Top.Mail.Ru

Искусственный интеллект

Для начала, что вообще такое искусственный интеллект. Под ИИ подразумевают набор алгоритмов и направление исследования по автоматизации задач, решаемых человеческим мозгом, а также имитация деятельности человеческого мозга для улучшения решения вычислительных задач. Например:

  • Распознавания образов, анализ зрительной информации.
  • Распознавание звуковой информации.
  • Рассуждения, принятия решений.
  • Творчество, интуиция.

Основная идея состоит в том, что многие задачи мозг решает лучше, чем компьютер, поэтому есть смысл использовать в программировании тот подход, который использует наш мозг в решении задач. Благодаря такому подходу, например, компьютер «научили» играть в шахматы и даже выигрывать у знаменитых гроссмейстеров, хотя изначала эта задачу представляло собой сложную проблему: количество комбинаций в  шахматной игре такое большое, что компьютер не в состоянии обсчитать их за все время существования Вселенной. Проблема была решена с изобретением эвристических алгоритмов. Суть эвристики состоит в том, что мы просчитываем не все варианты, каким-то образом выбираем, какие варианты анализировать.

Теперь о некоторых типичных направлениях ИИ.

Нейронные сети – это вычислительная эмуляция работы нейронов головного мозга. Суть состоит в том, что эмулируемый нейрон – это некая математическая функция, на вход которой подаются данные (первичные или с выходов других нейронов), а выходные данные функции могут подаваться на другие искусственные (эмулируемые) нейроны и тоже обрабатываться. Таким образом, связав в сеть несколько нейронов, мы можем находить закономерности в различных набора данных, например, предсказывать числовые ряды (погода, биржевые котировки и так далее). Однако, этим не ограничивается применение нейронных сетей. НС можно также использовать для распознавания образов, в задачах управления и даже для сжатия данных.

Эволюционные алгоритмы — направление в искусственном интеллекте (раздел эволюционного моделирования), которое использует и моделирует процессы естественного отбора. К ним относятся, например, генетический алгоритм, а также различные бионические алгоритмы оптимизации (оптимизация роем частиц, оптимизации методом колонии муравье, пчелиная оптимизация и так далее). Суть эволюционного алгоритма состоит в том, что у нас есть некоторые наборы параметров, которые в процессе оптимизации меняются по определенным правилам, в которых присутствует элемент случайности.  После каждой итерации изменения происходит селекция наборов данных методом вычисления некой целевой функции, которую мы оптимизируем. Задачей алгоритма может являться как минимизация целевой функции (например, нахождение решения, идеал — нуль, когда полученное значение равно желаемому), так и ее максимизация (например, максимизация прибыли).

Логическое программирование. Логический подход к созданию систем искусственного интеллекта основан на моделировании рассуждений. Теоретической основой служит логика. Логический подход может быть проиллюстрирован применением для этих целей языка и системы логического программирования Пролог. Программы, записанные на языке Пролог, представляют наборы фактов и правил логического вывода без жесткого задания алгоритма как последовательности действий, приводящих к необходимому результату.

Обработка естественного языка (Natural Language Processing, NLP) — общее направление искусственного интеллекта и математической лингвистики. Оно изучает проблемы компьютерного анализа и синтеза естественных языков. Применительно к искусственному интеллекту анализ означает понимание языка, а синтез — генерацию грамотного текста. Решение этих проблем будет означать создание более удобной формы взаимодействия компьютера и человека.

Машинное обучение. Проблематика машинного обучения касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы. Как программа вообще может обучаться? Во-первых, она может накаливать в базу данных определенную информацию, на основе которой принимает решения (знания). Во-вторых, она может корректировать какие-то свои параметры в ходе работы или процесса предварительного обучения (например, нейросеть). Бывает обучение с учителем и без учителя.

При обучении с учителем на вход системы ИИ податься определены данные, на выходе что-то получается и сравнивается с желаемым эталоном. Если совпадет — все ок, если нет то система проходит очередную итерацию обучения.

Обучение без учителя — позволяет распознать образы во входном потоке. Обучение с учителем включает также классификацию и регрессионный анализ. Классификация используется, чтобы определить, к какой категории принадлежит образ. Регрессионный анализ используется, чтобы в рядах числовых примеров входа/выхода и обнаружить непрерывную функцию, на основании которой можно было бы прогнозировать выход. При обучении агент вознаграждается за хорошие ответы и наказывается за плохие. Они могут быть проанализированы с точки зрения теории решений, используя такие понятия как полезность. Математический анализ машинных алгоритмов изучения — это раздел теоретической информатики, известный как вычислительная теория обучения (англ. Computational learning theory).

К области машинного обучения относится большой класс задач на распознавание образов. Например, это распознавание символов, рукописного текста, речи, анализ текстов. Многие задачи успешно решаются с помощью биологического моделирования. Особо стоит упомянуть компьютерное зрение, которое связано ещё и с робототехникой.

Робототехника. Области робототехники и искусственного интеллекта тесно связаны друг с другом. Интегрирование этих двух наук, создание интеллектуальных роботов составляют ещё одно направление ИИ. Интеллектуальность требуется роботам, чтобы манипулировать объектами, выполнять навигацию с проблемами локализации (определять местонахождение, изучать ближайшие области) и планировать движение (как добраться до цели). Примером интеллектуальной робототехники могут служить игрушки-роботы Pleo, AIBO, QRIO.

Comments

So empty here ... leave a comment!

Добавить комментарий

Sidebar