо Шкала температур на контрольній а і функціональній б панелі ЛІТЕРАТУРА 1 Большая советская енциклопедія Т3 стр.
80268. ВІРТУАЛЬНИЙ ПРИЛАД ДОСЛІДЖЕННЯ ВТРАТИ ТИСКУ НА ДІЛЯНЦІ ТРУБОПРОВОДУ 75.5 KB
  Склад та принцип дії насосної установки УНБ1 – 400х40 Установка змонтована на автомобілі КрАЗ–250 складається із силового агрегату карданного і проміжного валів коробки передач плунжерного насоса з навісним редуктором маніфольда допоміжного трубопроводу водоподавального блока цементного бачка поста керування з фарою для освітлення зубчастої муфти та випускної труби двигуна автомобіля. Технічна характеристика установки УНБ1400х40 Двигун Чотирикратний...
80269. АЛГОРИТМ СТВОРЕННЯ ВІРТУАЛЬНОГО ПРИЛАДУ ВИМІРЮВАННЯ ТИСКУ НА ДІЛЯНЦІ ТРУБОПРОВОДУ 1.99 MB
  Для вибору і розміщення необхідних на лицьовій панелі приладу елементів слід у верхній горизонтальній лінійці піктограм (ВГ-ЛП) обрати передостанню зліва закладку Вікно – Window і натиснути ЛКМ.
80270. ПРОГНОЗУВАННЯ ВАРТОСТІ ДОСЛІДНОГО ЗРАЗКА ВИРОБУ 423.5 KB
  Створення програми та методики експерименту. Планування експерименту. Використання елементів теорії математичної статистики для визначення результатів експерименту. Вибір ключових слів і рубрик УДК У ході підготовки даної роботи використовувалися такі ключові слова: планування експерименту.
80272. ВИМІРЮВАННЯ ЧАСТОТИ ВЛАСНИХ КОЛИВАНЬ П’ЄЗОКЕРАМІЧНОГО МЕМБРАННОГО ГЕНЕРАТОРА КОЛИВАНЬ 2.71 MB
  Відкривається спадаюче меню. На екрані виникає меню Інструменти – Tools у вигляді матриці елементів. – Меню Палітра інструментів – Tools Plette. У меню Палітра інструментів – Tools Plette обрати піктограму у вигляді стрілки Позиціонування Розмір Вибір 12 – Position Size Select 12.
80274. ДОСЛІДЖЕННЯ СПЕКТРУ КОЛИВАНЬ МЕХАНІЧНОЇ СИСТЕМИ 489 KB
  Об’єкт дослідження процес визначення частотної характеристики коливань і відповіді імпульсу системи Мета – за допомогою функції Coherence визначити Частотну характеристику і Відповідь Імпульсу механічної системи що коливається. Тут ми вимірюємо відповідь системи смугового фільтра Фільтр Баттерворта VI передаючи білий шум Однорідний Білий шум VI як стимул системи і збираючи висновок фільтра як відповідь системи. Збільшуючи кількість кадрів фреймів даних введення і виведення збільшення становить...